diff --git a/02-disetransparente.Rmd b/02-disetransparente.Rmd deleted file mode 100644 index 98a7ba0..0000000 --- a/02-disetransparente.Rmd +++ /dev/null @@ -1,2 +0,0 @@ -# Diseño transparente - diff --git a/02a-diseno-transparente.Rmd b/02a-diseno-transparente.Rmd new file mode 100644 index 0000000..b1742ae --- /dev/null +++ b/02a-diseno-transparente.Rmd @@ -0,0 +1,183 @@ + + +```{r setup, include=FALSE} +if (!require("pacman")) install.packages("pacman") #si falta pacman, instalar +if (!require("tinytex")) install.packages("tinytex")#si falta tinytex, instalar +pacman::p_load(knitr, kableExtra, dplyr, ggplot2,sjmisc,texreg) # librerias +knitr::opts_chunk$set( + fig.pos = "H", + message = FALSE, + warning = FALSE, + cache = FALSE, + out.width = "85%" +) +options(scipen=999) # notacion cientifica +rm(list=ls()) # limpiar workspace +options(knitr.kable.NA = '') # NA en kable = '' +``` + +# Diseño transparente + +
+ +La transparencia es un concepto multidimensional. @elliott_Taxonomy_2020 proponen entender la transparencia en torno a cuatro preguntas: _¿por qué?, ¿quién? ¿qué? y ¿cómo?_ (ver Figura N° \@ref(fig:taxonomy)). Cada una de estas preguntas se relaciona a una dimensión. La primera pregunta (_¿por qué?_) se refiere a las razones y propósitos por los cuales es necesario adoptar la transparencia; la segunda pregunta (_¿quién?_) apunta a la audiencia que está recibiendo la información; la tercera pregunta (_¿qué?_) hace alusión al contenido qué es transparentado y la cuarta pregunta (_¿cómo?_) consiste en cuatro dimensiones distintas sobre cómo adoptar la transparencia: actores, mecanismos, tiempo y espacios. También, esta taxonomía estipula una dimensión sobre las amenazas que podrían afectar a las iniciativas que busquen promover la transparencia. A raíz de estas dimensiones podemos comprender qué tipo de prácticas y situaciones caben dentro del concepto de transparencia. + +```{r taxonomy, echo=FALSE, fig.cap="Taxonomía de Transparencia", fig.align = 'center', out.width = '75%'} +knitr::include_graphics(path = "images/taxonomy.png") +``` + +
+ +Basándonos en esta taxonomía, presentaremos una propuesta sobre qué se entiende por transparencia en las ciencias sociales y cómo podemos adquirir prácticas orientadas a ese principio. **Nuestra propuesta es entender la transparencia como la apertura pública del diseño de investigación**, lo que incluye todo tipo de información importante para la ejecución del estudio, desde las hipótesis hasta los planes de análisis. Esto permitirá que las personas que lean los hallazgos de investigación (ya sean científicos o la ciudadanía) puedan evaluar la credibilidad de estos y descartar la influencia de prácticas cuestionables de investigación. Para llevar a la práctica esta propuesta, presentaremos los preregistros cómo una herramienta que contribuyen a hacer público el diseño, además de otras que complementan su uso. + +## ¿Por qué? + +
+ +La pregunta del **por qué** es necesario avanzar hacia la transparencia encuentra su respuesta en la existencia de prácticas de investigación que merman la credibilidad de los hallazgos científicos. A modo de entender qué es lo problemático de ciertas prácticas, es que @steneck_Fostering_2006 proponen el concepto de _Conducta Responsable de Investigación (RCR, por sus siglas en inglés)_ cómo un ideal que engloba prácticas éticas e integras dentro de la investigación científica (ver Figura N° \@ref(fig:rcr)). Según los autores, la distinción entre la ética y la integridad recae en que la primera tiene que ver con seguir principios morales dentro de la investigación (e.g. usar consentimientos informados), en cambio, la segunda está más relacionada el seguimiento de códigos de conductas y estándares profesionales [@abrilruiz_Manzanas_2019]. + +```{r rcr, echo=FALSE, fig.cap="Conducta Responsable de Investigación. Imagen de @abrilruiz_Manzanas_2019 basada en @steneck_Fostering_2006", fig.align = 'center', out.width = '100%'} +knitr::include_graphics(path = "images/rcr.png") +``` + +
+ +Las prácticas de investigación se pueden evaluar en un continuo que representa cuánto adhieren los investigadores a los principios de integridad científica [@steneck_Fostering_2006]. La Figura N° \@ref(fig:grad) esquematiza esta idea mostrando dos extremos, donde a la izquierda está el mejor comportamiento (RCR), y a la derecha el peor comportamiento (FFP). Las FPP son una abreviación en lengua inglesa para referirse a _Fabrication, Falsification, Plagiarism_ (Invención, Falsificación y Plagio), también conocidas como _mala conducta académica_-. En el medio del continuo están las _prácticas cuestionables de investigación_ (QRP, por sus siglas en inglés) las cuáles refieren a "acciones que violan los valores tradicionales de la empresa de investigación y que pueden ser perjudiciales para el proceso de investigación" [_National Academies of Science_ 1992 en @steneck_Fostering_2006, p.58]. Las QRP se caracterizan porque tienen el potencial de dañar la ciencia, en tanto las FFP la dañan directamente. + +```{r grad, echo=FALSE, fig.cap="Gradación del comportamiento integro en investigación. Imagen de @abrilruiz_Manzanas_2019 basada en @steneck_Fostering_2006", fig.align = 'center', out.width = '100%'} +knitr::include_graphics(path = "images/grad.png") +``` + +
+ +La mala conducta académica implica la violación de los principios de integridad científica. Esto implica el falseamiento de datos de cualquier forma: invención de datos, alteración de gráficos o tablas, etc. El caso de Diderik Stapel presentado en la introducción de este capítulo es un ejemplo que cabe dentro del concepto de mala conducta académica. Según la literatura, la prevalencia de este tipo de prácticas no es alta [e.g. @fanelli_How_2009; @john_Measuring_2012], sino que más bien son casos aislados [ver @abrilruiz_Manzanas_2019, pp.23-128 para una revisión]. En contraste, las QRP han demostrado ser más prevalentes. + + +### Prácticas cuestionables de investigación (QRP) + +
+ +Existen una serie de estudios que han intentado medir directamente la prevalencia de estas prácticas a través de encuestas. @fanelli_How_2009 hizo un metaanálisis que tenía por objetivo sistematizar los resultados de estudios que hasta esa fecha habían abordado las prácticas de investigación desde encuestas cuantitativas. Los resultados mostraron que un 1.97% de investigadores había inventado datos al menos una vez (FFP) y que un 33.7% había realizado alguna vez una QRP como "borrar puntos de los datos basados en un sentimiento visceral". Unos años más tarde, @john_Measuring_2012 efectuaron otro estudio similar, demostrando que un 36.6% de quienes participaron alguna vez habían practicado alguna QRP. En detalle, analizando los porcentajes práctica a práctica se halló que el 50% de los psicólogos encuestados alguna vez reportaron selectivamente estudios que apoyaran su hipótesis; un 35% alguna vez reportaron resultados inesperados como esperados; y un 2% alguna vez reportó datos falsos. Este estudio ha sido replicado en Italia [@agnoli_Questionable_2017], en Alemania [@fiedler_Questionable_2016] y en Brasil [@rabelo_Questionable_2020]. + +
+ +Más recientemente, han emergido estudios similares en otras áreas disciplinarias. Por ejemplo, a través de encuestas online @makel_Both_2021 logran constatar que existe una prevalencia considerable de las QRP en el campo de investigación educacional. De los participantes de la muestra un 10% admitió haber rellenado datos faltantes (NA’s) y un 67% señaló alguna vez haber omitido ciertos análisis de manera intencional. Siguiendo el mismo método, en el campo de la investigación comunicacional se ha encontrado evidencia parecida: 9% de los encuestados señala haber imputado datos faltantes sin reportarlo, un 34% declaró alguna vez haber excluido casos extremos de forma arbitraria y un 60% señala no haber reportado análisis con variables clave que no funcionaron. Del mismo modo, en los estudios cuantitativos sobre criminología existe un uso extendido de las QRP: un 87% de la muestra de @chin_Questionable_2021 ha utilizado múltiples QRP, siendo el reporte selectivo de resultados el más común (53%). Por último, fuera del área de las ciencias sociales, pero siguiendo la misma línea, @fraser_Questionable_2018 también hallan evidencia a favor de la existencia de distintas QRP en el campo de la ecología y evolución. + +
+ +Los estudios mencionados arriba corresponden a la evidencia existente sobre la medición de QRP a través de encuestas. A modo de resumen, la Tabla N° \@ref(tab:tabqrp2) adaptada del trabajo de @chin_Questionable_2021 agrupa la información que hemos revisado (y más), ordenándose por prácticas, campos de estudio y los artículos correspondientes a cada campo de estudio. Los números dentro de las casillas representan el porcentaje de prevalencia de cada práctica reportado por los participantes del estudio, y entre paréntesis el número de casos de la muestra. Los guiones significan que este estudio no incluyó esa práctica en el cuestionario. + +| Práctica | Psicología | Psicología | Psicología | Ecología | Evolución | Educación | Comunicación | +|----------------------------------------------------------|--------------------|----------------------|----------------------|----------------------|----------------------|---------------------|----------------------| +| | @john_Measuring_2012 | @agnoli_Questionable_2017 | @rabelo_Questionable_2020| @fraser_Questionable_2018 | @fraser_Questionable_2018| @makel_Both_2021 | @bakker_Questionable_2020 | +| Omitir estudios o variables ni significativas | 46 (485) | 40 (217) | 55 (232) |- |- | 62 (783) | 60 | +| Subreportar resultados | 63 (486) | 48 (219) | 22 (232) | 64 | 64 | 67 (871) | 64 | +| Subreportar condiciones | 28 (484) | 16 (219) | 35 (232) |- |- |- |- | +| Muestreo selectivo | 56 (490) | 53 (221) | 22 (232) | 37 | 51 | 29 (806) | 23 | +| Excluir datos selectivamente | 38 (484) | 40 (219) | 20 (232) | 24 | 24 | 25 (806) | 34 | +| Excluir covariables selectivamente |- |- |- |- |- | 42 (773) | 46 | +| Cambiar análisis selectivamente |- |- |- |- |- | 50 (811) | 45 | +| HARK | 27 (489) | 37 (219) | 9 (232) | 49 | 54 | 46 (880) | 46 | +| Redondear valores p | 22 (499) | 22 (221) | 18 (232) | 27 | 18 | 29 (806) | 24 | +| Mal orientar respecto a los efectos de sociodemográficos | 3 (499) | 3 (223) | 4 (232) |- |- |- |- | +| Esconder problemas |- |- |- |- |- | 24 (889) |- | +| Esconder imputaciones | 1 (495) | 2 (220) | 1 (232) | 5 | 2 | 10 (898) | 9 | +Table: `r as.character(paste("(\\#tab:tabqrp2)", "Porcentajes de prevelanecia por QRP según distintos trabajos."))`. + +
+ +Cómo se puede ver en la Tabla N° \@ref(tab:tabqrp2), las encuestas sobre QRP han incluido varias prácticas relativas al tratamiento y análisis de los datos. No obstante, consideramos que exiten tres términos que, en su mayoría, logran sintetizar esta tabla y que están relacionados a la transparencia en los diseños de investigación. Estas son: 1) los sesgos de publicación, 2) el _p-hacking_ y el 3) _HARKing_. + +**Sesgo de publicación** + +
+ +El **sesgo de publicación** ocurre cuando el criterio determinante para que un artículo sea publicado es que sus resultados sean significativos, en desmedro de la publicación de resultados no significativos. Un ejemplo ilustrativo que usan @christensen_Transparent_2019 para explicar esta práctica es el cómic _xkcd_ títulado _Significant_. En el comic (Figura N \@ref(fig:significant)) se puede observar que un personaje corre gritando que las gominolas (_jellybeans_) causan acné, a lo que el otro personaje llama a los científicos para que prueben esta hipótesis, resultando no significativa. Ante esto, nuevamente el personaje inicial plantea que podría depender del tipo de gominola, y es aquí donde se aprecia lo ilustrativo del cómic: aparecen 20 paneles, cada uno representando una prueba de hipótesis entre una gominola de determinado color y al acné. 19 de las pruebas resultan no significativas, y una (el color verde) resulta significativa. El cómic termina con una portada con el titular de la única prueba de hipótesis que arrojó resultados significativos. + +```{r significant, echo=FALSE, fig.cap="Comic _Significant_ de xkcd", fig.align = 'center', out.width = '75%'} +knitr::include_graphics(path = "http://es.xkcd.com/site_media/strips/significant.png") +``` + +
+ +El cómic anterior muestra cómo es que un hallazgo de investigación sufre del sesgo de publicación. Al publicarse únicamente el resultado significativo e ignorándose los otros 19 no significativos, cualquier lector tendería a pensar que efectivamente las gominolas verdes causan acné, cuando probablemente sea una coincidencia. @rosenthal_file_1979 fue de los primeros trabajos en llamar la atención respecto de esta práctica, adjudicando el concepto de _file drawer problem_ (en español: problema del cajón de archivos), el que hace alusión a los resultados que se pierden o quedan “archivados” dentro de un cuerpo de literatura. Desde ese estudio en adelante varios autores han contribuido con evidencia empírica sobre el sesgo de publicación. Por ejemplo, el estudio de @franco_Publication_2014 logra cuantificar esta situación encontrando que los resultados nulos tienen un 40% menos de probabilidades de ser publicados en revistas científicas, en comparación a estudios con resultados significativos. Es más, muchas veces los resultados nulos ni siquiera llegan a ser escritos: más de un 60% de los experimentos que componen la muestra del estudio de @franco_Publication_2014 nunca llegaron a ser escritos, en contraste al menos del 10% de resultados significativos. + +
+ +El principal problema del sesgo de publicación es que puede impactar en la credibilidad de cuerpos enteros de literatura. Por ejemplo, en economía se han hecho varios metaanálisis que han buscado estimar el sesgo de publicación en distintos cuerpos de literatura [e.g. @brodeur_Star_2016; @vivalt_Heterogeneous_2015; @viscusi_Role_2014]. Uno de los trabajos más concluyentes es el de @doucouliagos_Are_2013, quienes efectúan un meta análisis de 87 artículos de meta análisis en economía. En este trabajo encuentran que más de la mitad de los cuerpos de literatura revisados sufren de un sesgo “sustancial” o “severo”. Sí bien en economía se ha avanzado mucho en este tipo de estudios, también a partir del desarrollo de distintos métodos de detección, se ha podido diagnosticar el sesgo de publicación en importantes revistas en sociología y ciencias políticas [@gerber_Publication_2008; @gerber_Statistical_2008]. + +**P-hacking** + +
+ +Otra práctica bastante cuestionada es el _p-hacking_. El p-hacking suele englobar muchas de las prácticas que vimos en un inicio, especialmente las que refieren al manejo de datos: excluir datos arbitrariamente, redondear un valor p, recolectar más datos posterior a hacer pruebas de hipótesis etc. Lo que tienen todas estas prácticas en común y lo que define el p-hacking es que se da cuando el procesamiento de los datos tiene por objetivo obtener resultados significativos. Si el sesgo de publicación afecta la credibilidad de un cuerpo de literatura, el _p-hacking_ afecta a la credibilidad de los artículos mismos, ya que al forzar la significancia estadística la probabilidad de que en realidad estemos frente a un falso positivo aumenta. Un trabajo que da sustento a esta idea es el de @simmons_FalsePositive_2011, quienes calculan la posibilidad de obtener un falso positivo (error Tipo I) de acuerdo con el nivel de _grados de libertad_ que son utilizados por parte de los investigadores. El resultado principal es que a medida que aumenta el uso de grados de libertad, la posibilidad de obtener un falso positivo aumenta progresivamente. + +
+ +El _p-hacking_ también contribuye a sesgar cuerpos enteros de literatura. Para diagnosticar esto se ha utilizado una herramienta denominada _p-curve_, la cual "describe la densidad de los _p-values_ reportados en una literatura, aprovechando el hecho de que si la hipótesis nula no se rechaza (es decir, sin efecto), los p-values deben distribuirse uniformemente entre 0 y 1" [@christensen_Transparent_2019, p.67.]. De esta manera, en cuerpos de literatura que no sufran de p-hacking, la distribución de valors p debería estar cargada a la izquierda (siendo precisos, asimétrica a la derecha), en cambio, si existe sesgo por p-hacking la distribución de p-values estaría cargada a la derecha (asimetría a la izquierda). @simonsohn_Pcurve_2014 proponen esta herramienta y la prueban en dos muestras de artículos de la _Journal of Personality and Social Psychology (JPSP)_. Las pruebas estadísticas consistieron en confirmar que la primera muestra de artículos (que presentaban signos de p-hacking) estaba sesgada, en cambio la segunda muestra (sin indicios de p-hacking), no lo estaba. Los resultados corroboraron las hipótesis, esto es: los artículos que presentaban solamente resultados con covariables resultaron tener una p-curve cargada a la derecha (asimétrica a la izquierda). + +**HARKing** + +
+ +Por último, pero no menos importante está la práctica del _HARKing_. El nombre es una nomenclatura en lengua inglesa: _Hypothesizing After the Results are Known_, que literalmente significa establecer las hipótesis del estudio una vez que se conocen los resultados [@kerr_HARKing_1998]. El principal problema de esta práctica es que confunde los dos tipos de razonamiento que están a la base de la ciencia: el exploratorio y el confirmatorio. El objetivo principal del razonamiento exploratorio es plantear hipótesis a partir del análisis de los datos, en cambio, el razonamiento confirmatorio busca plantear hipótesis basado en teoría y contrastar esas hipótesis con datos empíricos. Como señala @nosek_preregistration_2018, cuando se confunden ambos tipos de análisis y se hace pasar un razonamiento exploratorio como confirmatorio se está cometiendo un sesgo inherente, ya que se está generando un razonamiento circular: se plantean hipótesis a partir del comportamiento de los datos y se confirman las hipótesis con esos mismos datos + + +## ¿Qué? y ¿Quién? + +
+ +Preguntarse por el **qué** es básicamente cuestionarse sobre lo que se está poniendo a disposición del escrutinio público. Dentro de la literatura sobre ciencia abierta, son varios los contenidos que pueden ser transparentados. Por ejemplo, la apertura de los datos es una alternativa que, ciertamente, contribuye a hacer un estudio más transparente [@miguel_Promoting_2014]. Al estar los datos abiertos al público, la posibilidad de escrutinio por parte de las audiencias es mayor. Otro ejemplo es la idea de _disclosure_, la cual se refiere a la declaración que hacen los investigadores respecto a si la investigación cuenta con conflictos de interés o si está sesgada de alguna manera. En base a esta idea, recientemente han emergido propuestas cómo las de @oboyle_Chrysalis_2017 que, además de la declaración de conflicto interés, llaman a adoptar declaraciones relacionadas a las QRP. Básicamente declarar sí se ha cometido QRP o no durante el transcurso de la investigación. No obstante, **la apertura pública de los diseños de investigación** es, sin duda, la práctica que mejor representa la transparencia en el último tiempo. + +Cómo hemos revisado anteriormente, existe una emergente preocupación en las ciencias sociales respecto a la credibilidad de los hallazgos científicos y la influencia que pueden tener las QRP. En disciplinas como la psicología es que la apertura de los diseños de investigación ha sido la principal herramienta ante el diagnostico que una parte considerable de los hallazgos eran irreproducibles o irreplicables [@motyl_state_2017; @wingen_No_2020; @camerer_Evaluating_2018]. Ante un diagnostico similar en sociología [@breznau_observing_2021], en ciencias de la gestión [@byington_Solutions_2017] y en economía [@gall_credibility_2017], por dar algunos ejemplos, también se ha reconocido la apertura del diseño de investigación como una herramienta importante para avanzar hacia la transparencia. A razón de esto, es que nuestra propuesta se focaliza en la apertura de los diseños de investigación y el uso de preregistros. + +
+ +Además de preguntarse por los contenidos que se transparentan, también es relevante hacer un alcance respecto al **quién**. Esto es tener en consideración quienes van a recibir la información que sea transparentada. En principio, los hallazgos de la investigación científica son un bien público -o están pensados para serlo-. Si bien en algunos países o áreas especificas del conocimiento el financiamiento de la ciencia es por parte de privados, la investigación en ciencias sociales en Chile se financia con los impuestos de los habitantes. Organismos como la Agencia Nacional de Investigación y Desarrollo de Chile (ANID) quienes están encargados de al administración de fondos para la ciencia tienen un rol público, por lo que los hallazgos no solo sirven para alimentar el avance del conocimiento dentro de la academia, sino que también son insumos relevantes para los tomadores de decisiones y/o para cualquier ciudadano que se podría beneficiar de esos hallazgos. + +En consiguiente, cualquier tipo de información que sea transparente es un insumo más para que distintos tipos de audiencias puedan beneficiarse de hallazgos más creíbles y robustos. Ya sean investigadores, tomadores de decisión o la ciudadanía. + + +## ¿Cómo? + +
+ +Una buena forma de introducir el **cómo** adoptar la transparencia son las _Transparency and Openess Promotion (TOP) Guidelines_ (Guías para la Promoción de la Transparencia y la Accesibilidad). Las _TOP Guidelines_ son una iniciativa del Centro para la Ciencia Abierta (COS, por sus siglas en inglés) que busca fomentar la ciencia abierta a partir de la adopción de distintos principios. Su objetivo es que tanto los investigadores cómo las revistas científicas adhieran a prácticas transparentes. Los principios van desde temas de citación, hasta la replicabilidad (ver el detalle sobre esta propuesta en [https://osf.io/9f6gx/](https://osf.io/9f6gx/){target="_blank"}). Sí bien esta es una iniciativa que incluye principios que escapan el enfoque de este capítulo, es un buen punto de partida ya que permite situar la transparencia en el diseño de investigación y el uso de preregistros como parte de una red de principios más grandes a instalar en la ciencia. Además, permite dar cuenta de que ya existe un conjunto de actores preocupados por temáticas de ciencia abierta, que han reconocido la transparencia en los diseños de investigación cómo un principio importante a adoptar. En lo que sigue, revisaremos cómo los preregistros logran fomentar la transparencia en los diseños de investigación. + +### Preregistros + +
+ +Los preregistros son una marca temporal sobre las decisiones del diseño, el método y el análisis de un artículo científico y se suelen hacer antes del levantamiento de datos [@stewart_Preregistration_2020]. Básicamente, preregistrar un estudio implica que un grupo de investigadores dejarán por escrito una pauta de investigación a la cual seguirá cuando desarrollen la investigación, especialmente la recopilación y el análisis de los datos. El objetivo del preregistro es reducir el margen de flexibilidad que tienen los investigadores a la hora de analizar los datos. El que exista una guía sobre qué hipótesis probar y qué análisis hace menos probable que los científicos caigan en prácticas cómo el sesgo de publicación, p haking o el HARKing. + +
+ +Cómo vimos el sesgo de publicación se trata de publicar selectivamente los resultados de investigación: resultados que no hayan sido significativos, o hipótesis que "no funcionaron" simplemente se omiten. Sin embargo, cuando existe un documento como un preregistro, el cual deja estipulado claramente las hipótesis que deben ponerse a prueba y los análisis que se emplearan para ello, se torna más difícil reportar selectivamente los resultados. Dicho de otra forma, cuando existe una pauta a la cual apegarse, la discrecionalidad en el reporte de los resultados disminuye. + +
+ +En el caso del p-hacking, el efecto del preregistro es parecido. El p-hacking consiste en abusar de las pruebas estadísticas para obtener resultados significativos. "Abusar" en el sentido de buscar toda vía posible para obtener un valor p que confirme las hipótesis planteadas. El hecho de preregistrar el plan de análisis y el procesamiento que se le efectuara a las variables permite evitar este tipo de búsqueda intencionada: como hay una guía que seguir, cualquier desviación debe ser justificada. En esta misma línea, un preregistro evita el HARKing ya que las hipótesis están previamente planteadas y no es posible cambiarlas una vez que se han visto los resultados. En suma, el plantear un registro _a priori_ de la investigación, disminuye la flexibilidad que suele dar paso a las QRP. + +
