Per riassumere la situazione con i tuoi dati: -
1) Hai inventato un algoritmo su carta / Matlab / qualunque cosa.
2) Hai implementato quell'algoritmo in qualche programmazione linguaggio.
3) Hai costruito una serie di dati di test per esercitare il tuo algoritmo e hai ottenuto alcuni risultati per ciò che dovrebbe fare in teoria.
4) Hai messo quel test dati attraverso il codice e ne sono usciti alcuni risultati per ciò che fa nella pratica.
In questo processo ci sono vari punti in cui le cose possono andare storte con la tua metodologia. Il tuo codice potrebbe non riflettere correttamente il tuo algoritmo. I dati del test potrebbero essere stati elaborati a ritroso dal codice anziché in avanti dall'algoritmo. I dati di test per il tuo algoritmo e i dati di test per il tuo codice potrebbero non essere gli stessi.
A meno che il revisore non abbia l'algoritmo e il codice sorgente e tutti i dati di test per entrambi e tutti i dati di output per entrambi, non possono verificare che il tuo lavoro sia corretto e le tue conclusioni siano valide. Questo non è soggetto a controversia - è logicamente impossibile, se vogliono rivedere adeguatamente il tuo lavoro. Qualsiasi altra cosa è fare supposizioni che potrebbero non essere valide.
Sono stato personalmente colpito da questa situazione, quando la mia azienda ha acquistato un IP della teoria del controllo da un ricercatore. Aveva scritto articoli su come avrebbe dovuto funzionare e la teoria alla base, e poi aveva costruito dell'elettronica per implementare la sua teoria. I suoi articoli coprivano la teoria e includevano anche schemi per l'elettronica. Quando ho letto questo per capire come implementare la sua teoria nel software, ho scoperto che lo schema aveva un filtro extra. L'azione di questo filtro si è rivelata fondamentale per la stabilità o addirittura l'efficacia del sistema, ma non è stata documentata in nessun punto del suo lavoro. È stato solo quando abbiamo ricevuto una telefonata con lui che abbiamo scoperto qual era lo scopo del filtro e come avremmo dovuto regolarlo.
Questo era in un documento che in teoria era stato sottoposto a peer review quando è stato pubblicato. Chiaramente non era stato sottoposto a peer review abbastanza a fondo! I suoi risultati hanno mostrato che, dati gli stessi dati, l'output dell'implementazione era abbastanza vicino all'output teorico atteso e l'effetto del filtro si trovava in un punto diverso nella risposta. Tuttavia, l'implementazione in modo piatto non avrebbe mai funzionato senza questo filtro presente e non sarebbe stato affatto difficile includerlo nel modello teorico. Avrebbe anche potuto dire "questo filtro è necessario per questi motivi, ma può essere ignorato in quest'area della risposta che stiamo cercando per questi motivi" e sarebbe stato coperto. Ciò che non è accettabile è quello che ha fatto, ovvero non menzionarlo affatto, perché il risultato finale è che qualcuno che cerca di implementare il suo lavoro non sarebbe in grado di farlo.
Come ho detto, lui ancora ha pubblicato il suo articolo e nessuno si è lamentato in quel momento. Tuttavia, avrebbe dovuto essere individuato dai suoi revisori originali. Nel tuo caso, il tuo revisore dovrebbe cercare discrepanze come questa: è l'intero punto della revisione tra pari. Quindi, se le persone ti chiedono cose che non hai reso disponibili, (a) è un buon segno che stanno controllando accuratamente e (b) avresti dovuto renderlo disponibile in primo luogo come best practice.