- ¿Qué objetos de investigación se crean a lo largo del ciclo de investigación?
- Ejemplos de Resultados Abiertos
- ¿Qué es la crisis de la reproducibilidad?
- Lección 1: Resumen
- Lección 1: Evaluación
Esta lección tiene como objetivo ampliar tu perspectiva sobre los resultados de investigación que pueden compartirse a lo largo del ciclo de vida de una investigación. Primero consideraremos qué es un Resultado Abierto. Para hacerlo, veremos un ejemplo de un proyecto de investigación de vanguardia que utiliza las mejores prácticas de Resultados Abiertos. Las perspectivas obtenidas con este ejemplo nos harán reflexionar sobre cómo podemos trabajar para crear investigación reproducible.
Al finalizar esta lección deberías ser capaz de:
- Describir en que consisten los Resultados Abiertos y enumerar los objetos de investigación que pueden ser creados a lo largo de un ciclo de investigación.
- Describir cómo compartir Resultados Abiertos puede hacer progresar la ciencia y tu carrera.
- Explicar qué es la crisis de la reproducibilidad y cómo la Ciencia Abierta puede ayudar a combatirla.
Cuando pensamos en resultados, la mayoría de las personas piensa sólo en la publicación final.
1665
Esta publicación se remonta a 1665, cuando se estableció la primera revista científica Philosophical Transactions para publicar cartas sobre observaciones y experimentaciones científicas.
1940s
Más tarde, en la década de 1940, el trabajo editorial comenzó a comercializarse y se convirtió en el mecanismo para publicar revistas, actas de conferencias y libros. Este nuevo modelo de negocio normalizó las barreras de pago para la publicación.
Siglo XXI
Recién en el siglo XXI la comunidad científica amplió el significado de Resultados Abiertos. La evolución de esta definición fue impulsada por avances tecnológicos, como Internet y mejoras en los modos de compartir información. El movimiento de Acceso Abierto fue establecido por la Iniciativa de Acceso Abierto de Budapest Budapest Open Access Initiative (en inglés) en 2002 y la Declaración de Berlín sobre Acceso Abierto Berlin Declaration on Open Access (en inglés) en 2003, ambas formalizaron la idea de que, con respecto a los nuevos conocimientos, debería haber "disponibilidad gratuita en la Internet pública, permitir a cualquier persona leer, descargar, copiar, distribuir, imprimir, buscar o enlazar el texto completo de estos artículos" (Budapest Open Access Initiative).
Es posible que conozcas cómo es el ciclo de vida de una investigación, pero tal vez no hayas considerado qué resultados podrían compartirse abiertamente a lo largo de este proceso. Esta lección adopta una definición del ciclo de vida de la investigación basada en The Turing Way (en inglés) y lo desglosa en nueve fases, como se muestra en la figura a continuación.
Aunque las fases se presentan de forma lineal, ¡reconocemos que el ciclo de vida de la investigación rara vez es lineal! A lo largo del proceso científico se crean productos que son necesarios para permitir que otras personas reproduzcan los hallazgos. Los productos de la investigación incluyen datos, códigos, secuencias de análisis, artículos, ¡y más!
Siguiendo a Garcia-Silva et al. 2019 (en inglés), definimos un objeto de investigación (OI) como un método para la identificación, agregación e intercambio de información académica en la Web. Los objetos de investigación pueden estar compuestos tanto por datos de investigación como por objetos de investigación digitales, tal como sugiere la Organización para la Cooperación y el Desarrollo Económico, OCDE, (Instrumentos OECD en inglés).
El término "Resultados Abiertos" incluye de manera integral todos estos productos de investigación y más.
Los Resultados Abiertos pueden incluir tanto datos como código. Dado que los datos y el código fueron cubiertos en módulos anteriores, en esta lección nos enfocamos en compartir los resultados científicos como Resultados Abiertos. Ejemplos que pueden incluirse como Resultados Abiertos:
- Artículos con revisión de pares de Acceso Abierto.
- Informes técnicos.
- Cuadernos computacionales.
