← 返回全部文章
Psychology
引用超 2,100 次的截止日期名研究，四面红旗指向 24 年前的数据是编的
2026-09-02 · 基思·斯坦诺维奇《对伪心理学说不》~1 min read
不进实验室，不重跑一次实验，你有办法判断一份 24 年前的数据是不是编出来的吗？2026 年 8 月 31 日，学术打假博客 Data Colada 交出了一份实打实的答卷：行为经济学名人丹·艾瑞里（畅销书《怪诞行为学》作者）与克劳斯·韦滕布罗赫 2002 年发表在《心理科学》上的著名研究「拖延、截止日期与表现」，其中 Study 2 的数据「被严重篡改或伪造」。这项研究被大量课程列为必读，Google Scholar 引用超过 2,100 次。指认它的没有内部举报人，全部证据都来自数据本身。
30 秒读懂
2002 年原研究的结论：任务各自设外部截止日期的人，表现好于自设截止或全部最后一天交的人；引用超 2,100 次。
导火索：《心理科学》新刊出的复现研究失败，Data Colada 于是全面重析原始数据。
四面红旗：效应大得离谱（d=2.5）、多名被试逐题成绩完全相同、该相关的全不相关、自报分钟数只有 11.7% 是整数。
边界：「被篡改」是统计证据下的判断，不是法庭判决；作者方尚未公开回应这篇分析。
1 导火索
一篇失败的复现，把 24 年前的原始数据拖回了解剖台
事情的顺序值得记清楚：先有复现失败，后有数据重析。
原研究讲的故事很动人：拖延是人性，但只要把任务拆开、每个任务配一个外部强加的截止日期，人的表现就会好于自己随意设定截止、或把所有东西拖到最后一天交的人。这个结论进了无数门课的必读清单。2026 年，《心理科学》刊出 Kyle Hyndman 与 Alberto Bisin 对 Study 2 的复现研究，结果没能复现。复现者并非冲着打假来的，他们只是照原方案把实验重做了一遍；打假是原始数据重析之后才有的事。主持 Data Colada 的三位学者 Uri Simonsohn、Joe Simmons 与 Leif Nelson 于是把 2002 年的原始数据全面重析，越查疑点越多。程序上他们也没有抄近道：2026 年 7 月 20 日，发表前六周，草稿已送到原作者两人、复现作者与《心理科学》主编 Simine Vazire 手里。
⚡ 为什么复现失败会升级成查数据？ 复现失败本身很常见，样本不同、年代不同、执行细节不同，都可能让效应缩水。可一旦原研究的效应大到反常，最该先排除的解释就从「时代变了」换成了「数据本身有没有问题」。
2 红旗一
每组只有 20 个人，效应却大得像教科书里画出来的
第一面红旗不需要什么高深统计，只需要常识。
Study 2 每组只有 20 名被试，三个因变量却全部呈现完美的同向模式。校对纠错数上，组间差距折算成效应量是 Cohen's d=2.5，实验条件与纠错数的相关达到 r=.7。d=2.5 是什么概念？两组的分布几乎不重叠：从「外部截止」组随便拉一个人出来，成绩大概率压过对照组的绝大多数人。一个安排交稿时间的小干预，做出了这种成绩。真实的行为实验里，几乎见不到这样的数字。
核心 真实的人自带噪声。20 人的小样本跑出三个完美同向、d=2.5 的结果，比起「截止日期真有这么神」，「数字被人动过」是更值得先查的解释。
3 红旗二·三
总分撞车可以是巧合，逐题全同不行；该相关的地方全线失联
第二、第三面红旗要凑近了看：一处多出来的重复，一处消失了的相关。
先看重复。多名被试在三个校对任务里的纠错数逐题完全相同。注意，是每道题都相同，而非总数碰巧一样。打个比方：两个学生总分都是 85 并不稀奇，三张卷子每一道题的得分都一模一样，监考老师就该起身走过去了。
再看消失的相关。三个校对任务几乎一样，一个人第一个做得好，第二个理应不差；五个主观评价项（喜欢、有趣等 0 到 100 分打分）之间也该彼此呼应；自报耗时同理。复现数据全部如此，原始数据全线失联：
体检项 复现数据 原始数据
五个主观评价项两两相关 +.63 ~ +.92 −.29 ~ +.18，无一显著为正 三个校对任务成绩两两相关 +.74 以上 +.03 ~ +.27 自报耗时两两相关 +.79 ~ +.95 +.05 ~ +.17
