发表服务
投了一篇四区SCI期刊，审稿意见回来了。2个审稿人比较正面，第3个审稿人应该是小同行，提了很多意见。其中一条意见就是：“Thedetectionlimitsandreproducibilityoftheexperimentaldatashouldbereported.”，要求“说明实验数据中所检测物质的...
如何回应审稿专家“要说明实验数据的检测限和数据重现性”的问题？.投了一篇四区SCI期刊，审稿意见回来了。.2个审稿人比较正面，第3个审稿人应该是小同行，提了很多意见。.其中一条意见就是：“Thedetectionlimitsandreproducibilityoftheexperimentaldatashouldbe...
因为这一切，实验开始得很慢，该项目现在定于2022年底完成。尽管如此，我们已经得出了适用于巴西科学之外的结论。作为一个广泛的解决方案，更严格的标准和更好的方法描述是重要的，但对重现性来说不够，而且可能不是对每一篇论文都可行。
重现性、严谨性、透明性和验证是科学方法的基石。Reproducibility,rigour,transparencyandindependentverificationarecornerstonesofthescientificmethod.当然，只依靠研究结果的重现性或研究的可重复性，并不能作为判断某一论断是正确的依据，也不能因为结果不可重复而作为判断某一论断是错误的标准。
过去一年，“NgAgo基因编辑”的撤稿事件，引发了学术圈对于论文结果能否重现的热烈讨论和探究，也让科学结果的“可重现性”问题重新回到了大众视野。作为一枚仍在科研道路上蹒跚学步的各位，当你看到一篇original…
只要我们在收集数据时做到背景信息了解到位、实验假设合理、采用的技术方法得当、有一定的样本数、数据经过统计分析、有重现性、结论恰当，应能发表。当然，有了与他人有矛盾的数据，我们在论文撰写时，需要些策略，主要注重两点：1）实事求是。
后来数据集申请了下来，在它论文说的那个数据集上面试了一下跨数据集的测试，确实和文章描述差不多。我就更好奇了，那么好像这个论文就是对的啊，可是为什么其他数据集效果就差这么多（应该没人比我这个情况更奇葩了，不做落地基本不会遇到这个问题）。
我们撰写论文，其实很大意义上就是得说服别人（尤其是审稿人），我们的结果是可信的，准确的。如果做不到这一点，基本上就等着被拒稿了。这也就是为什么很多审稿人喜欢看“材料与方法”部分，因为这部分就相当于把你的研究思路、如何做的过程简单介绍了一遍。
超90％论文算法不可复现，你为何不愿公开代码？人工智能（AI）这个蓬勃发展的领域正面临着实验重现的危机，就像实验重现问题过去十年来一直困扰着心理学、医学以及其他领域一样。他们没有足够时间在每种条件下都测试算法，或者在文章中记录他们尝试过的每个超参数。
当然，常规实验无需大费周章的测试不同条件下的repeatability，而只要将样本的数据以meanCq±SD的形式表示即可。即便不加对比，也可以轻易判断repeatability的高低，如Fig.1所示的38.00±0.05就是一个repeatability极好的数据。
投了一篇四区SCI期刊，审稿意见回来了。2个审稿人比较正面，第3个审稿人应该是小同行，提了很多意见。其中一条意见就是：“Thedetectionlimitsandreproducibilityoftheexperimentaldatashouldbereported.”，要求“说明实验数据中所检测物质的...
如何回应审稿专家“要说明实验数据的检测限和数据重现性”的问题？.投了一篇四区SCI期刊，审稿意见回来了。.2个审稿人比较正面，第3个审稿人应该是小同行，提了很多意见。.其中一条意见就是：“Thedetectionlimitsandreproducibilityoftheexperimentaldatashouldbe...
因为这一切，实验开始得很慢，该项目现在定于2022年底完成。尽管如此，我们已经得出了适用于巴西科学之外的结论。作为一个广泛的解决方案，更严格的标准和更好的方法描述是重要的，但对重现性来说不够，而且可能不是对每一篇论文都可行。
重现性、严谨性、透明性和验证是科学方法的基石。Reproducibility,rigour,transparencyandindependentverificationarecornerstonesofthescientificmethod.当然，只依靠研究结果的重现性或研究的可重复性，并不能作为判断某一论断是正确的依据，也不能因为结果不可重复而作为判断某一论断是错误的标准。
过去一年，“NgAgo基因编辑”的撤稿事件，引发了学术圈对于论文结果能否重现的热烈讨论和探究，也让科学结果的“可重现性”问题重新回到了大众视野。作为一枚仍在科研道路上蹒跚学步的各位，当你看到一篇original…
只要我们在收集数据时做到背景信息了解到位、实验假设合理、采用的技术方法得当、有一定的样本数、数据经过统计分析、有重现性、结论恰当，应能发表。当然，有了与他人有矛盾的数据，我们在论文撰写时，需要些策略，主要注重两点：1）实事求是。
后来数据集申请了下来，在它论文说的那个数据集上面试了一下跨数据集的测试，确实和文章描述差不多。我就更好奇了，那么好像这个论文就是对的啊，可是为什么其他数据集效果就差这么多（应该没人比我这个情况更奇葩了，不做落地基本不会遇到这个问题）。
我们撰写论文，其实很大意义上就是得说服别人（尤其是审稿人），我们的结果是可信的，准确的。如果做不到这一点，基本上就等着被拒稿了。这也就是为什么很多审稿人喜欢看“材料与方法”部分，因为这部分就相当于把你的研究思路、如何做的过程简单介绍了一遍。
超90％论文算法不可复现，你为何不愿公开代码？人工智能（AI）这个蓬勃发展的领域正面临着实验重现的危机，就像实验重现问题过去十年来一直困扰着心理学、医学以及其他领域一样。他们没有足够时间在每种条件下都测试算法，或者在文章中记录他们尝试过的每个超参数。
当然，常规实验无需大费周章的测试不同条件下的repeatability，而只要将样本的数据以meanCq±SD的形式表示即可。即便不加对比，也可以轻易判断repeatability的高低，如Fig.1所示的38.00±0.05就是一个repeatability极好的数据。
发表服务