Пререєстрація дослідження: що фіксують до збору або аналізу даних і чого preregistration не гарантує

Автор: Український психологічний ХАБ · Опубліковано: 23 вересня 2026 · Редакційна політика

Пререєстрація дослідження (preregistration) — це завчасна, датована фіксація ключових рішень про дослідницьке запитання, гіпотези, дизайн, вибірку, змінні, критерії виключення та аналіз до того, як результати можуть вплинути на ці рішення. Її головна функція — створити перевірюваний слід того, що було вирішено наперед, а що з’явилося після контакту з даними. Center for Open Science визначає preregistration як оприлюднення або реєстрацію датованої, захищеної від непомітного редагування версії плану до початку збору даних або аналізу; класична методологічна логіка цієї практики полягає у відокремленні передбачень від пояснень, сформованих уже після появи результатів, що докладно описали Nosek та співавтори.

Пререєстрація не є знаком «істинності» дослідження. Вона не перетворює слабкий дизайн на сильний, не робить ненадійний тест надійним, не усуває систематичні похибки, не гарантує достатню статистичну потужність, коректну причинну інтерпретацію або відтворюваність результату. Її доказова роль вужча й водночас дуже важлива: вона зменшує невидиму аналітичну гнучкість і допомагає читачеві оцінити, наскільки висновок залежить від рішень, прийнятих до або після того, як результат став відомим. Саме як інструмент зменшення ризику упереджених рішень і підвищення прозорості пререєстрацію описують Hardwicke і Wagenmakers.

Коротка відповідь: навіщо потрібна пререєстрація

Якщо дослідник до перегляду результатів зафіксував, які гіпотези перевіряє, які показники вважає основними, скільки учасників планує залучити, за якими правилами виключатиме спостереження і якою моделлю аналізуватиме дані, після отримання результатів стає значно легше побачити різницю між запланованою перевіркою та новим пошуковим аналізом. Це підвищує прозорість інтерпретації, але не забороняє дослідникові вчитися з даних, змінювати план або проводити додаткові аналізи. Зміна стає частиною наукового запису, а не прихованою частиною процесу.

У практичному сенсі пререєстрація відповідає не на запитання «чи правильний результат?», а на інше: «які рішення були прийняті до того, як результат міг на них вплинути?». Це фундаментальне розрізнення для підтверджувального й пошукового аналізу. Nosek та співавтори наголошують, що preregistration робить видимою межу між запланованим і незапланованим дослідженням та зменшує непомічену гнучкість.

Що саме означає «до збору або аналізу даних»

Найсильніша форма пререєстрації створюється тоді, коли дослідник ще не бачив результатів, які можуть вплинути на вибір гіпотез, виключень, моделей або способу звітування. Для нового експерименту це часто означає реєстрацію до початку збору даних. Для вторинного аналізу вже наявного набору даних принцип інший: план потрібно зафіксувати до аналізу релевантних результатів і чесно описати, які дані вже існували, що дослідник про них знав і чи мав доступ до змінних або результатів, здатних вплинути на рішення.

Сам факт, що файл із даними вже існує, не робить пререєстрацію безглуздою. Важливим є інформаційний стан дослідника на момент реєстрації. Якщо результати вже переглянуто, новий timestamp не може перетворити постфактум-гіпотезу на справжнє передбачення. У такій ситуації коректна практика полягає у відкритому описі попереднього доступу до даних і статусу аналізу як пошукового або частково підтверджувального. OSF прямо пов’язує preregistration з реєстрацією до збору або аналізу і рекомендує приймати ключові рішення до перегляду даних.

Пререєстрація, реєстрація, протокол і план аналізу

Протокол дослідження — це опис майбутніх процедур і методів. Він може існувати як робочий документ і змінюватися без незалежного timestamp. Реєстрація (registration) — це зафіксована версія дослідницького запису в реєстрі; її можна створити на різних етапах життєвого циклу проєкту. Пререєстрація є проспективним різновидом такої практики: ключові рішення фіксують до того, як релевантні результати можуть на них вплинути.

