GCRI · Labs
Reproductibilité et résultats négatifs
Science corrects itself only when failures are recorded: replications that did not reproduce, experiments that found nothing, errors found after publication. Many of these records never appear, so the published literature overstates effects and certainty. This page sets out how irreproducibility arises, how replication and correction work, which records exist, and what editors, integrity offices and funders rely on when they correct or retract.
Reproducibility and negative results on the record.
Reproducibility and negative results: how the risk develops.
Failure records and corrections. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.
Publication bias filters the record
Significant, novel results are more likely to be written up, accepted and cited than null ones. The literature then shows a biased sample of what was studied, and meta-analyses inherit the bias.
Errors propagate through citation
A flawed or retracted paper keeps being cited, often without mention of its status. Reviews, guidelines and later studies that build on it carry the error forward, sometimes long after the notice.
Reproduction fails for ordinary reasons
Missing code, undocumented software versions, unshared reagents, unclear methods and lost raw data stop others from repeating an analysis or experiment, even when the original work was honest.
Correction is slow and uneven
Investigations take time, journals differ in how they flag problems, and retraction notices can be vague. Readers may not learn that a paper was corrected, and databases may not carry the notice forward.
Tableau des protocoles et des réplications.
L'écran qu'une équipe utiliserait pour suivre ce sujet : ses mesures, ses états et ses décisions. Les noms sont des exemples et les valeurs sont illustratives.
Tableau des protocoles et des réplications
Reproducibility and negative results · Labs · Quarter 1
Protocoles
| PR-594 sensor drift | Expérience de terrain | Oui | Approuvé | En cours |
| PR-714 AI triage | Randomisé | Oui | Conditions | Configuration |
| PR-551 message recall | Expérience par enquête | Oui | Approuvé | Terminé |
| PR-896 heat exposure | Cohorte | Non | En attente | Brouillon |
Replication R-20
- Effet initial
- 0.3 SD
- Effet de réplication
- 0.3 SD
- Verdict
- Plus petit, même signe
- Publié
- avec données et code
Disponibilité des bancs d'essai
Negative results matter in every domain.
- SantéEn pratiqueNull trial results prevent wasted effort.What a reader can checkPublication of null results
- EauEn pratiqueFailed interventions inform utilities.What a reader can checkFailure records
- AlimentationEn pratiqueVarieties that did not perform are recorded.What a reader can checkTrial outcomes
Negative results are published in the série Labs Evidence. The National Academies’ report (2019) distinguishes reproducibility from replicability; DORA (2012) supports assessing research on its merits.
- Negative results.
- Replication attempts.
How reproducibility and negative results is modelled, measured and tested.
Le modèle, ses hypothèses, ses données et son incertitude, sous la forme qu'un scientifique ou un ingénieur vérifierait. Les structures suivent des méthodes publiées. Les valeurs représentées sont illustratives, ce ne sont pas des résultats.
Modèle, équations et hypothèses
The model structure used for reproducibility and negative results, the assumptions it makes and how each is tested.
Ri = f(Hi, Ei, Vi, Ci)aléa, exposition, vulnérabilité et capacité à faire faceEAL = ∑k pk · Lksur les événements k de probabilité annuelle pkxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error| Hypothèse | Pourquoi il est réalisé | Comment il est testé |
|---|---|---|
| Aléa et exposition sont indépendants au sein d'un événement | Garde l'intégrale des pertes calculable | Comparer avec un ajustement de copule sur des relevés conjoints |
| Les couplages sont linéaires près du point de fonctionnement | Laisse les chocs se propager à travers A | Perturber au-delà de la plage linéaire et comparer |
| Les courbes de vulnérabilité se transposent d'un lieu à l'autre | Les courbes locales sont rarement disponibles | Valider par rapport aux pertes observées lorsqu'elles existent |
- Entrées
- jeux de données versionnés avec provenance
- Productions
- des distributions, jamais des nombres isolés
- Code
- publié avec la fiche de modèle et les tests
- Reproduction
- mêmes données, code, environnement et graine
Ce qui est mesuré, et avec quelle qualité.
Chaque indicateur porte son unité, sa périodicité, le type de source qui le sous-tend et l'étiquette de preuve que porterait une valeur. Aucune valeur n'est affichée : un programme les fournit sous sa propre autorité.
| Indicateur | Unité | Fréquence | Type de source | Étiquette |
|---|---|---|---|---|
| Computational reproducibility | percent of sampled studies regenerated from shared code and data | per audit | Reproducibility audits | OBSERVÉ |
| Replication outcome | proportion of replications meeting the prespecified criterion | per programme | Coordinated replication projects | OBSERVÉ |
| Retraction notices | count by field and reason | annuel | Retraction Watch database via Crossref | Statistiques publiées |
| Time from concern to correction | mois | per case | Journal and integrity office records | DÉCLARÉ |
| Post-retraction citations | citations per retracted article | annuel | Citation data linked to retraction records | OBSERVÉ |
| Null and negative results deposited | count of records | annuel | Repositories and registries | DÉCLARÉ |
| Data available on request | percent of articles whose data could be obtained | per audit | Data request audits | OBSERVÉ |
D'où proviennent les données probantes.
Jeux de données publics et registres institutionnels nommés, chacun avec sa catégorie de licence. Les sources fournies dans le cadre d'accords ne sont utilisées que selon leurs conditions et ne sont jamais republiées.
| Sources | Ce qu'elle apporte | Catégorie de licence |
|---|---|---|
| Retraction Watch database (Crossref) | Retractions, corrections and expressions of concern with reasons | Ouvert, attribution |
| Crossref metadata and Crossmark updates | Links from articles to their corrections and retractions | Open metadata, no restrictions |
| OpenAlex | Works, citations, authors and institutions across disciplines | Ouvert, CC0 |
| FORRT Replication Database | Replication attempts and outcomes, mostly in the social and behavioural sciences | Ouvert, attribution |
| OSF projects of coordinated replication programmes | Protocols, data and code of large-scale replications | Open, licence per project |
| PubPeer | Post-publication comments identifying possible problems in papers | Free access, terms of use |
| Zenodo (CERN) | Citable deposits for null results, data and code | Open, licence per record |
Qui décide, et à quoi servent les données probantes.
