GCRI · Labs
Reprodutibilidade e resultados negativos
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.
Quadro de protocolos e replicações.
A tela que uma equipe usaria para acompanhar esta matéria: suas medidas, estados e decisões. Os nomes são exemplos e os valores são ilustrativos.
Painel de protocolos e replicação
Reproducibility and negative results · Labs · Quarter 1
Protocolos
| PR-594 sensor drift | Experiência de campo | Sim | Aprovado | Em execução |
| PR-714 AI triage | Aleatorizado | Sim | Condições | Configuração |
| PR-551 message recall | Experiência por inquérito | Sim | Aprovado | Completo |
| PR-896 heat exposure | Coorte | Não | Pendente | Rascunho |
Replication R-20
- Efeito original
- 0.3 SD
- Efeito de réplica
- 0.3 SD
- Veredicto
- Menor, mesmo sinal
- Publicado
- com dados e código
Disponibilidade dos bancos de ensaio
Negative results matter in every domain.
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.
O modelo, os seus pressupostos, os seus dados e a sua incerteza, na forma que um cientista ou engenheiro verificaria. As estruturas seguem métodos publicados. Os valores representados são ilustrativos, não conclusões.
Modelo, equações e pressupostos
The model structure used for reproducibility and negative results, the assumptions it makes and how each is tested.
Ri = f(Hi, Ei, Vi, Ci)ameaça, exposição, vulnerabilidade e capacidade de enfrentamentoEAL = ∑k pk · Lksobre os eventos k com probabilidade anual pkxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error| Pressuposto | Porque é feito | Como é testado |
|---|---|---|
| A ameaça e a exposição são independentes dentro de um evento | Mantém tratável o integral de perdas | Comparar com um ajuste de cópula sobre registros conjuntos |
| Os acoplamentos são lineares perto do ponto de funcionamento | Permite que os choques se propaguem através de A | Perturbar para além do intervalo linear e comparar |
| As curvas de vulnerabilidade transferem-se entre lugares | As curvas locais raramente estão disponíveis | Validar face às perdas observadas quando existam |
- Entradas
- conjuntos de dados versionados com proveniência
- Resultados
- distribuições, nunca números isolados
- Código
- publicado com a ficha de modelo e os testes
- Reprodução
- mesmos dados, código, ambiente e semente
O que é medido e com que qualidade.
Cada indicador leva sua unidade, sua periodicidade, o tipo de fonte por trás dele e a etiqueta de evidência que um valor levaria. Nenhum valor é mostrado: um programa os fornece sob sua própria autoridade.
| Indicador | Unidade | Cadência | Tipo de fonte | Rótulo |
|---|---|---|---|---|
| Computational reproducibility | percent of sampled studies regenerated from shared code and data | per audit | Reproducibility audits | OBSERVADO |
| Replication outcome | proportion of replications meeting the prespecified criterion | per programme | Coordinated replication projects | OBSERVADO |
| Retraction notices | count by field and reason | anual | Retraction Watch database via Crossref | Estatísticas publicadas |
| Time from concern to correction | meses | per case | Journal and integrity office records | REPORTADO |
| Post-retraction citations | citations per retracted article | anual | Citation data linked to retraction records | OBSERVADO |
| Null and negative results deposited | count of records | anual | Repositories and registries | REPORTADO |
| Data available on request | percent of articles whose data could be obtained | per audit | Data request audits | OBSERVADO |
De onde vêm as evidências.
Conjuntos de dados públicos nomeados e registros institucionais, cada um com sua classe de licença. As fontes obtidas por acordo só são usadas nos seus termos e nunca são republicadas.
| Fonte | O que oferece | Classe de licença |
|---|---|---|
| Retraction Watch database (Crossref) | Retractions, corrections and expressions of concern with reasons | Aberto, atribuição |
| 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 | Aberto, CC0 |
| FORRT Replication Database | Replication attempts and outcomes, mostly in the social and behavioural sciences | Aberto, atribuição |
| 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 |
Quem decide, e a que servem as evidências.
Laboratórios prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.
| Quem decide | A pergunta | Evidências a que esta página serve |
|---|---|---|
| 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 |
| Financiadores de pesquisa | 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 |
Produtos que este tema gera
- 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 modelagem reproduzível. 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.
Como é estudado e o que os métodos não podem dizer.
- 01Probabilidade e estatísticaPlanejamento do tamanho amostral e do poder estatístico · Metanálise com avaliação de viesesAplicado aqui
- 02Quantificação da incerteza e validação de modelosOrçamentos de incerteza de medição · Análise de sensibilidade de modelos de simulaçãoAplicado aqui
- 03Inferência causal e avaliação de impactoPilotos randomizados e implantações escalonadas · Avaliação quase experimental de programasAplicado aqui
- 04Inteligência artificial e aprendizado de máquinaTriagem assistida para revisões sistemáticas · Modelos substitutos para orientar experimentosAplicado aqui
Where this page’s references lead.
Os organismos e documentos à luz dos quais esta página é lida. O estado e as edições mudam; cada ligação leva ao organismo emissor.
Perguntas e respostas.
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?
Contribua com evidências a partir desta página.
Relatórios 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-mailPortal GW-GCRIEnvie desta páginaEvidência, uma correção, um caso, um método, uma revisão, uma tradução ou uma contribuição ao perfil. Chega marcada com esta página, de modo que o editor responsável a receba.
- ZenodoDepósito abertoDeposite-o e envie à comunidadePublique seu próprio registro no Zenodo com seu ORCID iD e depois envie-o à comunidade Reports ali. Os curadores o revisam; o DOI continua sendo seu.
- RelatóriosGCRIVer todas as formas de contribuirOs tipos de contribuição, como cada um é revisado, o crédito que você recebe, a licença e o que nunca é aceito.
Nunca envie dados pessoais, detalhes sensíveis de infraestrutura nem nada que você não tenha o direito de compartilhar. Uma contribuição é revisada antes do uso. Enviá-la não confere autoria nem direitos editoriais, e o patrocínio nunca compra uma constatação.
Traga um método, um conjunto de dados ou uma pergunta.
A informação e os pedidos estão abertos hoje. Um pedido recebe uma referência e indica o próximo passo; candidaturas, pagamentos, alocações de computação e registros só abrem quando existem a equipa, os termos e a capacidade de revisão.
Documentos jurídicos.
Os mapas, dados e números deste site são apresentados como contexto e informação geral. Não são aconselhamento, previsões nem avisos; os limites da informação estão expostos nos Avisos legais e nos Avisos sobre dados.