跳转至

数据管理与可复现科研

本章给出课题组成员可直接采用的数据、代码和图表管理规范。目标不是增加负担,而是让自己三个月后还能复现结果,也让师兄师姐、同门和审稿人能看懂你的工作。

一、目录结构

建议每个独立课题或论文图建立一个项目目录:

project_name/
├── README.md
├── raw_data/
├── processed_data/
├── scripts/
├── figures/
├── notes/
└── archive/
目录 用途 规则
raw_data/ 仪器、仿真或文献导出的原始数据 只读保存,不手动覆盖
processed_data/ 清洗、筛选、归一化、拟合后的数据 由脚本生成,能重复生成
scripts/ MATLAB、Python、VBA、LSF、LabVIEW 说明等 文件名写清任务
figures/ 论文图、组会图、检查图 保留源文件和导出文件
notes/ 实验记录、参数说明、AI 使用记录 使用日期命名
archive/ 阶段性冻结版本 不放临时文件

二、命名规范

推荐格式:

YYYY-MM-DD_sample_condition_measurement.ext

示例:

2026-05-19_sampleA_532nm_power_scan.csv
2026-05-19_fig2_transmission_plot.m
2026-05-19_comsol_width_sweep_results.csv

避免:

  • 新建文件夹
  • 最终版
  • 最终版2
  • 改好了
  • data.csv

如果必须保留多个版本,优先用日期、样品编号、参数或 Git 提交记录区分,而不是靠“最终”命名。

三、README 最小模板

每个项目目录建议放一个 README.md:

# 项目名称

## 目标

[这个目录用于回答什么科学问题]

## 数据来源

- 原始数据目录:raw_data/
- 仪器/仿真软件:[型号、版本]
- 操作者:[姓名]
- 采集日期:[日期]

## 处理流程

1. [脚本1]:读取原始数据并清洗
2. [脚本2]:拟合/统计/归一化
3. [脚本3]:生成图表

## 运行环境

- 操作系统:
- MATLAB/Python/Origin/COMSOL/FDTD 版本:
- 依赖包或工具箱:

## 复现命令

```bash
[写出实际运行命令或软件操作入口]
```

## 输出文件

- processed_data/[文件名]:[说明]
- figures/[文件名]:[说明]

## 注意事项

[异常值处理、单位换算、未解决问题、AI 辅助情况]

四、原始数据保护

原始数据是科研结论的证据链起点。

  1. 仪器导出后先复制到 raw_data/,不要在原文件上直接修改。
  2. Excel 手动编辑容易破坏数据类型,能用脚本处理就用脚本。
  3. 重要数据至少两处备份:本机 + 移动硬盘/NAS/组内指定存储。
  4. 未发表数据、合作方数据、专利相关数据不要上传云端 AI 或公共网盘。
  5. 如果需要把数据发给 AI,优先使用小样本、脱敏数据或模拟数据。

五、脚本可复现清单

让 AI 写脚本时,要求它满足以下条件:

项目 要求
输入 文件路径、列名、单位写清楚
输出 保存到固定目录,文件名可追溯
参数 集中放在脚本开头或配置文件
随机性 设置随机种子
异常值 明确处理规则,不静默删除
日志 打印关键步骤和输出路径
版本 记录软件和依赖版本
验证 有小样本或已知结果测试

可复制提示词:

请检查下面的科研数据处理脚本是否可复现。

脚本:
```[语言]
[粘贴脚本]
```

请按以下维度检查:
1. 输入文件、列名和单位是否清楚
2. 输出文件是否可追溯
3. 是否有硬编码路径或本机特有路径
4. 是否有随机性、异常值处理或单位换算风险
5. 是否需要增加日志、参数区、README 或测试数据
6. 给出修改后的脚本片段

六、论文图可追溯清单

每张论文图至少能回答:

  • 原始数据在哪里?
  • 用哪个脚本生成?
  • 图中每条曲线对应哪个样品或参数?
  • 轴标签、单位、归一化方式是否写清?
  • 拟合参数、误差棒、置信区间来自哪里?
  • 最终导出的格式和分辨率是什么?

建议在 figures/ 下保留:

fig2_transmission.m
fig2_transmission.pdf
fig2_transmission.png
fig2_transmission_source_data.csv

七、AI 使用记录

当 AI 参与代码、数据处理、语言润色或审稿回复时,建议在 notes/ai_usage.md 中记录:

字段 示例
日期 2026-05-19
工具 ChatGPT / Claude / DeepSeek / Cursor
用途 生成 MATLAB 绘图脚本
输入数据 只使用脱敏小样本
输出使用方式 人工修改后用于数据处理
人工核查 已用测试数据和手算结果验证

这不是为了增加形式主义,而是为了投稿、答辩、组内交接时能说清楚 AI 到底做了什么。

八、交接包

毕业、换方向或把项目交给同门前,建议整理一个最小交接包:

  1. README.md
  2. 原始数据说明,不一定复制全部大文件,但要写清存放位置
  3. 关键处理脚本
  4. 最终图表源数据
  5. 仪器/仿真参数表
  6. 未解决问题和注意事项
  7. 需要权限的软件、账号或许可证说明

九、与 AI 协作的底线

  • 不把未公开成果、完整原始数据、专利细节直接输入云端 AI。
  • 不让 AI 编造数据、文献、实验条件或审稿回复事实。
  • 不把“AI 说可以”作为物理模型、统计方法或仪器安全设置的依据。
  • 任何用于论文结论的代码和图表都必须能复现、能解释、能追溯。