Come verificare i dati prima di inviare un articolo (Guida 2026)

Prima di inviare un articolo scientifico, effettua quattro controlli sui numeri. Ogni dimensione del campione nel testo deve corrispondere a quella delle tabelle e le percentuali devono sommarsi correttamente. Le cifre decimali devono essere coerenti, e i dati mancanti devono essere giustificati e spiegati. Questi sono gli errori che i revisori individuano per primi, perché sono i più facili da trovare.

I revisori hanno poco tempo a disposizione e si affidano a un'euristica ragionevole. Se i calcoli aritmetici nelle tabelle non tornano, probabilmente non è stata verificata nemmeno l'analisi sottostante. Questa deduzione è ingiusta nei singoli casi, ma è corretta abbastanza spesso da influenzare la revisione.

Questa guida spiega perché gli errori numerici dominano i commenti dei revisori e quali controlli vale la pena effettuare prima di inviare un articolo. Si conclude illustrando come eseguirli senza dover rileggere ogni tabella a mano.

Perché i revisori notano i numeri e non la teoria

La N non corrisponde mai

Uno studio inizia con 120 partecipanti. Otto vengono esclusi per risposte incomplete, altri tre non superano un controllo dell'attenzione e una condizione perde due persone a causa di un guasto tecnico. La sezione dei metodi indica 120, l'analisi è stata eseguita su 107 e una tabella mostra ancora 109 perché è stata creata prima dell'ultima esclusione.

Nessuno ha commesso errori in questo caso. Il conteggio è semplicemente cambiato quattro volte e il manoscritto registra momenti diversi di questa sequenza. Un revisore che confronta la sezione dei metodi con le tabelle nota una contraddizione non spiegata.

Gli arrotondamenti non tornano

L'output statistico fornisce molte cifre decimali. Numeri diversi vengono copiati in momenti diversi, alcuni arrotondati a due cifre e altri a tre. Le percentuali calcolate da subtotali arrotondati sommano a 99.8 anziché a 100.

Presi singolarmente, questi dettagli sono banali. Collettivamente, però, trasmettono trascuratezza, e sono esattamente ciò che un lettore attento nota scorrendo rapidamente una tabella.

La figura e il testo non concordano

Un grafico viene esportato all'inizio, l'analisi viene perfezionata e il testo viene aggiornato. La figura mantiene i vecchi numeri. Questo accade così spesso che i revisori esperti controllano regolarmente le figure confrontandole con il testo.

Questi tre problemi condividono la stessa causa. Non c'è nulla di sbagliato nell'analisi; il manoscritto registra semplicemente diversi momenti di un processo in continua evoluzione. Individuare queste discrepanze è un problema di documentazione, non di statistica.

Cosa ti costa questo errore

Un ciclo di revisione che si poteva evitare. Le incongruenze numeriche raramente causano da sole il rifiuto di un articolo, ma generano un ciclo di revisioni importanti che allunga i tempi di mesi.

L'attenzione del revisore concentrata sui punti sbagliati. Ogni commento su una N non corrispondente è un commento in meno dedicato alle tue argomentazioni. L'attenzione che ricevi per ogni revisione è limitata.

Una rettifica dopo la pubblicazione. Lo scenario peggiore si verifica quando nessuno nota l'errore prima dell'invio e l'articolo viene pubblicato. Le rettifiche post-pubblicazione sono permanenti e pubbliche, e rimangono associate al tuo nome, non a quello del revisore che non le ha notate.

I controlli che vale la pena fare

Opzione 1: Riconciliare ogni dimensione del campione

Elenca ogni N e n che compare nel testo: metodi, tabelle, didascalie delle figure, abstract. Riconduci ciascun valore a una specifica fase di filtraggio. Qualsiasi numero che non riesci a tracciare è un errore o un'esclusione non documentata.

Poi verifica che le esclusioni tornino: campione iniziale, meno ogni esclusione documentata, deve essere uguale al campione analizzato. Descrivi questa sequenza nella sezione dei metodi. I revisori raramente muovono obiezioni sulle esclusioni spiegate; lo fanno sempre su quelle non giustificate.

Opzione 2: Verificare i calcoli in ogni tabella

Le percentuali all'interno di una categoria dovrebbero sommare a 100, salvo una nota di arrotondamento documentata. I conteggi dei sottogruppi dovrebbero sommare al totale del gruppo. Le medie dei sottogruppi, pesate in base alle loro dimensioni, dovrebbero coincidere con la media generale.

Si tratta di un lavoro noioso ed è qui che si nasconde la maggior parte degli errori. È anche il controllo che i revisori tendono a fare più spesso di persona, il che rende rischioso saltarlo.

Opzione 3: Verificare i dati mancanti e gli outlier

Indica quanti dati mancano, se mancano in modo casuale e come li hai gestiti. L'eliminazione listwise, l'imputazione e l'analisi pairwise producono dimensioni del campione differenti, il che rappresenta una causa frequente del problema delle N non corrispondenti.

Fai lo stesso per i valori estremi esclusi. Specifica quanti ne sono stati rimossi e in base a quale regola. Valuta la possibilità di riportare il risultato principale sia con che senza di essi — consulta la nostra guida su come trovare gli outlier senza codice. Un risultato che supera questo confronto è più solido, mentre uno che non lo supera è qualcosa che preferiresti scoprire prima che lo faccia un revisore.

Dove tutti e tre i controlli si scontrano con lo stesso limite

Ciascun controllo è meccanico e richiede di tenere a mente l'intero manoscritto contemporaneamente. Ti trovi a confrontare un numero nei metodi con uno nella Tabella 3 e con un altro nella didascalia di una figura. È un documento che hai letto così tante volte che ormai non lo vedi più davvero.

