Podsumowując sytuację na podstawie danych: -
1) Wymyśliłeś algorytm na papierze / Matlabie / czymkolwiek.
2) Zaimplementowałeś ten algorytm w niektórych programach
3) Zbudowałeś zestaw danych testowych, aby przetestować algorytm, i dostałeś kilka wyników, które pokazują, co powinien robić w teorii.
4) Umieściłeś ten test dane za pośrednictwem kodu i otrzymałem wyniki pokazujące to, co robi w praktyce.
W tym procesie jest wiele miejsc, w których może wystąpić problem z Twoją metodologią. Twój kod może nie odzwierciedlać poprawnie Twojego algorytmu. Twoje dane testowe mogły zostać przetworzone wstecz od kodu zamiast do przodu od algorytmu. Twoje dane testowe dla algorytmu i dane testowe dla kodu mogą się różnić.
Chyba że recenzent ma algorytm i kod źródłowy i wszystkie dane testowe zarówno dla , jak i wszystkich danych wyjściowych dla obu, nie mogą one zweryfikować, czy Twoja praca jest solidna i czy wnioski są prawidłowe. Nie podlega to sporze - jest to logicznie niemożliwe, jeśli chcą odpowiednio przejrzeć Twoją pracę. Cokolwiek innego to przyjmowanie założeń, które mogą być nieważne.
Osobiście byłem dotknięty tą sytuacją, kiedy moja firma kupiła od badacza jakąś IP teorii sterowania. Napisał artykuły na temat tego, jak to miało działać i stojącej za tym teorii, a następnie zbudował trochę elektroniki, aby wdrożyć swoją teorię. Jego artykuły obejmowały teorię, a także zawierały schematy elektroniki. Kiedy przeczytałem to, aby dowiedzieć się, jak zaimplementować jego teorię w oprogramowaniu, stwierdziłem, że schemat zawiera dodatkowy filtr. Działanie tego filtra okazało się krytyczne dla stabilności, a nawet skuteczności systemu, ale nigdzie nie zostało udokumentowane w jego pracy. Dopiero gdy rozmawialiśmy z nim telefonicznie, dowiedzieliśmy się, do czego służy filtr i jak mieliśmy go dostroić.
Było to w artykule, który teoretycznie był recenzowany w momencie publikacji. Najwyraźniej nie został on wystarczająco dokładnie oceniony! Jego wyniki pokazały, że przy tych samych danych wynik implementacji był bardzo zbliżony do teoretycznego oczekiwanego wyniku, a efekt filtra był w innym miejscu w odpowiedzi. Mimo to implementacja nigdy nie działałaby bez obecnego filtra i nie byłoby wcale trudno uwzględnić to w modelu teoretycznym. Mógłby nawet powiedzieć, że „ten filtr jest wymagany z tych powodów, ale można go zignorować w tym obszarze odpowiedzi, na którą patrzymy z tych powodów” i zostałby objęty. To, co jest niedopuszczalne, to to, co zrobił, czyli w ogóle o tym nie wspominając, ponieważ końcowym rezultatem tego jest to, że ktoś próbujący wdrożyć jego pracę nie byłby w stanie.
Jak powiedziałem, on nadal publikuje swoją pracę i nikt nie narzekał w tym czasie. Powinien jednak zostać zauważony przez jego oryginalnych recenzentów. W Twoim przypadku recenzent powinien szukać takich rozbieżności - to cały punkt recenzji. Więc jeśli ludzie proszą Cię o rzeczy, których nie udostępniłeś, (a) to dobry znak, że dokładnie sprawdzają, i (b) powinieneś był to udostępnić w pierwszej kolejności jako najlepsza praktyka.