不属于学术造假

挑选数据是否属于学术造假需要根据具体情境和目的进行判断，以下是综合分析：

一、数据筛选的合法性

1. 科学研究的常规操作

   在科研中，由于实验条件、样本量等限制，完全排除异常数据是常见的做法。例如，通过统计检验（如3s检验、Q检验）识别离群值后合理舍弃，或根据研究目的选择最能支持假设的数据子集。这种基于科学方法的筛选不改变数据真实性，反而有助于提高研究效率。

2. 数据优化的合理性

   部分情况下，研究者会主动选择有利于结论的数据进行展示，这可能被归类为“数据优化”。若优化过程透明且能合理解释选择依据，则属于学术研究的合理策略，不构成造假。

二、学术造假的界定

学术造假通常指以下行为：

• 伪造数据 ：完全捏造实验结果或数据；

• 篡改数据 ：擅自修改已有数据；

• 买卖数据 ：通过不正当手段获取数据。

若数据筛选仅涉及合理剔除异常值或基于科学依据的子集选择，且未涉及上述行为，则不属于学术造假。

三、实际操作建议

1. 严格遵循科研规范

   在处理数据前应详细记录原始数据来源、处理步骤及筛选依据，确保可追溯性。

2. 透明化处理过程

   若需对数据进行筛选或优化，应在论文中充分说明方法学，接受同行评审。

3. 避免极端行为

   禁止为了迎合结论而选择性报告数据，或完全编造数据。若数据缺失，应通过重复实验或补充研究解决。

四、总结

单纯的数据筛选（如剔除异常值或选择支持性数据）是科研中的常规操作，不构成学术造假。但需注意操作规范和透明度，避免因主观偏见影响研究结果。若涉及数据篡改或完全虚构，则属于学术不端行为。