- Códigos de conducta, instrucciones para colaborar, políticas de publicación.
- Publicaciones de blog.
- Vídeos cortos y podcasts.
- Publicaciones en redes sociales.
- Resúmenes y presentaciones en conferencias.
- Discusiones en foros.
Los artículos revisados por pares y de Acceso Abierto se archivan para su conservación a largo plazo y representan un debate más formal de ideas científicas, interpretaciones y conclusiones. Estos debates informan el método que los investigadores utilizan para compartir resultados. En la siguiente sección de esta lección, discutiremos diferentes tipos de intercambio y métodos para construirlos y adaptarlos para usar en tu investigación.
Las personas científicas pueden compartir su progreso incremental a lo largo del proceso de investigación e invitar a la comunidad a dejar sus comentarios. Compartir más partes del proceso de investigación crea más interacciones entre quienes investigan y puede mejorar el resultado final (que puede ser un artículo revisado por pares).
A lo largo de este módulo te mostraremos cómo usar, hacer y compartir Resultados Abiertos.
Específicamente, el sistema "Usar, Hacer, Compartir" ha sido naturalmente integrado a lo largo de este plan de estudios y debería resultarte un formato familiar en este momento. La Lección 2 cubrirá "Usar". La Lección 3, "Hacer". Y la Lección 4, "Compartir". A lo largo de este módulo, prestaremos especial atención a los manuscritos y otros productos de investigación como ejemplos porque los módulos anteriores cubrieron el sistema "Usar, Hacer, Compartir" sobre datos y software abiertos.
Ampliemos nuestras perspectivas sobre los tipos de objetos de investigación que se producen a lo largo del proceso de investigación. Veamos algunos ejemplos de diferentes proyectos.
El profesor Qiusheng Wu, asociado en la Universidad de Tennesee, creó un canal de YouTube (en inglés) en abril de 2020 con el propósito de compartir tutoriales de vídeo sobre el paquete geemap de Python que estaba desarrollando. Desde entonces, Wu ha publicado más de 690 tutoriales en vídeo sobre temas geoespaciales de Código Abierto. El canal ha ganado más de 35.000 suscriptores, cuenta con casi 1.6 millones de visitas y 80.000 horas de reloj en total (hasta agosto de 2024).
El canal de YouTube le ha permitido a Wu llegar a una audiencia mucho más amplia, más allá de los límites de un aula tradicional. Ha hecho que la investigación geoespacial de vanguardia sea más accesible para el público en general y ha logrado colaboraciones con personas de todo el mundo. Esto ha sido particularmente beneficioso para la promoción de Wu, ya que resultó en mayores oportunidades de financiamiento, publicaciones y participación pública a través del canal de YouTube, redes sociales y GitHub.
En general, el canal de YouTube sirve como una herramienta importante para que Wu difunda investigaciones, inspire a otras personas y contribuya al avance de la ciencia. También desempeña un papel importante en el avance de la carrera profesional de Wu.
"Un nuevo método redujo el tiempo de cálculo de esta imagen de aproximadamente 30 minutos a menos de 1 minuto". En 2021, Lucas Sterzinger pasó un verano de su doctorado en una pasantía. Durante ese verano, escribió una publicación en un blog para explicar y demostrar una tecnología innovadora llamada Kerchunk, una biblioteca que hace que el acceso a datos científicos en la nube sea mucho más rápido.
Fuente: https://medium.com/pangeo/fake-it-until-you-make-it-reading-goes-netcdf4-data-on-aws-s3-as-zarr-for-rapid-data-access-61e33f8fe685 (en inglés)
Además de la publicación del blog, también creó un tutorial en forma de Jupyter Notebook (cuaderno computacional): tanto estos recursos como el código asociado son de libre acceso para el público, lo que permite una adopción e iteración rápidas por parte de otras personas desarrolladoras y científicas. Publicó el blog en Medium y lo compartió en Twitter. El blog atrajo mucha atención sobre una tecnología reciente, ¡a medida que se desarrollaba! Esto es marcadamente diferente al lento y complicado mundo de las publicaciones académicas, donde este resultado no se habría compartido durante aproximadamente un año (por el proceso de redacción, revisión, y publicación). Dijo: "Trabajar en Kerchunk y compartirlo ampliamente usando los principios de la Ciencia Abierta expandió mis conexiones profesionales y me introdujo en el campo de la ingeniería de software de investigación. Las conexiones que hice a partir de esto me llevaron directamente a mi cargo actual como desarrollador de software científico en NASA".
