Assessing Transparency and Reproducibility in Invasion Science
Notice bibliographique
Résumé
Policymakers and practitioners overseeing invasive species management depend on reliable research for guidance. Transparency and reproducibility are core features of reliable research, and prerequisites for successful study replication, but are evidently lacking in many science disciplines. Whether this shortfall characterizes invasion science remains unknown. We evaluated a sample of invasion science studies for their adherence to practices that enhance transparency and reproducibility, such as making data and code available, and explicitly considering statistical power. Our evaluation focused on published studies concerning two plant species invasive to riparian ecosystems in British Columbia, Canada (Elaeagnus angustifolia and Phalaris arundinacea), as these contributed to a broader systematic mapping initiative. Our systematic literature search yielded 746 studies, of which 45 met our predefined inclusion criteria (relevance rate = 6%). We assessed each study against a 14-item checklist (motivated by the Transparency and Openness Promotions guidelines) and a corresponding scoring rubric. On average, studies achieved a score of 26%, with no studies addressing statistical power, pre-registering their plans, and few making data or code publicly available. There is a clear need and opportunity for improving the transparency and reproducibility of invasion science research. We refer researchers to resources aimed at improving research practices, and discuss two practices that are especially important in the context of applied invasion science: power analysis and sharing data and code. We echo recent calls for educational and research institutions to expand access to training in open science, and urge policymakers and practitioners to consider transparency and reproducibility when seeking guidance from invasion science research.
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 | 0,714 | 0,883 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,008 |
| Bibliométrie | 0,037 | 0,026 |
| Études des sciences et des technologies | 0,007 | 0,021 |
| Communication savante | 0,018 | 0,018 |
| Science ouverte | 0,005 | 0,020 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».