Laboratoires prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.
| Qui décide | La question | Données probantes servies par cette page |
|---|---|---|
| Journal editors and publishers | Whether to correct, retract or issue an expression of concern | Evidence of error or misconduct, author response, COPE guidance, reproduction attempts |
| Research integrity offices | Whether an allegation is substantiated and what follows | Raw data, records, code, interviews and an independent analysis |
| Bailleurs de fonds de la recherche | Whether to fund replications and require data and code sharing | Reproducibility audit results, replication evidence by field, cost of sharing |
| Guideline developers and systematic reviewers | Whether to rely on a study that has been questioned or corrected | Retraction and correction status, replication evidence, risk-of-bias assessment |
Résultats que produit ce thème
- Replication protocols registered before data collection, with success criteria fixed
- Reproducibility records listing code, data, environment and the outcome of each rerun
- Deposits of null and negative results with full methods
- Correction logs that link each notice to the works affected
What experts ask about reproducibility.
- Can an independent team re-run the analysis from the published data and code?
- Has the finding been replicated with new data, in a new setting or by a different team?
- Which null or negative results exist, and where are they recorded?
- When an error is found, how is it corrected and how are users of the result told?
- Which parts of a workflow, such as software versions or random seeds, could change the answer?
Why results fail to reproduce.
Many published findings in several disciplines have proved difficult to replicate. The causes are well understood: small samples, flexible analysis, selective reporting, undocumented data processing and incentives that favour novel positive findings. In computational work, results can also depend on software versions, hardware, random seeds and data that change after publication.
Negative results are under-reported because they are harder to publish and seem less interesting. This distorts the evidence base: if only successful trials of an intervention are visible, the intervention looks more effective than it is. Systematic reviews and models built on that evidence inherit the bias.
Corrections matter for the same reason. An error in a widely used dataset or model can propagate into many downstream analyses before it is found.
Practices that support reproducibility.
- 01
Open data and code
Sharing the materials needed to re-run an analysis, within privacy and licensing limits. Some data cannot be shared and must be described instead.
- 02
Computational environments
Recording software versions and environments, a practice developed with modélisation reproductible. Long-term preservation remains hard.
- 03
Registered reports
Peer review of the protocol before results exist, so publication does not depend on the outcome.
- 04
Correction records
Dated, visible corrections linked to the original result, rather than silent replacement.
A failed replication does not by itself show the original was wrong; differences in setting, sample or method must be examined before conclusions are drawn.
Comment c'est étudié, et ce que les méthodes ne peuvent pas dire.
- 01Probabilités et statistiquesPlanification de la taille d'échantillon et de la puissance · Méta-analyse avec évaluation des biaisAppliqué ici
- 02Quantification de l'incertitude et validation des modèlesBudgets d'incertitude de mesure · Analyse de sensibilité des modèles de simulationAppliqué ici
- 03Inférence causale et évaluation d'impactProjets pilotes randomisés et déploiements échelonnés · Évaluation quasi expérimentale des programmesAppliqué ici
- 04Intelligence artificielle et apprentissage automatiqueTri assisté pour les revues systématiques · Modèles de substitution pour orienter les expériencesAppliqué ici
Where this page’s references lead.
Les organismes et documents à l'aune desquels cette page se lit. Les statuts et éditions changent ; chaque lien mène à l'organisme émetteur.
Questions et réponses.
What is the difference between reproducibility and replicability?
Why publish negative results?
Does retraction always mean misconduct?
Can a retracted paper still be cited?
Will Labs publish a study that found nothing?
How do I report an error in a Labs result?
Are corrected results removed?
Apportez des éléments de preuve depuis cette page.
Rapports is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.
- E-mailPasserelle GW-GCRIL'envoyer depuis cette pageUne preuve, une correction, un cas, une méthode, un examen, une traduction ou un apport au profil. Elle arrive étiquetée avec cette page, afin que le rédacteur responsable la reçoive.
- ZenodoDépôt ouvertLe déposer et le soumettre à la communautéPubliez votre propre fiche sur Zenodo avec votre identifiant ORCID, puis soumettez-la à la communauté Reports qui s'y trouve. Des curateurs l'examinent ; le DOI reste le vôtre.
- RapportsGCRIVoir toutes les façons de contribuerLes types de contribution, la manière dont chacune est examinée, la reconnaissance accordée, la licence et ce qui n'est jamais accepté.
N'envoyez jamais de données personnelles, de détails sensibles sur des infrastructures ni rien que vous n'avez pas le droit de communiquer. Une contribution est examinée avant utilisation ; son envoi ne confère ni qualité d'auteur ni droits éditoriaux, et un parrainage n'achète jamais une conclusion.
Apportez une méthode, un jeu de données ou une question.
L'information et les demandes sont ouvertes dès aujourd'hui. Une demande reçoit une référence et indique l'étape suivante ; candidatures, paiements, allocations de calcul et inscriptions n'ouvrent que lorsque l'équipe, les conditions et la capacité d'examen existent.
Documents juridiques.
Les cartes, données et chiffres de ce site sont présentés à titre de contexte et d'information générale. Ils ne constituent ni des conseils, ni des prévisions, ni des alertes ; les limites de l'information sont exposées dans les Avertissements et les Notices sur les données.