这三行本来只是检查「数据正不正常」的体检项，谁也没打算靠它证明什么。偏偏体检指标最难伪装：编造者盯着的是各组均值要拉开差距，很少有人记得，真实的人会在所有题目上留下一致的自己。复现团队与原始研究测的是同一批任务、同一套问卷，这几项体检却给出了两种截然不同的读数。
4 红旗四
人会说「大概 30 分钟」，机器不会：整数比例只有 11.7%
第四面红旗最直白，你现在就能拿自己验证。
有人问你昨晚校对花了多久，你会说 20 分钟、半小时，几乎不会有人回答「23 分钟」。估算时间报整数是人类的通病，也因此成了鉴别数据来源的指纹。复现数据里，85% 的自报分钟数是整数；原始数据里只有 11.7%，和纯随机落在整数上的期望值 10% 几乎一样。这份数据不像人嘴里报出来的，倒像从均匀分布里抽出来的。程序批量生成数字很容易，给数字补上人味，反而是造假里最容易漏掉的工序。
三个数字出自 Data Colada #138 对两份数据的同口径统计；「整数」的具体口径以原文为准。
四面红旗单独看，每一面或许都还能找补两句；落在同一份数据上，Data Colada 的结论是：无法为全部异常找到善意的解释，判定 Study 2 的数据被严重篡改或伪造，下一篇将分析 Study 1。
FAKERS FAKE THE MEANS, BUT FORGET THE CORRELATIONS
FLAG 1 · EFFECT SIZE
d=2.5 · r=.7 · absurdly large
healthy: far smaller in real studies
FLAG 2 · REPEATED ROWS
item-by-item scores repeat exactly
healthy: totals tie, items differ
FLAG 3 · CORRELATIONS
twin tasks correlate only +.03~+.27
healthy: replication +.74 and up
FLAG 4 · ROUND NUMBERS
minutes reported: only 11.7% round
healthy: people round ~85% of the time
Study 2 raw data
n=20 per cell · published 2002
ALL FOUR CHECKS FLASH RED
no benign explanation found
Source: Data Colada #138 (2026-08-31), a re-analysis of the 2002 Ariely & Wertenbroch study in Psychological Science, prompted by a failed replication published in the same journal. Fakers can fabricate the group means they want, but real people leave a consistent correlation structure behind; that is where the data gave itself away. Statistical evidence, not a legal verdict. 5 机制
科学的自我纠错，靠的从来不是谁的人品
这正是基思·斯坦诺维奇在《对伪心理学说不》里反复敲打的那件事。
科学不请你信任何人。它只要求三样东西：主张可检验、数据可公开、他人可重析。艾瑞里此前已因 2012 年保险诚实签名研究的数据造假指控（Data Colada 2021 年揭露）广受质疑，这一次的不同在于，指控不依赖任何知情人，24 年前的公开数据自己交代了问题。
金句 造假者能编出想要的均值，却常常忘了编相关结构。相关结构是数据的质地，最难伪装。
斯坦诺维奇书里的另一条也应验了：单项研究永远只是概率证据，「效应完美得像教科书」本身就是警报。可在 2,100 次引用里，有多少人把它当成了定论？
6 带走
这对你意味着什么：倒掉的是一份数据，截止日期还站着
先把该说清的边界说清，再谈怎么用。
三条边界：本文与 Data Colada #138 针对的都是 Study 2 的数据，作者方尚未公开回应这篇分析；「被篡改或伪造」是基于统计证据的学术判断，不是法庭判决；「截止日期帮助自控」这个大方向另有其他研究支撑，这次出问题的只是这一份数据。