План аналізу — лише одна частина пререєстрації. Він описує статистичні процедури, але повна preregistration часто охоплює також гіпотези, вибірку, правило зупинки, змінні, процедури, виключення та обробку даних. Саме тому фрази «є протокол», «є реєстрація» і «є пререєстрація» не є взаємозамінними.

Center for Open Science прямо розрізняє registration, яку можна зробити в різні моменти, і preregistration, що зазвичай створюється до збору або аналізу даних. Публічність також не обов’язково має бути миттєвою: деякі реєстри дозволяють тимчасове ембарго, зберігаючи датовану незмінну версію плану.

Що варто фіксувати в пререєстрації

Зміст залежить від дизайну, але корисна пререєстрація повинна бути достатньо конкретною, щоб незалежний читач після завершення дослідження міг порівняти план із фактичними діями. Формальна наявність короткого запису «ми перевіримо зв’язок X і Y» залишає майже всю аналітичну свободу відкритою. Емпіричне дослідження Bakker та співавторів показало, що структуровані шаблони обмежували дослідницькі ступені свободи краще, ніж неструктуровані, хоча жоден формат не усував їх повністю.

Дослідницьке запитання і гіпотези

Потрібно вказати, яке запитання перевіряється, які гіпотези є первинними, які — вторинними, чи передбачений напрям ефекту, між якими змінними очікується зв’язок і що саме вважатиметься спостережуваним наслідком гіпотези. Якщо гіпотеза сформульована надто широко, після отримання даних можна непомітно обрати саме ту інтерпретацію, яка найкраще відповідає результату.

Вибірка і правило зупинки

Варто зафіксувати цільову популяцію, критерії включення та виключення, спосіб набору, запланований розмір вибірки, обґрунтування цього розміру і правило зупинки набору. Якщо використовується аналіз статистичної потужності, потрібно вказати його припущення. Пререєстрація не робить ці припущення правильними, але робить підлаштування розміру вибірки після перегляду проміжного результату помітним для подальшої перевірки.

Змінні, операціоналізація і вимірювання

Для кожного основного конструкта потрібно описати, як саме він вимірюється, які шкали або індикатори використовуються, як кодуються відповіді, як утворюються композитні бали, які трансформації заплановано, що робитиметься з пропущеними значеннями та проблемними спостереженнями. Назви інструменту недостатньо, якщо існує кілька можливих способів підрахунку бала. У психометрії особливо важливо пам’ятати: пререєстрація способу підрахунку не створює доказів надійності або валідності самого вимірювання. Standards for Educational and Psychological Testing розглядають якість тестового використання через окремі вимоги до валідності, надійності, справедливості та інтерпретації.

План статистичного аналізу

Корисний план називає конкретні статистичні моделі, залежні й незалежні змінні, коваріати, взаємодії, трансформації, перевірки припущень, правила роботи з викидами, корекції за множинні порівняння, критерії статистичного висновку, заплановані розміри ефекту та інтервали невизначеності. Якщо можливі альтернативні рішення, їх краще описати як наперед визначені «якщо — то» гілки. OSF прямо рекомендує фіксувати статистичні тести, критерії рішення та можливі умовні сценарії до аналізу.

Фіксація p-value як критерію не означає, що p-value стає мірою істинності гіпотези. American Statistical Association наголошує: p-value не є ймовірністю того, що досліджувана гіпотеза істинна, а статистична значущість сама по собі не вимірює величину ефекту або практичну важливість результату.

Заплановані додаткові та пошукові аналізи

Якщо дослідник заздалегідь знає, що проведе аналіз підгруп, перевірить альтернативні моделі або дослідить модератори, це також варто зазначити. Водночас немає потреби передбачати кожну майбутню ідею. Після отримання даних можуть з’явитися нові закономірності та гіпотези. Їх можна досліджувати, але потрібно позначати як пошукові й не подавати так, ніби вони були передбачені наперед.