+ +Existen resquemores respecto del uso de preregistros de los que es preciso hacerse cargo. Una de las principales preocupaciones es que el uso de preregistros tendería a coartar la creatividad y la producción de conocimiento exploratoria [@moore_Preregister_2016]. La lógica es que, como cada parte de la investigación debe ser registrada detalladamente previo a la recopilación, no queda espacio para la espontaneidad durante el análisis de datos. Sin embargo, más que inhibir la investigación exploratoria, el objetivo de preregistar un estudio es separar la investigación confirmatoria (pruebas de hipótesis) y la exploratoria (generación de hipótesis) [@nosek_preregistration_2018]. En ese sentido, es posible la investigación exploratoria bajo el modelo de preregistros, solo que hay que especificarla como tal. + +
+ +Una segunda creencia es que realizar un preregistro añade un nivel de escrutinio mayor del necesario, es decir, como se conoce cada detalle, la investigación se vuelve un blanco fácil de críticas. Sin embargo, la situación es todo lo contrario [@moore_Preregister_2016]. Por ejemplo, haber preregistrado un plan de análisis para una regresión logística binaria con datos que originalmente eran ordinales hará más creíble los resultados, ya que quienes evalúen la investigación tendrán pruebas de que el nivel de medición no se cambió solo para obtener resultados significativos. Una tercera idea en torno a los preregistros es que conllevan una gran inversión de tiempo y energía. Si bien es cierto que se añade un paso más al proceso de investigación, el avance en la temática ha logrado que existan una variedad de plantillas que hacen el proceso más rápido y eficiente. Desde una lógica racional, el tiempo que toma este paso nuevo en la investigación es un costo bajo en contraste a los beneficios que trae. + +
+ +La característica más importante de los preregistros es que sean elaborados previo al análisis de datos y ojalá previo a su recopilación. Este requisito es lo que permite asegurar la credibilidad de los resultados, ya que, si no hay datos que alterar, entonces las probabilidades de que ocurra una QRP son básicamente nulas. Generalmente, para las ciencias médicas o la psicología experimental (disciplinas donde cada vez se usan más los preregistros), esto no suele ser un problema ya que se utilizan diseños experimentales. Estos se apegan al método científico clásico: se plantean hipótesis basadas en la teoría, se diseña un experimento para probar esas hipótesis y luego se recopilan y analizan los datos para ver si dan soporte a las hipótesis planteadas. Sin embargo, en muchas disciplinas de las ciencias sociales los diseños experimentales son una pequeña fracción del conjunto de la literatura [e.g. según @card_Role_2011 en 2010, solo un 3% de los artículos en las mejores revistas de economía eran experimentales], y lo que prima son los diseños observacionales con datos secundarios. A diferencia de los estudios experimentales, en los estudios con datos preexistentes se afecta el principal componente de credibilidad de los preregistros. Nada puede asegurar que los datos fueron analizados antes de la escritura del preregistro y que, por ejemplo, las hipótesis se están planteando una vez conocidos los patrones significativos (HARKing). De ahí que nace la pregunta sobre la posibilidad de utilizar preregistros en estudios con datos preexistentes. + +
+ +En la literatura sobre preregistros se han discutido los desafíos que implica preregistrar estudios que utilicen datos preexistentes [e.g. @editors_Observational_2014]. Existen posturas que proponen que, en realidad, no existe una forma creíble para preregistrar este tipo de estudios [@christensen_Transparency_2018]. No obstante, otras posturas han profundizado en las situaciones en las que aún es posible preregistrar estudios con datos elaborados previamente. @burlig_Improving_2018 propone tres escenarios donde el preregistro de datos observacionales es valioso. El primero es, básicamente, cuando los investigadores que diseñaron la investigación generan sus propios datos, en este caso, los investigadores sí pueden elaborar un preregistro previo a la recolección de datos. El segundo escenario se da cuando se preregistra un estudio que tiene como objeto de interés un suceso que aún no ha ocurrido, lo que se conoce como estudios prospectivos. Por ejemplo, un grupo de investigadores puede estar interesado en el efecto que tendrá la introducción de una ley en las prácticas sociales, o el efecto de un tratado en las variaciones del PIB. Para esos casos, el preregistro aún mantiene su validez original ya que, si bien los datos ya existen, no es posible hacer los análisis antes del preregistro porque el evento de interés no ha ocurrido. El tercer escenario ocurre cuando los datos existen, pero no están abiertos al público. En estos casos, es la accesibilidad lo que determina la credibilidad del preregistro. Por ejemplo, el grupo de investigadores que elaboraron los datos pueden establecer que serán accesibles con previo contacto y que se solicitará un preregistro. Por ende, en orden de analizar los datos, los investigadores interesados deberán elaborar un preregistro para utilizar los datos. + +
+ +Conforme a lo anterior, @mertens_Preregistration_2019 proponen dos prácticas para asegurar la credibilidad de un preregistro con datos secundarios. Primero, que el grupo de investigadores que analiza los datos sea distinto e independiente de quien propuso el diseño de investigación y segundo, que el equipo realice sintaxis de análisis con datos simulados, con tal de demostrar que las hipótesis ya existían previas a acceder a los datos. Estas propuestas muestran que el requisito sobre la temporalidad del preregistro puede. + +
+ +La recomendación más transversal y a la vez simple para preregistrar análisis con datos secundarios, es ser sincero y claro respecto a lo que se ha hecho y lo que no [@lindsay_Seven_2020 ; @nosek_preregistration_2018]. Por ejemplo, reportar si es que se ha leído el reporte descriptivo sobre la base de datos o se tiene conocimiento de algún tipo de patrón de los datos. Es preciso transparentar cualquier tipo de aproximación a los datos previo haberlos analizado. Para lograr este nivel de detalle y ser eficiente con los tiempos y la comunicación hacia otros investigadores, es que existen plantillas predeterminadas para preregistrar distintos tipos de artículos en diferentes situaciones. En la siguiente sección presentaremos las plantillas más usadas. diff --git a/02a-disenotransparente.md b/02a-disenotransparente.md new file mode 100644 index 0000000..41973e3 --- /dev/null +++ b/02a-disenotransparente.md @@ -0,0 +1,173 @@ + + + + +# Diseño transparente + +
+ +La transparencia es un concepto multidimensional. @elliott_Taxonomy_2020 proponen entender la transparencia en torno a cuatro preguntas: _¿por qué?, ¿quién? ¿qué? y ¿cómo?_ (ver Figura N° \@ref(fig:taxonomy)). Cada una de estas preguntas se relaciona a una dimensión. La primera pregunta (_¿por qué?_) se refiere a las razones y propósitos por los cuales es necesario adoptar la transparencia; la segunda pregunta (_¿quién?_) apunta a la audiencia que está recibiendo la información; la tercera pregunta (_¿qué?_) hace alusión al contenido qué es transparentado y la cuarta pregunta (_¿cómo?_) consiste en cuatro dimensiones distintas sobre cómo adoptar la transparencia: actores, mecanismos, tiempo y espacios. También, esta taxonomía estipula una dimensión sobre las amenazas que podrían afectar a las iniciativas que busquen promover la transparencia. A raíz de estas dimensiones podemos comprender qué tipo de prácticas y situaciones caben dentro del concepto de transparencia. + +
+Taxonomía de Transparencia +

(\#fig:taxonomy)Taxonomía de Transparencia

+
+ +
+ +Basándonos en esta taxonomía, presentaremos una propuesta sobre qué se entiende por transparencia en las ciencias sociales y cómo podemos adquirir prácticas orientadas a ese principio. **Nuestra propuesta es entender la transparencia como la apertura pública del diseño de investigación**, lo que incluye todo tipo de información importante para la ejecución del estudio, desde las hipótesis hasta los planes de análisis. Esto permitirá que las personas que lean los hallazgos de investigación (ya sean científicos o la ciudadanía) puedan evaluar la credibilidad de estos y descartar la influencia de prácticas cuestionables de investigación. Para llevar a la práctica esta propuesta, presentaremos los preregistros cómo una herramienta que contribuyen a hacer público el diseño, además de otras que complementan su uso. + +## ¿Por qué? + +
+ +La pregunta del **por qué** es necesario avanzar hacia la transparencia encuentra su respuesta en la existencia de prácticas de investigación que merman la credibilidad de los hallazgos científicos. A modo de entender qué es lo problemático de ciertas prácticas, es que @steneck_Fostering_2006 proponen el concepto de _Conducta Responsable de Investigación (RCR, por sus siglas en inglés)_ cómo un ideal que engloba prácticas éticas e integras dentro de la investigación científica (ver Figura N° \@ref(fig:rcr)). Según los autores, la distinción entre la ética y la integridad recae en que la primera tiene que ver con seguir principios morales dentro de la investigación (e.g. usar consentimientos informados), en cambio, la segunda está más relacionada el seguimiento de códigos de conductas y estándares profesionales [@abrilruiz_Manzanas_2019]. + +
+Conducta Responsable de Investigación. Imagen de @abrilruiz_Manzanas_2019 basada en @steneck_Fostering_2006 +

(\#fig:rcr)Conducta Responsable de Investigación. Imagen de @abrilruiz_Manzanas_2019 basada en @steneck_Fostering_2006

+
+ +
+ +Las prácticas de investigación se pueden evaluar en un continuo que representa cuánto adhieren los investigadores a los principios de integridad científica [@steneck_Fostering_2006]. La Figura N° \@ref(fig:grad) esquematiza esta idea mostrando dos extremos, donde a la izquierda está el mejor comportamiento (RCR), y a la derecha el peor comportamiento (FFP). Las FPP son una abreviación en lengua inglesa para referirse a _Fabrication, Falsification, Plagiarism_ (Invención, Falsificación y Plagio), también conocidas como _mala conducta académica_-. En el medio del continuo están las _prácticas cuestionables de investigación_ (QRP, por sus siglas en inglés) las cuáles refieren a "acciones que violan los valores tradicionales de la empresa de investigación y que pueden ser perjudiciales para el proceso de investigación" [_National Academies of Science_ 1992 en @steneck_Fostering_2006, p.58]. Las QRP se caracterizan porque tienen el potencial de dañar la ciencia, en tanto las FFP la dañan directamente. + +
+Gradación del comportamiento integro en investigación. Imagen de @abrilruiz_Manzanas_2019 basada en @steneck_Fostering_2006 +

(\#fig:grad)Gradación del comportamiento integro en investigación. Imagen de @abrilruiz_Manzanas_2019 basada en @steneck_Fostering_2006

+
+ +
+ +La mala conducta académica implica la violación de los principios de integridad científica. Esto implica el falseamiento de datos de cualquier forma: invención de datos, alteración de gráficos o tablas, etc. El caso de Diderik Stapel presentado en la introducción de este capítulo es un ejemplo que cabe dentro del concepto de mala conducta académica. Según la literatura, la prevalencia de este tipo de prácticas no es alta [e.g. @fanelli_How_2009; @john_Measuring_2012], sino que más bien son casos aislados [ver @abrilruiz_Manzanas_2019, pp.23-128 para una revisión]. En contraste, las QRP han demostrado ser más prevalentes. + + +### Prácticas cuestionables de investigación (QRP) + +
+ +Existen una serie de estudios que han intentado medir directamente la prevalencia de estas prácticas a través de encuestas. @fanelli_How_2009 hizo un metaanálisis que tenía por objetivo sistematizar los resultados de estudios que hasta esa fecha habían abordado las prácticas de investigación desde encuestas cuantitativas. Los resultados mostraron que un 1.97% de investigadores había inventado datos al menos una vez (FFP) y que un 33.7% había realizado alguna vez una QRP como "borrar puntos de los datos basados en un sentimiento visceral". Unos años más tarde, @john_Measuring_2012 efectuaron otro estudio similar, demostrando que un 36.6% de quienes participaron alguna vez habían practicado alguna QRP. En detalle, analizando los porcentajes práctica a práctica se halló que el 50% de los psicólogos encuestados alguna vez reportaron selectivamente estudios que apoyaran su hipótesis; un 35% alguna vez reportaron resultados inesperados como esperados; y un 2% alguna vez reportó datos falsos. Este estudio ha sido replicado en Italia [@agnoli_Questionable_2017], en Alemania [@fiedler_Questionable_2016] y en Brasil [@rabelo_Questionable_2020]. + +
+ +Más recientemente, han emergido estudios similares en otras áreas disciplinarias. Por ejemplo, a través de encuestas online @makel_Both_2021 logran constatar que existe una prevalencia considerable de las QRP en el campo de investigación educacional. De los participantes de la muestra un 10% admitió haber rellenado datos faltantes (NA’s) y un 67% señaló alguna vez haber omitido ciertos análisis de manera intencional. Siguiendo el mismo método, en el campo de la investigación comunicacional se ha encontrado evidencia parecida: 9% de los encuestados señala haber imputado datos faltantes sin reportarlo, un 34% declaró alguna vez haber excluido casos extremos de forma arbitraria y un 60% señala no haber reportado análisis con variables clave que no funcionaron. Del mismo modo, en los estudios cuantitativos sobre criminología existe un uso extendido de las QRP: un 87% de la muestra de @chin_Questionable_2021 ha utilizado múltiples QRP, siendo el reporte selectivo de resultados el más común (53%). Por último, fuera del área de las ciencias sociales, pero siguiendo la misma línea, @fraser_Questionable_2018 también hallan evidencia a favor de la existencia de distintas QRP en el campo de la ecología y evolución. + +
+ +Los estudios mencionados arriba corresponden a la evidencia existente sobre la medición de QRP a través de encuestas. A modo de resumen, la Tabla N° \@ref(tab:tabqrp2) adaptada del trabajo de @chin_Questionable_2021 agrupa la información que hemos revisado (y más), ordenándose por prácticas, campos de estudio y los artículos correspondientes a cada campo de estudio. Los números dentro de las casillas representan el porcentaje de prevalencia de cada práctica reportado por los participantes del estudio, y entre paréntesis el número de casos de la muestra. Los guiones significan que este estudio no incluyó esa práctica en el cuestionario. + +| Práctica | Psicología | Psicología | Psicología | Ecología | Evolución | Educación | Comunicación | +|----------------------------------------------------------|--------------------|----------------------|----------------------|----------------------|----------------------|---------------------|----------------------| +| | @john_Measuring_2012 | @agnoli_Questionable_2017 | @rabelo_Questionable_2020| @fraser_Questionable_2018 | @fraser_Questionable_2018| @makel_Both_2021 | @bakker_Questionable_2020 | +| Omitir estudios o variables ni significativas | 46 (485) | 40 (217) | 55 (232) |- |- | 62 (783) | 60 | +| Subreportar resultados | 63 (486) | 48 (219) | 22 (232) | 64 | 64 | 67 (871) | 64 | +| Subreportar condiciones | 28 (484) | 16 (219) | 35 (232) |- |- |- |- | +| Muestreo selectivo | 56 (490) | 53 (221) | 22 (232) | 37 | 51 | 29 (806) | 23 | +| Excluir datos selectivamente | 38 (484) | 40 (219) | 20 (232) | 24 | 24 | 25 (806) | 34 | +| Excluir covariables selectivamente |- |- |- |- |- | 42 (773) | 46 | +| Cambiar análisis selectivamente |- |- |- |- |- | 50 (811) | 45 | +| HARK | 27 (489) | 37 (219) | 9 (232) | 49 | 54 | 46 (880) | 46 | +| Redondear valores p | 22 (499) | 22 (221) | 18 (232) | 27 | 18 | 29 (806) | 24 | +| Mal orientar respecto a los efectos de sociodemográficos | 3 (499) | 3 (223) | 4 (232) |- |- |- |- | +| Esconder problemas |- |- |- |- |- | 24 (889) |- | +| Esconder imputaciones | 1 (495) | 2 (220) | 1 (232) | 5 | 2 | 10 (898) | 9 | +Table: (\#tab:tabqrp2) Porcentajes de prevelanecia por QRP según distintos trabajos.. + +
+ +Cómo se puede ver en la Tabla N° \@ref(tab:tabqrp2), las encuestas sobre QRP han incluido varias prácticas relativas al tratamiento y análisis de los datos. No obstante, consideramos que exiten tres términos que, en su mayoría, logran sintetizar esta tabla y que están relacionados a la transparencia en los diseños de investigación. Estas son: 1) los sesgos de publicación, 2) el _p-hacking_ y el 3) _HARKing_. + +**Sesgo de publicación** + +
+ +El **sesgo de publicación** ocurre cuando el criterio determinante para que un artículo sea publicado es que sus resultados sean significativos, en desmedro de la publicación de resultados no significativos. Un ejemplo ilustrativo que usan @christensen_Transparent_2019 para explicar esta práctica es el cómic _xkcd_ títulado _Significant_. En el comic (Figura N \@ref(fig:significant)) se puede observar que un personaje corre gritando que las gominolas (_jellybeans_) causan acné, a lo que el otro personaje llama a los científicos para que prueben esta hipótesis, resultando no significativa. Ante esto, nuevamente el personaje inicial plantea que podría depender del tipo de gominola, y es aquí donde se aprecia lo ilustrativo del cómic: aparecen 20 paneles, cada uno representando una prueba de hipótesis entre una gominola de determinado color y al acné. 19 de las pruebas resultan no significativas, y una (el color verde) resulta significativa. El cómic termina con una portada con el titular de la única prueba de hipótesis que arrojó resultados significativos. + +
+Comic _Significant_ de xkcd +

(\#fig:significant)Comic _Significant_ de xkcd

+
+ +
+ +El cómic anterior muestra cómo es que un hallazgo de investigación sufre del sesgo de publicación. Al publicarse únicamente el resultado significativo e ignorándose los otros 19 no significativos, cualquier lector tendería a pensar que efectivamente las gominolas verdes causan acné, cuando probablemente sea una coincidencia. @rosenthal_file_1979 fue de los primeros trabajos en llamar la atención respecto de esta práctica, adjudicando el concepto de _file drawer problem_ (en español: problema del cajón de archivos), el que hace alusión a los resultados que se pierden o quedan “archivados” dentro de un cuerpo de literatura. Desde ese estudio en adelante varios autores han contribuido con evidencia empírica sobre el sesgo de publicación. Por ejemplo, el estudio de @franco_Publication_2014 logra cuantificar esta situación encontrando que los resultados nulos tienen un 40% menos de probabilidades de ser publicados en revistas científicas, en comparación a estudios con resultados significativos. Es más, muchas veces los resultados nulos ni siquiera llegan a ser escritos: más de un 60% de los experimentos que componen la muestra del estudio de @franco_Publication_2014 nunca llegaron a ser escritos, en contraste al menos del 10% de resultados significativos. + +
+ +El principal problema del sesgo de publicación es que puede impactar en la credibilidad de cuerpos enteros de literatura. Por ejemplo, en economía se han hecho varios metaanálisis que han buscado estimar el sesgo de publicación en distintos cuerpos de literatura [e.g. @brodeur_Star_2016; @vivalt_Heterogeneous_2015; @viscusi_Role_2014]. Uno de los trabajos más concluyentes es el de @doucouliagos_Are_2013, quienes efectúan un meta análisis de 87 artículos de meta análisis en economía. En este trabajo encuentran que más de la mitad de los cuerpos de literatura revisados sufren de un sesgo “sustancial” o “severo”. Sí bien en economía se ha avanzado mucho en este tipo de estudios, también a partir del desarrollo de distintos métodos de detección, se ha podido diagnosticar el sesgo de publicación en importantes revistas en sociología y ciencias políticas [@gerber_Publication_2008; @gerber_Statistical_2008]. + +**P-hacking** + +
+ +Otra práctica bastante cuestionada es el _p-hacking_. El p-hacking suele englobar muchas de las prácticas que vimos en un inicio, especialmente las que refieren al manejo de datos: excluir datos arbitrariamente, redondear un valor p, recolectar más datos posterior a hacer pruebas de hipótesis etc. Lo que tienen todas estas prácticas en común y lo que define el p-hacking es que se da cuando el procesamiento de los datos tiene por objetivo obtener resultados significativos. Si el sesgo de publicación afecta la credibilidad de un cuerpo de literatura, el _p-hacking_ afecta a la credibilidad de los artículos mismos, ya que al forzar la significancia estadística la probabilidad de que en realidad estemos frente a un falso positivo aumenta. Un trabajo que da sustento a esta idea es el de @simmons_FalsePositive_2011, quienes calculan la posibilidad de obtener un falso positivo (error Tipo I) de acuerdo con el nivel de _grados de libertad_ que son utilizados por parte de los investigadores. El resultado principal es que a medida que aumenta el uso de grados de libertad, la posibilidad de obtener un falso positivo aumenta progresivamente. + +
+ +El _p-hacking_ también contribuye a sesgar cuerpos enteros de literatura. Para diagnosticar esto se ha utilizado una herramienta denominada _p-curve_, la cual "describe la densidad de los _p-values_ reportados en una literatura, aprovechando el hecho de que si la hipótesis nula no se rechaza (es decir, sin efecto), los p-values deben distribuirse uniformemente entre 0 y 1" [@christensen_Transparent_2019, p.67.]. De esta manera, en cuerpos de literatura que no sufran de p-hacking, la distribución de valors p debería estar cargada a la izquierda (siendo precisos, asimétrica a la derecha), en cambio, si existe sesgo por p-hacking la distribución de p-values estaría cargada a la derecha (asimetría a la izquierda). @simonsohn_Pcurve_2014 proponen esta herramienta y la prueban en dos muestras de artículos de la _Journal of Personality and Social Psychology (JPSP)_. Las pruebas estadísticas consistieron en confirmar que la primera muestra de artículos (que presentaban signos de p-hacking) estaba sesgada, en cambio la segunda muestra (sin indicios de p-hacking), no lo estaba. Los resultados corroboraron las hipótesis, esto es: los artículos que presentaban solamente resultados con covariables resultaron tener una p-curve cargada a la derecha (asimétrica a la izquierda). + +**HARKing** + +
+ +Por último, pero no menos importante está la práctica del _HARKing_. El nombre es una nomenclatura en lengua inglesa: _Hypothesizing After the Results are Known_, que literalmente significa establecer las hipótesis del estudio una vez que se conocen los resultados [@kerr_HARKing_1998]. El principal problema de esta práctica es que confunde los dos tipos de razonamiento que están a la base de la ciencia: el exploratorio y el confirmatorio. El objetivo principal del razonamiento exploratorio es plantear hipótesis a partir del análisis de los datos, en cambio, el razonamiento confirmatorio busca plantear hipótesis basado en teoría y contrastar esas hipótesis con datos empíricos. Como señala @nosek_preregistration_2018, cuando se confunden ambos tipos de análisis y se hace pasar un razonamiento exploratorio como confirmatorio se está cometiendo un sesgo inherente, ya que se está generando un razonamiento circular: se plantean hipótesis a partir del comportamiento de los datos y se confirman las hipótesis con esos mismos datos + + +## ¿Qué? y ¿Quién? + +
+ +Preguntarse por el **qué** es básicamente cuestionarse sobre lo que se está poniendo a disposición del escrutinio público. Dentro de la literatura sobre ciencia abierta, son varios los contenidos que pueden ser transparentados. Por ejemplo, la apertura de los datos es una alternativa que, ciertamente, contribuye a hacer un estudio más transparente [@miguel_Promoting_2014]. Al estar los datos abiertos al público, la posibilidad de escrutinio por parte de las audiencias es mayor. Otro ejemplo es la idea de _disclosure_, la cual se refiere a la declaración que hacen los investigadores respecto a si la investigación cuenta con conflictos de interés o si está sesgada de alguna manera. En base a esta idea, recientemente han emergido propuestas cómo las de @oboyle_Chrysalis_2017 que, además de la declaración de conflicto interés, llaman a adoptar declaraciones relacionadas a las QRP. Básicamente declarar sí se ha cometido QRP o no durante el transcurso de la investigación. No obstante, **la apertura pública de los diseños de investigación** es, sin duda, la práctica que mejor representa la transparencia en el último tiempo. + +Cómo hemos revisado anteriormente, existe una emergente preocupación en las ciencias sociales respecto a la credibilidad de los hallazgos científicos y la influencia que pueden tener las QRP. En disciplinas como la psicología es que la apertura de los diseños de investigación ha sido la principal herramienta ante el diagnostico que una parte considerable de los hallazgos eran irreproducibles o irreplicables [@motyl_state_2017; @wingen_No_2020; @camerer_Evaluating_2018]. Ante un diagnostico similar en sociología [@breznau_observing_2021], en ciencias de la gestión [@byington_Solutions_2017] y en economía [@gall_credibility_2017], por dar algunos ejemplos, también se ha reconocido la apertura del diseño de investigación como una herramienta importante para avanzar hacia la transparencia. A razón de esto, es que nuestra propuesta se focaliza en la apertura de los diseños de investigación y el uso de preregistros. + +
