งานวิจัยที่เปิดกว้าง เข้มงวด และทำซ้ำได้: คู่มือสำหรับผู้ปฏิบัติ (2021)

ขั้นตอนการออกแบบงานวิจัย

• กำหนดคำถามวิจัย
• เลือกแบบแผนการวิจัย
• ตระหนักถึงแบบแผนการวิจัยที่หลากหลาย
• ตระหนักถึงสาเหตุอื่น ๆ ของข้อผิดพลาด/ความไม่แน่นอนที่เกิดขึ้นในการประมาณค่า
• อคติที่พบได้ทั่วไปในแหล่งข้อมูลและแบบแผนการวิจัยที่หลากหลาย
• วิธีลดข้อผิดพลาดและวิธีการประมาณค่าประเภทต่าง ๆ
• สร้างแผนการวิเคราะห์
• เริ่มจัดทำเอกสารงานวิจัยขนาดใหญ่

ขั้นตอนการวิเคราะห์

• เริ่มที่นี่
• แผนการวิเคราะห์ทางสถิติ (SAP)
• การสร้างข้อมูล
• การเตรียมข้อมูล
• การแสดงภาพข้อมูล
• การสรุปข้อมูล
• การวิเคราะห์ข้อมูล
• การวิเคราะห์ข้อมูลในสาขาการแพทย์
• รายงานการวิเคราะห์ทางสถิติ
• ตัวอย่าง
• เอกสารอ้างอิง

ขั้นตอนการตีพิมพ์

• เปิดเผยข้อมูล
• เปิดเผยโค้ด
• สภาพแวดล้อมที่ทำซ้ำได้
• โมเดลการตีพิมพ์แบบเปิด
• จัดทำเอกสารกระบวนการและการตัดสินใจ
• เอกสารเพิ่มเติม

คำนำ

• เริ่มต้นจากสมมติฐานว่ายังมีอีกหลายสิ่งที่สามารถทำได้เพื่อเพิ่มประโยชน์ของงานวิจัย
• พิจารณาข้อจำกัดสำคัญเมื่อการวิจัยไม่ได้ดำเนินการอย่างโปร่งใสและทำซ้ำได้ เนื่องจากข้อจำกัดด้านการเข้าถึง ความซับซ้อนของการวิเคราะห์ หรือปัญหาในการเข้าถึงข้อมูลหรือซอฟต์แวร์
• อธิบายเหตุผลว่าทำไมความพยายามในการทำให้งานวิจัยเปิดกว้าง โปร่งใส และทำซ้ำได้มากขึ้นจึงยังไม่เพียงพอ

ผู้เขียนและคำขอบคุณ

• ผู้เขียนทำงานวิจัยอยู่ที่มหาวิทยาลัยสแตนฟอร์ดและ Google Health และแต่ละคนสำเร็จการศึกษาระดับปริญญาเอกในสาขาแมชชีนเลิร์นนิง ระบาดวิทยาและสุขภาพประชากร และวิทยาการข้อมูล
• ขอบคุณผู้อ่านกลุ่มแรก ชุมชน Stanford Data Science Initiative, Russ Poldrack, John Chambers และ Steve Goodman

ความเห็นของ GN⁺

สิ่งสำคัญที่สุดของบทความนี้คือการนำเสนอวิธีทำให้งานวิจัยเปิดกว้าง โปร่งใส และทำซ้ำได้มากขึ้น ซึ่งน่าสนใจเพราะสามารถเพิ่มความน่าเชื่อถือของการค้นพบทางวิทยาศาสตร์และส่งเสริมการนำผลการวิจัยไปใช้ได้จริง การนำเสนอแนวทางเชิงปฏิบัติและเป็นโมดูลในแต่ละขั้นของการออกแบบงานวิจัย การวิเคราะห์ข้อมูล และการตีพิมพ์ ทำให้บทความนี้น่าสนใจในฐานะเครื่องมือที่ช่วยให้นักวิทยาศาสตร์ที่มีเวลาจำกัดทำวิจัยและแบ่งปันผลงานได้ดียิ่งขึ้น