Créditos de la imagen: OpenStreetMap 2011, Ken Vermette. CC BY-SA 3.0
Vamos a mapear el Reino Unido desde 2003 hasta 2023: más de 1,5 millones de personas colaboradoras, más de 100 millones de ediciones, usando los datos para mapear el mundo con aplicaciones que van desde Uber hasta el mapeo de los Objetivos de Desarrollo Sostenible de la ONU" OpenStreetMaps está siendo usado para análisis GIS (en inglés), tales como planificación o logística para grupos humanitarios, servicios públicos, gobiernos y más. Esto sólo fue posible porque fue creado, compartido abiertamente, y construido por una comunidad dedicada a mejorarlo. ¡Nunca se sabe hasta dónde podría llegar tu proyecto personal o quién podría tener interés en colaborar!
Matplotlib fue desarrollado alrededor de 2002 por el postdoctorando John Hunter para visualizar algunos datos de neurobiología en los que estaba trabajando. Él no era desarrollador de software, ¡era neurobiólogo! Podría haberse limitado a publicar el artículo en una revista revisada por pares, y tal vez haber compartido su código para crear las figuras, pero en lugar de eso inició un proyecto abierto en GitHub y pensó: «bueno, si esto es útil para mí, tal vez lo sea para otras personas...».
Fuente: https://medium.com/dataseries/mastering-matplotlib-part-1-a480109171e3 (en inglés)
Matplotlib es actualmente la librería o biblioteca de gráficas más utilizada en el lenguaje de programación Python y un componente principal del conjunto de librerías científicas de Python, junto con NumPy, SciPy e IPython. Matplotlib se usó para la visualización de datos durante el aterrizaje de la nave Phoenix en Marte en 2008 y para la creación de la primera imagen de un agujero negro.
Y por último, pero no por ello menos importante, tenemos el ejemplo del equipo científico del JWST del que ya vimos en el Módulo 1 cómo informaron sus resultados. Esto se hizo de varias formas, desde la publicación de un artículo de revisión por pares, preimpresiones (preprints), publicaciones en blogs y redes sociales. Su publicación revisada por pares se publicó en formato de libre acceso (Acceso Abierto) en Nature junto con una preimpresión (preprint) a través de arXiv.
Las plataformas de comunicación abiertas ampliaron el alcance de los resultados y la audiencia.
Fuente: https://arxiv.org/abs/2208.11692
El público está interesado en lo que estás haciendo, y llegar a él, implica comunicación a través de plataformas tradicionales y nuevas. La publicación de resultados en plataformas como Twitter/X, Youtube, TikTok, blogs, sitios web y otras plataformas de medios sociales es cada vez más habitual. La difusión a través de las redes sociales aumenta drásticamente el alcance y la audiencia de tu trabajo. Se han realizado estudios sobre el impacto que esto tiene en los índices de citas. Por ejemplo, la Revista de Investigación Médica en Internet (The Journal of Medical Internet Research JMIR, en inglés) realizó por tres años un estudio (en inglés) sobre el éxito relativo de los artículos de JMIR tanto en Twitter como en el mundo académico. Descubrieron que los artículos muy tuiteados tenían 11 veces más probabilidades de ser más citados que los artículos menos tuiteados.
Las plataformas de divulgación abiertas ampliaron notablemente el alcance y la audiencia de los resultados.