+ +Además de preguntarse por los contenidos que se transparentan, también es relevante hacer un alcance respecto al **quién**. Esto es tener en consideración quienes van a recibir la información que sea transparentada. En principio, los hallazgos de la investigación científica son un bien público -o están pensados para serlo-. Si bien en algunos países o áreas especificas del conocimiento el financiamiento de la ciencia es por parte de privados, la investigación en ciencias sociales en Chile se financia con los impuestos de los habitantes. Organismos como la Agencia Nacional de Investigación y Desarrollo de Chile (ANID) quienes están encargados de al administración de fondos para la ciencia tienen un rol público, por lo que los hallazgos no solo sirven para alimentar el avance del conocimiento dentro de la academia, sino que también son insumos relevantes para los tomadores de decisiones y/o para cualquier ciudadano que se podría beneficiar de esos hallazgos. + +En consiguiente, cualquier tipo de información que sea transparente es un insumo más para que distintos tipos de audiencias puedan beneficiarse de hallazgos más creíbles y robustos. Ya sean investigadores, tomadores de decisión o la ciudadanía. + + +## ¿Cómo? + +
+ +Una buena forma de introducir el **cómo** adoptar la transparencia son las _Transparency and Openess Promotion (TOP) Guidelines_ (Guías para la Promoción de la Transparencia y la Accesibilidad). Las _TOP Guidelines_ son una iniciativa del Centro para la Ciencia Abierta (COS, por sus siglas en inglés) que busca fomentar la ciencia abierta a partir de la adopción de distintos principios. Su objetivo es que tanto los investigadores cómo las revistas científicas adhieran a prácticas transparentes. Los principios van desde temas de citación, hasta la replicabilidad (ver el detalle sobre esta propuesta en [https://osf.io/9f6gx/](https://osf.io/9f6gx/){target="_blank"}). Sí bien esta es una iniciativa que incluye principios que escapan el enfoque de este capítulo, es un buen punto de partida ya que permite situar la transparencia en el diseño de investigación y el uso de preregistros como parte de una red de principios más grandes a instalar en la ciencia. Además, permite dar cuenta de que ya existe un conjunto de actores preocupados por temáticas de ciencia abierta, que han reconocido la transparencia en los diseños de investigación cómo un principio importante a adoptar. En lo que sigue, revisaremos cómo los preregistros logran fomentar la transparencia en los diseños de investigación. + +### Preregistros + +
+ +Los preregistros son una marca temporal sobre las decisiones del diseño, el método y el análisis de un artículo científico y se suelen hacer antes del levantamiento de datos [@stewart_Preregistration_2020]. Básicamente, preregistrar un estudio implica que un grupo de investigadores dejarán por escrito una pauta de investigación a la cual seguirá cuando desarrollen la investigación, especialmente la recopilación y el análisis de los datos. El objetivo del preregistro es reducir el margen de flexibilidad que tienen los investigadores a la hora de analizar los datos. El que exista una guía sobre qué hipótesis probar y qué análisis hace menos probable que los científicos caigan en prácticas cómo el sesgo de publicación, p haking o el HARKing. + +
+ +Cómo vimos el sesgo de publicación se trata de publicar selectivamente los resultados de investigación: resultados que no hayan sido significativos, o hipótesis que "no funcionaron" simplemente se omiten. Sin embargo, cuando existe un documento como un preregistro, el cual deja estipulado claramente las hipótesis que deben ponerse a prueba y los análisis que se emplearan para ello, se torna más difícil reportar selectivamente los resultados. Dicho de otra forma, cuando existe una pauta a la cual apegarse, la discrecionalidad en el reporte de los resultados disminuye. + +
+ +En el caso del p-hacking, el efecto del preregistro es parecido. El p-hacking consiste en abusar de las pruebas estadísticas para obtener resultados significativos. "Abusar" en el sentido de buscar toda vía posible para obtener un valor p que confirme las hipótesis planteadas. El hecho de preregistrar el plan de análisis y el procesamiento que se le efectuara a las variables permite evitar este tipo de búsqueda intencionada: como hay una guía que seguir, cualquier desviación debe ser justificada. En esta misma línea, un preregistro evita el HARKing ya que las hipótesis están previamente planteadas y no es posible cambiarlas una vez que se han visto los resultados. En suma, el plantear un registro _a priori_ de la investigación, disminuye la flexibilidad que suele dar paso a las QRP. + +
+ +Existen resquemores respecto del uso de preregistros de los que es preciso hacerse cargo. Una de las principales preocupaciones es que el uso de preregistros tendería a coartar la creatividad y la producción de conocimiento exploratoria [@moore_Preregister_2016]. La lógica es que, como cada parte de la investigación debe ser registrada detalladamente previo a la recopilación, no queda espacio para la espontaneidad durante el análisis de datos. Sin embargo, más que inhibir la investigación exploratoria, el objetivo de preregistar un estudio es separar la investigación confirmatoria (pruebas de hipótesis) y la exploratoria (generación de hipótesis) [@nosek_preregistration_2018]. En ese sentido, es posible la investigación exploratoria bajo el modelo de preregistros, solo que hay que especificarla como tal. + +
+ +Una segunda creencia es que realizar un preregistro añade un nivel de escrutinio mayor del necesario, es decir, como se conoce cada detalle, la investigación se vuelve un blanco fácil de críticas. Sin embargo, la situación es todo lo contrario [@moore_Preregister_2016]. Por ejemplo, haber preregistrado un plan de análisis para una regresión logística binaria con datos que originalmente eran ordinales hará más creíble los resultados, ya que quienes evalúen la investigación tendrán pruebas de que el nivel de medición no se cambió solo para obtener resultados significativos. Una tercera idea en torno a los preregistros es que conllevan una gran inversión de tiempo y energía. Si bien es cierto que se añade un paso más al proceso de investigación, el avance en la temática ha logrado que existan una variedad de plantillas que hacen el proceso más rápido y eficiente. Desde una lógica racional, el tiempo que toma este paso nuevo en la investigación es un costo bajo en contraste a los beneficios que trae. + +
+ +La característica más importante de los preregistros es que sean elaborados previo al análisis de datos y ojalá previo a su recopilación. Este requisito es lo que permite asegurar la credibilidad de los resultados, ya que, si no hay datos que alterar, entonces las probabilidades de que ocurra una QRP son básicamente nulas. Generalmente, para las ciencias médicas o la psicología experimental (disciplinas donde cada vez se usan más los preregistros), esto no suele ser un problema ya que se utilizan diseños experimentales. Estos se apegan al método científico clásico: se plantean hipótesis basadas en la teoría, se diseña un experimento para probar esas hipótesis y luego se recopilan y analizan los datos para ver si dan soporte a las hipótesis planteadas. Sin embargo, en muchas disciplinas de las ciencias sociales los diseños experimentales son una pequeña fracción del conjunto de la literatura [e.g. según @card_Role_2011 en 2010, solo un 3% de los artículos en las mejores revistas de economía eran experimentales], y lo que prima son los diseños observacionales con datos secundarios. A diferencia de los estudios experimentales, en los estudios con datos preexistentes se afecta el principal componente de credibilidad de los preregistros. Nada puede asegurar que los datos fueron analizados antes de la escritura del preregistro y que, por ejemplo, las hipótesis se están planteando una vez conocidos los patrones significativos (HARKing). De ahí que nace la pregunta sobre la posibilidad de utilizar preregistros en estudios con datos preexistentes. + +
+ +En la literatura sobre preregistros se han discutido los desafíos que implica preregistrar estudios que utilicen datos preexistentes [e.g. @editors_Observational_2014]. Existen posturas que proponen que, en realidad, no existe una forma creíble para preregistrar este tipo de estudios [@christensen_Transparency_2018]. No obstante, otras posturas han profundizado en las situaciones en las que aún es posible preregistrar estudios con datos elaborados previamente. @burlig_Improving_2018 propone tres escenarios donde el preregistro de datos observacionales es valioso. El primero es, básicamente, cuando los investigadores que diseñaron la investigación generan sus propios datos, en este caso, los investigadores sí pueden elaborar un preregistro previo a la recolección de datos. El segundo escenario se da cuando se preregistra un estudio que tiene como objeto de interés un suceso que aún no ha ocurrido, lo que se conoce como estudios prospectivos. Por ejemplo, un grupo de investigadores puede estar interesado en el efecto que tendrá la introducción de una ley en las prácticas sociales, o el efecto de un tratado en las variaciones del PIB. Para esos casos, el preregistro aún mantiene su validez original ya que, si bien los datos ya existen, no es posible hacer los análisis antes del preregistro porque el evento de interés no ha ocurrido. El tercer escenario ocurre cuando los datos existen, pero no están abiertos al público. En estos casos, es la accesibilidad lo que determina la credibilidad del preregistro. Por ejemplo, el grupo de investigadores que elaboraron los datos pueden establecer que serán accesibles con previo contacto y que se solicitará un preregistro. Por ende, en orden de analizar los datos, los investigadores interesados deberán elaborar un preregistro para utilizar los datos. + +
+ +Conforme a lo anterior, @mertens_Preregistration_2019 proponen dos prácticas para asegurar la credibilidad de un preregistro con datos secundarios. Primero, que el grupo de investigadores que analiza los datos sea distinto e independiente de quien propuso el diseño de investigación y segundo, que el equipo realice sintaxis de análisis con datos simulados, con tal de demostrar que las hipótesis ya existían previas a acceder a los datos. Estas propuestas muestran que el requisito sobre la temporalidad del preregistro puede. + +
+ +La recomendación más transversal y a la vez simple para preregistrar análisis con datos secundarios, es ser sincero y claro respecto a lo que se ha hecho y lo que no [@lindsay_Seven_2020 ; @nosek_preregistration_2018]. Por ejemplo, reportar si es que se ha leído el reporte descriptivo sobre la base de datos o se tiene conocimiento de algún tipo de patrón de los datos. Es preciso transparentar cualquier tipo de aproximación a los datos previo haberlos analizado. Para lograr este nivel de detalle y ser eficiente con los tiempos y la comunicación hacia otros investigadores, es que existen plantillas predeterminadas para preregistrar distintos tipos de artículos en diferentes situaciones. En la siguiente sección presentaremos las plantillas más usadas. diff --git a/02b-herramientas.Rmd b/02b-herramientas.Rmd new file mode 100644 index 0000000..ac37051 --- /dev/null +++ b/02b-herramientas.Rmd @@ -0,0 +1,261 @@ + +```{r setupp, include=FALSE} +if (!require("pacman")) install.packages("pacman") #si falta pacman, instalar +if (!require("tinytex")) install.packages("tinytex")#si falta tinytex, instalar +pacman::p_load(knitr, kableExtra, dplyr, ggplot2,sjmisc,texreg) # librerias +knitr::opts_chunk$set( + fig.pos = "H", + message = FALSE, + warning = FALSE, + cache = FALSE, + out.width = "85%" +) +options(scipen=999) # notacion cientifica +rm(list=ls()) # limpiar workspace +options(knitr.kable.NA = '') # NA en kable = '' +``` + +## Herramientas para los diseños transparentes + +
+ +Nuestra principal apuesta para promover la transparencia en los diseños de investigación son los preregistros, por lo que es a lo que le dedicaremos más espacio de esta sección. De todos modos, también revisaremos un par de herramientas que pueden complementar el uso de pre-registros. Esperamos que, posterior a esta sección, el lector pueda ser capaz de utilizar estas herramientas para sus investigaciones. + +### Plantillas de preregistro + +
+ +En la práctica, preregistrar un artículo es básicamente sintetizar la información importante sobre nuestra investigación en una plantilla estandarizada y alojar ese documento en un lugar público. Por lo que el primer paso para elaborar un preregistro es elegir la plantilla correcta. Existen plantillas estandarizadas que están estructuradas de tal forma que son útiles para preregistrar estudios de cualquier disciplina, así como también existen plantillas dedicadas a una disciplina o a situaciones particulares. En este apartado presentaremos plantillas bajo cuatro categorías: a) plantillas genéricas, b) plantillas para experimentos y previas a recolección de datos, c) plantillas para datos existentes/secundarios, c) plantillas para estudios de replicación y d) plantillas para _registered reports_. Además de proveer una descripción de cada una, orientaremos al lector para elegir una plantilla de acuerdo al tipo de investigación que está desarrollando. + +
+ +El _Open Science Framework_ (OSF), que en español se traduce cómo un marco de trabajo para la ciencia abierta, actúa cómo una herramienta y un repositorio que alberga las plantillas que trataremos en esta sección (y más). Para ver todas las plantillas disponibles en OSF hacer clic en el siguiente enlace: [https://osf.io/zab38/wiki/home/](https://osf.io/zab38/wiki/home/){target="_blank"}. + +#### Plantillas Genéricas + +
+ +Las plantillas genéricas son aquellas que pueden ser utilizadas independiente de las características del estudio, ya que suelen incluir campos que abordan distintos tipos de situaciones (e.g. sí un estudio es experimental o observacional). Acá revisaremos dos plantillas genericas, la plantilla estándar de _AsPredicted_, y la plantilla estándar de OSF. + +**AsPredicted** + +La plantilla de AsPredicted es quizás una de las más conocidas para hacer preregistros, dado que está estandarizada y puede ser utilizada en cualquier disciplina. Recomendamos utilizarla cuando lo que se busque es optimizar tiempo y energías. La plantilla cuenta solamente con ocho preguntas clave que aplican a cualquier tipo de artículo. Esta plantilla la podemos encontrar tanto en OSF, como en la página de AsPredicted, en este caso, mostraremos cómo es el proceso en la página original. + +
+ +Partimos por entrar a la página de AsPredicted, donde veremos algo como la Figura N° \@ref(fig:asp). Acá se nos da la opción de crear un preregistro, de ver los que ya hemos hecho (si es que ese es el caso) y también una breve descripción de AsPredicted. A grandes rasgos, la página nos dice que AsPredicted es una plataforma que busca facilitar el preregistro de estudios por parte de los investigadores a través de nueve simples preguntas. La página genera un documento .pdf y una URL asociada. También, cuenta cómo funciona el preregistro. Básicamente, un autor elabora un preregistro de un estudio y los coautores reciben un mail para aprobar ese preregistro. Una vez aprobado por todos los autores, el preregistro queda alojado en la plataforma de manera privada, y no cambia hasta que un autor decida hacerlo público. Además, en caso de que el estudio entre en revisión por pares, se puede enviar una versión anónima del preregistro. Por último, nos entrega una recomendación sobre qué hacer en el caso de que el proceso de investigación no haya podido apegarse totalmente a lo predicho. + +```{r asp, echo=FALSE, fig.cap="Botón para comenzar un preregistro", fig.align = 'center', out.width = '100%'} +knitr::include_graphics(path = "images/prereg1.png") +``` + +
+ +Para elaborar un preregistro debemos hacer click en el rectángulo azul que dice _Create_. Una vez hecho eso, nos pedirá una dirección de email para continuar. Cuando ingresemos un email, nos enviará un enlace al email que hayamos ingresado, con ese enlace podremos comenzar el preregistro. Una vez hayamos entrado en el enlace, veremos la plantilla de preregistro. Lo primero que aparece es una sección donde debemos escribir los emails de los autores colaboradores del estudio. También, nos da la opción de añadir otros emails además del que hemos introducido. Una vez pasada esta parte, ya nos encontramos con las preguntas del preregistro, las cuales son las siguientes: + +
+ +1) Recogida de datos. ¿Se han recogido ya datos para este estudio? +2) Hipótesis. ¿Cuál es la pregunta principal que se plantea o la hipótesis que se pone a prueba en este estudio? +3) Variable dependiente. Describa la(s) variable(s) dependiente(s) clave especificando cómo se medirán. +4) Condiciones. ¿Cuántos y qué condiciones se asignarán a los participantes? +5) Análisis. Especifique exactamente qué análisis realizará para examinar la pregunta/hipótesis principal. +6) Valores atípicos y exclusiones. Describa exactamente cómo se definirán y tratarán los valores atípicos, así como su(s) regla(s) precisa(s) para excluir las observaciones. +7) Tamaño de la muestra. ¿Cuántas observaciones se recogerán o qué determinará el tamaño de la muestra? +8) Otros. ¿Hay algo más que quiera preinscribir? +9) Nombre. Poner un título a este preregistro de AsPredicted +Finalmente. A efectos de registro, indíquenos el tipo de estudio que está preinscribiendo. + +
+ +Las preguntas son bastante autoexplicativas, pero no está de más entregar algunos detalles adicionales. En la pregunta de recolección de datos, las opciones son tres: "Sí, se han recolectado datos", "No, no se han recolectado datos" y "Es complicado". Es importante mencionar que, en esta plantilla, la respuesta de que se han recolectado datos no es válida, por lo que si se está llevando a cabo un estudio con datos secundarios hay responder "Es complicado" y en la pregunta 8 de la plantilla especificar por qué este preregistro sigue siendo válido pese a que los datos son preexistentes. Otro detalle importante es que cada pregunta está pensada para ser respuesta en aproximadamente una oración. Esta plantilla tiene el objetivo de ser lo más eficiente posible, por lo que, en general, se recomienda que todo el documento no pase de los 3200 caracteres. Otro detalle que especificar es que la pregunta acerca del tipo de estudio que se está preregistrando también es semicerrada, tenemos las opciones de: "Proyecto de clase", "Experimento", "Encuesta", "Estudio observacional" y "Otro". Es responsabilidad de quien hace el preregistro el seleccionar la opción que más se asemeje a su situación. Por último, es importante señalar que el preregistro, al menos en la página de AsPredicted, solo puede ser rellenado en inglés, por lo que en caso de utilizar otro idioma solicitará traducirlo. + +**OSF Estándar** + +La plantilla estándar de OSF también es de carácter general y busca abarcar distintas situaciones y tipos de estudios. La diferencia que tiene con la plantilla de AsPredicted es que contiene más preguntas y más detalladas. Por ejemplo, contiene preguntas relativas a en qué momento específico se está efectuando el preregistro (i.e antes de recopilar los datos, antes de cualquier observación humana a los datos, antes de acceder a los datos etc) o sí se harán transformaciones de las variables y su nivel de medición. La plantilla puede verse en este enlace: [https://osf.io/preprints/metaarxiv/epgjd/](https://osf.io/preprints/metaarxiv/epgjd/){target="_blank"}. A continuación, veremos el inicio del proceso para registrar en OSF, el cual sirve tanto para la plantilla estándar cómo para otras que veremos más adelante. + +
+ +El primer paso es acceder a la sección específica de preregistros de la página de OSF, la cual se encuentra en el siguiente enlace: [https://osf.io/prereg/](https://osf.io/prereg/){target="_blank"} (para usar este servicio es necesario tener una cuenta). Si entramos al enlace, la apariencia de la página será algo como la Figura N° \@ref(fig:osfprereg1). Seleccionemos _Start a new preregistration_, le damos un nombre al proyecto y hacemos click en _Continue_. En la página siguiente, podemos ver que hemos creado un proyecto nuevo en OSF, el cual nos da la opción de preregistrarlo haciendo click en el botón _New registration_. + + +```{r osfprereg1, echo=FALSE, fig.cap="Opciones para comenzar un preregistro en OSF", fig.align = 'center', out.width = '100%'} +knitr::include_graphics(path = "images/prereg2.png") +``` +
+ +En la Figura N° \@ref(fig:osfprereg2) podemos ver dos cosas. Primero, la descripción de lo que está haciendo OSF al comenzar un nuevo preregistro, lo que en pocas palabras es una versión no modificable del proyecto al momento que hacemos el preregistro. En otras palabras, es una versión "congelada" del proyecto en OSF. Segundo, también se aprecia una serie de opciones para preregistrar, estas son las plantillas que mencionamos anteriormente. OSF nos ofrece distintas plantillas de acuerdo con el carácter que tiene nuestro estudio. + +```{r osfprereg2, echo=FALSE, fig.cap="Opciones de plantilla de pre-reistro", fig.align = 'center', out.width = '100%'} +knitr::include_graphics(path = "images/prereg3.png") +``` + +
+ +El primer paso es escoger la plantilla de acuerdo a la situación en la que nos encontremos. En este caso, seleccionamos la plantilla estándar de OSF. Una vez hayamos hecho eso, será necesario llenar los metadatos del estudio (e.g. Figura N° \@ref(fig:osfprereg3)). Esta sección es transversal a todas las plantillas y consiste en registrar el título, descripción, contribuyentes, entre otras cosas que ayudan a identificar el proyecto. + +```{r osfprereg3, echo=FALSE, fig.cap="Ejemplo de campos de metadatos para rellenar", fig.align = 'center', out.width = '75%'} +knitr::include_graphics(path = "images/prereg4.png") +``` +
+ +Una vez hayamos rellenado los campos correspondientes a los metadatos, podemos rellenar la plantilla de preregistro. Con los campos rellenados podremos proceder a preregistrar nuestro proyecto. + +#### Plantillas para diseños experimentales y previas a recolección de datos + +
+ +Considerando que el sentido original de un preregistro es que sea elaborado previo a la recolección y análisis de los datos, en principio cualquier plantilla genérica podría servir. Por ejemplo, la plantilla estándar de OSF ofrece preguntas detalladas que refieren al uso de diseños experimentales (i.e. cuáles son las condiciones de tratamiento o quiénes están al tanto de las manipulaciones experimentales del estudio). Sin embargo, OSF ofrece una vía alternativa para preregistrar estudios previo a la recolección de datos a través de la plantilla “OSF-Standard Pre-Data Collection pre-registration”. Esta plantilla es un complemento de la plantilla estándar y se utiliza solamente sí es que el preregistro original está archivado en un documento. Esto quiere decir que, en el caso de que el equipo de investigación no haya usado el flujo de preregistro de OSF, sino que ya cuenta con un archivo que alberga el preregistro del estudio, entonces puede escoger esta plantilla de complemento para no efectuar todo el proceso de nuevo. + +Esta plantilla agrega algunas preguntas cruciales sobre la recopilación de datos, siendo las siguientes: + +1. ¿Ha comenzado la recogida de datos para este proyecto? + +- No, la recopilación de datos no ha comenzado +- Sí, la recopilación de datos está en curso o se ha completado + +2. ¿Ha mirado los datos? + +- Sí +- No + +3. Otros comentarios + +#### Plantillas para datos secundarios + +
+ +En el último tiempo se ha comenzado a considerar cómo es que investigadores de las ciencias sociales empíricas que trabajan con datos preexistentes pueden, de todas maneras, preregistrar sus estudios para asegurar la credibilidad de sus hallazgos. Sí bien OSF cuenta con una plantilla tipo para este tipo de situaciones (ver en [https://osf.io/x4gzt/](https://osf.io/x4gzt/){target="_blank"}), nosotros recomendamos la plantilla de @mertens_Preregistration_2019 dada la simpleza y exhaustividad de sus preguntas. La plantilla de @mertens_Preregistration_2019 se puede ver en el siguiente enlace: [ttps://osf.io/p26rq/](https://osf.io/p26rq/){target="_blank"}. + +
+ +Esta plantilla está dirigida a investigadores que usen datos secundarios. Hace más simple el proceso de preregistro al enfocarse en las preguntas que se asemejan realmente a la situación del investigador que trabaja con grandes encuestas o datos administrativos, lo cual es muchas veces el caso en disciplinas cómo sociología, ciencias políticas o economía. + +
