Challenging the status quo: A guide to open and reproducible neuroimaging for early career researchers
Notice bibliographique
Résumé
In the last decade, neuroimaging research has seen a proliferation of open tools, platforms, and standards aimed at addressing the reproducibility crisis in the field. The growing awareness on this topic is bringing about a cultural shift in the scientific community, especially among early career researchers (ECRs). As members of this demographic, we can attest to the fact that the adoption of these new tools and practices remains a challenge. This work aims to provide a practical guide for ECRs to navigate the expanding landscape of the open-science resources and make proactive decisions for their research workflows dealing with large, multiple datasets. From our own experience, we describe the common hurdles faced in typical research workflow and provide a set of solutions that could serve as a starting point for researchers looking for practical tools and protocols. Through a hypothetical scenario, we walk through the steps of curating, processing, harmonizing, and publishing a dataset while describing the tools and practices helpful for adopting FAIR (findable, accessible, interoperable, and reusable) principles. We hope this guide can help ECRs and others to simplify their daily research life as we all strive towards more open, reproducible, and translational neuroscience 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 | 0,130 | 0,223 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,012 | 0,030 |
| Communication savante | 0,031 | 0,048 |
| Science ouverte | 0,010 | 0,023 |
| Intégrité de la recherche | 0,021 | 0,029 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,020 |
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 ».