Twitter, ahora X #1: https://twitter.com/cornerof_thesky/status/1595086671275589632?s=20 (en inglés)
Twitter, ahora X #2: https://twitter.com/V_Parmentier/status/1595127493199302656?s=20 (en inglés)
TikTok: https://www.tiktok.com/@astrojaket/video/7168878696906886405 (en inglés)
YouTube: https://www.youtube.com/watch?v=cI-kM_wPbbQ (en inglés)
En 2016 una encuesta de Nature (en inglés) sobre reproducibilidad encontró que, de 1.576 investigadores, «Más del 70% de las personas que investigan han intentado y fracasado en reproducir los experimentos de otro equipo científico, y más de la mitad han fracasado en reproducir sus propios experimentos». La “crisis de la reproducibilidad” en la ciencia es una preocupación creciente por varios estudios de reproducibilidad en los que no se reprodujeron los resultados positivos anteriores.
Si queremos resolver la crisis de la reproducibilidad debemos tener en cuenta todo el flujo de trabajo de la investigación. El hecho que el 70% de las personas que investigan no pudieran reproducir los resultados de otros equipos científicos resulta alarmante, sobre todo si se tiene en cuenta que la reproducibilidad de la ciencia es la piedra angular del método científico.
A estas alturas, debería ser obvio que existen muchos incentivos personales para aplicar los principios de la Ciencia Abierta a lo largo de todas las etapas del proceso de investigación. Al hacer que los resultados sean abiertos en todo momento, aumenta la posibilidad de reproducir tus propios resultados.
Aunque la reproducibilidad de los resultados propios pueda parecer un logro trivial, un estudio de Nature de 2016 (en inglés) descubrió que el 50% de las personas que investigan son incapaces de reproducir sus propios experimentos. Esta situación pone de relieve el aspecto crítico de la crisis de la reproducibilidad. Esto también tiene implicaciones para la investigación, más allá de la capacidad de mejorarla.
Las tres causas principales de la crisis de la reproducibilidad son:
- Los métodos intermedios de investigación suelen describirse de manera poco formal o no se describen en absoluto.
- A menudo se omiten por completo los datos intermedios.
- Muchas veces sólo se piensa en los resultados, en el momento de la publicación.
Debemos pensar en todo el proceso de investigación, como un resultado. Por ejemplo, los artículos científicos describen de manera poco precisa los métodos computacionales, lo que requiere un gran esfuerzo por parte de los demás para entenderlos y reusarlos.
Los artículos muchas veces no contienen la información suficiente para que otras personas dedicadas a la investigación reproduzcan los resultados, incluso cuando se publican conjuntos de datos, según dos estudios publicados en Genética en Nature (en inglés) y Métodos en Nature (en inglés). A menudo, los resultados de los datos sin procesar o datos intermedios y los programas informáticos correspondientes, no se facilitan junto con el artículo final, lo que limita la capacidad del lector para intentar reproducirlos.
Según otros dos estudios publicados en Sesiones Informáticas en Bioinformatics (en inglés) y Física en Nature (en inglés), sin acceso al código fuente de los artículos, la reproducibilidad resulta complicada.
Si tu flujo de trabajo de investigación utiliza los principios de los Resultados Abiertos, como se muestra en el ejemplo, esto te ayudará a combatir la crisis de la reproducibilidad.
Podemos crear procesos de trabajo reproducibles y combatir esta crisis, teniendo en cuenta los Resultados Abiertos en cada etapa del ciclo de vida de la investigación. Un Plan de Ciencia Abierta y Gestión de Datos ayuda al equipo investigador a pensar y planificar todos los aspectos de la distribución al definir cómo el software y los datos estarán disponibles. Este plan puede compartirse públicamente desde el principio mediante una práctica denominada prerregistro, donde las personas que investigan determinan su plan de análisis y el procedimiento de recolección de datos antes de iniciar un estudio (analizado anteriormente en la Lección 2 del Módulo 2).
Repensemos tu flujo de trabajo de investigación. Identifica los objetos de investigación que podrían compartirse (o podrían haber sido compartidos) como Resultados Abiertos de un proyecto en el que estás o estuviste participando. ¿Cuáles son los puntos de mayor prioridad para superar la crisis de la reproducibilidad en cada área del proceso del trabajo de investigación?