Як пререєстрація зменшує аналітичну гнучкість

У реальному дослідженні майже завжди існує багато допустимих рішень: коли завершити набір, кого виключити, яку версію шкали використати, чи трансформувати змінну, які коваріати додати, який із кількох результатів зробити основним, яку модель повідомити. Кожне рішення може бути обґрунтованим окремо, але якщо воно приймається після перегляду результатів і читач цього не бачить, зростає ризик вибору саме тієї аналітичної траєкторії, яка дала бажаний результат. Hardwicke і Wagenmakers описують цей механізм як проблему множинності можливих дослідницьких результатів, що виникає з гнучкості дизайну, аналізу та інтерпретації.

Пререєстрація не прибирає всі ступені свободи. Вона переносить частину рішень у момент, коли результат ще не відомий, а решту робить помітнішими. Саме тому конкретність важливіша за сам факт наявності реєстраційного запису. У дослідженні Bakker та співавторів структурований формат мав кращу здатність обмежувати ступені свободи, але навіть детальніші форми залишали нерозв’язані рішення.

p-hacking, HARKing і селективне звітування

p-hacking

p-hacking — узагальнена назва для використання аналітичної гнучкості так, щоб підвищити шанс отримати статистично привабливий результат: наприклад, багаторазово пробувати різні виключення, коваріати, підгрупи або моделі й повідомляти лише успішну комбінацію. Пререєстрація може звузити простір таких рішень, якщо план достатньо конкретний і фактичні відхилення від нього потім показані. Вона не створює технічного бар’єра, який фізично унеможливлює інший аналіз.

HARKing

HARKing — формулювання або подання гіпотези після того, як результат уже відомий, із подальшим описом цієї гіпотези як апріорної. Пререєстрація створює часовий запис гіпотез і тим самим полегшує розрізнення між передбаченням та постфактум-поясненням. Саме це розрізнення лежить у центрі «preregistration revolution».

Докладніше про те, як постфактум-гіпотеза може маскуватися під апріорне передбачення, дивіться у статті «HARKing».

Селективне звітування

Якщо в плані було п’ять основних результатів, а в статті показано лише один, preregistration дозволяє читачеві побачити, що сталося з іншими. Те саме стосується виключених умов, альтернативних моделей і запланованих аналізів. Проте користь виникає лише тоді, коли реєстрація доступна для перевірки й стаття чітко повідомляє про зміни.

Чого пререєстрація не гарантує

Вона не гарантує правильну теорію або гіпотезу

Можна бездоганно пререєструвати помилкову теорію. Timestamp засвідчує часовий порядок рішень, а не істинність припущень. Негативний або неоднозначний результат у добре пререєстрованому дослідженні може бути так само інформативним, як позитивний, але сама реєстрація не визначає, який висновок є правильним.

Вона не гарантує якісний дизайн

Пререєстрація може точно описувати дизайн із сильним конфундуванням, невдалою маніпуляцією, нерепрезентативною вибіркою або невідповідним контрольним станом. Документування слабкого дизайну робить слабкість прозорою, але не усуває її. Для причинного висновку все одно потрібні дизайн, часовий порядок, контроль альтернативних пояснень та предметна обґрунтованість; сама кореляція не стає причинністю через preregistration. Цю межу докладніше пояснює стаття «Кореляція і причинність».

Вона не гарантує якість вимірювання

Якщо шкала ненадійна, не має достатніх доказів валідності для конкретного використання або культурно неадаптована до популяції, preregistration не виправляє ці проблеми. У психометричних дослідженнях потрібно окремо оцінювати надійність, валідність, похибку вимірювання, інваріантність та справедливість. Пререєстрація лише робить наперед видимими рішення про те, як саме ці властивості оцінюватимуться. Загальну рамку дивіться у статті «Психометрія».

Вона не гарантує достатню вибірку та статистичну потужність

Можна пререєструвати надто малу вибірку або нереалістичний очікуваний ефект. Планування заздалегідь корисне, але якість плану потрібно оцінювати окремо. У порівняльному дослідженні van den Akker та співавторів пререєстровані психологічні дослідження частіше містили аналіз потужності й зазвичай мали більші вибірки, однак цей результат є асоціацією в нерандомізованому порівнянні, а не доказом того, що одна лише пререєстрація причинно збільшує вибірку.