还有一句必须向你坦白：涉事作者的《怪诞行为学》同样是本站的取材书目之一，过往文章引用过他的框架。正因为有这层关系，这条消息更应该由我们自己讲清楚。
落到你手上的东西也很实在。下次看到「研究表明」，你未必有本事重析原始数据，但你可以问三个问题：数据公开了吗？效应是不是好得不像话？有人复现过吗？三问里有两问答不上来，就先把那条结论放进「等等再信」的那一栏。这三个问题挡不住所有造假，但至少能把「教科书级的完美」从加分项拨回警报项。
那些引用了它 2,100 次的论文，那些把它写进大纲的课程，接下来会一条一条改过来吗？还是照旧流传下去，仿佛什么都没发生？
本文取材自基思·斯坦诺维奇《对伪心理学说不》；据 Data Colada 2026-08-31 分析文章与《心理科学》复现研究。科普解读非学术仲裁，以原文与期刊后续处理为准。
心理
引用超 2,100 次的截止日期名研究，四面红旗指向 24 年前的数据是编的
2026-09-02 · 基思·斯坦诺维奇《对伪心理学说不》约 6 分钟
不进实验室，不重跑一次实验，你有办法判断一份 24 年前的数据是不是编出来的吗？2026 年 8 月 31 日，学术打假博客 Data Colada 交出了一份实打实的答卷：行为经济学名人丹·艾瑞里（畅销书《怪诞行为学》作者）与克劳斯·韦滕布罗赫 2002 年发表在《心理科学》上的著名研究「拖延、截止日期与表现」，其中 Study 2 的数据「被严重篡改或伪造」。这项研究被大量课程列为必读，Google Scholar 引用超过 2,100 次。指认它的没有内部举报人，全部证据都来自数据本身。
30 秒读懂
2002 年原研究的结论：任务各自设外部截止日期的人，表现好于自设截止或全部最后一天交的人；引用超 2,100 次。
导火索：《心理科学》新刊出的复现研究失败，Data Colada 于是全面重析原始数据。
四面红旗：效应大得离谱（d=2.5）、多名被试逐题成绩完全相同、该相关的全不相关、自报分钟数只有 11.7% 是整数。
边界：「被篡改」是统计证据下的判断，不是法庭判决；作者方尚未公开回应这篇分析。
1 导火索
一篇失败的复现，把 24 年前的原始数据拖回了解剖台
事情的顺序值得记清楚：先有复现失败，后有数据重析。
原研究讲的故事很动人：拖延是人性，但只要把任务拆开、每个任务配一个外部强加的截止日期，人的表现就会好于自己随意设定截止、或把所有东西拖到最后一天交的人。这个结论进了无数门课的必读清单。2026 年，《心理科学》刊出 Kyle Hyndman 与 Alberto Bisin 对 Study 2 的复现研究，结果没能复现。复现者并非冲着打假来的，他们只是照原方案把实验重做了一遍；打假是原始数据重析之后才有的事。主持 Data Colada 的三位学者 Uri Simonsohn、Joe Simmons 与 Leif Nelson 于是把 2002 年的原始数据全面重析，越查疑点越多。程序上他们也没有抄近道：2026 年 7 月 20 日，发表前六周，草稿已送到原作者两人、复现作者与《心理科学》主编 Simine Vazire 手里。
⚡ 为什么复现失败会升级成查数据？ 复现失败本身很常见，样本不同、年代不同、执行细节不同，都可能让效应缩水。可一旦原研究的效应大到反常，最该先排除的解释就从「时代变了」换成了「数据本身有没有问题」。
2 红旗一
每组只有 20 个人，效应却大得像教科书里画出来的
第一面红旗不需要什么高深统计，只需要常识。
Study 2 每组只有 20 名被试，三个因变量却全部呈现完美的同向模式。校对纠错数上，组间差距折算成效应量是 Cohen's d=2.5，实验条件与纠错数的相关达到 r=.7。d=2.5 是什么概念？两组的分布几乎不重叠：从「外部截止」组随便拉一个人出来，成绩大概率压过对照组的绝大多数人。一个安排交稿时间的小干预，做出了这种成绩。真实的行为实验里，几乎见不到这样的数字。
核心 真实的人自带噪声。20 人的小样本跑出三个完美同向、d=2.5 的结果，比起「截止日期真有这么神」，「数字被人动过」是更值得先查的解释。
3 红旗二·三
总分撞车可以是巧合，逐题全同不行；该相关的地方全线失联
第二、第三面红旗要凑近了看：一处多出来的重复，一处消失了的相关。
先看重复。多名被试在三个校对任务里的纠错数逐题完全相同。注意，是每道题都相同，而非总数碰巧一样。打个比方：两个学生总分都是 85 并不稀奇，三张卷子每一道题的得分都一模一样，监考老师就该起身走过去了。