- Ideación
- Planificación
- Diseño del proyecto
- Compromiso y capacitación
- Recolección de datos
- Gestión de datos
- Exploración de los datos
- Almacenamiento
- Informes y publicación
La aplicación de los principios de la Ciencia Abierta en todas las etapas del proceso de investigación tiene muchas ventajas personales.
El equipo de OpenSciency creó una gran tabla que describe todos los diferentes tipos de objetos de investigación que se pueden compartir y que se pueden crear a lo largo del ciclo de vida de la investigación.
La tabla completa está disponible aquí
CLICK PARA MAS INFORMACION (en inglés).
Pensar en compartir todo a la vez puede resultar agotador cuando estás empezando. Para avanzar, concéntrate en cómo puedes elegir el elemento más importante. Aquí hemos reducido la lista a un par de elementos por categoría. Además, puedes pensar en acortar aún más la lista al inicio. Por ejemplo, puede que compartir el código usado para procesar los datos sea el elemento más importante para la reproducibilidad de tu trabajo. Por lo tanto, compartir código sería un buen punto de partida para iniciar la experiencia en Ciencia Abierta. Los pequeños pasos que damos son los que nos hacen avanzar hacia una Ciencia Abierta sostenible.
- Propuesta: Las propuestas pueden compartirse en Zenodo y en plataformas de subvención abiertas como ogrants.org (en inglés).
- Planificación: Los proyectos pueden prerregistrarse antes de comenzar.
- Diseño del proyecto: Se pueden publicar las pautas para la colaboración de las personas o un código de conducta en Zenodo, GitHub o en las páginas web del equipo.
- Compromiso y capacitación: Los cuadernos computacionales del flujo de trabajo de investigación, pueden compartirse con el equipo a través de GitHub y publicarse en Zenodo.
- Recopilación de datos: Los datos sin procesar pueden compartirse a través de repositorios de datos.
- Gestión de datos: El código puede compartirse a través de repositorios de software.
- Exploración de datos: Los cuadernos computacionales se pueden ser compartir a través de GitHub y publicar en Zenodo.
- Almacenamiento: Los Planes de Gestión de Datos para almacenamiento de la información pueden publicarse en Zenodo.
- Informes y publicaciones:
- Artículos en Acceso Abierto revisados por pares
- Cuadernos computacionales
- Código de conducta, pautas para las personas que colaboran, políticas de publicación
- Publicaciones en Blogs
- Vídeos de corta duración y podcasts
- Publicaciones en redes sociales
- Resúmenes de conferencias, posters y presentaciones (cuando estén disponibles públicamente)
- Foros de discusión
En esta lección has aprendido:
- El flujo de trabajo científico contemporáneo implica ser abierto en cuanto a procesos y productos. Los productos de la investigación (resultados) incluyen mucho más que el informe final, lo que supone un cambio drástico respecto a la noción histórica de resultado científico.
- En cada etapa del proceso de desarrollo de la investigación se producen objetos de investigación que podemos considerar resultados.
- Podemos combatir la crisis de la reproducibilidad compartiendo estos objetos de investigación en cada etapa de nuestro flujo de trabajo en la investigación.
- ¡Existen ejemplos asombrosos de grupos de investigación que comparten distintos tipos de resultados de Acceso Abierto!
Empecemos a pensar en lo que podemos hacer inmediatamente, para avanzar hacia un proceso de trabajo de investigación abierta.
Responde las siguientes preguntas para poner a prueba lo que has aprendido hasta ahora.
Pregunta
01/02
De las siguientes opciones, ¿Cuál se ajusta a la definición de "objeto de investigación"?
- Datos sin procesar
- Blog / Publicación
- Propuesta
- Código de conducta
- Todas las anteriores
Pregunta
02/02
¿Cuáles son algunas de las principales causas de la crisis de la reproducibilidad?
- Los métodos intermedios de investigación suelen describirse de manera poco formal o no se describen en absoluto.
- Muchas veces se omiten por completo los datos intermedios.
- A menudo sólo pensamos en los resultados en el momento de la publicación.
- Todas las anteriores