+ +Esta plantilla cuenta con las siguientes diez preguntas: + +1. ¿Cuál es la hipótesis que se investigará? + +2. ¿Cómo se operacionalizarán las variables cruciales? + +3. ¿Cuál es la fuente de los datos incluidos en los análisis? + +4. ¿Cómo se obtendrán estos datos? + +5. ¿Hay algún criterio de exclusión de los datos? + +6. ¿Cuáles son los análisis estadísticos previstos? + +7. ¿Cuáles son los criterios para confirmar y desconfirmar las hipótesis? + +8. ¿Se han validado los análisis con un subconjunto de datos? En caso afirmativo, facilite los archivos de datos y la sintaxis de los mismos. + +9. ¿Qué se sabe sobre los datos que podría ser relevante para las hipótesis probadas? + +10. Facilite un breve calendario para los diferentes pasos del prerregistro. + +
+ +Cómo podemos ver, además de los campos que se pueden encontrar en cualquier plantilla cómo la especificación de las hipótesis del estudio o los criterios de exclusión de datos, esta plantilla hace preguntas relativas al nivel de conocimiento previo de los datos. Por ejemplo, en la pregunta 4 solicita especificar la fuente de los datos. Cómo son datos secundarios, esto implica detallar cómo se accederá o serán solicitados los datos: sí es que es necesario rellenar algún formulario o contactar a alguien en específico para obtener acceso. También, en la pregunta 9 se solicita describir cualquier conocimiento de algún patrón en los datos que sea relevante para la pregunta de investigación (e.g. la media o la mediana de una variable). Estos son ejemplos de preguntas que hacen esta plantilla útil para los investigadores que trabajen con datos preexistentes y que quieran preregistrar sus estudios. + +#### Plantillas para estudios de replicación + +
+ +Tratar en extenso qué es y cómo se hace un estudio de replicación escapa de los objetivos de de este capítulo, sin embargo, es una práctica de la ciencia abierta que no podemos dejar fuera ya que también cuenta con una plantilla para prerregistro. Replicar un estudio significa regenerar los hallazgos de un estudio, siguiendo sus hipótesis y plan de análisis, pero con datos distintos. + +
+ +OSF ofrece dos plantillas para investigadores que tienen el objetivo de replicar un estudio. La primera es una plantilla para estudios de replicación previo a su ejecución, la cual incluye una serie de preguntas relativas al estudio original, por ejemplo, qué efecto se está buscando replicar, por qué es importante replicarlo o en qué área geográfica fue conducido el estudio original. Esta plantilla se puede ver en el siguiente enlace: [https://osf.io/4jd46/](https://osf.io/4jd46/){target="_blank"}. La segunda plantilla es para estudios de replicación que ya han sido completados. En este caso, las pvreguntas están relacionadas a los hallazgos del estudio de replicación, por ejemplo, cuál fue el efecto obtenido en la replicación y sí se considera que este efecto logra replicar los resultados originales o no. El enlace para esta plantilla se puede encontrar en este enlace: [https://osf.io/9rp6j/](https://osf.io/9rp6j/){target="_blank"}. + +#### Plantillas para _registered reports_ + +
+ +Cómo veremos en la siguiente sección, los _registered reports_ son un modelo alternativo de publicación donde el diseño del estudio pasa por un proceso de revisión por pares, a diferencia del modelo tradicional donde el documento que pasa por revisión por pares es el artículo finalizado. La plantilla que ofrece OSF es para estudios que han sido aceptados en la revisión por pares en una revista académica que cuenta con el modelo de _registered reports_. El objetivo de esta plantilla es poder dejar un registro público sobre el artículo en proceso, por lo que la plantilla de preregistro consta de, básicamente, una sección para el título del artículo, la fecha de aceptación, el manuscrito y archivos complementarios. Esta plantilla se puede ver en este enlace: [https://osf.io/gm36s/](https://osf.io/gm36s/){target="_blank"}. + + +## Otras herramientas + +
+ +Sí bien los preregistros son una de las herramientas que más ha ido tomando protagonismo para promover la transparencia, existen otras. Específicamente, queremos mencionar dos de ellas: el modelo de _registered reports_ (en español, informes registrados) y la _transparency checklist_ (en español, lista de transparencia). + +### Registered Reports + +
+ +El modelo de _registered reports_ es una alternativa al modelo tradicional de publicación. Consiste en que el artículo atraviesa una revisión por pares en etapas tempranas de la investigación, específicamente **previo a la recolección de datos**. Esta práctica tiene por objetivo que el estudio sea evaluado por su innovación y calidad del diseño de investigación, más que por resultados impactantes [@chambers_Registered_2015]. Además, busca dejar sin efecto prácticas cómo el sesgo de publicación, p-hacking y HARKing, ya que no solamente existe una marca temporal que avala el diseño de investigación del estudio (cómo es el caso de un preregistro), sino que también existe un grupo de científicos anónimos que están de acuerdo con que el artículo es un aporte al conocimiento [@chambers_Registered_2013; @nosek_Registered_2014; @marsden_Introducing_2018]. + +
+ +Los _registered reports_ tienen dos características principales [@marsden_Introducing_2018]. Primero, un manuscrito con la justificación del estudio, lo que incluye una introducción, revisión de antecedentes y una pregunta de investigación, dando la posibilidad de una **aceptación preliminar** (IPA, por sus siglas en inglés _In principle acceptance_). La segunda característica es que el IPA no puede revocarse en base a los resultados del estudio, esto evita que trabajos con resultados no significativos no sean publicados y así combatir el sesgo de publicación. Relacionado a ambas características, los informes registrados pasan por dos etapas de revisión, la primera es la del manuscrito, siendo este el determinante sí el estudio se acepta o no, y la segunda revisión que se da posterior a terminar la recolección y análisis de datos. El modelo, en comparación al sistema tradicional de publicaciones, se puede ver en la Figura N° \@ref(fig:rr). + +```{r rr, echo=FALSE, fig.cap="Método convencional y de registered reports para publicación cientifica", fig.align = 'center', out.width = '75%'} +knitr::include_graphics(path = "images/rr.png") +``` + +
+ +Para enviar un artículo bajo el modelo de _registered reports_, primero se debe tener en conocimiento de cuáles son las revistas que cuentan con este tipo de revisión. El Centro para la Ciencia Abierta cuenta con una lista actualizada de revistas [aquí](https://www.cos.io/initiatives/registered-reports){target="_blank"}. Una vez escogida una revista, el proceso no es tan distinto al método convencional, en el sentido de que los investigadores envían su manuscrito con la justificación del estudio y este puede ser aceptado o rechazado por el editor, ya sea directamente o después de la corrección de algunos comentarios. Una vez se cuenta con el IPA y se efectúa la revisión en la segunda etapa, los revisores se aseguran de que el estudio ha seguido el plan de análisis inicialmente planteado y sí sus conclusiones tienen sentido de acuerdo a los datos y resultados obtenidos, así cómo también que toda desviación del plan original sea debidamente justificada [@stewart_Preregistration_2020]. Desviaciones muy sustanciales y/o que no sean debidamente justificadas pueden conllevar el rechazo del artículo, aunque puede seguir el proceso en el método convencional de publicación [@stewart_Preregistration_2020]. + +### Transparency Checklist + +
+ +La _transparency checklist_ es una herramienta complementaria elaborada por @aczel_consensusbased_2020 que busca acompañar el proceso de reportar un estudio, contribuyendo a que estos sean más transparentes. Esta lista ha sido elaborada específicamente para investigadores de las ciencias sociales y del comportamiento que trabajan con datos primarios, aunque puede ser útil para otros enfoques y disciplinas. La lista consta de 36 items divididos en cuatro categorías: preregistro, método, resultados y discusiones y accesibilidad de datos, donde cada ítem refiere a alguna característica de un reporte transparente, preguntando sí ha sido efectuada o no, o sea, las respuestas posibles de cada ítem son "Sí", "No" y "N/A". Existe una versión más corte de 12 items, los cuales son los siguientes: + +**_Sección de preregistro:_** + +
+ +(1) Antes de analizar el conjunto completo de datos, se publicó un prerregistro con sello de tiempo en un registro independiente de terceros para el plan de análisis de datos. + +(2) El estudio fue registrado… +- antes de que cualquier dato fuera recolectado +- después de que algunos datos fueron recolectados, pero antes de explorarlos +- después de que todos los datos fueron recolectados, pero antes de explorarlos +- después de explorar los datos, pero antes de que cualquier análisis estadístico fuera efectuado +- después de efectuar algunos análisis estadísticos, pero no todos +- en otro momento, explicar: + +(3) El análisis estadístico previsto para cada pregunta de investigación (esto puede requerir, por ejemplo, información sobre la unilateralidad de las pruebas, los criterios de inferencia, las correcciones para pruebas múltiples, los criterios de selección de modelos, las distribuciones previas, etc.). + +**_Sección de método_** + +
+ +El manuscrito describe completamente... + +(4) la justificación del tamaño de la muestra utilizado (por ejemplo, un análisis de potencia a priori). + +(5) el diseño, los procedimientos y los materiales del estudio para permitir una réplica independiente. + +(6) las medidas de interés (por ejemplo, la amabilidad) y sus operacionalizaciones (por ejemplo, un cuestionario que mide la amabilidad). + +(7) ¿algún cambio en el prerregistro (como cambios en los criterios de elegibilidad, en los límites de pertenencia al grupo o en los procedimientos experimentales)? + +**_Sección de resultados y discusión_** + +
+ +El manuscrito… + +(8) distingue explícitamente entre la "confirmación" (es decir, preestablecido) y "exploratorio" (es decir, no preestablecidos). + +**_Sección de disponibilidad de datos, código y materiales_** + +
+ +Se han hecho públicas las siguientes… + +(9) los datos (procesados) en los que se han basado los análisis del manuscrito. + +(10) todo el código y el software (que no esté protegido por derechos de autor). + +(11) todas las instrucciones, los estímulos y los materiales de las pruebas (que no estén protegidos por derechos de autor). + +(12) El manuscrito incluye una declaración sobre la disponibilidad y localización de todos los elementos de la investigación, incluidos los datos, materiales y códigos pertinentes para su estudio. + +Tanto la versión completa de 36 ítems, cómo la recortada de 12 están disponibles para rellenar en línea. [Aquí](http://www.shinyapps.org/apps/TransparencyChecklist/){target="_blank"} se puede encontrar la lista online, es una aplicación de uso simple, además que permite generar el reporte final de manera automática. diff --git a/02d-anexos.Rmd b/02d-anexos.Rmd new file mode 100644 index 0000000..aae3256 --- /dev/null +++ b/02d-anexos.Rmd @@ -0,0 +1,28 @@ +## Anexos + +```{r tabqrp, echo=FALSE, message=FALSE, warning=FALSE} +pacman::p_load(dplyr,kntr,kableExtra) +# Función para que las tablas renderizen tanto en html como pdf +table_format = if(knitr::is_html_output()) { # Usar en argumento "format=" de kable + "html" +} else if(knitr::is_latex_output()) { + "latex" +} + +# Título tabla +cap1 <- "Algunas situaciones de QRP" + +# Crear tabla +tab01 <- read.csv(file = "input/tables/tabqrp.csv",header = 1,sep = ",",encoding = "UTF-8") # Leer .csv con estructura de la tabla +cnames <- c("Dimensión","Práctica") # Nombre de las columnas +kable(tab01,table_format,booktabs = T, linesep = "",col.names = cnames, caption = cap1) %>% + kable_styling( + full_width = T, + latex_options = c("hold_position"), # Argumento para mantener posición de la tabla en esta sección del documento + position = "center", + font_size = 10, + bootstrap_options=c("striped", "bordered")) %>% + column_spec(column = 1, width = "5 cm", ) %>% + column_spec(column = 2,width = "5 cm") %>% + collapse_rows(columns = 1:2,valign = "middle") # Para colapsar filas con el mismo contenido +``` diff --git a/03-datosabiertos.Rmd b/03-datosabiertos.Rmd deleted file mode 100644 index 38cc349..0000000 --- a/03-datosabiertos.Rmd +++ /dev/null @@ -1,3 +0,0 @@ -# Datos abiertos - - diff --git a/04-reproducibilidad.Rmd b/04-reproducibilidad.Rmd deleted file mode 100644 index 4814338..0000000 --- a/04-reproducibilidad.Rmd +++ /dev/null @@ -1 +0,0 @@ -# Análisis reproducible diff --git a/04a-analisis-reproducible.Rmd b/04a-analisis-reproducible.Rmd new file mode 100644 index 0000000..3f23ddb --- /dev/null +++ b/04a-analisis-reproducible.Rmd @@ -0,0 +1,153 @@ +# Análisis reproducibles + +En la discusión sobre los problemas de transparencia en torno a los procedimientos de investigación, se vuelve necesario precisar de qué manera es entendido el concepto de reproducibilidad en la ciencia. En esta línea, la laxitud en que ha se ha empleado el término ha llevado a definiciones poco claras, lo cual ha generado una tendencia a confundir lo que refiere a la transparencia de un proceso único que ya ha sido realizado, con un proceso nuevo y que puede realizarse de manera reiterativa, obteniendo los mismos resultados. Por este motivo, esta sección propone dar luces respecto a cómo entendemos el concepto de reproducibilidad, en contraste con el replicabilidad en la ciencias sociales. + +La discusión en torno a cómo se entiende la **reproducibilidad**, habitualmente lleva al contraste respecto al concepto de **replicabilidad**. Al respecto @earth_Reproducibility_2019 menciona que con el incremento de las herramientas computacionales a principios de los años 90’, el término de "investigación reproducible" era concebido como las investigaciones que proveían un compendio detallado de la documentación, código y datos que permitieran obtener los mismos resultados publicados por los autores, enfatizando que los análisis fueran transparentes y claros con el objetivo de ser verificados por sus pares. Por otro lado, los autores sostienen que en otras disciplinas, el concepto de reproducibilidad era asociado a investigaciones independientes entre sí en términos de los datos empleados, los materiales, métodos e implementación de un estudio, lo cual estaría orientado a robustecer o cuestionar la evidencia previa [@earth_Reproducibility_2019, pp 33-34]. Actualmente, a esta práctica se la entiende como replicabilidad de una investigación y no debe ser confundida con el concepto de reproducibilidad [@barba_Terminologies_2018]. + +@barba_Terminologies_2018 sugiere que la confusión entre reproducibilidad y replicabilidad ha contribuido a obstaculizar las prácticas en ambas dimensiones. En una revisión reciente realizada por la autora se han identificado al menos tres escenarios o versiones de cómo se entienden ambos conceptos en una amplia gama de disciplinas que van desde las ciencias sociales hasta estudios clínicos en las ciencias médicas. El primer escenario (A), y a la vez el más común, es donde el uso de ambos conceptos es indistinto, contribuyendo a la ya mencionada confusión. El segundo escenario (B1) es cuando la reproducibilidad es entendida como la situación que los datos originales y el código de análisis son empleados para **regenerar** los resultados originales, mientras que la replicabilidad es entendida cuando investigadores o equipos independientes utilizan datos nuevos para obtener los mismos resultados que la investigación previa. Finalmente, un tercer escenario (B2) es cuando la reproducibilidad es entendida cuando investigadores o equipos independientes obtienen los mismos resultados empleando sus propios datos y métodos, mientras que la replicabilidad es entendida cuando investigadores o equipos independientes llegan a los mismos resultados empleando los artefactos digitales [^1] originales del autor con menores o mayores modificaciones, los cuales han sido puestos previamente a disposición de sus pares. La Figura \@ref(fig:scenarios) ilustra cómo podemos entender los escenarios B1 y B2 en relación a la distinción entre reproducibilidad y replicabilidad. El color rojo, tanto en los datos como en los métodos, indica que los componentes empleados son idénticos a los del estudio original. Por otro lado, el color azul, indica que tanto los datos como los métodos son distintos a los del estudio original. Finalmente, el color morado en los métodos se entiende como un punto intermedio y refiere cuando se han empleado métodos que siguen las indicaciones del estudio original, pero que han incorporado modificaciones, nuevos métodos u otras innovaciones metodológicas (p. ej. métodos nuevos, pruebas robustez u otros). + + +[^1]: @barba_Terminologies_2018 lo define como un compendio que detallar la estrategia de medición, diseño del estudio o código de análisis originales de un autor + +```{r scenarios, echo=FALSE, fig.cap="Escenarios B1 y B2 en reproducibilidad y replicabilidad.", fig.align = 'center', out.width = '75%'} +knitr::include_graphics(path = "images/reproducibility.png") +``` +En las ciencias sociales, el debate en torno a la investigación reproducible y la replicabilidad no ha estado ausente. Como fue reseñado en el capítulo de transparencia, existen casos icónicos en torno a prácticas cuestionables de investigación que han afectado la confianza en la investigación científica, lo cual ha contribuido a incrementar los esfuerzos por una ciencia social abierta y reproducible [@breznau_does_2021; @nosek_Promoting_2015]. En los tres escenarios descritos por @barba_Terminologies_2018, las ciencias sociales han experimentado de manera diversa el ajuste hacia una cultura de mayor apertura y precisión en torno a los problemas de la crisis de reproducibilidad, principalmente a través del estudio sistemático de dicha problemática, dentro de lo cual la psicología ha sido un pionera en proveer evidencia para este debate [e.g. @opensciencecollaboration_Estimating_2015; @gilbert_Comment_2016]. Al respecto @bishop_Rein_2019 sostiene que una de las principales amenazas para el progreso de la ciencia en general ha sido a la falta de reproducibilidad de los resultados (_irreproducibility_), lo cual ha afectado principalmente la robustez y credibilidad de la evidencia reportada por las investigaciones, problema que también ha sido identificado en las ciencias sociales, principalmente por la falta de precisión en los procedimientos y las barreras de acceso a materiales clave del proceso de análisis [@freese_Replication_2017]. + +Entonces, retomando la distinción clave entre lo que entendemos por **reproducibilidad** y **replicabilidad**, en su revisión, @barba_Terminologies_2018 sugiere que una manera de entender y distinguir ambos conceptos de manera minimalista puede descansar en el carácter de los _datos_ y los _métodos_. Al respecto @nosek_Promoting_2015 sostiene que en lo que refiere a estas dos dimensiones, los niveles en que una publicación los incorpora es gradual y puede entenderse como un continuo o espectro [@peng_Reproducible_2011], y por tanto, el nivel en que se cumplen con determinados criterios nos permite definir el carácter de una investigación en términos de su reproducibilidad. Por ejemplo, la Figura N° \@ref(fig:espectro) nos muestra cómo podemos caracterizar una investigación publicada en torno al acceso y vinculación entre código y datos. Por un lado, se observa que en el polo donde únicamente disponemos de la publicación, se entiende como la ausencia de reproducibilidad. Por otro lado, en la medida que incrementa el acceso a los materiales, y se explicita el enlace entre ellos, se puede caracterizar a una publicación como reproducible. [^2] + +[^2]: En la figura original, @peng_Reproducible_2011 muestra el polo derecho como el mejor escenario y lo clasifica como *Full replication*, sugiriendo que el mejor estándar para poner a prueba los hallazgos de una investigación científica es la replicación, pero en la ausencia de dicha posibilidad la reproducibilidad de los resultados debiese ser un estándar mínimo + +```{r espectro, echo=FALSE, fig.cap="Espectro de Reproducibilidad. Traducción propia en base a @peng_Reproducible_2011 ", fig.align = 'center', out.width = '75%'} +knitr::include_graphics(path = "images/repro-spectrum.png") +``` +Como sugiere @nosek_Promoting_2015, el problema de la ausencia o falta de reproducibilidad debe ser abordado a través de un cambio en las prácticas de investigación, para lo cual se requiere, por un lado, de una disposición por parte de la comunidad científica, es decir a que se le atribuya un _sentido_ positivo a estas prácticas. Sin embargo, @peng_Reproducible_2011 sostiene que una de las principales barreras para promover estas prácticas ha sido la falta de mecanismos que faciliten la distribución de la investigación reproducible, como también la poca claridad respecto de los estándares asociados a ello. Siguiendo esta autocrítica de algunos sectores dentro de la comunidad científica, dentro de los últimos años han surgido iniciativas, por ejemplo, como el Open Science Framework, al alero del [Center for Open Science](https://www.cos.io/), desde donde se busca contribuir con herramientas para el entrenamiento y educación de la comunidad científica en general, como también proveer de una infraestructura tecnológica que facilite la transición cultural hacia una ciencia abierta, transparente y reproducible [@nosek_Promoting_2015]. Por este motivo, proponemos revisar tres iniciativas internacionales que han puesto sus esfuerzos en la promoción de estos principios, con particular atención en la reproducibilidad de la investigación científica, y en particular de las ciencias sociales empíricas cuantitativas. Dentro de estas iniciativas encontraremos esfuerzos orientados a la educación y entrenamiento, herramientas tecnológicas y fortalecimiento de redes de colaboración. + +## ¿Qué se ha hecho? + +### Berkeley Initiative for Transparency in the Social Sciences + +```{r, echo=FALSE, fig.align = 'center', out.width = '75%'} +knitr::include_graphics(path = "images/BITSS_logo_horizontal.png") +``` + +#### Objetivos y visión {-} + +Esta iniciativa busca promover la credibilidad en la evidencia generada por las ciencias sociales a través de mecanismos de avanzada para la transparencia, reproducibilidad y prácticas éticas en la investigación social empírica. Desde esta premisa, ha desarrollado y puesto a disposición de la comunidad científica una serie de herramientas en colaboración con estudiantes, investigadores, entidades académicas y fundaciones de la sociedad civil al alero de tres principios orientadores. + +Generar evidencia en torno a problemas y soluciones a través de los investigadores y la comunidad de BITSS quienes han liderado investigaciones meta-analíticas con atención en las ciencias sociales. +Incrementar el acceso a la enseñanza de la ciencia abierta, a través del fortalecimiento de prácticas para reconocer y conducir investigación social transparente y reproducible a través del entrenamiento de investigadores jóvenes, acceso a materiales, apoyo financiero y la consolidación de una red de colaboración. +Fortalecer el ecosistema científico, estableciendo condiciones para investigadores e instituciones para contribuir a un cambio efectivo y equitativo en las normas que permitan una consolidación de una política interna orientada a la ciencia abierta y al desarrollo de protocolos en esta dirección. + +Como se ha señalado, esta iniciativa se orienta bajo estos tres ámbitos o principios. Desde sus inicios, se han desarrollado una serie de componentes que buscan promover y dar soluciones a los problemas de transparencia y reproducibilidad en las ciencias sociales. En particular, nos interesa destacar algunas de las contribuciones en este ámbito que serán presentadas a continuación las cuales se pueden resumir en Evidencia, Educación y Recursos. + +#### Contribución {-} + +En el ámbito de Evidencia, desde BITSS se ha realizado un esfuerzo por producir y sistematizar evidencia centralizadamente. En este contexto existe la [Research Library](https://www.bitss.org/research-library/), una base de datos de publicaciones científicas que engloba una serie de investigaciones meta-analíticas en el ámbito de las ciencias sociales, contribuyendo con un cuerpo de evidencia sistemática en torno a los problemas y soluciones sobre transparencia y reproducibilidad en las ciencias sociales sin precedentes. En este apartado, tanto los colaboradores como investigadores de BITSS ponen a disposición de la comunidad científica las investigaciones que han sido financiadas a través de las Social Science Meta-Analysis and Research Transparency ([SSMART](https://www.bitss.org/ssmart-grants/)) grants, las cuales constituyen fondos orientados a contribuir a la investigación empírica en torno a la transparencia y reproducibilidad en disciplinas como la economía, ciencia política, psicología y ciencias sociales afines. + +Desde la Educación y Entrenamiento podemos identificar la articulación de una serie de _Training activities_ desarrolladas por BITSS. Dentro de los objetivos de estas actividades podemos encontrar dos aspectos que se buscan abordar desde esta dimensión. Por un lado se encuentra el promover una visión crítica de los investigadores en las ciencias sociales, esto considera un entendimiento de los principales problemas asociados a la investigación social de calidad al alero de los principios de la ciencia abierta, dentro de lo cual podemos encontrar los sesgos y prácticas referidas a las presiones por publicar, prácticas cuestionables de investigación, reproducibilidad y privacidad de datos. Por otro lado, se han propuesto promover el manejo de técnicas de investigación para la transparencia y reproducibilidad, principalmente a través de actividades de entrenamiento con un foco en el aprendizaje e implementación de herramientas y métodos. En esta línea destacan dos contribuciones que se fundamentan en estos principios, las cuales serán descritas a continuación. + +**Research Transparency and Reproducibility Training** + +Una de las contribuciones señaladas es el Research Transparency and Reproducibility Training (RT2), el cual constituye uno de los principales eventos académicos realizados anualmente por BITSS, teniendo por objetivo el poner a disposición de estudiantes e investigadores una mirada general de las herramientas y prácticas actuales para la transparencia y la reproducibilidad en la investigación empírica en ciencias sociales. Los contenidos de RT2 abordan una serie de tópicos de manera transversal que pueden ilustrados en seis puntos: + +* **Amenazas** para la credibilidad en la ciencia y la reproducibilidad, junto con su relación con el _ethos_ científico: Conducta y valores en la ciencia. +* **Mejoras** en las especificaciones de los diseños de investigación: pre-registros y plan de pre-analysis en investigación con datos experimentales y observacionales. +* **Ética e investigación abierta**: estándares éticos para la ciencia abierta, manejo de datos y autoría de fuentes de información abiertas (citación). +* **Herramientas y métodos** para la investigación reproducible y colaboración: control de versiones y reportes dinámicos. +* **Sistematización de evidencia**, reproducibilidad e interpretación: métodos para investigación meta-analítica y revisiones sistemáticas, transparencia y reproducibilidad usando datos administrativos; y replicabilidad en la investigación. +* **Software** para la Ciencia Abierta e innovaciones metodológicas. + +**MOOC: Transparent and Open Social Science Research** + +Otra de las contribuciones es el Transparent and Open Social Science Research corresponde a un curso gratuito online de cinco semanas el cual aborda los fundamentos conceptuales y las principales herramientas para promover una ciencia social abierta y transparente. La Tabla \@ref(tab:mooc) muestra el contenido de las sesiones, las cuales se basan en un curso de nivel de grado dictado por el director de BITSS Ted Miguel en la Universidad de California Berkeley. + +| Semana | Contenido | +|--------|-----------------------------------------------------------------------------------------------------------------------------------------------| +| 1 | [Introducción a la transparencia y reproducibilidad de la investigación](http://bitss.org/week-1/) | +| 2 | [Sesgo de publicación](http://www.bitss.org/week-2-publication-bias/) | +| 3 | [Pre-registro, Plan de Pre-Análisis; y Meta-análisis](http://www.bitss.org/week-3-pre-registration-pre-analysis-plans-and-meta-analysis/) | +| 4 | [Replicación y Datos Abiertos](http://www.bitss.org/week-4-replication-and-open-data/) | +| 5 | [Visualización de Datos transparente y Viendo hacia adelante](http://www.bitss.org/week-5-transparent-data-visualization-and-looking-forward) | +Table: `r as.character(paste("(\\#tab:mooc)", "Cursos por semana en el MOOC de BITSS"))` + +Una de las principales características de este curso introductorio es la sistematización de aspectos claves para la ciencia abierta con un foco particular en las ciencias sociales. Adicionalmente, tiene el objetivo de introducir conceptualmente a los problemas que se han visto presentes en las ciencias y busca dar respuestas prácticas a través de herramientas y métodos concretos para solucionarlo. Finalmente, constituye un esfuerzo breve y preciso, dado que las sesiones semanales poseen una duración promedio de unos treinta minutos y se encuentran dosificadas en videos de corta duración subtitulados. + +En el ámbito de los Recursos que provee BITTS, podemos encontrar librería de recursos o simplemente la [_Resource Library_](https://www.bitss.org/resource-library/ ), la cual incluye una multiplicidad de recursos de aprendizaje digitales en torno a la transparencia y reproducibilidad, ordenados según (i) Tópico, (ii) Tipo y (iii) Disciplina de las ciencias sociales. La Figura \@ref(fig:resources) muestra cómo se visualizan los tópicos disponibles en la librería, lo cual puede ser ordenado según tipo y disciplina. + + +```{r resources, echo=FALSE, fig.cap="Librería de Recursos de BITSS", fig.align = 'center', out.width = '75%'} +knitr::include_graphics(path = "images/resource-library.PNG") +``` + +### Proyecto TIER (Teaching Integrity in Empirical Research) + +```{r, echo=FALSE, fig.align = 'center', out.width = '75%'} +knitr::include_graphics(path = "images/tier-logo.jpg") +``` + +#### Objetivos y visión {-} + +El proyecto TIER es una iniciativa respaldada por la [Fundación Alfred Sloan](https://sloan.org/) que se propone contribuir a un cambio en las normas y conducta profesionales en torno a la transparencia y reproducibilidad en la investigación empírica en las ciencias sociales. + +Uno de los principios orientadores de sus actividades es el proveer formación en herramientas para la documentación oportuna de procedimientos que involucren datos estadísticos a través de rutinas y referencias que garanticen la **reproducibilidad** de estos. La idea subyacente que motiva estas acciones es que los autores puedan concebir la documentación como un componente esencial de la **comunicación** de sus resultados con sus pares, como también el público no especializado, de modo tal que estas medidas contribuyan a incrementar la confianza y credibilidad en la evidencia científica. En esta línea, su declaración de principios sostiene que su objetivo se puede considerar como logrado cuando: + +> (...) no proporcionar documentación de replicación para un estudio empírico se considere tan **aberrante** como escribir un artículo teórico que no contenga pruebas de las proposiciones, un artículo experimental que no describa las condiciones de tratamiento o un artículo de revisión de leyes que no cite los estatutos legales o las decisiones judiciales. (traducción propia) + +#### Contribución {-} + +Es necesario tener presente que uno de los principales campos de acción del proyecto TIER es la **Educación** y **Entrenamiento**, hacia cientistas sociales en formación, tomando en consideración que es en el ciclo formativo inicial donde se deben impulsar la adopción de prácticas integrales para la investigación social empírica. En esta línea, uno de los elementos destacables es la sección de herramientas para la enseñanza titulada “TIER in the Classroom”, sus contenidos referidos a temas de **reproducibilidad** pueden resumir de la siguiente manera: + +* [**_Soup-to-Nuts Exercises_**](https://www.projecttier.org/tier-classroom/soup-nuts-exercises/): No existe una traducción en el español, no obstante la expresión “Soup-to-Nuts” refiere a un proceso de “inicio-a-fin”. Como lo dice, esta sección muestra ejercicios orientados a la reproducibilidad de los análisis pasando por (1) los datos, (2) procesamiento, (3) análisis y (4) reporte. La idea fuerza de este ejercicio es introducir a estudiantes a los principios y prácticas fundamentales de la investigación social transparente y reproducible para que los implementen en sus tareas o informes. +* [**Materiales para clases**](https://www.projecttier.org/tier-classroom/course-materials/): Esta sección está fuertemente orientada al análisis estadístico y a los métodos cuantitativos. Se presentan una serie de veinticuatro cursos de pregrado y postgrado que incorporan en su currículum los principios de transparencia y reproducibilidad en la enseñanza de los métodos de manera transversal. Los materiales de cada curso se encuentran disponibles para libre descarga, incorporando ejercicios de análisis estadístico (R, Stata, SPSS), reportes dinámicos (R Markdown, Markstat) y sus respectivos _ syllabus_. + +* [**Trabajos estudiantiles**](https://www.projecttier.org/tier-classroom/student-work/#student-papers): En este sección se incorporan una serie de trabajos estudiantiles/papers, los cuales están acompañados de una completa documentación basada en el [Protocolo TIER (ver detalle abajo)](https://www.projecttier.org/tier-protocol/). El objetivo es presentar modelos de trabajos realizados con análisis reproducibles, de modo tal que quien esté interesado en emplear la estructura de un proyecto pueda observar un trabajo real e, idealmente, logre reproducir completamente sus resultados. + +Una de las contribuciones más relevantes del proyecto TIER es la elaboración de **estándares** para la **organización**, **publicación** y **comunicación** de proyectos de investigación empírica cuantitativa reproducible. Al respecto, existen dos esfuerzos orientados a este fin: + +Por un lado tenemos el [Protocolo TIER](https://www.projecttier.org/tier-protocol/specifications-3-0/#overview-of-the-documentation), el cual constituye una serie de especificaciones respecto a los contenidos de la documentación para la replicación de un estudio, el cual está orientado a ser empleado para la enseñanza de la investigación que incorpore la reproducibilidad de los análisis. En este caso es importante precisar, como ya hemos identificado en un principio, que el concepto de **replicación** se emplea como sinónimo de **reproducibilidad**, entendiendo este último como la conjunción de datos y métodos originales que nos permitan **regenerar** los resultados de un estudio que ha sido publicado. Por lo tanto, cuando en TIER se habla de replicación se refiere a esta idea. La documentación debe incluir una serie de elementos descritos a continuación. + +* Datos empleados por el proyecto +* Rutinas de código escrito en el software empleado para la preparación y análisis estadístico. Esto se incluye dado que el objetivo es proveer los datos brutos a procesar, junto con todas las instrucciones que permiten **regenerar** los resultados reportados en el estudio. +* Fuentes de información que contribuyan a comprender detalladamente cada sección del estudio de inicio a fin. + +Por otro lado tenemos el [Protocolo DRESS](https://www.projecttier.org/tier-protocol/dress-protocol/) (Documenting Research in the Empirical Social Sciences). Al igual que el Protocolo TIER, se incorporan los mismos estándares para la documentación para una investigación transparente que incorpore la reproducibilidad de los análisis. Sin embargo, este se encuentra adaptado a los propósitos de los **investigadores profesionales**, más que para el uso de los estudiantes durante su formación en investigación. + +### UK Reproducibility Network (UKRN) + +```{r, echo=FALSE, fig.align = 'center', out.width = '75%'} +knitr::include_graphics(path ="images/UKRN-Logo.png") +``` + +#### Objetivos y visión {-} + +La UK Reproducibility Network (UKRN) es un consorcio institucional del Reino Unido que tiene por objetivo promover los principios y prácticas de la ciencia abierta con una mirada local, es decir, en las instituciones nacionales y sus investigadores. Para contribuir a este objetivo se realizan esfuerzos en torno a la investigación de los factores que determinan una investigación abierta y robusta, promoviendo el entrenamiento a través de actividades abiertas y diseminando las buenas prácticas para una ciencia abierta. En particular, se proponen a profundizar en los factores que determinan la carencia de **reproducibilidad** y **replicabilidad**, para lo cual se busca: + +* Desarrollar aproximaciones que contrarresten esta falta de transparencia. +* Incrementar la confianza y la calidad de la investigación científica. +* Abordar de manera transversal estos problemas en las distintas disciplinas científicas. +* Avanzar hacia un cambio cultural en la ciencia y transformar las prácticas de quienes la desarrollan. + +En la UKRN se caracteriza por un trabajo en red, es decir por un importante componente de vinculación entre instituciones de investigación vinculadas a universidades como también a oficinas gubernamentales que desarrollan investigación (ver [External Stakeholders](https://www.ukrn.org/stakeholders/)) . En esta línea, existen diversas iniciativas apoyadas por la UKRN que promueven el entrenamiento, metodologías y recursos tecnológicos para la ciencia abierta. A continuación se presentarán algunas de las contribuciones más relevantes realizadas por la red, como también algunas de las iniciativas externas que han sido respaldadas por la UKRN. + +#### Contribución {-} + +En el ámbito de la **Educación** y **Entrenamiento**, es posible identificar, por un lado, las contribuciones realizadas directamente por la UKRN, y por otro lado, las iniciativas que son respaldadas por la red y que promueven la formación en torno a los principios y prácticas de la ciencia abierta, particularmente en la etapa temprana de la carrera de investigación. + +Respecto a una de las iniciativas elaboradas por los académicos e investigadores involucrados en la UKRN, encontramos unos de los principales recursos virtuales en un breve curso online que aborda una serie de tópicos relevantes para la promoción de la ciencia abierta, dentro de lo cual encontramos el uso de pre-prints, autorías, registered reports, datos abiertos y reproducibilidad. A continuación se puede observar la lista de sesiones que han sido desarrolladas en torno a estos temas. + + +Junto con las sesiones, existe una serie de recursos compartidos a través de un proyecto abierto en el [Open Science Framework](https://osf.io/x8j9q/). Aquí es posible acceder a documentos breves que abordan los tópicos de cada sesión, además de [recursos adicionales](https://osf.io/qw9ck/) sobre uso de software de código abierto y repositorios. + +Un ámbito de desarrollo ha sido la disposición de **recursos tecnológicos** que promuevan y faciliten las prácticas en ciencia abierta. Una de las iniciativas impulsadas es el [**Open Research Calendar**](https://openresearchcalendar.org/), el cual consiste en una instrumento colaborativo y abierto que busca brindar a la comunidad de investigadores interesados en temas relacionados a la ciencia abierta un flujo constante de actualizaciones en torno a workshops y conferencias a nivel mundial que abordan tópicos sobre ciencia abierta unificados en un calendario. El carácter **colaborativo** de esta herramienta permite que usuarios previamente registrados y validados puedan contribuir con información que se centraliza en el calendario de eventos, precisando los contenidos y redireccionando a la inscripción y/o enlace para las actividades que se realizan a través de internet. Para facilitar la experiencia de usuario, el calendario se integra con Google Calendar el cual puede sincronizarse con la agenda personal, los cuales se van actualizando automáticamente. + +Otra herramienta tecnológica patrocinada por la UKRN es la plataforma [Octopus](https://science-octopus.org/). A la fecha, la plataforma se presenta como una aplicación en desarrollo y abierta a comentarios de los usuarios. En términos generales se propone ser una alternativa para contribuir a la apertura de publicaciones. El detalle se presenta así: + +> (...) sustituir a las revistas y los artículos como lugar para establecer la prioridad y registrar su trabajo con todo detalle, Octopus es de uso gratuito y publica todo tipo de trabajos científicos, ya sea una hipótesis, un método, datos, un análisis o una revisión por pares (traducción propia). + +La Figura \@ref(fig:octopus) ilustra un ejemplo de cómo se ve un proyecto en Octopus. Vemos que existen siete componentes que buscan representar el flujo de una investigación. Entendiendo que los procesos de investigación no son lineales y tienden a existir iteraciones en entre teoría y métodos, la virtud de la registro y publicación de un proyecto permite que otros puedan conocer y evaluar nuestras hipótesis, plan de análisis, resultados y versiones de un artículo, así como también la vinculación entre cada sección. + +```{r octopus, echo=FALSE, fig.cap="Ejemplo de un trabajo registrado en desarrollo en octopus.org", fig.align = 'center', out.width = '75%'} +knitr::include_graphics(path = "images/octopus.PNG") +``` +Para publicar debemos [logearnos](https://science-octopus.org/publish) con una cuenta de ORCID. Si no tienes una cuenta puedes crear un perfil [aquí](https://orcid.org/). Luego, se deben seguir tres pasos. El primero es elegir qué tipo de componente se desea publicar (Problema, Hipótesis, Métodos, etc). Segundo, dar detalles sobre el componente y con qué otros proyectos se relaciona. Y finalmente, contribuir con un borrador de escritura que luego será publicado. diff --git a/04b-herramientas.Rmd b/04b-herramientas.Rmd new file mode 100644 index 0000000..28c33d0 --- /dev/null +++ b/04b-herramientas.Rmd @@ -0,0 +1,216 @@ +## Herramientas para los análisis reproducibles + +Generalmente, cuando se habla de reproducibilidad se toma en consideración su dimensión computacional, esto es, el trabajo con código. Como investigadores de las ciencias sociales empíricas y promotores de la ciencia abierta creemos que efectivamente este es el núcleo de la reproducibilidad, sin embargo no es su única acepción. La mera existencia de un código de análisis no nos garantiza que un proyecto sea reproducible _per se_, dado que es importante tener en consideración _cómo_ es que distintos elementos del proyecto se relacionan entre sí para *regenerar* los resultados de un trabajo publicado. Considerando esto, es que dividiremos esta sección presentando un _flujo de trabajo reproducible_ con cuatro características: + +1. Estructura del proyecto +2. Documentos dinámicos +3. Control de versiones +4. Prácticas de código + +Veamos cada uno de ellos. + +### Estructura del proyecto + +Una de las principales cosas que debemos considerar al elaborar un proyecto es su estructura de carpetas y archivos, esta nos permita entender e identificar los archivos existentes y rol en el flujo de trabajo. En este sentido, una de las herramientas que han sido desarrolladas son los denominados **Protocolos** (p. ej. TIER, DRESS, IPO), los cuales brindan una serie de orientaciones referentes a estructura digital de carpetas, documentación de archivos y rutinas para conseguir el anhelado objetivo de los **análisis reproducibles**. Para esto, es posible mencionar una serie de orientaciones generales referentes a dichos procedimientos, por ejemplo en el Proyecto TIER [(TIER, 2020)](https://www.projecttier.org/tier-protocol/protocol-4-0/){target="_blank"} se han desarrollado protocolos orientados a la reproducibilidad de los análisis, los cuales se fundamentan en tres principios que se describen a continuación. + +(i) _Reproducibilidad_: La documentación debe permitir regenerar completamente los resultados del estudio original. En primer lugar, se debe comenzar con los datos originales brutos idénticos a aquellos con los que el autor comenzó la investigación, Luego, la posibilidad de realizar las mismas rutinas de código para preparar los datos finales para el análisis. Finalmente, se debe disponer de las rutinas de código que permitan regenerar los mismos resultados publicados, por ejemplo, las tablas o figuras presentes en la investigación. + +(ii) _Independencia_: Toda la información necesaria para regenerar los resultados del estudio debe estar presente en la documentación. Esto refiere a que no debe ser necesario solicitar ninguna información adicional al autor original. + +(iii) _Realismo_: La documentación debe estar organizada y presentada con suficiente claridad para que bajo un criterio realista, sea factible que un investigador independiente con un nivel de expertise razonable tenga la posibilidad de regenerar completa e independientemente los resultados del estudio sin mayores dificultades. + +Teniendo en cuenta lo anterior, la forma en que se encuentran **organizadas** las partes de un proyecto es fundamental para cumplir a cabalidad con lo que se propone cada principio. Como vimos en la sección previa, es posible entender la reproducibilidad como un _espectro_ que involucra una tríada de tres elementos: Datos, Métodos y Resultados. + +[ESQUEMA: Datos - Métodos - Resultados]() + +Este esquema es una síntesis que hacemos de algunos de los protocolos más usados en las ciencias sociales. Más que proponer un protocolo nuevo, buscamos describir los elementos fundamentales que contiene una estructura de proyecto reproducible y que están presentes de alguna u otra forma en la mayoría de los protocolos. + + +#### Carpeta raíz + +Antes de detallar los tres elementos que se deben considerar para avanzar en el espectro de reproducibilidad, es importante partir de una base. Esta es la que en distintos protocolos y otras herramientas para la reproducibilidad se conoce como la carpeta raíz _(root)_. La carpeta raíz es donde se alberga toda la documentación de referencia general para el proyecto, lo que abarca desde bases de datos, hasta el cuestionario u otros documentos similares. La carpeta raíz es el punto de partida para poder emplear otras prácticas para la reproducibilidad. + +A modo de ir avanzando en el espectro de reproducibilidad, es importante tener en consideración dos principios en relación a la carpeta raíz: **documentar** y **orientar**. La documentación implica exponer ordenadamente el contenido del proyecto completo de manera jerárquica, es decir, el contenido de subcarpetas y su funciones. En cambio, orientar implica conducir una correcta ejecución de las rutinas que permitan regenerar los resultados de la investigación. Una carpeta base que logre considerar estos principios debe tener los siguientes contenidos: + +1. Detalle de la base y las subcarpetas organizadas según su contenido. Una manera amigable de representar esta estructura es a través de un [“árbol de directorios”](https://www.youtube.com/watch?v=clGMdaMiJ_0){target="_blank"}, el cual ilustra la jerarquía de las carpetas y los principales archivos contenidos. + +2. Instrucciones para la configuración del paquete estadístico necesario para ejecutar las rutinas de código. Esto considera el número de versión del software, los complementos necesarios que sean adicionales al paquete estándar y cualquier otra información especial sobre el software que el lector necesite conocer para reproducir los resultados del estudio. + +3. Instrucciones de “inicio-a-fin” para regenerar los resultados a través de referencias directas al uso de los archivos de procesamiento de datos en la preparación y análisis. En este apartado se deben incluir detalladamente de los objetivos de cada rutina de código de manera independiente. + +Los contenidos descritos deben incluir en un archivo que lleve de nombre “readme.md/txt/pdf”. Una sugerencia de estructura interna de este documento es la siguiente: + +1. Estructura y contenido del proyecto reproducible + * Esquema tipo "Árbol de directorios" + * Descripción de cada subcarpeta, sus archivo y roles +2. Instrucciones y rutinas de ejecución de resultados + * Instrucciones para configuración del software + * Instrucciones para la ejecución de rutinas de código de "inicio-a-fin" + +Con este archivo “readme.md/txt/pdf” ya contamos con el primer gran paso hacia la reproducibilidad: nuestra carpeta raíz está bien documentada y logra orientar bien cualquier tercero que quiera reproducir nuestra investigación. Con esto descrito, pasaremos a detallar los tres elementos a considerar para adoptar un enfoque reproducible en un proyecto (Datos-Método-Resultados) + +#### Datos + +En la ciencia trabajamos con datos, ya sean cualitativos o cuantitativos, primarios o secundarios, si nos desempeñamos como científicos analizaremos datos con tal de sacar conclusiones relevantes para el avance del conocimiento. Es por esto que, el cómo albergamos y documentamos los datos para nuestro estudio es uno de los primeros puntos a considerar para adoptar un enfoque orientado hacia la reproducibilidad. El objetivo es que cualquier persona sea capaz de comprender nuestros datos y utilizarlos para reproducir nuestros análisis. + +Si bien los protocolos varían de acuerdo a cómo se organizan los datos dentro de la carpeta raíz (i.e. en qué carpeta se alojan), algo que suele ser común entre los protocolos y que relevante de recalcar acá es la diferenciación entre los datos originales o "crudos" (_raw data_) y los datos procesados. Los datos originales son aquellos que no han sufrido ningún tipo de modificación, en contraste a los datos procesados. El albergar ambas bases de datos permite comprender de mejor forma las modificaciones que se hicieron y las decisiones que se tomaron. + +Al igual que con la carpeta raíz, sugerimos ciertas prácticas de documentación y orientación para que el proyecto sea reproducible. Presentamos el detalle para los datos originales y los datos procesados. + +Para toda fuente de **datos original**, se debe proveer la siguiente información: + +a. Citación bibliográfica en un formato estándar (p. ej. American Psychological Association, Chicago, etc). Sugerimos revisar el componente de [“Datos Abiertos”](https://lisa-coes.netlify.app/02componentes/ ) para la publicación de datos. + +b. La fecha de creación de la base de datos o el día en que se accedió por primera vez por parte del autor (en caso de que sean datos secundarios. + +c. Una descripción respecto a cómo se puede acceder a una copia de esta base de datos. Se debe ser lo suficientemente claro como para que un usuario independiente pueda acceder a los datos sin requerir información adicional. + +d. Un libro de códigos de todas las variables de la base de datos. Sugerimos revisar el apartado [“¿Cómo hacer un libro de códigos?”](https://lisa-coes.netlify.app/como-hacer-codebook/). + +Para toda fuente de **datos procesada**, es posible identificar dos tipos: + +* Base de datos intermedia, la cual contiene información que, por un lado, puede ser complementaria con una base de datos principal. Por ejemplo, tenemos una base de datos con información de individuos pertenecientes a zonas/territorios (regiones o países), a la cual necesitamos incorporar información adicional que proviene de fuentes externas. En este caso, podemos generar una base procesada intermedia, para luego proceder a combinar ambas fuentes de datos. + +* Base de datos final, es una versión final de una base de datos que contiene las variables completamente procesadas para realizar los análisis. + +En estos casos se sugiere proveer la siguiente información: + +a. Libro de códigos de la base procesada. Para ello, las variables deben estar correctamente etiquetadas. +b. Fecha de creación y versión de la base de datos procesada. + +#### Métodos + +Con los métodos nos referimos a toda información del proyecto relacionada al trabajo con los datos, específicamente al procesamiento y el análisis de datos. Ambas actividades pueden ser albergadas en un mismo archivo, no obstante e independiente del protocolo que se use, sugerimos separar ambas actividades en documentos distintos. Esto hará mucho más fácil la lectura del proceso de toma de decisiones, especialmente si son archivos de código. De esta manera, cualquier tercero podrá entender el proceso, evitando a lo más posible que emerjan preguntas tipo _¿y de dónde salió esta variable?