Reproducibility for everyone: a community-led initiative with global reach in reproducible research training
Notice bibliographique
Résumé
Reproducibility is a cornerstone of the scientific method and sets apart science from pseudoscience. Unfortunately, a majority of scientists have experienced difficulties in reproducing their own or someone else’s results. This inability to confirm scientific findings negatively impacts individual scientists, funding bodies, academic journals, pharmaceutical drug development and the public’s perception of science. Factors causing irreproducible results can arise from nearly every aspect of the scientific process, and typically reflect a lack of in-depth training in reproducible research practices. Here, we present the Reproducibility for Everyone (R4E) initiative, a collaboration between researchers from diverse scientific disciplines and industry partners who aspire to promote open and reproducible research practices. We have developed a customizable workshop series targeting researchers at all levels and across disciplines. Our workshop series covers the conceptual framework of reproducible research practices followed by an overview of actionable research practices. To date, we have reached more than 2000 researchers through over 25 workshops held at international conferences and local meetings. By incorporating further contributions from the scientific community, we hope to expand this valuable resource for teaching transparent and reproducible research practices. Our initiative demonstrates how a shared set of materials may form the basis for a global initiative to improve reproducibility in science. The workshop materials, including accompanying resources, are available under a CC-BY 4.0 license at www.repro4everyone.org.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,211 | 0,144 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,005 | 0,011 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».