Вона не гарантує правильну статистичну модель

Заздалегідь обрана модель може не відповідати шкалі даних, структурі залежностей, розподілу або дизайну. Якщо після перевірки припущень стає зрозуміло, що запланований аналіз непридатний, науково відповідальним рішенням може бути відхилення від плану з чітким поясненням. Принцип прозорості сильніший за механічне дотримання помилки.

Вона не гарантує відсутність p-hacking або HARKing

Емпіричні дані не підтримують просту формулу «є preregistration — немає сумнівних практик». van den Akker та співавтори порівняли 193 пререєстровані психологічні дослідження зі 193 спорідненими непререєстрованими й не знайшли робастних доказів нижчої частки позитивних результатів, менших ефектів або меншої кількості статистичних помилок у пререєстрованій групі; автори прямо зазначили, що не отримали надійного підтвердження того, що preregistration сама по собі запобігає p-hacking і HARKing. Водночас дизайн цього метадослідження не був рандомізованим, тому його не слід читати як остаточний причинний тест ефективності практики.

Вона не гарантує точне дотримання плану

Відхилення є звичайною частиною реальних досліджень. У ранній вибірці статей із preregistered badge Claesen та співавтори виявили, що лише 2 з 27 оцінених досліджень не мали відхилень від зареєстрованого плану; у багатьох роботах частина змін не була повністю розкрита. Це невелика й історично рання вибірка з одного журнального контексту, тому її не можна узагальнювати на всю сучасну психологію, але вона добре показує різницю між наявністю preregistration та фактичною прозорістю виконання.

Вона не гарантує реплікацію або відтворюваність

Пререєстрація покращує простежуваність плану, але відтворюваність також залежить від доступності матеріалів, коду, даних, точності опису процедур і технічного середовища. Реплікація, своєю чергою, перевіряє, чи виникає результат у нових даних або новій реалізації. Це окремі властивості дослідницького процесу.

Вона не гарантує практичну або клінічну важливість

Навіть повністю пререєстрований статистично значущий результат може бути занадто малим, щоб мати практичне значення. Потрібно оцінювати розмір ефекту, невизначеність і предметний контекст. ASA окремо застерігає від ототожнення статистичної значущості з величиною або важливістю ефекту. Для оцінювання невизначеності корисно читати результат разом із довірчим інтервалом.

Відхилення від пререєстрації: помилка чи нормальна частина науки?

Відхилення від плану не є автоматично методологічним порушенням. Під час збору даних може змінитися обладнання, з’явитися непередбачена проблема з вибіркою, виявитися непридатним запланований алгоритм, рецензент може запропонувати додатковий аналіз, а нові знання можуть зробити початковий план слабшим за доступну альтернативу. Проблема виникає тоді, коли зміна приховується або подається як така, що була запланована від початку.

Практичне правило: змінювати можна; переписувати історію рішення — ні. Willroth і Atherton пропонують систематично повідомляти, що саме змінилося, чому, коли було прийнято рішення, як відхилення вплинуло на аналіз і чи змінює воно статус висновку. Їхня рамка виходить із того, що ідеальна відповідність початковому плану радше виняток, а прозоро задокументоване відхилення сумісне з цінністю пререєстрації.

Якість пререєстрації важливіша за сам ярлик

Дві пререєстрації можуть мати однаковий timestamp і радикально різну інформаційну цінність. Запис «ми перевіримо, чи пов’язана тривога зі сном» майже нічого не каже про вибір шкал, основний показник, трансформації, критерії виключення, коваріати, модель, правило зупинки або множинні порівняння. Детальний план звужує простір рішень і дає читачеві реальну можливість відрізнити передбачене від постфактум-обраного.

У пререєстрованому дослідженні Bakker та співавторів порівнювали по 53 реєстрації у структурованому та неструктурованому форматах. Структурований формат краще обмежував дослідницькі ступені свободи (Cliff’s Delta = 0,49), але навіть він не усував їх усіх; низька узгодженість кодувальників щодо кількості гіпотез також показала, наскільки нечіткими можуть залишатися формулювання. Отже, «пререєстровано» — це початок оцінки, а не її завершення.