_. En esta sección presentamos un flujo tanto para el documento de procesamiento como para el de análisis. Independiente del software estadístico que usted esté utilizando, será capaz de adherir a este flujo para hacer estas actividades de forma más ordenada. + +El **procesamiento de los datos** cumple una función muy importante para el desarrollo de un artículo: la de procesar los datos que darán paso a los análisis del estudio. Considerando eso, el objetivo final de este documento es generar una **base de datos procesada**, que contenga solamente los datos importantes para analizar. El flujo puede ser: + +1. **Cargar la base de datos original:** Cargar la base de datos original es el punto de partida para el procesamiento de los datos, y cómo tal, es muy importante que esta acción sea reproducible. En softwares como R, podemos hacer esta acción de manera reproducible al cargar los datos directamente de la web. Si esta no es una opción, podemos dejar bien documentado la forma en que se debe cargar la base de datos. + +2. **Revisar la base de datos:** Una vez cargada la base de datos original, recomendamos siempre revisar para que todo esté en orden. Cuando decimos "ver que todo esté en orden" nos referimos a diagnosticar si la base ha sido correctamente cargada. Por ejemplo, a veces podría suceder que la base de datos está en formato .csv con las columnas separadas por punto y coma (";") y nosotros la cargamos en el formato tradicional (","). + +3. **Seleccionar las variables que se utilizarán:** Generalmente no ocupamos todas las variables dentro de una base de datos, en especial en la investigación basada en encuestas con datos secundarios. Es por eso que el comienzo del procesamiento de datos consta de seleccionar las variables que utilizaremos para los análisis. + +4. **Renombrar las variables:** Si bien no es estrictamente necesario renombrar las variables, sí se recomienda para facilitar tanto el propio trabajo cómo el de alguien que vaya a emplear el mismo código. Generalmente, en la investigación de encuestas con datos secundarios nos encontramos con grandes bases de datos, con nombres técnicos y poco autoexplicativos. La principal recomendación aquí es cambiar estos nombres por nombres **cortos** y **autoexplicativos**. + +**Procedimientos a realizar por cada variable:** + +Una vez hemos cumplido con los aspectos generales del procesamiento, podemos pasar a la revisión de variable a variable. Aquí proponemos el siguiente flujo: + +* **Descriptivo inicial:** calcular una tabla de frecuencias o de medidas de tendencia central y dispersión para conocer el estado de la variable previo a cualquier modificación. + +* **Recodificación:** aquí se toman las decisiones respecto a la recodificación de los datos perdidos y otro tipo de valores a modificar (e.g. errores de tipeo). Es importante que las decisiones sobre la recodificación queden bien estipuladas y transparentadas. Por ejemplo, en caso de hacer imputación en alguna variable, dejarlo comentado en el código. + +* **Etiquetado:** el etiquetado es una forma simple y eficiente de poder dar más información acerca de una variable. En el caso de bases de datos sobre encuestas, generalmente una base bien documentada trae etiquetas predeterminadas que hacen alusión a las preguntas del cuestionario. Es importante tener en consideración que no todos los softwares soportan el etiquetado en las bases de datos, en esos casos es útil elaborar un libro de códigos para nuestra base de datos procesada. + +* **Descriptivo final:** recomendamos que, posterior a haber hecho las recodificaciones correspondientes, revisar de nuevo las frecuencias o las medidas de tendencia central de las variables, para diagnosticar que no hemos cometido errores en el procesamiento. Por dar un ejemplo, un error común, es etiquetar mal las categorías de la variable, lo tendría un impacto directo en la interpretación de los datos. + +* **Otros ajustes:** en esta última parte del flujo por variable, recomendamos efectuar toda modificación específica y relevante para la forma que analizaremos los datos. Por ejemplo, si fuésemos a construir un índice con algunas de las variables. + +El seguir este flujo de manera sistemática facilitará la lectura tanto para terceros, como para nosotros mismos en el futuro. + +Una vez contamos con nuestra base de datos procesada podemos analizar los datos. En el documento de **análisis de datos** se procede a elaborar todas las tablas, gráficos, pruebas estadísticas etc. que vayan a ser introducidos en el artículo final. Es importante que se piense en este documento cómo un reporte de análisis en sí mismo, es decir, debe estar dirigido al público y no solo ser un documento de trabajo interno para el equipo de investigación. + +Al igual que para la sección de procesamiento de datos, aquí también recomendamos un flujo de trabajo para hacer el trabajo -y el código- reproducible y eficiente. Dividimos el flujo en dos secciones, primero, una que contenga los análisis necesarios para probar las hipótesis de investigación. Segundo, una sección con análisis secundarios y/o exploratorios que sean relevantes para lo que el artículo busca plantear. + +1. Efectuar análisis descriptivos univariados de los datos. Es ideal una tabla única que sintetice el comportamiento de las variables de interés. +2. Efectuar análisis correlacional de los datos. Es una primera aproximación a las hipótesis, además de ser esquemático. Por ejemplo, el uso de matrices de correlación o de nubes de puntos. +3. Efectuar análisis multivariados. Modelos que suelen ser la principal herramienta para poner a prueba las hipótesis. +4. Efectuar análisis exploratorios. Esto en el caso que se quieran explorar relaciones o patrones que no fueron previamente hipotetizados. + +**Documentación** + +Para una correcta comprensión de los documentos de procesamiento y análisis es importante tener una descripción adecuada de cada una de sus partes, o dicho de otra forma, una correcta **documentación**. Es relevante precisar de qué manera estos documentos se vinculan con otros archivos dentro del proyecto, para lo cual podemos tomar el ejemplo del protocolo IPO. Por un lado, el documento de preparación requiere de una fuente de datos inicial, por tanto está directamente relacionada con la carpeta Input y la subcarpeta de datos originales. Por otro lado, el documento de análisis requiere de una fuente de datos procesada, por tanto está directamente relacionada con la carpeta Input y la subcarpeta de datos procesados. + +Para una correcta ejecución de las rutinas de código, es importante describir adecuadamente la **relación** entre los archivos de preparación y análisis. Para ello, se sugiere incorporar un archivo de nombre “readme-proc.md/txt/pdf”, en donde se describa brevemente dicha vinculación. Para ello sugerimos los siguientes puntos a describir: + +1. Para la ejecución de la preparación, precisar la ubicación de la o las fuentes de datos originales. (p.ej. “input/data/original/original-data.dta”) +2. Para el cierre de la preparación, precisar la ruta donde se deben almacenar la base de datos procesada y su extensión (p.ej. “input/data/original/proc-data.RData”) +3. Para la ejecución de los análisis se debe precisar el origen de la base procesada que fue creada en el punto 2. +4. Para los archivos de resultados provenientes del análisis de los datos, tales como figuras o tablas, debemos precisar la ruta donde se almacenarán y su nombre. + +#### Resultados + +Con los resultados, nos referimos a las figuras, gráficos o tablas que son producto de nuestro análisis y que serán relevantes de alguna forma para el estudio. Comúnmente, los protocolos para la organización de las carpetas proponen que todo lo que esté relacionado a los resultados se guarde en una carpeta a parte. Por ejemplo, el protocolo IPO propone albergar tablas y figuras en las subcarpetas _tables_ e _images_ dentro de la carpeta _output_. + +Tomando como ejemplo el uso del protocolo IPO, sugerimos que para una correcta identificación de cada archivo se sigan las siguientes indicaciones: + +a. Para las imágenes, sugerimos usar nombres breves e incorporar numeración. Por ejemplo “figura01.png”, según el orden de aparición en la publicación. + +b. Para el caso de los cuadros o tablas, existen distintas extensiones para almacenarlas como archivos independientes (tex/txt/md/html/xls). Para ello, sugerimos emplear nombres cortos e incorporar numeración. Por ejemplo, “tabla01.xls”, según el orden de aparición en la publicación. + + +### Texto plano y documentos dinámicos + +Adoptar ciertas prácticas en lo que respecta a la estructura de un proyecto es el primer paso en el espectro de reproducibilidad. El segundo paso que proponemos acá es el uso de texto plano y documentos dinámicos. + +Probablemente, el programa que más se ha utilizado para la escritura, desde la formación de pregrado hasta el trabajo cotidiano como investigador, sea Microsoft Word. Sin duda, es una herramienta sumamente útil, cuenta varias funciones que permiten ordenar y hacer más estéticos nuestros documentos, no obstante, no es reproducible. Aunque Microsoft Word sea un formato de archivo ampliamente conocido, necesitamos algún tipo de lector asociado al formato .docx (u otro similar) para poder leer los archivos. Esto implica que solamente las personas que tengan instalado algún lector para este tipo de documentos serán capaces de acceder al contenido, lo cual va en contra de la idea de reproducibilidad. + +Ahora, también es cierto que el formato de Word está tan extendido, que es realmente difícil que alguien no tenga disponible un lector de este tipo de archivos. Sin embargo, el real problema está con quien es dueño de ese contenido. Acá no nos inmiscuimos en temas de propiedad intelectual, pero sí es importante hacerse la pregunta sobre quién es dueño de lo que escribimos si el medio por donde estamos escribiendo no es propiedad nuestra. Es cosa de imaginarse que, de un día para otro, todo programa asociado a Microsoft desapareciera por alguna razón, todos nuestros documentos quedarían obsoletos. Aquí es donde entra el texto plano. + +El texto plano es, simplemente, un tipo de texto que se puede leer independiente del lector que se use. Un ejemplo simple es escribir en el bloc de notas de Windows. El texto plano es importante cuando buscamos avanzar hacia la reproducibiliad por dos razones. Primero, es un tipo de texto universal, lo que da la ventaja de que, en principio, cualquier persona será capaz de leer algo escrito en este formato. Segundo, sienta las bases para que surjan lenguajes que permiten sofisticar el formato de los documentos, pero que sigan teniendo el carácter universal del texto plano. Los ejemplos más conoocidos son LaTeX y Markdown. + +La descripción en detalle del lenguaje LaTeX y Markdown no son objetivo de este capitulo, pero si es importante tenerlos en cuenta ya que han dado paso a una de las herramientas más utilizadas en la ciencia abierta: los documentos dinámicos. Estos son documentos que incluyen, a la par, texto plano y código. Es decir, ya no es necesario que utilicemos una hoja de código para generar un gráfico y luego pegarlo en un documento Word para escribir nuestro artículo, sino que podemos hacer todo esto en un mismo archivo. Además de hacer nuestro flujo de trabajo más eficiente, también hace más fácil reproducir los archivos. Por ejemplo, si quisiéramos que un colega revisara nuestro artículo, bastaría con que le enviáramos el documento dinámico que contiene tanto el código como el escrito. Así, él podría revisar la escritura del documento, y además, evaluar si los análisis han sido efectuados correctamente. + +Las distintas formas de documentos dinámicos dependen del software que se vaya a emplear para la programación del código. Según @schindler_investigating_2021, los softwares más usados en las ciencias sociales actualmente son R y Stata, por lo que presentaremos un resumen de sus respectivos formatos de documentos dinámicos: RMarkdown y Stata Markdown. También, Python ha sido indiscutiblemente uno de los lenguajes de programación más utilizados en el último tiempo y no solo por científicos sociales. Es por esto que también presentaremos su versión de documento dinámico: Jupyter Notebook. + + +**RMarkdown** + +RMarkdown es un tipo de documento dinámico que combina código de R con lenguaje marcado tipo Markdown (para aprender a usar Markdown click [aquí](https://markdown.es/sintaxis-markdown/)). En los documentos de RMarkdown, todo lo que escribamos en el documento el software asumirá que está en formato Markdown, por lo que si utilizamos alguna de las marcas (e.g. usar negrita en alguna palabra) en el documento final esa marca se hará efectiva. Cuando queremos utilizar código debemos escribirlo en bloques o _chunks_. Los chunks de código tienen distintas opciones, solo por dar un ejemplo, podemos escribir un código para elaborar un gráfico, pero no queremos que el código que se utilizó para elaborar el gráfico pues, los chunks nos dan la opción para lograr eso. Caso contrario, si queremos mostrar tanto el gráfico como el código para elaborarlo -por ejemplo, para que alguien revisé si hemos cometido algún error-, los chunks de código también tienen una opción para eso. En suma, podemos utilizar las distintas marcas de edición que nos ofrece Markdown, así como las distintas opciones para los chunks de código, con tal de elaborar un documento tal y cómo nosotros lo queremos. Para más información sobre RMarkdown, ver el enlace [aquí](https://rmarkdown.rstudio.com/). + +La característica más importante de RMarkdown, es que la combinación del lenguaje marcado y el código se da en un documento _renderizado_. Renderizado significa que pasa por un proceso en el que se reconocen las distintas indicaciones de marcas y código, dando como resultado final un documento html, pdf o word. La herramienta encargada de este proceso es Pandoc, un convertidor de documentos universal (para más info ver: https://pandoc.org/) + +**Stata Markdown** + +Sí bien en Stata han emergidos varios paquetes que buscan apoyar la elaboración de documentos dinamicos (e.g. ver [aquí](https://www.stata.com/meeting/italy14/abstracts/materials/it14_haghish.pdf)), el comando Markstat es quizás el más conocido. Al igual que otros tipos de documentos dinámicos, Markstat combina lenguaje Markdown con código de Stata, la principal diferencia con RMarkdown es que el código no se ejecuta en _chunks_, sino que está separado del texto plano con indentaciones. Es importante tener en cuenta que para ejecutar Markstat debemos tener instalado Pandoc. Para más información sobre cómo utilizar Markstat ver [aquí](https://data.princeton.edu/stata/markdown). + + +**Jupyter Notebook** + +Jupyter Notebook es un tipo de documento dinámico que combina lenguaje marcado tipo Markdown con código de Python. Al igual que RMarkdown, todo lo que escribamos en los Jupyter Notebook será considerado como lenguaje marcado. La diferencia que tiene con RMarkdown es que el documento va renderizando las marcas e indicaciones de código en tiempo real. Es decir, si escribimos en negrita, títulos de distinta jerarquía o añadimos gráficos o tablas el documento lo mostrará inmediatamente. Para más información sobre cómo utilizar Jupyter Notebook ver [aquí](https://jupyter-notebook.readthedocs.io/en/stable/). + + +### Control de versiones + +El control de versiones es la tercera herramienta para la reproducibilidad que queremos presentar. Esas son herramientas de software para gestionar los cambios en los documentos. ¿Alguna vez has utilizado Google Docs para trabajar colaborativamente? Pues, este es un ejemplo cotidiano del control de versiones. Google Docs permite rastrear quién hizo qué cambio y cuándo. Además, permite restaurar un documento de una versión anterior. Sin embargo, Google Docs no es tan útil cuando el trabajo que debemos realizar es programar código. + +Para el control de versiones de códigos existen distintas herramientas, donde quizás la más conocida en el mundo de la programación es Git. Git es un sistema de control de versiones gratuito y abierto, tiene por objetivo hacer más eficiente el flujo de trabajo para proyectos grandes y pequeños. A la par existe Github, el cual es una plataforma colaborativa para el trabajo con código. Distintas disciplinas tanto de ingeniería y software, cómo relacionadas al ámbito científico utilizan Github cómo un centro de organización para el trabajo. Se utilizan repositorios, los cuales albergan todo lo relacionado a un proyecto, en el caso de la ciencia, a un proyecto de investigación. + +Recomendamos el uso de Git y Github cómo flujo de trabajo para aquellos cientificos sociales que trabajan con datos cuantitativos, especialmente cuando son grandes equipos de investigación o son proyectos con varias colaboraciones. Para más información sobre Git y Github ver [aquí](https://guides.github.com/introduction/git-handbook/) + +### Prácticas de código + +Hasta ahora, hemos procurado que la presentación de la información sea lo más general posible y que no esté relacionada a un software estadístico único. Bajo esa idea, hemos presentado lo que es una estructura reproducible de un proyecto, aludiendo a los elementos comunes que se encuentran en distintos protocolos. También, revisamos como el control de versiones y el trabajo con documentos dinámicos pueden ser herramientas para la reproducibilidad. No obstante, no hemos abordado lo que, desde un principio, establecimos como el núcleo de la reproducibilidad: el trabajo con código. + +Este capítulo busca ser una primera aproximación y enseñar lo básico respecto a reproducibilidad. Con tal de mantenernos bajo esa idea, trataremos el trabajo con código de forma abstracta, sin introducirnos a trabajar con un software en particular. Específicamente, veremos algunas **prácticas de código** que contribuyen a hacer un trabajo más reproducible. Estas son aplicables a distintos software que utilicen código, y cuando nos estemos refiriendo a un software específico lo señalaremos. + +- **Nunca hacer trabajo manual.** El objetivo de la reproducibilidad es que cualquier persona pueda regenerar nuestro trabajo, y el trabajo manual es un obstáculo para el cumplimiento de ese objetivo. Trabajar con código permite automatizar los procesos de tratamiento y análisis de datos, es cómo establecer un guión paso a paso sobre lo que se ha hecho para llegar a los resultados del artículo, en contraste, documentar un proceso de análisis manual (e.g. en una planilla de datos) es una tarea sumamente compleja. Si bien, es posible escribir un guión detallado de cada paso, esto tomaría una cantidad de tiempo y energía considerables, más aún teniendo en cuenta la cantidad de decisiones que tiene que tomar un equipo de investigación en el proceso de análisis de datos. Es por eso que la recomendación base es no hacer trabajo manual y trabajar con código, lo que implica evitar software como Microsoft Excel y otros relacionados. + +- **Asegurarse que el código siempre produzca el mismo resultado**. Nuestra hoja de código será la receta que otro seguirá para poder elaborar el mismo producto, por lo que tenemos que asegurarnos que esta produzca siempre lo mismo. Un ejemplo es cuando por algún tipo de análisis se necesitan generar números aleatorios. En R, para poder reproducir la generación de esos números aleatorios se utiliza la función `set.seed()`. + +- **Trabajar con scripts**. Para poder automatizar el procesamiento y análisis de los datos, la principal recomendación es trabajar con documentos “script” que albergan el código y permiten su rápida ejecución. En el caso de R, se pueden utilizar documentos .R. + +- **Escribir con minúscula, sin espacios, sin ñ y sin tildes.** Gran parte de los software disponibles para análisis de datos traen el inglés como idioma nativo, por lo que existe una alta probabilidad de que tengamos problemas si utilizamos caracteres especiales que no se encuentran en ese idioma. Respecto al uso de mayúsculas, existen software que diferencian cuando un código incluye mayúsculas y cuándo no, esto es una característica conocida como _case sensitive_. Sin embargo, no todos los software cuentan con esta característica, por lo que es mejor evitar su uso. + +- **Indentar el código**. La indentación es una característica del trabajo con código en general (no solo a nivel de software estadístico) y se refiere a la jerarquía en los niveles del código. Indentar permite una lectura más fácil del código, ya que permite comprenbder visualmente el orden y la estructura del código. Uno de los ejemplos más conocidos es la elaboración de funciones condicionales de tipo `if-else`. + +- **Comentar el código**. Comentar el código es sustancial para que cualquier persona no asociada al proyecto (o incluso uno mismo en el futuro) pueda entender para qué sirve cada función y reproducir el documento sin problemas. Aquí el lema es: nunca es mucho cuando se refiere a comentar el código. Mientras mejor explicado esté qué hace cada cosa y por qué, la receta será más fácil de seguir. + +- **Especificar las versiones de paquetes.** Gran parte de los software estadísticos trabajan en base a la idea de _paquetes_. Estos son un conjunto de herramientas que facilitan el trabajo con datos. Existen paquetes tanto para tareas simples como el tratamiento de bases de datos o la generación de gráficos, así como para técnicas estadísticas avanzadas. No obstante, una característica a tener en cuenta es que los paquetes tienen versiones, ya que van mejorando día tras día. Esto ocurre especialmente en software de código abierto como R o Python. A raíz de esto, es que una de las recomendaciones para la reproducibilidad es conocer con qué versión de los paquetes se está trabajando y documentarlo. Inclusive, en software como R existen herramientas que permiten facilitar esta tarea (ver [groundhog]( https://groundhogr.com/)) + +- **Elaborar código autocontenido.