Fabricar datos es inventarlos; falsificarlos es manipular datos reales para que digan otra cosa. Son las dos faltas de integridad que acompañan al plagio en la definición estándar de mala conducta científica, y a diferencia del plagio no las detecta ningún software de similitud: se detectan leyendo tus números.
Ese contraste explica por qué se hablan tan poco. Toda la conversación estudiantil sobre integridad gira alrededor del porcentaje de similitud, porque hay una herramienta que lo mide. De la integridad de los datos no hay porcentaje, y por eso mucha gente cree —equivocadamente— que nadie la revisa.
Las definiciones que se usan en todas partes
La formulación de referencia es la de la Office of Research Integrity del Departamento de Salud y Servicios Humanos de Estados Unidos, adoptada o replicada por la mayoría de los códigos institucionales. Dice, textualmente:
La mala conducta en investigación significa fabricación, falsificación o plagio al proponer, realizar o revisar investigación, o al reportar resultados de investigación. (a) La fabricación es inventar datos o resultados y registrarlos o reportarlos. (b) La falsificación es manipular materiales, equipo o procesos de investigación, o cambiar u omitir datos o resultados de manera que la investigación no quede representada con exactitud en el registro de investigación. (c) El plagio es la apropiación de las ideas, procesos, resultados o palabras de otra persona sin dar el crédito apropiado. (d) La mala conducta en investigación no incluye el error honesto ni las diferencias de opinión.
El inciso (d) es el que más tranquiliza y el que más se ignora: equivocarte no es mala conducta. Lo que la constituye es la intención de presentar como cierto algo que sabes que no lo es. Un cálculo mal hecho se corrige; un dato inventado no.
Cómo se ven en una tesis, en concreto
| Conducta | Cómo suele aparecer | Qué es |
|---|---|---|
| Completar los cuestionarios que faltaron | «Solo me faltaban 12 de 200, los llené yo» | Fabricación |
| Inventar las entrevistas que no se dieron | Transcripciones redactadas por el propio tesista | Fabricación |
| Quitar los casos que «se salen» | Eliminar observaciones sin criterio previo ni declararlo | Falsificación |
| Ajustar los datos hasta que la hipótesis salga | Cambiar valores, recodificar hasta obtener significancia | Falsificación |
| Retocar una imagen o gráfica | Modificar una figura para acentuar el efecto | Falsificación |
| Reportar solo lo que confirma | Omitir el análisis que no salió | Falsificación por omisión |
Las dos últimas filas son las importantes, porque casi nunca se piensan como mala conducta. Omitir el resultado que no salió es falsificación: la definición dice expresamente «cambiar u omitir». Un análisis que no confirmó tu hipótesis es un resultado, se reporta, y su lugar natural es la discusión.
Cómo se detecta, en la práctica
Cuatro rutas, todas humanas y ninguna automática:
- Las cuentas no cierran. Los porcentajes no suman, los subtotales no coinciden con el total, la N cambia entre tablas sin explicación. Es la vía más frecuente y la más fácil de evitar: revisa que tus cifras reconcilien antes de entregar, como se plantea en análisis de datos cuantitativos.
- Los datos son demasiado limpios. Ausencia total de no respuesta, distribuciones perfectas, cero valores atípicos en 200 casos. La realidad no se comporta así, y un asesor con oficio lo nota de inmediato.
- La réplica. Preguntas como «¿cuántos cuestionarios aplicaste el primer día?» o «¿dónde están los originales?» no se responden desde una hoja de cálculo inventada.
- El material crudo no aparece. Si no puedes mostrar los cuestionarios firmados, los audios o la base sin procesar, no tienes cómo sostener nada.
La zona gris: lo que sí puedes hacer y cómo se declara
La mayoría de los casos reales no son fraude deliberado, sino decisiones de análisis tomadas sobre la marcha y no declaradas. Todas estas son legítimas si se documentan:
- Eliminar casos, si el criterio se fijó antes y se enuncia en el capítulo: cuestionarios incompletos por encima de cierto umbral, respuestas en patrón, tiempos imposibles. Es la lógica de los criterios de una encuesta bien construida.
- Excluir un ítem que no funcionó, reportando el estadístico que lo justifica; el tratamiento está en validez y confiabilidad de un instrumento.
- No alcanzar la muestra planeada. Se reporta el número real y se discute en limitaciones y delimitaciones. Inflar la N para llegar a la cifra prometida es fabricación, y es el caso más común de todos.
