فرآیند دستکاری در داده های اولیه یک تحقیق با هدف تغییر نتایج را Data Falsification می گویند. از نمونه های بارز دستکاری داده ها یا Data Falsification می توان به موارد زیر اشاره کرد: دستکاری داده ها و خروجی های نرم افزار SPSS، ارائه گزارشات متفاوت و در تضاد با رویدادهایی که رخ داده اند، ارائه توضیحات در مورد فرآیندهای پژوهشی بگونه ای متفاوت و مغایر با واقعیت در مرحله توزیع پرسشنامه یا انجام مصاحبه. Data Falsification یکی از عوامل بسیار حساسیت برانگیز برای ژورنال ها محسوب می شود که در صورت کشف و شناسایی توسط داوران و یا سردبیر ژورنال به سرعت موجب ریجکت مقاله شده و محرومیتهایی را برای نویسنده در پی خواهد داشت. دلیل اصلی ژورنال ها برای این کار این است که داده سازی و یا دستکاری داده ها موجب ارائه نتایج اشتباه به مخاطبان شده و سردرگمی آنها را در پی خواهد داشت. فرآیند شناسایی و کشف داده های دستکاری شده در مقالات بسیار کار پیچیده و زمانبری است و نیاز به پیاده سازی و اجرای روش های مختلفی دارد. یکی از این روشها که داوران در زمان ارزیابی مقاله از آن استفاده می کنند، شناسایی وجود یا عدم وجود هرگونه مغایرت در مقاله است. چنانچه بین فرضیات، سوالات، مدل تحقیق، پرسشنامه، ابزار و نحوه جمع آوری داده ها و در نهایت نتایج یک تحقیق مغایریت قابل ملاحظه ای وجود داشته باشد، موجب ایجاد حساسیت در داوران شده و احتمال Data Falsification مطرح می شود.