Що показують емпіричні дослідження самої пререєстрації

Доказова база про ефективність preregistration формується метанауковими дослідженнями і поки не зводиться до одного універсального ефекту. Є сильні теоретичні підстави вважати, що рішення, прийняті до результату, зменшують можливість прихованого підлаштування аналізу; водночас реальна користь залежить від специфічності плану, часу реєстрації, доступу до даних, дотримання протоколу та повноти звітування про зміни. Hardwicke і Wagenmakers саме тому описують preregistration як інструмент зменшення ризику упередження і калібрування впевненості, а не як сертифікат безпомилковості.

Порівняння van den Akker та співавторів не виявило робастних відмінностей у частці позитивних результатів, розмірах ефекту або статистичних помилках між 193 пререєстрованими та 193 спорідненими непререєстрованими психологічними дослідженнями. Водночас пререєстровані роботи частіше містили аналіз статистичної потужності і мали більші вибірки. Це змішана картина: деякі бажані практики корелювали з preregistration, але прямого підтвердження автоматичного усунення p-hacking/HARKing не було.

Ще один важливий сигнал дають дослідження відповідності протоколам. Claesen та співавтори у ранньому корпусі статей із позначкою preregistered виявили часті відхилення, особливо щодо розміру вибірки, критеріїв виключення та статистичного аналізу. Цей результат підтримує сучасний акцент на прозорому розкритті змін: якість науки визначає не відсутність будь-яких змін, а можливість читача реконструювати, де план змінився і чому.

Пререєстрація метааналізів і систематичних оглядів

У синтезі доказів аналітична гнучкість виникає на інших етапах: критерії включення, бази даних, пошукові запити, вибір результатів, кодування ефектів, моделі метааналізу, робота з залежними ефектами, аналіз гетерогенності, модератори, оцінка ризику упередження та способи роботи з публікаційним упередженням. Проспективний протокол може зробити ці рішення видимими до того, як дослідник побачить, яка комбінація дає бажаний підсумок.

Але і тут сама реєстрація не гарантує повноту. У крос-секційному дослідженні Sandoval-Lentisco та співавторів серед 1 403 психологічних метааналізів, опублікованих у 2021 році, 382 (27%) мали функціональну пререєстрацію. У випадковій вибірці зі 100 пререєстрованих метааналізів медіана кількості охоплених протоколами пунктів становила 13 із 23 оцінених ключових рішень; усі 100 мали щонайменше одне відхилення, медіана становила 9, а більшість відхилень не були розкриті. Це специфічна вибірка психологічних метааналізів певного року, але вона наочно показує: якість і повнота протоколу визначають, скільки прозорості реально дає preregistration.

PRISMA-P у цьому контексті є настановою щодо звітування протоколів систематичних оглядів і метааналізів, а не інструментом оцінювання «якості» окремого дослідження чи рівня певності доказів. Це призначення прямо зафіксоване у PRISMA-P 2015: elaboration and explanation. Те, що протокол оформлено за reporting guideline, не означає автоматичної високої методологічної якості або високої certainty.

Пререєстрація і Registered Reports — різні речі

Registered Report — це формат наукової публікації, у якому вступ, дослідницькі питання й методи проходять рецензування до отримання основних результатів, а журнал може надати принципову згоду на публікацію незалежно від напряму результату за умови належного виконання погодженого протоколу. Chambers і Tzavella описують цей формат як спосіб переносити рішення про публікаційну цінність з результату на питання, теорію й метод.

Звичайна пререєстрація може бути зроблена без попереднього рецензування і без будь-якої гарантії публікації. Registered Report зазвичай містить проспективний протокол, але додає інституційний рівень: зовнішню методологічну оцінку і рішення журналу до результатів. Тому ці поняття не слід використовувати як синоніми.

Пререєстрація і пошуковий аналіз

Пошуковий аналіз є повноцінною частиною науки. Він потрібний для виявлення закономірностей, генерації нових гіпотез, перевірки несподіваних структур і розвитку теорії. Пререєстрація не встановлює правило «пошукове = погане». Bakker та співавтори прямо наголошують, що метою preregistration є прозоро відрізняти підтверджувальний аналіз від пошукового, а не забороняти останній.

