Reproducibilidad en la investigación científica y el análisis de datos
11 Sep 2024 - Evaristo
La reproducibilidad es clave para aumentar la transparencia y la confianza en la ciencia. Para lograrlo, es fundamental adoptar prácticas y herramientas que permitan a otros investigadores replicar nuestros resultados de manera efectiva. Como científicos, debemos cultivar buenos hábitos en la gestión de datos, del código fuente y del entorno computacional en el que realizamos nuestros análisis. Para ello, podemos beneficiarnos de prácticas comunes en la ingeniería de software que contribuyen a la robustez y confiabilidad de los proyectos. La reproducibilidad no la lograremos accidentalmente. Es un proceso continuo que requiere un esfuerzo constante y la adaptación de herramientas y metodologías a lo largo del tiempo.
A continuación, presentamos cinco de nuestras referencias favoritas sobre la reproducibilidad en la ciencia:
- Initial steps toward reproducible research
- Ten simple rules for writing Dockerfiles for reproducible data science
- A Beginner’s Guide to Conducting Reproducible Research
- Building reproducible analytical pipelines with R
- Not just for programmers: How GitHub can accelerate collaborative and reproducible research in ecology and evolution