再看消失的相关。三个校对任务几乎一样，一个人第一个做得好，第二个理应不差；五个主观评价项（喜欢、有趣等 0 到 100 分打分）之间也该彼此呼应；自报耗时同理。复现数据全部如此，原始数据全线失联：
体检项 复现数据 原始数据
五个主观评价项两两相关 +.63 ~ +.92 −.29 ~ +.18，无一显著为正 三个校对任务成绩两两相关 +.74 以上 +.03 ~ +.27 自报耗时两两相关 +.79 ~ +.95 +.05 ~ +.17
这三行本来只是检查「数据正不正常」的体检项，谁也没打算靠它证明什么。偏偏体检指标最难伪装：编造者盯着的是各组均值要拉开差距，很少有人记得，真实的人会在所有题目上留下一致的自己。复现团队与原始研究测的是同一批任务、同一套问卷，这几项体检却给出了两种截然不同的读数。
4 红旗四
人会说「大概 30 分钟」，机器不会：整数比例只有 11.7%
第四面红旗最直白，你现在就能拿自己验证。
有人问你昨晚校对花了多久，你会说 20 分钟、半小时，几乎不会有人回答「23 分钟」。估算时间报整数是人类的通病，也因此成了鉴别数据来源的指纹。复现数据里，85% 的自报分钟数是整数；原始数据里只有 11.7%，和纯随机落在整数上的期望值 10% 几乎一样。这份数据不像人嘴里报出来的，倒像从均匀分布里抽出来的。程序批量生成数字很容易，给数字补上人味，反而是造假里最容易漏掉的工序。
三个数字出自 Data Colada #138 对两份数据的同口径统计；「整数」的具体口径以原文为准。
四面红旗单独看，每一面或许都还能找补两句；落在同一份数据上，Data Colada 的结论是：无法为全部异常找到善意的解释，判定 Study 2 的数据被严重篡改或伪造，下一篇将分析 Study 1。
造假者编得出均值，编不出相关结构
红旗一 · 效应尺寸
d=2.5，r=.7，大得离谱
健康值：真实实验里几乎见不到
红旗二 · 重复观测
多名被试逐题纠错数全同
健康值：总分偶同，逐题必异
红旗三 · 相关结构
同类任务相关仅 +.03~+.27
健康值：复现数据 +.74 以上
红旗四 · 整数化习惯
自报分钟仅 11.7% 为整数
健康值：人报时间约 85% 是整数
Study 2 原始数据
每组仅 20 人 · 2002 年发表
四项体检全部亮红
找不到善意的解释
来源：Data Colada #138（2026-08-31）对艾瑞里与韦滕布罗赫 2002 年《心理科学》研究的重析，导火索是同刊发表的复现失败。造假者能编出想要的组间均值，真实的人却会留下一致的相关结构，数据正是在这里露了馅。统计证据，非法律结论。 5 机制
科学的自我纠错，靠的从来不是谁的人品
这正是基思·斯坦诺维奇在《对伪心理学说不》里反复敲打的那件事。
科学不请你信任何人。它只要求三样东西：主张可检验、数据可公开、他人可重析。艾瑞里此前已因 2012 年保险诚实签名研究的数据造假指控（Data Colada 2021 年揭露）广受质疑，这一次的不同在于，指控不依赖任何知情人，24 年前的公开数据自己交代了问题。
金句 造假者能编出想要的均值，却常常忘了编相关结构。相关结构是数据的质地，最难伪装。
斯坦诺维奇书里的另一条也应验了：单项研究永远只是概率证据，「效应完美得像教科书」本身就是警报。可在 2,100 次引用里，有多少人把它当成了定论？
6 带走
这对你意味着什么：倒掉的是一份数据，截止日期还站着
先把该说清的边界说清，再谈怎么用。
三条边界：本文与 Data Colada #138 针对的都是 Study 2 的数据，作者方尚未公开回应这篇分析；「被篡改或伪造」是基于统计证据的学术判断，不是法庭判决；「截止日期帮助自控」这个大方向另有其他研究支撑，这次出问题的只是这一份数据。
还有一句必须向你坦白：涉事作者的《怪诞行为学》同样是本站的取材书目之一，过往文章引用过他的框架。正因为有这层关系，这条消息更应该由我们自己讲清楚。
落到你手上的东西也很实在。下次看到「研究表明」，你未必有本事重析原始数据，但你可以问三个问题：数据公开了吗？效应是不是好得不像话？有人复现过吗？三问里有两问答不上来，就先把那条结论放进「等等再信」的那一栏。这三个问题挡不住所有造假，但至少能把「教科书级的完美」从加分项拨回警报项。