Коректна стаття може містити обидва типи аналізу: спочатку — результати перевірки пререєстрованих гіпотез, далі — чітко позначені додаткові аналізи. Нові гіпотези, знайдені у цих даних, можуть стати основою наступного проспективного дослідження. Такий цикл зберігає креативність і водночас не змішує передбачення з постфактум-поясненням.

Пререєстрація у психометрії та психодіагностиці

У психометричному дослідженні можна пререєструвати гіпотези про факторну структуру, критерії прийнятності моделей, способи роботи з пропущеними даними, перевірки інваріантності, правила виключення пунктів, зовнішні критерії, аналізи надійності та валідності. Це особливо корисно, коли існує багато можливих шляхів модифікації моделі або відбору показників.

Але пререєстрація не робить тест валідним для конкретної мети й популяції. Вона не перетворює screening на diagnosis, не робить cutoff універсальною межею «є/немає розладу» і не замінює докази надійності, валідності, норм, культурної адаптації або справедливості. AERA/APA/NCME Standards вимагають оцінювати інтерпретації та використання тестових балів на підставі релевантних доказів. Preregistration може зробити план збирання таких доказів прозорішим, але не є самим доказом.

Як оцінити пререєстроване дослідження

Перше запитання — коли саме створено реєстрацію і що дослідники вже знали про дані. Timestamp має сенс лише разом з інформаційним контекстом. Для вторинного аналізу важливо знати, чи були результати доступні до фіксації плану.

Друге — наскільки конкретний план. Чи визначені гіпотези, первинні результати, вибірка, правило зупинки, виключення, операціоналізація, статистична модель, коваріати, множинні порівняння, пропущені дані та критерії висновку? Чим більше ключових рішень залишено відкритими, тим менше preregistration обмежує аналітичну гнучкість.

Третє — чи можна зіставити план зі статтею. Читач має бачити, які аналізи були заплановані, які не виконані, які додані, чи змінювалися основні результати, критерії виключення, вибірка або модель. Якщо відхилення є, потрібно оцінити не сам факт зміни, а її причину, час і прозорість.

Четверте — чи зберігається якість незалежних компонентів доказу. Навіть ідеальна preregistration не замінює перевірку валідності вимірювання, адекватності дизайну, статистичних припущень, розміру ефекту, невизначеності, множинності тестів і меж узагальнення. Наприклад, якщо проводиться багато тестів, ризик випадкових «значущих» результатів залишається предметом окремого контролю; дивіться «Множинні порівняння».

Практичний мінімум хорошої пререєстрації

1. Сформулюйте дослідницьке запитання та відокремте первинні гіпотези від додаткових.

2. Визначте, які результати є первинними, як вони вимірюються й обчислюються.

3. Опишіть популяцію, набір, критерії включення та виключення, розмір вибірки і правило зупинки.

4. Зафіксуйте дизайн, умови, рандомізацію, засліплення й часову структуру, якщо вони релевантні.

5. Вкажіть усі ключові змінні, кодування, композити, трансформації, правила щодо пропущених значень і викидів.

6. Назвіть статистичні моделі, коваріати, взаємодії, критерії висновку, розміри ефекту та інтервали невизначеності.

7. Передбачте очевидні умовні сценарії у форматі «якщо — то», щоб реальна проблема не змушувала імпровізувати мовчки.

8. Визначте, як позначатимуться пошукові аналізи та як повідомлятимуться відхилення від плану.

9. Створіть датовану версію в незалежному реєстрі до того, як релевантні результати стануть відомі. Платформа може дозволяти ембарго; принциповими є timestamp, збереження первинної версії та прозоре версіювання змін.

10. У фінальній статті дайте пряме посилання на preregistration і зробіть читачеві зручним порівняння «план — виконання».

Типові помилки інтерпретації

«Дослідження пререєстроване, отже воно якісне». Ні. Пререєстрація є характеристикою прозорості та часової структури рішень. Якість дизайну, вимірювання й аналізу оцінюється окремо.

«Будь-яке відхилення анулює дослідження». Ні. Відхилення може бути необхідним і методологічно кращим за початковий план. Ключовими є прозоре розкриття змін, обґрунтування і коректне маркування статусу аналізу.