- Cambiar el análisis tras ver los datos, si dices que lo hiciste y por qué.
La regla es una sola: si tuviste que decidir algo, escríbelo. Una decisión declarada es método; la misma decisión callada es lo que después se lee como manipulación.
Qué hacer si no alcanzaste tus datos
Es la situación que empuja a la mayoría de los casos, y tiene salidas que no comprometen nada:
- Reduce el alcance. Una tesis con 60 casos bien documentados vale más que una con 200 de origen dudoso.
- Cambia el diseño a uno cualitativo o documental si el campo se cerró.
- Reporta la muestra real y discute qué implica. Es lo que hace defendible el trabajo, no lo contrario.
- Habla con tu asesor antes, no después. Un cambio de alcance autorizado es un trámite; un dato inventado descubierto es otra cosa.
Las consecuencias, y por qué duran
El régimen disciplinario aplicable es el de tu institución, y el panorama para México está en consecuencias y sanciones del plagio en universidades de México. Hay una diferencia práctica que conviene entender: el plagio se detecta antes de titularte; los datos fabricados se detectan después, cuando alguien intenta usar tu tesis, replicarla o citarla. Un trabajo cuyos datos no se sostienen puede terminar retirado del repositorio, y si derivó en publicación puede terminar retractado, con el rastro documental que eso deja: ver cómo saber si un artículo fue retractado.
Sobre el marco general, esta conducta es una categoría distinta del plagio académico y de sus tipos, y también del autoplagio: allí el problema es la autoría del texto, aquí la veracidad de la evidencia. Ambas caben bajo integridad académica. Y si el señalamiento ya ocurrió, el procedimiento está en qué hacer si te acusan de plagio.
Qué no hace Tesify
Conviene decirlo antes de la oferta. Tesify no genera datos: no inventa respuestas de cuestionario, no produce transcripciones de entrevistas que no ocurrieron y no completa una base incompleta. Si le pides que «rellene» tus casos faltantes, le estás pidiendo justamente lo que este artículo describe como fabricación, y esa no es una función que la herramienta deba cubrir ni tú deberías buscar.
Lo que sí resuelve es la redacción de lo que ya tienes: describir tu procedimiento con precisión, declarar tus criterios de exclusión, y redactar la sección de limitaciones cuando la muestra real quedó por debajo de la planeada —que es exactamente el punto donde la tentación aparece—. Con esos límites claros, Tesify te ayuda a armar ese borrador; los datos, el criterio y la defensa siguen siendo tuyos. El apartado de resultados y el de recomendaciones son los que más se benefician de esa claridad.
Preguntas frecuentes
¿Qué diferencia hay entre fabricación y falsificación de datos?
La fabricación es inventar datos o resultados que nunca se obtuvieron. La falsificación parte de datos reales y los manipula —cambiando valores, eliminando casos u omitiendo resultados— de modo que la investigación no quede representada con exactitud. Una crea la evidencia; la otra la deforma.
¿Turnitin detecta datos inventados?
No. Los detectores de similitud comparan texto contra texto y no tienen forma de saber si tus números corresponden a algo que ocurrió. La integridad de los datos se revisa leyendo la coherencia de las cifras, preguntando en la réplica y pidiendo el material crudo.
¿Eliminar casos atípicos es falsificar?
No, si el criterio se fijó antes de ver los resultados y se declara en el capítulo metodológico junto con el número de casos eliminados. Se vuelve falsificación cuando se eliminan porque estorban al resultado esperado y no se menciona.
¿Qué pasa si no alcancé la muestra que había planeado?
Se reporta el número real y se discute en limitaciones. Inflar la N para llegar a la cifra prometida es fabricación y es el caso más frecuente. Reducir el alcance, cambiar el diseño o reportar la muestra real son salidas legítimas; conviene acordarlas con tu asesor antes y no después.
¿Un error de cálculo cuenta como mala conducta?
No. La definición estándar excluye expresamente el error honesto y las diferencias de opinión. Lo que la constituye es presentar como cierto algo que sabes que no lo es. Un cálculo mal hecho se corrige; un dato inventado no.
¿Tengo que guardar mis datos crudos después de titularme?
Conviene, y muchos programas lo exigen por un plazo determinado. Los cuestionarios firmados, los audios y la base sin procesar son lo único que te permite demostrar que un señalamiento es infundado o que un problema fue un error y no una manipulación.