Egy Q1-es publikáció jól mutat az önéletrajzodban. De vajon önmagában elég ahhoz, hogy más kutatók megbízzanak az eredményeidben? Egy nemzetközi felmérés szerint a tudományos hitelesség megítélésében egyre fontosabb, mennyire átlátható a kutatási folyamat. A transzparencia pedig nem csupán a nyílt tudomány egyik alapelve, hanem a felelős és etikus kutatói magatartás része.
Q1-es folyóiratban jelent meg. Akkor biztosan megbízható?
Képzeld el, hogy a következő cikkedhez szakirodalmat keresel. Találsz két tanulmányt ugyanarról a témáról.
Az egyik egy rangos folyóiratban jelent meg, izgalmas eredményekkel. A módszertani leírás viszont rövid, az adatok nem hozzáférhetők, és nem igazán derül ki, hogyan jutottak el a szerzők a következtetéseikhez.
A másik egy kevésbé ismert folyóiratban látott napvilágot, viszont részletes módszertannal, dokumentált elemzési folyamattal és – ahol lehetséges – hozzáférhető kutatási adatokkal.
Melyik eredményeire építenél szívesebben?
A folyóirat presztízse és a szakmai lektorálás természetesen fontos, de önmagukban nem garantálják a kutatás minőségét.
A tudományos hitelesség nemcsak arról szól, milyen eredményre jutottál, hanem arról is, hogy mások megérthetik-e, hogyan jutottál oda.
Mitől bíznak meg a kutatók egy tudományos eredményben?
Az Elsevier Researcher of the Future felmérésének 2026-ban bemutatott eredményei szerint a kutatók bizalmát több tényező is befolyásolja:
- 78% kiemelten fontosnak tartja a kutatás módszertani minőségét.
- 76% számára meghatározó a szakmai lektorálás.
- 56% fontosnak tartja a kutatási eredmények tartós archiválását.
- 54% a kutatási adatok hozzáférhetőségét is a bizalom fontos tényezőjének tekinti.
- 48% jelentőséget tulajdonít az etikai engedélyek és az összeférhetetlenségi nyilatkozatok feltüntetésének.
Mi köti össze ezeket a szempontokat? Mindegyik hozzájárul ahhoz, hogy egy kutatás ne csupán meggyőző, hanem ellenőrizhető és értékelhető is legyen.
A transzparencia tehát nem azt jelenti, hogy minél több információt teszünk közzé, hanem hogy láthatóvá tesszük a tudományos eredmények mögött álló döntéseket, módszereket és bizonyítékokat.
A transzparencia valójában kutatásetikai kérdés
Amikor kutatásetikáról beszélünk, sokaknak először a plágium, az adathamisítás vagy a szerzőségi viták jutnak eszébe. Pedig az etikus kutatási gyakorlat ennél jóval többet jelent.
A kutató felelőssége nem ér véget ott, hogy megfelelően hivatkozik mások munkájára, és nem hamisít adatokat. Azt is jelenti, hogy őszintén bemutatja a módszertani döntéseit, a kutatás bizonytalanságait és az eredmények korlátait.
Ha például több elemzési módszert kipróbáltál, de csak az egyik vezetett statisztikailag szignifikáns eredményre, fontos, hogy a publikációd ne keltsen félrevezető benyomást az elemzés menetéről.
Ha egy hipotézised nem igazolódott, attól még a kutatásod nem értéktelen. És ha az adataidnak vannak korlátai, azok bemutatása nem gyengíti, hanem hitelesebbé teszi a munkádat.
A transzparencia nem a tökéletes kutatás látszatáról szól, hanem arról, hogy a kutatási folyamatot a maga valóságában mutatjuk be.
Meg tudná ismételni valaki a kutatásodat?
A tudomány egyik alapvető sajátossága, hogy az eredményeknek ellenőrizhetőknek kell lenniük.
Az Elsevier felmérésében a kutatók 55%-a számolt be arról, hogy sikeresen reprodukálta más kutatók eredményeit.
A reprodukálhatóság természetesen tudományterületenként eltérő lehetőségeket jelent. Egy laboratóriumi kísérlet, egy történeti forráselemzés és egy kvalitatív interjús kutatás nem ugyanúgy ellenőrizhető.
Az alapelv azonban közös: a kutatási folyamat legyen megfelelően dokumentált ahhoz, hogy mások értékelhessék az eredményeket.
Gondolj bele: ha fél év múlva előveszed a saját elemzésedet, emlékezni fogsz, miért zártál ki bizonyos adatokat? Melyik kódverzióval készítetted az ábrákat? Miért változtattál az eredeti módszertanon?
