A cross-sectional audit and survey of Open Science and Data Sharing practices at The Montreal Neurological Institute-Hospital
Notice bibliographique
Résumé
Background: Open science is a movement and set of practices to conduct research more transparently. The adoption of open science has been recognized to support innovation, equity, and transparency. The Montreal Neurological Institute-Hospital (Neuro) has committed to becoming an ‘open science’ institute, the first of its kind in Canada. Here we report on an audit of open data practices in Neuro publications and on a survey of Neuro-based researchers’ barriers and facilitators to data sharing. Methods: In the first study, we retrieved 313 unique publications and collated all Neuro publications from 2019 and extracted information from each article pertaining to data sharing and other open science practices. We included all empirical papers and pre-prints that were reported in English. In the second study, one hundred twenty-four participants (out of 553) completed the survey, with a response rate of 22.42%. We surveyed all Neuro researchers. For the audit, we examined data sharing and open science practices. For the survey, we asked participants questions about their data sharing practices and perceptions. Results: We found that 66.5% of these publications (n=208) included a data sharing statement. Overall, 74.5% (n=155) of articles had data that was publicly available. When examining broader open science practices, rates of compliance tended to be lower. For example, 94.9% (n=297) of publications failed to register a protocol. Among participants who had published a first or last authored paper in the past year, most participants, 53 of 74 (71.62%), reported that they had openly shared their research data. Less than half of the participants, 37.50% (n=45), reported having engaged in training related to data sharing within the last 12 months. Conclusion: We found that half of all publications included in the audit shared data. Participants indicated an appetite for resources for learning about data-sharing signaling a willingness to perform better.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,039 | 0,115 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,013 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».