管理学硕士毕业论文伪造数据

与世界其他任何国家一样，“学术腐败”在美国也时有发生。“学术腐败”的美式名称是“学术不端行为”。它指的是“在提议、开展和评议科研项目，或报道科研成果的过程中，出现的捏造、篡改或剽窃的行为”，同时又要区分“明知故犯的不端行为和正常学术活动出现的错误”。美国“诚信公室”在处理学术不端行为时，基本做到了不护短、不手软。实践证明，要防止学术不端行为，不能只靠科学界和科学家本人的自律。自律和同行间的彼此监督固然重要，但必须要有完善的法律手段作后盾。美国负责处理学术不端行为的机构是公众与卫生服务部所属的“研究诚信公室”。该机构成立于1992年，专门接受和处理对学术不端行为方面的举报，并随时公布违规者的姓名、单位、违规情节和处置决定。根据美国法律，对于任何获得美国联邦政府资助的研究项目的单位，在收到有关学术剽窃等情况的举报后，负有法定义务予以调查处理。如不处理，或者包庇纵容的，联邦政府有权停止拨付项目资助经费，并不再受理其项目申请。美国最具有代表性的学术不端行为是发生在2002年的“舍恩事件”，它被视为科学界的最大的学术造假丑闻之一。亨德里克·舍恩1998年正式加盟美国贝尔实验室，先后与其他20多位研究人员合作，在短短2年多时间里在几家全球著名学术期刊上发表十几篇论文，涉及超导、分子电路和分子晶体等前沿领域，其中一些研究还被认为是突破性的。后来，有人投诉舍恩系统地大量伪造重大实验结果。贝尔实验室为此邀请5名外界科学家组成独立调查小组，对此事调查。调查小组最终认定，舍恩在1998年至2001年期间至少在16篇论文中捏造或篡改了实验数据。2002年9月，舍恩被贝尔实验室开除。而且连他的博士学位也在2004年6月被康斯坦茨大学撤销。通常情况下，如某大学接到学术不端行为举报后，校方将会遴选中立的第三方，组织专门的调查委员会，启动调查程序。整个调查程序必须保密，防止因外界施加不当压力，让调查人员保持中立，无惧无畏，作出事实认定。即当事人有无剽窃事实，是故意的还是疏忽，性质是否严重，影响是否恶劣，是偶犯还是累犯。在此过程中，校方也尊重涉嫌人的正当程序与隐私权，给予涉嫌剽窃者陈述、举证和申辩机会，以避免无中生有的学术剽窃指控，或同行出于学术嫉妒，刻意散布流言蜚语，对当事人无端中伤。调查结束后，校方允许最终的调查与报告内容不公开，但处理决定必须公开。当事人不服可以对簿公堂。总体而言，美国在处理学术不端行为上基本做到决不护短、决不手软，严厉处理当事人。对查证属实的剽窃者，大学的处罚有：解除雇佣合同、降职、减薪、停招研究生、拒绝授予终身职教授等，并根据过错程度，数年内甚至终生不得再申请项目。而且学术作弊一旦被戳穿，往往就意味着当事人身败名裂，在学术界难以再呆下去。如美国德州大学奥斯汀分校教授鲁吉洛被发现她以前在哈佛大学工作期间，弄虚作假，编造心理学方面的调查结果。经确认后，她被裁定五年内不许申请科研资金。后来，已获得终身教授的鲁吉洛被迫从现任大学辞职。根据联邦法律，对于任何获得美国联邦政府资助的研究项目，只要涉嫌学术剽窃与数据造假者，一律要接受调查。不过美国将学术界的不端行为和与权力相关的腐败行为在法律上予以区别，“学术不端行为”并不是“权力腐败行为”，前者可能构成犯罪、也可能不构成犯罪，是民事问题;而后者则肯定是犯罪行为，是刑事问题。近年来，美国联邦政府还多次推动大学和科研机构制定出更为公正统一的学术不端行为处理政策，以防出现因单位而异，发生畸轻畸重的不公平现象，以维护了学术界的公平与正义。

数据最好不要自己编。调查分析类的软件（如果你是学营销或管理学的）可以用SPSS。一般人编的数据数据分析结果都能看出端倪来的，老师都不是傻子，到时候一旦被看出来你就会很难过了。

一般情况下，答辩过程中老师不会让你演示数据的分析过程，但一般会问到你你的论文理论基础，数据是如何收集的（即通过哪些途径收集的），你的问卷设计，数据分析结果，得出结论等。

还是哪句话，一般不是长期做学术或很有经验的人，编的数据结果都很明显的能看出端倪的。建议不要数据造假，学术上是最鄙视也不能接受的。这是比你论文框架错了还要严重的错误。

简介：

论文，古典文学中意为交谈辞章或交流思想，现多指进行各个学术领域的研究和描述学术研究成果的文章。

论文一般由题名、作者、摘要、关键词、正文、参考文献和附录等部分组成。它既是探讨问题进行学术研究的一种手段，又是描述学术研究成果进行学术交流的一种工具。

数据最好不要自己编。调查分析类的软件（如果你是学营销或管理学的）可以用SPSS。一般人编的数据数据分析结果都能看出端倪来的，老师都不是傻子，到时候一旦被看出来你就会很难过了。一般情况下，答辩过程中老师不会让你演示数据的分析过程，但一般会问到你你的论文理论基础，数据是如何收集的（即通过哪些途径收集的），你的问卷设计，数据分析结果，得出结论等。还是哪句话，一般不是长期做学术或很有经验的人，编的数据结果都很明显的能看出端倪的。建议不要数据造假，学术上是最鄙视也不能接受的。这是比你论文框架错了还要严重的错误。