«Після preregistration не можна робити нічого нового». Ні. Додаткові пошукові аналізи допустимі й часто цінні. Їх не слід маскувати під первинні підтверджувальні тести.

«Пререєстрація доводить відсутність p-hacking». Ні. Вона створює можливість побачити запланований шлях і зменшує приховану свободу, але не контролює всі фактичні дії дослідника. Емпіричне порівняння van den Akker та співавторів не виявило робастних доказів автоматичного запобігання p-hacking/HARKing.

«Якщо preregistration коротка, цього достатньо». Не обов’язково. Якщо ключові рішення залишені невизначеними, timestamp фіксує лише загальний намір. Bakker та співавтори показали, що структурованість і конкретність суттєво впливають на те, наскільки план реально обмежує ступені свободи.

Поширені запитання

Чи обов’язково пререєструвати дослідження до збору будь-яких даних?

Для нового дослідження це найчистіший варіант, але принциповим є не сам факт існування даних, а те, чи могли відомі результати вплинути на рішення. Вторинний аналіз наявних даних можна пререєструвати до аналізу релевантних результатів із чітким описом попереднього доступу. Якщо результати вже переглядали, потрібно прямо це повідомити.

Чи можна змінити план після пререєстрації?

Так. Потрібно зберегти первинну версію, описати зміну, її причину та момент прийняття рішення. Willroth і Atherton розглядають прозоре звітування про відхилення як центральну практику, а не як ознаку провалу preregistration.

Чи робить пререєстрація пошукові аналізи недопустимими?

Ні. Вона допомагає позначити, які аналізи були передбачені, а які виникли під час роботи з даними. Пошуковий аналіз може бути джерелом важливих нових гіпотез; наступне дослідження вже може перевірити їх проспективно.

Чи є пререєстрація тим самим, що Registered Report?

Ні. Preregistration — це датований проспективний план. Registered Report додає попереднє журнальне рецензування й принципове рішення про прийнятність роботи до основних результатів. Докладний огляд формату дають Chambers і Tzavella.

Чи достатньо просто написати «дослідження пререєстроване»?

Ні. Потрібні доступний ідентифікатор або посилання, дата, достатньо конкретний план і прозоре зіставлення з фактичним дослідженням. Без цього читач не може оцінити, що саме було вирішено заздалегідь.

Чи гарантує пререєстрація, що результат відтвориться?

Ні. Вона може підвищити прозорість і зменшити певні ризики упередження, але реплікація залежить від істинності ефекту, дизайну, вимірювання, вибірки, статистичної невизначеності та інших умов. Preregistration — один елемент надійної дослідницької системи.

Чи можна вважати пререєстрований cutoff або screening score діагнозом?

Ні. Проспективна фіксація порогу не змінює його клінічного статусу. Screening залишається screening; diagnosis потребує відповідної клінічної оцінки, а інтерпретація cutoff залежить від популяції, призначення тесту, базової частоти, валідності, надійності та інших доказів.

Підсумок

Пререєстрація — це інфраструктура прозорості рішень. Вона найкорисніша тоді, коли створена до впливу результатів, достатньо конкретна, доступна для зіставлення з фінальною роботою і доповнена чесним звітуванням про відхилення. Її сила полягає не в тому, що вона робить дослідження автоматично правильним, а в тому, що вона робить історію ключових рішень видимою.

Тому правильне читання preregistration звучить так: це додаткова інформація про ризик упередженості та прозорість дослідницького процесу. Вона може зміцнювати довіру до підтверджувального висновку, коли план конкретний і дотримання прозоре, але не замінює оцінку теорії, дизайну, вимірювання, статистики, невизначеності, практичної важливості й реплікованості. У науковому доказі пререєстрація є важливою частиною архітектури, а не печаткою істини.

Пов’язані статті

Дослідник у психології: хто це і як працює наукове дослідження — ширша карта дослідницького циклу, відкритої науки та перевірки психологічних тверджень.