** Existen dos formas de trabajar con código. La primera es el trabajo tipo "cascada", donde el código es como agua que fluye desde arriba hacia abajo. Esta metáfora significa que cada código es parte de un todo interdependiente, y como tal, cada bloque depende del anterior. Un ejemplo simple es que con un bloque de código se carga una base de datos y con otro se presenta un gráfico de la misma. En contraste a esta forma de trabajo, existe una segunda de tipo "autocontenida". Esta forma implica que, en vez de que el código sea interdependiente entre sí, cada bloque de código es una tarea que inicia y finaliza en el mismo bloque. Siguiendo el ejemplo, esto implicaría que cargar la base de datos y mostrar un gráfico de ella es una tarea que comienza y termina en el mismo bloque de código. Si bien ya el trabajar con código ya es un avance hacia la reproducibilidad, trabajar de manera autocontenida es un paso mucho mayor, ya que minimiza la probabilidad de que el código no pueda ser reproducido por un tercero. + +- **Nombrar variables de manera óptima.** Como se señaló anteriormente, muchas veces los nombres de las variables en las bases de datos siguen una lógica más técnica que sustantiva. Es por eso que, para poder trabajar de manera óptima y que, al mismo tiempo, el código sea más fácil de leer se sugiere renombrar las variables de forma _sustantiva_ y _corta_. Por ejemplo, si una variable de _edad_ de una encuesta tiene por nombre `m01`, sugerimos cambiarlo a `edad`. + +- **Etiquetado o buen diccionario de variables**. Además de renombrar las variables, recomendamos etiquetar de forma sustantiva las variables que se utilizarán y/o hacer un buen diccionario de ellas. Esto tiene por objetivo que la base de datos que hayamos elaborado para nuestros análisis sea más fácil de leer y reproducir. + +- **Utilizar UTF8**. Como señalamos, recomendamos evitar el uso de caracteres especiales en trabajo con código, esto implica el uso de tildes o ñ. No obstante, para ciertas situaciones será indispensable que escribamos en nuestro idioma nativo (en este caso español), y por ende utilizar caracteres especiales. Un ejemplo es cuando establecemos los títulos y categorías de una tabla o un gráfico. En estos casos, sugerimos establecer el formato del documento de código en formato UTF-8. Este formato es de tipo universal y acepta todo tipo de caracteres, incluyendo los especiales. + +- **Trabajar con rutas relativas**. Las rutas relativas son una ubicación en el computador que es relativa a un directorio base o carpeta raíz. En el caso del trabajo con datos, generalmente la carpeta raíz es la que alberga todos los documentos que refieren a ese proyecto y las rutas relativas son direcciones hacia distintos archivos teniendo como base la carpeta raíz. Esta es una forma reproducible de ordenar los archivos ya que no depende de quién está trabajando. + +- **Uso de software libre.** Con los nuevos avances en la tecnología y en el acceso a ella han emergido iniciativas colaborativas de desarrollo de software. Esto implica que en vez de estar centralizado por una compañía, quién está detrás de los avances en el desarrollo del software es una comunidad activa de usuarios. Software como R y Python son ejemplos de este tipo de iniciativas. Recomendamos el uso de software libre porque, además de alinearse con los principios de la ciencia abierta, proveen un ambiente y herramientas mucho más propenso a adoptar prácticas que avancen hacia la reproducibilidad. + +- **Estar en contacto con la comunidad de investigadores y/o desarrolladores de herramientas computacionales**. Más que una práctica relacionada al código, es una recomendación respecto a cómo hacer más óptimo nuestro trabajo. Con internet y las nuevas herramientas computacionales, existen varias comunidades a las cuales recurrir en caso de necesitar ayuda con el desarrollo del código. Por ejemplo, +Stack Overflow es un foro donde programadores, ingenieros y en general cualquier persona que utiliza código en su día a día puede hacer o responder preguntas respecto a código. Es una gran herramienta para cuando los códigos no funcionan o cuando queremos conocer formas más eficientes de hacer una tarea. Incluimos esta recomendación porque participar de estos foros y ser parte activa de la comunidad implica adoptar prácticas para la reproducibilidad, con tal de que otros puedan entender nuestras preguntas y respuestas. + + diff --git a/05-publibres.Rmd b/05-publibres.Rmd deleted file mode 100644 index c45a148..0000000 --- a/05-publibres.Rmd +++ /dev/null @@ -1,4 +0,0 @@ -# Publicaciones libres - - -Palabras finales... \ No newline at end of file diff --git a/05a-publicaciones-libres.Rmd b/05a-publicaciones-libres.Rmd new file mode 100644 index 0000000..125b172 --- /dev/null +++ b/05a-publicaciones-libres.Rmd @@ -0,0 +1,12 @@ +# Publicaciones libres + + +
Un agricultor hace uso de sus *herramientas, talentos y conocimientos* para aprovechar lo mejor posible las ventajas del bien común que es la tierra. Una vez que termina la temporada, el agricultor entrega la cosecha a un distribuidor que se encarga de comercializar el fruto de su trabajo y el de otros agricultores. ¿Cuánto recibe realmente el agricultor por su trabajo? *¿Cuáles son las posibilidades reales que tiene la ciudadanía de acceder al bien común de manera autónoma?* + +El problema del agricultor, el distribuidor y la ciudadanía no es una historia del pasado. El producto de un trabajo que hace uso de un bien común, y el cómo este se distribuye y retribuye dentro de la sociedad, es un tema que cada vez suscita más interés no solo en los gobiernos y la ciudadanía, sino que también en la ciencia, pues como el agricultor elaboró cosechas a partir de la tierra, el científico construirá evidencia nueva a partir de conocimientos previos. Ambos crean productos que son bienes esenciales para la ciudadanía, a partir de bienes comunes de la humanidad. El problema para ambos está que parte de ese quehacer ha sido privatizado, restringiendo a la ciudadanía del libre acceso a tales bienes. + +Los prejuicios de esto no solo son extrapolables a la situación que está ocurriendo con las patentes de las *vacunas de COVID-19*, donde gran parte de [los organismos internacionales llaman a que estas sean consideradas *bienes públicos*](https://en.unesco.org/news/unesco-calls-covid-19-vaccines-be-considered-global-public-good){target="_blank"}. Así como la privatización al acceso de un conocimiento médico produce no solo desigualdad entre los países más ricos y menos ricos, el conocimiento de la sociedad - evidencia de cómo mejorar el cumplimiento de las medidas de cuidado, por ejemplo - implica un daño invaluable en cómo producimos cada vez mejor información para combatir la pandemia. + +Así, a pesar de que con *la globalización y la era digital* la labor científica ha podido crear conocimientos con mayor facilidad y divulgarlos de manera inmediata, el desconocimiento y los mitos sobre las leyes que amparan la propiedad intelectual han sido el principal obstáculo para dar el paso hacia la apertura de la creación científica [@fernandez_derechos_2018]. El miedo a ser sancionado por la editorial, el temor al plagio y la pérdida de reconocimiento autoral, destacan entre las principales razones, sin mencionar el dominio que poseen las revistas científicas sobre el conocimiento que se genera y que son publicados por las mismas. Dicho esto, la apuesta por destinar los esfuerzo hacia una libre circulación del conocimiento apunta a la necesidad de reapropiarse de los beneficios, resultados y saberes científicos. En este sentido, @banzato_soberania_2019 hace un llamado a los organismos de América Latina para generar espacios de evaluación y difusión que sirvan para la democratización del conocimiento, siendo esta un estrategia cultural y política que busca promover los procesos de producción y reproducción social del saber. + +La apertura de nuestras investigaciones traen más beneficios que dificultades: no solo contribuimos a nutrir el conocimiento colectivo sobre un problema, sino que incluso podemos alcanzar mejor visibilidad de nuestro trabajo científico. Por eso, en el siguiente capítulo te presentaremos aspectos de debes considerar para lograr una exitosa apertura de tus publicaciones y resultados de investigación.
diff --git a/05b-propiedad-oa.Rmd b/05b-propiedad-oa.Rmd new file mode 100644 index 0000000..f1dae23 --- /dev/null +++ b/05b-propiedad-oa.Rmd @@ -0,0 +1,66 @@ +## Propiedad intelectual {#propiedad} + +
Esta sección busca comprender la importancia de la propiedad intelectual abordando los elementos centrales de la producción científica y su resguardo legal. Es importante conocer los elementos que nos servirán al momento de definir el carácter y el modo en que permitiremos que nuestras creaciones sean utilizadas y difundidas. La propiedad intelectual no es un elemento accesorio, pues *"nos habla de facultades exclusivas que posee el autor sobre su obra y que le permiten gozar de su uso y explotación"* [@loredo_derecho_2012]. Para nuestros efectos, se concibe como el peldaño inicial para abordar los esfuerzos hacia la publicación libre.
+ +### Sobre la Propiedad Intelectual y las Licencias + +
La *Propiedad Intelectual (PI)* es una normativa que permite el reconocimiento autoral de toda invención de la mente humana [@worldintelectualpropietyorganization_what_2020], su objetivo es fomentar la creación e innovación, al mismo tiempo en el que regula el uso y difusión de las obras. La PI es un tipo de ley cuya rigurosidad varia según el país y funciona en base a dos grandes ascepciones: + +1. **Common Law**: rige en *Estados Unidos e Inglaterra* y regula la reproducción (copia) de la obra, su distribución, su exhibición pública y su transformación ya sea traducida o adaptada [@fernandez_derechos_2009]. A partir de @omatos_aspectos_2013 se comprende que es una facultad que poseen los autores y su particularidad es que puede ser transferida ya sea por voluntad propia o por prescripción, siendo así ampliados los derechos del uso de la obra bajo distintos tipos de licencias de *Copyrigth, Creative Commons, Copyleft y Dominio Público*. + +2. **Derechos de autor**: rige en *Europa continental y Latinoamérica* y regula las facultades patrimoniales y el derecho moral que posee el autor sobre su obra, esto quiere decir que se reconoce la paternidad sobre la creación y se protege la integridad original del trabajo [@loredo_derecho_2012]. El derecho moral, a diferencia del Common Law es irrenunciable e inalienable, por lo que no se puede traspasar. + +A modo de contexto, en el caso de Chile este se ha suscrito a tratados internacionales que permimten el resguardo internacional de cualquier obra intelectual que se haya elaborado en territorio nacional, los más importantes son dos: + +1. **Tratado de Berna** (rectificado en 1973): establece indicaciones a los países asociados para resguardar las obras internacionales en el propio territorio. + +2. **Convenio de OMPI** (rectificado en 1975): establece una suerte de guía a los países adherentes, esta sirve para la elaboración de leyes que atiendan el resguardo de la propiedad intelectual dentro del mundo digital [@fernandez_derechos_2009].
+ +### Tipos de Licencias + +
Las licencias sobre la propiedad intelectual regulan los derechos patrimoniales de la obra y establecen las *reglas* para su uso. Las licencias más conocidas son: + +1. **Copyright:** Esta licencia permite que el autor se reserve todos los derechos sobre la obra y solo se puede hacer uso de ella bajo permiso del mismo. + +2. **Creative Commons (CC):** Esta licencia inspirada en la General Public License - GPL (Licencia Pública General en español)[^1] tiene el propósito de desarrollar herramientas digitales estandarizadas que faciliten la distribución de la obra, pues entrega al autor, empresa o institución la responsabilidad de autorizar reglamentadamente el modo de uso, difusión y citación de su obra. Existen seis tipos de licencias CC (Véase figura n° \@ref(fig:licencias)) y cada una de ellas tiene como base la *CC-BY* que permite hacer uso de la obra con la correspondiente atribución, el resto de licencias funcionan a modo de capas que se superponen a la pricipal, de este modo cada capa entrega una especificidad sobre como utilizar la obra @creativecommons_cc_2019. + +```{r licencias, echo=FALSE, fig.cap="Capas de las licencias Creative Commons. Elaboración propia.", fig.align = 'center', out.width = '75%'} +knitr::include_graphics(path = "images/licencias.png") +``` + +3. **Copyleft:** Este tipo de licencia proviene del movimiento [*Open Access*](https://open-access.net/en/information-on-open-access/history-of-the-open-access-movement){target="_blank"} y se orienta a abrir el uso, aplicación, distribución y creación de obras. Además de permitir el uso libre, indica la obligación de que todo proyecto que nazca a partir del original contenga los principios del acceso abierto. + +4. **Dominio Público:** Si bien no corresponde a una licencia como tal, es un estado en el que la obra no posee protección patrimonial pues ha prescrito el plazo de su protección.
+ +### El conocimiento es poder pero ¿De quién? + +
Tanto organismos de investigación pública como universidades crean conocimiento científico por medio de la investigación y la docencia con el fin de aportar al bien público. Si bien, la apertura de las publicaciones puede ser lo ideal para tales objetivos, en ocasiones la confidencialidad de los resultados científicos permite a sus autores obtener beneficios económicos de su trabajo. Sin importar cuál sea el camino, la propiedad intelectual juega un papel importante al orientar la toma de decisiones en torno al desarrollo, difusión y utilización del conocimiento intelectual [@wipo_frequently_2020]. Por ello contar con una política intelectual de calidad es el primer paso para gestionar estratégicamente la difusión y transferencia de los resultados científicos. + +A continuación, se presentan dos experiencias chilenas que se consideran como buenas prácticas en términos de políticas institucionales, pues promueven la apertura de publicaciones. + +#### **Política de Acceso Abierto de ANID** {-} + +La [*Agencia Nacional de Investigación y Desarrollo (ANID)*](https://www.anid.cl/){target="_blank"} que nace en 2020 como una estructura que reemplaza a la *Comisión Nacional de Investigación Científica y Tecnológica (CONICYT)*, es hoy la institución que encabeza el *Ministerio de Ciencia, Tecnología, Conocimiento e Innovación*. Siguiendo el legado de su antecesora, su objetivo es apoyar con recursos al desarrollo de la ciencia y la innovación en Chile. Desde el 2021, bajo el principio de que todo conocimiento generado con fondos públicos debe resultar en beneficios para la sociedad, ANID ha implementado una *Política de Acceso Abierto* con el objetivo de asegurar la disponibilidad del conocimiento científico que resulte de investigaciones financiadas por la institución [@agencianacionaldeinvestigacionydesarrollo_consulta_2020]. Esta política busca ser un curso de acción *progresivo* implementado en dos fases: + +* **Fase I**: En el plazo inicial de dos años se pretende incentivar la apertura de las publicaciones y sus datos. Esta primera fase servirá para la recopilación de antecedentes sobre el uso y gastos asociados a la investigación abierta. En esta primera etapa de la política toman gran relevancia los principios *FAIR*. FAIR es la abreviatura en lengua inglesa para referirse a Findability, Accessibility, Interoperability y Reusability (Encontrable, Accesible, Interoperable y Reutilizable). El diseño de estos principios tienen el objetivo de ser una guía medible para que los investigadores realicen una eficaz gestión de los datos, para que posteriormente puedan ser replicados [@wilkinson_fair_2016]. + +* **Fase II**: Los resultados de la primera fase servirán para que en la segunda se implemente - de manera más rigurosa - la publicación libre mediante la *"Ruta Dorada"*, la cual corresponde a un formato de publicación que permite eliminar los periodos de embargo, dejando las publicaciones disponibles en acceso abierto de manera inmediata tras el pago del *Article Processing Charges - APC* a las editoriales. El APC es una tarifa que costea el procesamiento del artículo final para que se adapte al diseño de la revista y en ocasiones, son las propias instituciones públicas las que costean el APC, devolviendo así un monto no menor a las editoriales. En la sección de [Herramientas Para Públicar](https://lisa-coes.github.io/open-access/herramientas-para-publicar.html) profundizaremos en ello. + +ANID ha detectado de manera temprana el conflicto que acarrea la industria editorial, la cual lidera un mercado donde los conocimientos se tranzan como un bien, beneficiendo principalmente a las editoriales con un alto margen de ganancias y es por ello que en el documento mismo se especifica: + +> *"Esta política busca ser un curso de acción que esté en constante revisión y que permita, de manera progresiva, avanzar hacia un sistema transparente y abierto, donde el acceso, la re-utilización y la constante oferta de nueva información y datos científicos contribuyan de manera real y concreta al desarrollo social, cultural, científico y económico de Chile"* [@anid_propuesta_2020]. + +#### **Repositorio Institucional, Universidad de Chile** {-} + +La Universidad de Chile es la institución de educación superior pionera en desarrollar un repositorio institucional abierto. Este recoge documentos digitales e impresos con previa autorización, tales como tesis de pregrado y postgrado, pre y post-print, libros y capítulos, material didáctico y presentaciones, informes técnicos, recursos audiovisuales e imágenes. El [Repositorio Académico de la Universidad de Chile](http://repositorio.uchile.cl/){target="_blank"} conserva, difunde y proporciona acceso a material científico generado por docentes e investigadores de la institución y cuenta actualmente con más de 68.000 publicaciones. + +Este repositorio académico hace uso de un protocolo de interoperabilidad que permite que se conecte con otros, ello con el propósito de incrementar la visibilidad de los documentos y bajo este objetivo, los autores deben proteger sus obras con licencias *Creative-Commons*, de este modo aseguran el reconocimiento e identificación de la propiedad intelectual y favorece la visibilidad del trabajo. + +Ambos ejemplos de políticas institucionales proveen una exitosa colaboración entre el mundo científico y el público general, ya que orientan la toma de decisiones al finalizar el ejercicio investigativo y permiten la apertura del conocimiento. Según @alperin_indicadores_2014, en América Latina se ha desarrollado el ejercicio del Open Access mediante el financiamiento - casi exclusivo - de agencias estatales y agencias de cooperación internacional. Sus resultados se publican principalmente en revistas locales o repositorios regionales, un ejemplo de ello es Argentina, país donde el 80% de los artículos científicos se encuentran indexados en revistas locales [@alperin_indicadores_2014], ya que la nación se ha inclinado en promover políticas de autoarchivo como la *Ley Nacional de Repositorios* promulgada en 2013 y la creación del *Sistema Nacional de Repositorios Digitales* creado en 2011 [@monti_acceso_2020]. + +La evidencia de cuenta de que para el caso Latinoamericano, son los organismos universitarios y de investigación pública los responsables de desarrollar eficaces políticas de ciencia abierta con el objetivo de aportar a la libre circulación de los resultados científicos, pues dentro de sus beneficios como se ilustra en la figura n° \@ref(fig:beneficios) no solo se evidencia la mayor exposición de los trabajos científicos, también existe un aporte en terminos de desarrollo a nivel país, influencia de políticas, entre otros aspectos positivos.
+ +```{r beneficios, echo=FALSE, fig.cap=" Beneficios del Open Access. Traducción propia en base a Kingsley, D. & Brown, S. (2021).", fig.align = 'center', out.width = '100%'} +knitr::include_graphics(path = "images/OpenAccess.png") +``` +[^1]: La *General Public License* es una licencia elaborada por el sistema operativo [GNU](https://www.gnu.org/licenses/){target="_blank"} y su objetivo es permitir el uso de software y códigos de libre acceso. GNU es un sistema libre que busca ser compatible con Unix, otro sistema operativo que se caracteriza por ser portable, multitarea y multiusuario [@blanca_informatica_2019]. diff --git a/05c-openaccess.Rmd b/05c-openaccess.Rmd new file mode 100644 index 0000000..27afb1c --- /dev/null +++ b/05c-openaccess.Rmd @@ -0,0 +1,77 @@ +## Formas open access + +
El quehacer científico de las ciencias sociales es una arena de lucha continua, donde investigadores deben mantenerse en constante entrenamiento para no perder el reconocimiento académico que brinda la posibilidad de oportunidades laborales y estatus social. *Publica o perece* es más una realidad que una frase retórica, pues los científicos sociales están en la obligación de investigar y publicar para mantener su carrera laboral a flote. Este agotador panorama da pie a lo que muchos investigadores de las ciencias sociales han denominado como la *crisis de la ciencia* [@breznau_does_2021], un nuevo panorama donde el conocimiento científico es menos confiable producto de prácticas antiéticas en el proceso de investigación. Falta de consistencia, sesgos no controlados, presión editorial, entre otros factores son los que influyen en un tipo de ciencia con problemas de credibilidad, como es el emblemático caso de Diederik Stapel, exponente de la psicología que realizó alrededor de 58 artículos basados en evidencia falsificada. + +Quizás muchos confiarán la solución de la crisis a las instituciones revisoras de las revistas, quienes aplican rigurosos métodos de control de calidad. Sin embargo, del papel a la práctica hay un gran trecho. La falta de transparencia en la manipulación de información, los métodos de análisis y la recolección de datos hacen imposible corroborar la veracidad total de un trabajo. Actualmente, muchas editoriales han abordado el problema mediante la adopción del Open Access para promover la transparencia de los datos y la apertura de las publicaciones, pues con esto se permite usar la reproducción de los procesos como un mecanismo de control. Por ello en esta sección conoceremos las particularidades del Open Access, las rutas por las cuales compartir publicaciones, los repositorios y las revistas que recomendamos.
+ +### ¿Qué es el Open Access? + +
*Open Access - OA* (Acceso Abierto en español) es un movimiento cuyo objetivo es promover el acceso libre a la producción de conocimiento científico digital y hacer uso de él sin restricciones de copyright. Esto a la base de estándares internacionales que permiten instalar la posibilidad de que cualquier persona pueda reutilizar la información de la investigación en cuanto datos, procesos y resultados. + +Hace algún tiempo, científicos advirtieron del problema asociado al oligopolio del conocimiento científico del que disfrutan revistas y editoriales de gran renombre, sin mencionar conflictos entre investigadores en torno a la competencia de estatus académico, la manipulación de resultados, los problemas de intersubjetividad y la falta de transparencia en el proceso de investigación [@breznau_observing_2021]. De este modo, los primeros vestigios del Open Access aparecieron a la par con la creación del internet, pero no fue hasta el 2002 con la declaración de [Budapest](https://www.budapestopenaccessinitiative.org/translations/spanish-translation/){target="_blank"} que se definió el concepto de Open Access y que posteriormente sería reforzado con las declaraciones que dieron lugar en [Bethesda 2003](https://ictlogy.net/articles/bethesda_es.html){target="_blank"} y [Berlín 2003](https://openaccess.mpg.de/67627/Berlin_sp.pdf){target="_blank"}. Uno de los aspectos destacables de la primera declaración indica que: + +> *Retirar las barreras de acceso a esta literatura acelerará la investigación, enriquecerá la educación, compartirá el aprendizaje de los ricos con los pobres y el de los pobres con el de los ricos, hará esta literatura tan útil como sea posible y sentará los cimientos para unir a la humanidad en una conversación intelectual común y búsqueda del conocimiento* [@budapestopenaccessinitiative_diez_2012]. + +Según @melero_revistas_2008, las causas que gatillan el desarrollo del Open Access son principalmente dos: + +1. La constitución del internet y las nuevas tecnologías como el medio para la divulgación científica permitió abaratar costos de impresión y acelerar el transporte de los conocimientos. + +2. Los elevados precios de suscripción a revistas científicas digitales se presentaron como barreras económicas y de copyright para acceder al conocimiento y resultados de investigaciones.