那些引用了它 2,100 次的论文，那些把它写进大纲的课程，接下来会一条一条改过来吗？还是照旧流传下去，仿佛什么都没发生？
本文取材自基思·斯坦诺维奇《对伪心理学说不》；据 Data Colada 2026-08-31 分析文章与《心理科学》复现研究。科普解读非学术仲裁，以原文与期刊后续处理为准。
心理学
引用超 2,100 次的截止日期名研究，四面红旗指向 24 年前的数据是编的
2026-09-02 · 基思·斯坦诺维奇《对伪心理学说不》約 6 分
不进实验室，不重跑一次实验，你有办法判断一份 24 年前的数据是不是编出来的吗？2026 年 8 月 31 日，学术打假博客 Data Colada 交出了一份实打实的答卷：行为经济学名人丹·艾瑞里（畅销书《怪诞行为学》作者）与克劳斯·韦滕布罗赫 2002 年发表在《心理科学》上的著名研究「拖延、截止日期与表现」，其中 Study 2 的数据「被严重篡改或伪造」。这项研究被大量课程列为必读，Google Scholar 引用超过 2,100 次。指认它的没有内部举报人，全部证据都来自数据本身。
30 秒读懂
2002 年原研究的结论：任务各自设外部截止日期的人，表现好于自设截止或全部最后一天交的人；引用超 2,100 次。
导火索：《心理科学》新刊出的复现研究失败，Data Colada 于是全面重析原始数据。
四面红旗：效应大得离谱（d=2.5）、多名被试逐题成绩完全相同、该相关的全不相关、自报分钟数只有 11.7% 是整数。
边界：「被篡改」是统计证据下的判断，不是法庭判决；作者方尚未公开回应这篇分析。
1 导火索
一篇失败的复现，把 24 年前的原始数据拖回了解剖台
事情的顺序值得记清楚：先有复现失败，后有数据重析。
原研究讲的故事很动人：拖延是人性，但只要把任务拆开、每个任务配一个外部强加的截止日期，人的表现就会好于自己随意设定截止、或把所有东西拖到最后一天交的人。这个结论进了无数门课的必读清单。2026 年，《心理科学》刊出 Kyle Hyndman 与 Alberto Bisin 对 Study 2 的复现研究，结果没能复现。复现者并非冲着打假来的，他们只是照原方案把实验重做了一遍；打假是原始数据重析之后才有的事。主持 Data Colada 的三位学者 Uri Simonsohn、Joe Simmons 与 Leif Nelson 于是把 2002 年的原始数据全面重析，越查疑点越多。程序上他们也没有抄近道：2026 年 7 月 20 日，发表前六周，草稿已送到原作者两人、复现作者与《心理科学》主编 Simine Vazire 手里。
⚡ 为什么复现失败会升级成查数据？ 复现失败本身很常见，样本不同、年代不同、执行细节不同，都可能让效应缩水。可一旦原研究的效应大到反常，最该先排除的解释就从「时代变了」换成了「数据本身有没有问题」。
2 红旗一
每组只有 20 个人，效应却大得像教科书里画出来的
第一面红旗不需要什么高深统计，只需要常识。
Study 2 每组只有 20 名被试，三个因变量却全部呈现完美的同向模式。校对纠错数上，组间差距折算成效应量是 Cohen's d=2.5，实验条件与纠错数的相关达到 r=.7。d=2.5 是什么概念？两组的分布几乎不重叠：从「外部截止」组随便拉一个人出来，成绩大概率压过对照组的绝大多数人。一个安排交稿时间的小干预，做出了这种成绩。真实的行为实验里，几乎见不到这样的数字。
核心 真实的人自带噪声。20 人的小样本跑出三个完美同向、d=2.5 的结果，比起「截止日期真有这么神」，「数字被人动过」是更值得先查的解释。
3 红旗二·三
总分撞车可以是巧合，逐题全同不行；该相关的地方全线失联
第二、第三面红旗要凑近了看：一处多出来的重复，一处消失了的相关。
先看重复。多名被试在三个校对任务里的纠错数逐题完全相同。注意，是每道题都相同，而非总数碰巧一样。打个比方：两个学生总分都是 85 并不稀奇，三张卷子每一道题的得分都一模一样，监考老师就该起身走过去了。
再看消失的相关。三个校对任务几乎一样，一个人第一个做得好，第二个理应不差；五个主观评价项（喜欢、有趣等 0 到 100 分打分）之间也该彼此呼应；自报耗时同理。复现数据全部如此，原始数据全线失联：
体检项 复现数据 原始数据