Questa è la vera difficoltà. Non che i controlli siano difficili, ma che verificare autonomamente un documento scritto da sé è inefficace in un modo che nessuna cura o attenzione può risolvere.

Come eseguire questi controlli con Powerdrill Bloom

Passaggio 1: Carica i tuoi dati

Carica il dataset di analisi. Powerdrill Bloom analizza il profilo di ogni colonna al momento del caricamento, rendendo i conteggi dei valori mancanti e le dimensioni dei gruppi visibili come dati di fatto, anziché come dettagli da ricordare.

Passaggio 2: Descrivi i controlli in linguaggio naturale

Richiedi direttamente la riconciliazione. Chiedi quanti casi completi ci sono per gruppo dopo aver applicato le esclusioni, se le percentuali delle categorie sommano a 100 e quali colonne presentano valori mancanti. Successivamente, richiedi il confronto cruciale: come cambia il risultato principale con e senza i casi esclusi.

Passaggio 3: Esporta il grafico, il report o la presentazione

Esporta una tabella riassuntiva dei conteggi e dei valori mancanti per verificare il tuo manoscritto. Con la stessa richiesta puoi ottenere una nota scritta che registra la sequenza di esclusione per la sezione dei metodi.

Perché questo metodo è migliore di una rilettura manuale

	Controllo manuale	Powerdrill Bloom
Riconciliare la N tra le sezioni	Leggere e confrontare a mano	Conteggi restituiti per ogni fase di filtraggio
Verifica dei valori mancanti	Ispezione colonna per colonna	Profilati al momento del caricamento
Risultato con e senza esclusioni	Eseguire nuovamente l'analisi due volte	Richiedere entrambi
Dopo una revisione	Ripetere l'intero processo	Richiedere nuovamente sul nuovo file

L'ultima riga è quella che determina se i controlli verranno effettivamente eseguiti. Una verifica che richiede un intero pomeriggio viene fatta una volta sola, prima del primo invio, e saltata prima della nuova sottomissione. Ed è proprio in quel momento che i numeri sono appena cambiati.

Una checklist prima dell'invio

Riconduci ogni N a una fase di filtraggio. Se non sai spiegare quale regola ha generato un numero, non pubblicarlo.

Ricalcola i totali delle tabelle. Le percentuali devono sommare a 100, i sottogruppi al totale del gruppo, e non devono esserci eccezioni senza una nota di arrotondamento indicata sulla tabella stessa.

Rigenera le figure dopo l'analisi finale. Non riutilizzare mai un grafico esportato prima dell'ultima revisione. La nostra guida su come creare grafici per un articolo scientifico illustra i requisiti di formato.

Specifica chiaramente come sono stati gestiti i dati mancanti. Indica il metodo e la dimensione del campione risultante nella sezione dei metodi.

Confronta l'abstract con i risultati. Gli abstract vengono scritti all'inizio e aggiornati per ultimi, quindi spesso contengono i numeri più vecchi del manoscritto. Inoltre, sono la parte che la maggior parte dei lettori consulta, il che rende un errore in questa sezione sproporzionatamente visibile.

Fai leggere le tabelle a qualcun altro. Un collega che non ha mai visto i dati troverà in dieci minuti ciò che ti è sfuggito per settimane. Chiedigli di verificare i calcoli piuttosto che l'argomentazione, poiché questo è il controllo che non puoi eseguire sul tuo stesso manoscritto.

Conclusione

I controlli che evitano ulteriori cicli di revisione non sono affascinanti: riconciliare le dimensioni del campione, verificare i calcoli aritmetici, giustificare i dati mancanti e rigenerare le figure per ultime. Nessuno di questi richiede competenze statistiche avanzate, e sono tutti facili da saltare quando la scadenza è vicina.

Il motivo per cui vengono saltati è che ripeterli richiede tempo e fatica, e vanno ripetuti ogni volta che l'analisi cambia. Prova Powerdrill Bloom sul tuo dataset prima del prossimo invio. Vedi anche la nostra pagina sulla pulizia dei dati con IA e la guida su come pulire ed eliminare i duplicati dai dati.

Domande frequenti

Cosa controllano per primo i revisori in un articolo?

La coerenza interna dei numeri. Le dimensioni del campione tra metodi, tabelle e abstract, se le percentuali sommano correttamente e se le figure corrispondono al testo. Questi controlli sono rapidi e indicano con quanta cura è stato preparato il resto del lavoro.

Cosa dovrei controllare prima di inviare un articolo?

Indica il campione iniziale, ogni esclusione con la relativa regola e conteggio, e il campione finale analizzato, in modo che la sequenza torni dal punto di vista aritmetico. Le esclusioni spiegate vengono raramente messe in discussione; le variazioni inspiegabili nella dimensione del campione lo sono sempre.

Dovrei riportare i risultati con e senza outlier?

Sì, quando la conclusione dipende da un piccolo numero di valori estremi. Riportare entrambe le versioni è una scelta più solida rispetto all'esclusione silenziosa, ed evita che sia un revisore a scoprire questa sensibilità al posto tuo.

Perché le mie percentuali non sommano a 100?

Di solito a causa dell'arrotondamento indipendente di ciascun componente. Puoi aggiungere una nota in cui specifichi che le percentuali potrebbero non sommare a 100 a causa degli arrotondamenti, oppure calcolarle in modo che lo facciano. Entrambe le soluzioni sono accettabili; il silenzio no.

Quanti dati mancanti sono troppi?

Non esiste una soglia universale, e la tipologia di distribuzione conta più della quantità. I dati mancanti in modo casuale sono più tollerabili rispetto a quelli mancanti in modo sistematico. Specifica la quantità, la distribuzione e il metodo di gestione utilizzato, e lascia che siano i revisori a giudicare.