Множинні порівняння: чому багато статистичних тестів підвищують ризик випадкових «значущих» результатів — про один із головних механізмів, через які аналітична гнучкість збільшує шанс випадкових знахідок.

Довірчий інтервал: що означає 95% CI і як він показує невизначеність оцінки — як читати статистичну невизначеність без підміни її «ймовірністю істинності».

Кореляція і причинність: чому зв’язок між змінними не доводить, що одна спричиняє іншу — чому навіть пререєстрований зв’язок не створює причинності без відповідного дизайну.

Психометрія: що це, що вона вимірює і як оцінюють якість психологічних тестів — як окремо оцінювати надійність, валідність і якість вимірювання.

HARKing: що означає «гіпотеза після результатів» і чому це спотворює підтверджувальне дослідження — окремий розбір постфактум-формулювання та ретроспективного подання гіпотез.

Джерела

American Educational Research Association, American Psychological Association & National Council on Measurement in Education. (2014). Standards for Educational and Psychological Testing.

American Statistical Association. (2016). The ASA Statement on p-Values: Context, Process, and Purpose. The American Statistician, 70(2), 129–133.

Bakker, M., Veldkamp, C. L. S., van Assen, M. A. L. M., et al. (2020). Ensuring the quality and specificity of preregistrations. PLOS Biology, 18(12), e3000937. https://doi.org/10.1371/journal.pbio.3000937.

Center for Open Science. Welcome to Registrations & Preregistrations! OSF Support.

Chambers, C. D., & Tzavella, L. (2022). The past, present and future of Registered Reports. Nature Human Behaviour, 6, 29–42. https://doi.org/10.1038/s41562-021-01193-7.

Claesen, A., Gomes, S., Tuerlinckx, F., & Vanpaemel, W. (2021). Comparing dream to reality: an assessment of adherence of the first generation of preregistered studies. Royal Society Open Science, 8, 211037. https://doi.org/10.1098/rsos.211037.

Hardwicke, T. E., & Wagenmakers, E.-J. (2023). Reducing bias, increasing transparency and calibrating confidence with preregistration. Nature Human Behaviour, 7, 15–26. https://doi.org/10.1038/s41562-022-01497-2.

Nosek, B. A., Ebersole, C. R., DeHaven, A. C., & Mellor, D. T. (2018). The preregistration revolution. Proceedings of the National Academy of Sciences, 115(11), 2600–2606. https://doi.org/10.1073/pnas.1708274114.

Nosek, B. A., Beck, E. D., Campbell, L., Flake, J. K., Hardwicke, T. E., Mellor, D. T., van ’t Veer, A. E., & Vazire, S. (2019). Preregistration Is Hard, And Worthwhile. Trends in Cognitive Sciences, 23(10), 815–818. https://doi.org/10.1016/j.tics.2019.07.009.

Sandoval-Lentisco, A., Tortajada, M., López-Nicolás, R., López-López, J. A., Wagenmakers, E. J., Sánchez-Meca, J., & Hardwicke, T. E. (2025). Preregistration of Psychology Meta-Analyses: A Cross-Sectional Study of Prevalence and Practice. Advances in Methods and Practices in Psychological Science, 8(1). https://doi.org/10.1177/25152459241300113.

Shamseer, L., Moher, D., Clarke, M., Ghersi, D., Liberati, A., Petticrew, M., Shekelle, P., Stewart, L. A., & PRISMA-P Group. (2015). Preferred reporting items for systematic review and meta-analysis protocols (PRISMA-P) 2015: elaboration and explanation. BMJ, 349, g7647. https://doi.org/10.1136/bmj.g7647.

van den Akker, O. R., van Assen, M. A. L. M., Bakker, M., Elsherif, M., Wong, T. K., & Wicherts, J. M. (2024). Preregistration in practice: A comparison of preregistered and non-preregistered studies in psychology. Behavior Research Methods, 56, 5424–5433. https://doi.org/10.3758/s13428-023-02277-0.

Willroth, E. C., & Atherton, O. E. (2024). Best Laid Plans: A Guide to Reporting Preregistration Deviations. Advances in Methods and Practices in Psychological Science, 7(1). https://doi.org/10.1177/25152459231213802.