Investigación abierta, rigurosa y reproducible: un manual para profesionales (2021)

Etapa de diseño de la investigación

• Definir la pregunta de investigación
• Elegir el diseño de investigación
• Reconocer diversos diseños de investigación
• Reconocer distintas causas de error/incertidumbre que surgen en la estimación
• Sesgos típicos en diversas fuentes de datos y diseños de investigación
• Distintos tipos de reducción de errores y métodos de estimación
• Crear un plan de análisis
• Comenzar a documentar investigaciones a gran escala

Etapa de análisis

• Empezar aquí
• Plan de análisis estadístico (SAP)
• Generación de datos
• Preparación de datos
• Visualización de datos
• Resumen de datos
• Análisis de datos
• Análisis de datos en medicina
• Informe de análisis estadístico
• Ejemplos
• Materiales

Etapa de publicación

• Publicación de datos
• Publicación de código
• Entorno reproducible
• Modelo de publicación abierta
• Documentación del proceso y las decisiones
• Material adicional

Prólogo

• Parte de la premisa de que hay muchas cosas que se pueden hacer para aumentar los beneficios de la investigación.
• Considera las principales limitaciones cuando la investigación no se realiza de manera transparente y reproducible debido a accesibilidad limitada, complejidad del análisis, problemas de acceso a los datos o al software, entre otros.
• Explica las razones por las que faltan esfuerzos para hacer que la investigación sea más abierta, transparente y reproducible.

Autores y agradecimientos

• Los autores realizan actividades de investigación en la Universidad de Stanford y Google Health, y obtuvieron doctorados en aprendizaje automático, epidemiología y salud poblacional, y ciencia de datos, respectivamente.
• Expresan su agradecimiento a los primeros lectores, a la comunidad de la Stanford Data Science Initiative, y a Russ Poldrack, John Chambers y Steve Goodman.

Opinión de GN⁺

Lo más importante de este texto es que presenta formas de hacer que la investigación sea más abierta, transparente y reproducible, lo que resulta interesante porque puede aumentar la confiabilidad de los descubrimientos científicos y mejorar el aprovechamiento de los resultados de investigación. También es atractivo porque, al ofrecer un enfoque práctico y modular en cada etapa del diseño de la investigación, el análisis de datos y la publicación, ayuda a que los científicos ocupados puedan realizar y compartir mejor sus investigaciones.