五个主观评价项两两相关 +.63 ~ +.92 −.29 ~ +.18，无一显著为正 三个校对任务成绩两两相关 +.74 以上 +.03 ~ +.27 自报耗时两两相关 +.79 ~ +.95 +.05 ~ +.17
这三行本来只是检查「数据正不正常」的体检项，谁也没打算靠它证明什么。偏偏体检指标最难伪装：编造者盯着的是各组均值要拉开差距，很少有人记得，真实的人会在所有题目上留下一致的自己。复现团队与原始研究测的是同一批任务、同一套问卷，这几项体检却给出了两种截然不同的读数。
4 红旗四
人会说「大概 30 分钟」，机器不会：整数比例只有 11.7%
第四面红旗最直白，你现在就能拿自己验证。
有人问你昨晚校对花了多久，你会说 20 分钟、半小时，几乎不会有人回答「23 分钟」。估算时间报整数是人类的通病，也因此成了鉴别数据来源的指纹。复现数据里，85% 的自报分钟数是整数；原始数据里只有 11.7%，和纯随机落在整数上的期望值 10% 几乎一样。这份数据不像人嘴里报出来的，倒像从均匀分布里抽出来的。程序批量生成数字很容易，给数字补上人味，反而是造假里最容易漏掉的工序。
三个数字出自 Data Colada #138 对两份数据的同口径统计；「整数」的具体口径以原文为准。
四面红旗单独看，每一面或许都还能找补两句；落在同一份数据上，Data Colada 的结论是：无法为全部异常找到善意的解释，判定 Study 2 的数据被严重篡改或伪造，下一篇将分析 Study 1。
平均は捏造できても、相関構造は作れない
危険信号1 · 効果量
d=2.5・r=.7、異常な大きさ
健全値：実際の実験ではまず見ない
危険信号2 · 重複データ
複数の参加者が全問同一の成績
健全値：合計は偶然でも各問は違う
危険信号3 · 相関構造
同型課題の相関は +.03~+.27
健全値：追試では +.74 以上
危険信号4 · 丸め癖
自己申告の分数、整数は 11.7%
健全値：人は約 85% を丸めて言う
Study 2 の元データ
各群 20 人 · 2002 年発表
4 項目すべて赤信号
善意の説明が見つからない
出典：Data Colada #138（2026-08-31）による 2002 年『Psychological Science』掲載研究の再分析。きっかけは同誌に載った追試の失敗。平均は捏造できても、実在の人間は一貫した相関構造を残す。データはそこでほころびた。統計的証拠であり、法的結論ではない。 5 机制
科学的自我纠错，靠的从来不是谁的人品
这正是基思·斯坦诺维奇在《对伪心理学说不》里反复敲打的那件事。
科学不请你信任何人。它只要求三样东西：主张可检验、数据可公开、他人可重析。艾瑞里此前已因 2012 年保险诚实签名研究的数据造假指控（Data Colada 2021 年揭露）广受质疑，这一次的不同在于，指控不依赖任何知情人，24 年前的公开数据自己交代了问题。
金句 造假者能编出想要的均值，却常常忘了编相关结构。相关结构是数据的质地，最难伪装。
斯坦诺维奇书里的另一条也应验了：单项研究永远只是概率证据，「效应完美得像教科书」本身就是警报。可在 2,100 次引用里，有多少人把它当成了定论？
6 带走
这对你意味着什么：倒掉的是一份数据，截止日期还站着
先把该说清的边界说清，再谈怎么用。
三条边界：本文与 Data Colada #138 针对的都是 Study 2 的数据，作者方尚未公开回应这篇分析；「被篡改或伪造」是基于统计证据的学术判断，不是法庭判决；「截止日期帮助自控」这个大方向另有其他研究支撑，这次出问题的只是这一份数据。
还有一句必须向你坦白：涉事作者的《怪诞行为学》同样是本站的取材书目之一，过往文章引用过他的框架。正因为有这层关系，这条消息更应该由我们自己讲清楚。
落到你手上的东西也很实在。下次看到「研究表明」，你未必有本事重析原始数据，但你可以问三个问题：数据公开了吗？效应是不是好得不像话？有人复现过吗？三问里有两问答不上来，就先把那条结论放进「等等再信」的那一栏。这三个问题挡不住所有造假，但至少能把「教科书级的完美」从加分项拨回警报项。
那些引用了它 2,100 次的论文，那些把它写进大纲的课程，接下来会一条一条改过来吗？还是照旧流传下去，仿佛什么都没发生？
本文取材自基思·斯坦诺维奇《对伪心理学说不》；据 Data Colada 2026-08-31 分析文章与《心理科学》复现研究。科普解读非学术仲裁，以原文与期刊后续处理为准。