A jó dokumentáció tehát nemcsak más kutatóknak szól. A saját munkádat is megkönnyíti.
Nyílt adatok = etikus kutatás? Nem ilyen egyszerű.
A nyílt tudomány fontos célja, hogy a kutatási eredmények és adatok minél szélesebb körben hozzáférhetők és újrahasznosíthatók legyenek.
Ez azonban nem jelenti azt, hogy minden adatot nyilvánosságra kell hozni.
Személyes adatokat, bizalmas interjúkat vagy érzékeny kutatási információkat nem lehet egyszerűen feltölteni egy nyilvános repozitóriumba. Bizonyos esetekben éppen az adatok hozzáférésének korlátozása az etikus döntés.
Itt kapcsolódik össze a transzparencia a FAIR adatkezelés alapelveivel: az adatok legyenek megtalálhatók, a megfelelő feltételek mellett hozzáférhetők, interoperábilisak és újrahasznosíthatók.
A FAIR azonban nem azonos a teljes nyilvánossággal. A hozzáférés lehet szabályozott vagy indokolt esetben korlátozott.
A felelős adatmegosztás nem azt jelenti, hogy mindent megosztunk, hanem hogy tudatosan döntünk arról, mit, kivel és milyen feltételekkel osztunk meg.
És ha mesterséges intelligenciát is használtál?
A generatív MI új kérdéseket vet fel a kutatási transzparenciával kapcsolatban.
Mi történik, ha egy MI által generált kód hibás eredményre vezet? Ha egy szakirodalmi összefoglaló nem létező hivatkozásokat tartalmaz? Vagy ha az MI olyan elemzési módszert javasol, amelynek következményeit nem ellenőriztük?
A kutatásért továbbra is a kutató felel.
Éppen ezért az MI-használat átláthatósága nem merülhet ki egy általános nyilatkozatban. Fontos dokumentálni, milyen feladatban vett részt az MI, és hogyan ellenőriztük az eredményeit, figyelembe véve az intézményi és kiadói előírásokat.
Az MI nem csökkenti, hanem még fontosabbá teszi a kutatási folyamat átláthatóságát.
Öt apró lépés a transzparensebb kutatás felé
Nem kell teljesen átalakítanod a munkafolyamatodat. Néhány tudatos szokással már sokat tehetsz a kutatásod hitelességéért.
1. Dokumentálj menet közben! Jegyezd fel a módszertani döntéseidet és az adatfeldolgozás lépéseit. Ne a publikáció írásakor próbáld rekonstruálni a folyamatot.
2. A negatív eredmény is eredmény. Ne csak azt mutasd be, ami alátámasztja az elképzelésedet. A nem várt eredmények és a kutatás korlátai is értékesek.
3. Tervezz az adataiddal! Már a kutatás elején gondold végig, hogyan fogod tárolni, dokumentálni, megőrizni és – ahol lehetséges – megosztani az adatokat.
4. Légy átlátható az MI-használatoddal kapcsolatban! Ellenőrizd a generált tartalmakat, és dokumentáld az MI szerepét az alkalmazandó előírások szerint.
5. Gondolkodj a következő kutató fejével! Ha valaki két év múlva szeretné ellenőrizni vagy felhasználni az eredményeidet, rendelkezésére áll majd minden szükséges információ?
A hitelesség nem a publikálás pillanatában kezdődik
Kutatóként könnyű úgy tekinteni a tudományos munkára, mint publikációk, határidők, pályázatok és teljesítménymutatók sorozatára. A Q1-es folyóiratok és az idézettség valóban fontos szerepet játszhatnak a karrierépítésben.
De a kutatás minőségét sokkal korábban, a kutatási kérdés megfogalmazásakor, a módszerek kiválasztásakor és a mindennapi kutatói döntéseknél alapozzuk meg.
A transzparencia nem egy újabb adminisztratív elvárás, amelynek publikálás előtt meg kell felelni. Olyan kutatói szemlélet, amely segít abban, hogy az eredményeink megbízhatók, értelmezhetők és mások számára is hasznosíthatók legyenek.
Mert a tudomány nem attól fejlődik, hogy minél több publikáció születik, hanem attól, hogy a kutatók képesek egymás eredményeire építeni.
A jó kutatás nem attól hiteles, hogy senki sem kérdőjelezi meg. Hanem attól, hogy a kérdésekre átlátható, ellenőrizhető válaszokat tud adni.
Forrás: Elsevier (2026)