+ +#### ¿Por qué hacer uso del Open Access en mis publicaciones? {-} + +
El estudio de @piwowar_future_2019 demuestra que desde la década de los noventa ha habido un aumento constante de publicaciones que se adscriben al Open Access, y si bien el fenómeno se desarrolla en mayor medida dentro de las ciencias exactas, las ciencias sociales no se quedan atrás [@swan_directrices_2013]. Según @hernandez_por_2016, los beneficios atribuídos a las prácticas científicas de carácter abierto no difieren sobre la disciplina y traen consigo efectos positivos ligados a: + +- *Mayor accesibilidad y conservación de los productos científicos.* +- *Difusión rápida e inmediata de las publicaciones.* +- *Facilita la comunicación directa de los conocimientos científicos ayudando a avanzar en el mejoramiento de la calidad en la investigación.* +- *Abre la posibilidad de reutilizar información, datos y procesos para nuevos proyectos.*
+ +### Las distintas rutas para publicar de manera abierta + +
@swan_directrices_2013 - representante de UNESCO - define dos rutas principales (tipos de repositorios) donde depositar publicaciones con el rótulo del Open Access (Dorado y Verde), pero en la práctica se pueden diferenciar en cinco. Según @universoabierto_rutas_2019 las principales características de cada una son: + +1. **Repositorios de Ruta Dorada**: Corresponden a repositorios que publican trabajos de investigación en forma gratuita para el lector, por lo que se puede leer cualquier artículo inmediatamente después de ser publicado. Cabe destacar que para su publicación, detrás hay un cobro *Article Processing Charges - APC (Cargo por Procesamiento de Artículo en español)* cuyo costo es pagado por los autores o las instituciones les financian. + +2. **Repositorios de Ruta Híbrida**: Gran parte de las editoriales académicas utilizan este modelo con el objetivo de ofrecer Acceso Abierto al mismo tiempo en el que mantienen su modelo de negocio habitual basado en suscripciones. Esto permite a los autores optar por pagar una cuota de publicación y tener sus artículos con Acceso Abierto en revistas por suscripción. + +3. **Repositorios de Ruta Verde**: Consiste en un proceso de "auto-archivo o auto-depósito" donde los autores comparten sus post-print (artículo final) en sus páginas personales o en revistas que no son gratuitas, pero que poseen repositorios de acceso libre. Estos repositorios antes mencionados se adhieren a un conjunto de reglas y técnicas de inter-operación, formando una red interconectada de bases de datos. + +4. **Repositorios de Ruta Diamante**: Es un modelo que intenta dar solución a los inconvenientes que surgen en las rutas anteriores. Este posibilita la revisión por pares de los trabajos enviados por medio de investigadores que trabajan como voluntarios, obteniendo de esta forma reconocimiento académico y social. Esta ruta es considerada como el único modelo que garantiza la sostenibilidad de la publicación de acceso abierto. + +5. **Repositorios de Ruta Bronce**: Según @piwowar_future_2019 esta es una nueva categoría donde los editores alojan artículos embargados en sitios web de su preferencia, de modo que los trabajos carecen de licencias que permitan su uso autorizado. + +```{r FutureOA, echo=FALSE, fig.cap="Proyección de la cantidad de visitas y artículos publicados por cada ruta del Open Access. Traducción propia en base al estudio de @piwowar_future_2019.", fig.align = 'center', out.width = '100%'} +knitr::include_graphics(path = "images/future_oa.png") +``` + +La figura n° \@ref(fig:FutureOA) ilustra el modelo elaborado por @piwowar_future_2019, este estudio se basa en el análisis de 70 millones de artículos publicados entre 1950 y 2019 que comparten el rasgo de haber sido publicados en abierto y estar alojados en la base de datos de [Unpaywall](https://unpaywall.org/){target="_blank"}. La técnica utilizada permitió estimar la trayectoria de los artículos hasta el 2025, poniendo énfasis en el porcentaje de visitas y el porcentaje de artículos publicados según cada ruta. De esta manera, en la figura n° \@ref(fig:FutureOA) se proyecta que para el 2025, los artículos publicados por la vía dorada alcanzarán un aumento de sus visitas en un 33%, la ruta verde un 19% y la ruta híbirda un 10%; mientras que la ruta bronce seguirá la misma trayectoria pero en menor medida. + +En cuanto al porcentaje de artículos publicados en abierto, el gráfico indica que tanto la ruta verde, dorada e híbirida tendran un aumento desde el 2019 al 2025, mientras que la ruta bronce en sus categorías inmediata y retrasada se mantendrán uniforme sin aumento ni descenso. Lo importante aquí es un notable aumento de la publicación en abierto en 13 puntos porcentuales, mientras que se estima el descenso de la publicación cerrada en 13 puntos porcentuales.
+ +### ResearchGate, Academia.edu y Sci-Hub: ¿Plataformas de aceso abierto? + +
De seguro conoces las plataformas de *ResearchGate y Academia.edu* o quizás en alguna ocasión has recurrido a estas páginas para compartir tus publicaciones o descargar archivos científicos para uso personal. Sobre estas plataformas hay que mencionar que *no* son un ejemplo de Open Acess debido a que funcionan como redes sociales similares a *Facebook o LinkedIn*, pues su objetivo es crear redes de contactos entre colegas e investigadores con intereses afines. Según @fortney_social_2015, ResearchGate y Academia.edu al ser empresas con fines de lucro no cumplen con la característica principal de los repositorios de Open Access, los cuales son administrados por universidades, agencias gubernamentales, asociaciones internacionales o editoriales que persigan el objetivo de poner los conocimientos al servicio y a la disponibilidad pública. + +Estas páginas al ser de tipo auto-archivo presentan similitudes con los repositorios de ruta verde, ya que los documentos se guardan en sitios personales creados por el propio autor, sin embargo, dadas las características de ResearchGate y Academia.edu, estas no permiten corroborar los estándares de calidad y seguridad de las publicaciones, ni tampoco se asegura su permanencia perpetua. Dicho lo anterior, publicar la producción científica en cualquier plataforma digital no implica estar desarrollado prácticas acordes al Open Access. + +Las restricciones de pago empujaron al desarrollo de sitios piratas que funcionan como bases de datos integrando diversas publicaciones, estos son denominados como *la vía negra del Acceso Abierto* que buscan hacer frente a las barreras de pago [@bjork_gold_2017]. Un claro ejemplo es el sitio web *Sci-Hub* que desde el 2011 posibilita el libre acceso a literatura científica (tanto pagada como libre) y para el 2021 alberga más de 85 millones de documentos. Su slogan *Sci-Hub para remover todas las barreras en el camino de la ciencia* se instaura bajo tres principios: (1) El conocimiento es para todos, (2) No al Copyright y (3) Apoyo al Open Access. Sin embargo, @monti_acceso_2020 indica que el carácter *"ilegal"* del sitio es la razón de que exponentes de la ciencia lo restrinjan, dado que no tiene la injerencia para modificar los aspectos legales de las publicaciones, trasgrede los derechos de explotación indicados por los autores y puede conducir a un despretigio del Open Access. Es evidente que lo atractivo de estos sitios es la posibilidad de acceder de manera libre a las publicaciones, un hecho corroborable en la investigación de @bohannon_who_2016, en ella se ha concluído que el 25% de los países que registran la mayor cantidad de descargas desde Sci-hub, corresponden a las naciones más ricas del mundo en Europa y Estados Unidos. @bjork_gold_2017 es el primer autor en considerar la plataforma como una vía dentro del Acceso Abierto, y es quizás una reflexión de orden ético-moral la decisión de integrar (o no) los sitios con estas características dentro del Open Access.
+ +### Revistas de acceso abierto: + +
Con la invención del internet también aumentaron las oportunidades de divulgación científica, y si bien el concepto de Open Access no fue precisado hasta los 2000, en la década anterior ya venían gestándose proyectos como *The public-access computer systems review (1990)*. Una revista electrónica tipo boletín que era distribuida por correo electrónico. Posteriormente, en 1991 revistas como *Surfaces y Psycoloquy* fueron pioneras en instalar la metodología de acceso gratuito a sus publicaciones. Hoy en día son muchos los sitios de repositorios que cumplen con políticas de Acceso Abierto, pero con licencias particulares que es necesario conocer para adentrarnos en su uso. Uno de los sitios que se recomienda usar es el de [SocArxiv](https://socopen.org/){target="_blank"}, pues cuenta con un servicio gratuito de acceso, una base de datos completa y que permite a los autores obtener un DOI para su publicación. Sin mencionar la posibilidad de un contador de descargas y otras particularidades que no poseen las plataformas de ResearchGate y Academia.edu (véase tabla n° \@ref(tab:coom)). En la siguiente sección abordaremos en mayor profundidad su uso.
+ +
+| Características | ResearchGate, Academia.edu | Sitio web personal | Repositorio Institucional | SocArXiv | +|----------------------------------------|----------------------------|---------------------------|----------------------------|----------------------------| +| Acceso libre para leer | Requiere Registro | Si | Si | Si | +| Servicio de acceso publico - sin lucro | No | Solo si es alojado por tu universidad |Solo si es alojado por tu universidad | Si | +| Metadatos completos, incluidos coautores, DOI, ORCID, etc. | Quizás | No | Quizás | Si | +| Enlace para el repositorio para base de datos, codigo, etc. | No | Solo si tu lo construyes | Quizás | Si | +| Url persistente en todas las versiones | - | No | No | Si | +| Entrega DOI para el paper | - | No | Solo Algunos | Si | +| Contador de descargas | Solo Algunos | Quizás | Quizás | Si | +| Contribuye al futuro de la comunicación académica abierta | No | Débilmente | Quizás | Si | +Table: `r as.character(paste("(\\#tab:coom)", "Tabla comparativa del uso de SocArXiv versus otros sitios"))` + +
Fuente: Traducción propia a partir de tabla comparativa de [SocArXiv](https://socopen.org/frequently-asked-questions/){target="_blank"}.
diff --git a/05d-herramientas.Rmd b/05d-herramientas.Rmd new file mode 100644 index 0000000..98778fe --- /dev/null +++ b/05d-herramientas.Rmd @@ -0,0 +1,83 @@ +## Herramientas para publicar + +
Imagine que usted es parte de un equipo de investigación que finalizó un estudio sobre las repercusiones socio-económicas que tuvo la pandemia de Covid-19 en el país, desarrollando un aporte significativo para la toma de decisiones en materias de políticas económicas y levantando las bases para nuevas líneas de investigación. Dado el aporte que significan los resultados para el bien público, es necesaria su divulgación inmediata, pero es una realidad que la publicación regular en cualquier editorial toma un periodo largo de revisión y aceptación, es por ello que una alternativa es la pre-publicación del documento en un repositorio de Acceso Abierto y en la siguiente guía abordaremos un marco de referencia para empezar a adoptar prácticas ligadas al Open Access.
+ +### El camino hacia la publicación + +
Todo proyecto de investigación tiene la potencialidad de ser publicado pero como ya se ha ido ilustrando en las secciones anteriores, publicar de manera abierta trae consigo beneficios de visibilidad e impacto social. Para desarrollar una estrategia eficaz de publicación abierta hay que seguir un flujo que se divide tres pasos, como se ilustra en la figura n° \@ref(fig:flujo) y este inicia con la elección de la revista de Acceso Abierto, sigue con la identifiación de la etapa del artículo y finaliza con la selección del servicio de publicación. + +```{r flujo, echo=FALSE, fig.cap="Guía paso a paso para publicar libre (Elaboración propia).", fig.align = 'center', out.width = '100%'} +knitr::include_graphics(path = "images/flujo_lisa.png") +``` + +#### Paso 1: Pre-rint (Pre-publicación) {-} +Es lo que conocemos comúnmente como el borrador del artículo, el mismo que enviamos al proceso de revisión por pares. Este documento tiene la posibilidad de ser publicado en cualquier repositorio de ruta verde (*pre-print server*) con el objetivo de ser difundido abiertamente para permitir su disponibilidad inmediata. + +La gran particularidad de este método de pre-publicación es que se obtiene un código alfanumérico que identifica y ubica el documento dentro del Internet, esto se conoce como un *Digital Object Identifier - DOI* (Identificador de Objeto Digital en español), por lo que se convierte de manera inmediata en un documento referenciable y sin posibilidad de plagio. Algunas personas tendrán el temor de que al pre-publicar un informe de investigación, las posibilidades de que el documento sea aceptado y posteriormente publicado en una revista es menor. Sin embargo, los datos empíricos demuestran que en la realidad, esto no es un impedimento para su posterior publicación. En la investigación de @abdill_tracking_2019 que analizó cerca de 37.648 pre-print alojados en bioRxiv -una extensión centrada en biología del sitio ArXiv-, una de las grandes conclusiones tiene que ver con que la tasa de preprints publicados en 2018 alcanzó un máximo de 2,100 por mes y de manera más específica, en la figura n° \@ref(fig:preprint) se puede identificar a las diez principales revistas que han publicado la mayor cantidad de pre-print. En esta figura, cada barra indica la cantidad de documentos publicados por cada revista. + +```{r preprint, echo=FALSE, fig.cap="Destino final de los Preprint. Traducción propia en base al estudio de @abdill_tracking_2019", fig.align = 'center', out.width = '75%'} +knitr::include_graphics(path = "images/nature_preprints.png") +``` + +Para el caso de las ciencias sociales, el servicio de pre-print que recomendamos utilizar es [**SocArxiv**](https://socopen.org/){target="_blank"} y particularmente para la discilina de la psicología [PsyArxiv](https://psyarxiv.com/){target="_blank"}. Estos servicios permiten subir archivos PDF desde la plataforma [Open Science Framework - OSF](https://help.osf.io/hc/en-us/categories/360001530554-Preprints){target="_blank"} (Marco de Ciencia Abierta en español) - un software de código abierto que permite la reproducibilidad de los procesos - y de este modo se obtiene el beneficio de acceder a un DOI que asegure su correcta citación. Ambos repositorios son extensiones de [ArXiv](https://arxiv.org/){target="_blank"}, la plataforma pionera de acceso abierto que en la actualidad alberga alrededor de dos millones de artículos categorizados en ocho áreas temáticas. ArXiv no posee tarifas asociadas a la publicación de los artículos, puesto a que los documentos se someten a un proceso de clasificación y no a una revisión por pares. + +#### Paso 2: Post-print {-} +Es la segunda etapa que es clave para el camino hacia la publicación, pues el post-print corresponde al artículo aceptado tras la revisión por pares, pero cuyo formato de presentación no ha sido adaptado al requerido, por lo que no ha sido publicado de manera oficial por la revista y para lograr ello, interviene un equipo especializado de la editorial que se encarga de tales aspectos ya sean márgenes, tipos de citación, estructura, entre otros. + +Hoy en día si bien son varias las editoriales que entregan la posibilidad de publicar el post-print en cualquier repositorio abierto, esto es solo tras el periodo de embargo, el cual consiste en un tiempo determinado donde la editorial se reserva los derechos patrimoniales del artículo para su distribución. Dicho esto, recomendamos tener conocimiento de la posibilidades que tiene el autor de publicar un documento previo a la publicación oficial. + +#### Paso 3: Print {-} +En la última etapa del flujo, recomendamos optar por abrir la publicación del *Print* (artículo final). El artículo final que es publicado oficialmente por una revista permite que la editorial conserve para sí los beneficios de los derechos patrimoniales de la obra, mientras que los equipos de investigación solo conservan el derecho al reconocimiento. Publicar en una revista de reconocimiento que integre políticas de acceso abierto brinda la posibilidad de que una vez finalizado el periodo de embargo, los autores puedan abrir sus artículos, pero no todas las revistas tienen las mismas políticas y directrices, por ello plantean formas y periodos distintos para el depósito del artículo en un repositorio abierto. + +Al momento de realizar el envío de un artículo a una revista cualquiera, puede ocurrir que el autor tenga que firmar un *Acuerdo de Transferencia de Derechos (CTA por sus siglas en inglés)*, transfiriéndole al editor todo derecho sobre la obra y por lo tanto, imposibilitando toda acción posterior del propio creador sobre la investigación. Para que la publicación dentro de una revista no afecte a la posterior decisión de abrir el acceso a una investigación, en ocasiones las editoriales plantean periodos de embargo en cuyo tiempo gozan de los beneficios económicos sobre la obra, pero al finalizar, el autor es libre de difundir en abierto su publicación. En estos casos los editores tienen una licencia que sirve únicamente para publicar, mientras que los autores deben retener para sí los derechos sobre la obra. En síntesis, para que cualquier recurso científico sea abierto, este debe contener una licencia que explicite a sus usuarios las acciones que pueden realizar sobre la obra e indicar la correcta acreditación de la fuente @swan_directrices_2013.
+ +### Revistas para publicar con Open Access + +
Por lo general, cuando llevamos tiempo investigando y publicando tenemos ciertas nociones de las revistas a las que les puede interesar los temas que estamos trabajando o incluso tenemos ciertas certezas de las posibles revistas en las cuales nuestro proyecto tiene mayores chances de ser publicado. El paso lógico para la publicación es elegir aquella editorial donde queremos que aparezca nuestro trabajo, ya sea por reconocimiento, por recomendaciones, por el tema que trabajamos o por cualquier otro motivo que tengamos. Una vez elegida la revista, se recomienda revisar las políticas de autoarchivo y para ello recomendamos acceder a [Sherpa Romeo](https://v2.sherpa.ac.uk/romeo/){target="_blank"} y buscar la revista escogida. Sherpa Romeo es un sitio web que funciona como una base de datos que recopila la información básica sobre las políticas de autoría y acceso abierto de las principales revistas científicas de todo el mundo que utiliza un código de cuatro colores para diferenciar los tipos de políticas de cada revista, los que se definen en: + +```{r, echo=FALSE, fig.cap="Etiquetas de colores de Sherma Romeo según tipo de acceso abierto (Elaborción propia).", fig.align = 'center', out.width = '75%'} +knitr::include_graphics(path = "images/colores_sherpa.png") +``` + +El mundo del Open Access es bastante grande y en ocasiones costoso, toda revista de ruta dorada posee costos de APC que deben ser financiados por los investigadores o sus patrocinantes, lo que se vuelve una barrera económica para los equipos de investigación que deseen abrir sus publicaciones, por ello el proceso de autoarchivo surge como una alternativa al alcance de cualquiera y en su mayoría, cientistas sociales utilizan la vía verde y la diamante para depositar sus manuscritos o tesis en repositorios como [Dialnet](https://soporte.dialnet.unirioja.es/portal/es/kb/articles/el-acceso-abierto-a-la-literatura-cient%C3%ADfica){target="_blank"}, [Latindex](https://www.latindex.org/latindex/descripcion){target="_blank"}, [Scielo](https://scielo.org/es/sobre-el-scielo/declaracion-de-accesso-abierto/){target="_blank"}, [Redalyc](https://www.redalyc.org/){target="_blank"} y [CLACSO](http://biblioteca.clacso.edu.ar/accesoabierto/){target="_blank"}. Adicionalmente, existen revistas de ciencias sociales cuyo foco se encuentra en el diseño de metodologías de investigación cualitativa y que además, poseen un alto factor de impacto como las resumidas en la tabla n° \@ref(tab:revc), pues son indexadas a Scopus @ulloa_tendencias_2017.
+ +
+| Revista | País | Asunto o Categoría | +|----------------------------------------------------------------------------------------------------------|-------------------------|----------------------------------------| +| [Qualitative Sociology Review](http://www.qualitativesociologyreview.org){target="_blank"} | Polonia | Ciencias Sociales diversas | +| [The International Journal Qualitative Methods](https://journals.sagepub.com/home/ijq ){target="_blank"} | Canadá | Educación | +| [Forum Qualitative Sozialforscung](https://www.qualitative-research.net/index.php/fqs ){target="_blank"} | Alemania | Ciencias Sociales diversas | +Table: `r as.character(paste("(\\#tab:revc)", "Descripción de Revistas de Open Access de orden Cualitativo"))` + +
+ +Fuente: Adaptación propia a partir de tabla extraída del estudio de @ulloa_tendencias_2017. + +
+ +### Pagos asociados a la publicación abierta + +
+ +El Open Access está redefiniendo la forma en que el capital científico se define, se moviliza y se trata. Este es un nuevo paradigma que choca con las reglas de un mercado académico que por décadas ha mantenido el monopolio económico del conocimiento científico por medio de barreras de pago, un modelo que no siempre es receptivo a alteraciones y novedades @sadaba_acceso_2014, pero que ha tenido la obligación de adaptarse al nuevo panorama cibernético digital. + +El modelo de suscripción se presenta como un muro de pago que al ser costeado permite acceder al material científico. Detrás de cada ejemplar físico existe un costo de adaptación, impresión y envío, lo que obligaba a las editoriales a publicar una cantidad determinada. Sin embargo, con el advenimiento del internet, la digitalización y la inmediatez de la información, las razones y argumentos que daban sustento al modelo se volvieron obsoletas. La era digital permitió avanzar a pasos agigantados en el desarrollo de nuevos conocimientos, en la difusión masiva e instantánea de los trabajos académicos y por consecuencia, abrió paso al cuestionamiento de las suscripciones pagadas como método de acceso al conocimiento. En este sentido, la declaración que tuvo lugar en @bethesda_declaracion_2003 fue precisa en indicar que *"Internet ha cambiado fundamentalmente las realidades prácticas y económicas relacionadas con la distribución del conocimiento científico y el patrimonio cultural"*. + +En la nueva era digital, el modelo de suscripción sigue estando presente, pero convive con el paradigma del open access, el que intenta superar las barreras de pago poniendo la responsabilidad de la apertura del conocimiento en el propio autor. Algunos repositorios de ruta dorada e híbrida solicitan un pago de APC para publicar en acceso abierto, esto corresponde a un modelo de negocios cuyo propósito es financiar los gastos asociados la gestión de la publicación. En estricto rigor, no existe un monto estandarizado del APC, por lo que su costo dependerá únicamente de la revista y que fluctúa según el pago de impuestos adicionales, lo que se puede evidenciar en la tabla n° \@ref(tab:precio). Según @socha_cuanto_2018, de las revistas de mayor renombre en la industria académica como [Elsevier](https://www.elsevier.com/open-science){target="_blank"}, [Springer](https://www.springer.com/la/open-access){target="_blank"}, [Wiley](https://authorservices.wiley.com/author-resources/Journal-Authors/open-access/index.html){target="_blank"} y [Taylor & Francis](https://authorservices.taylorandfrancis.com/publishing-open-access/){target="_blank"} se han adscrito al acceso abierto cobrando a los autores un costo de APC pero manteniendo su modelo de suscripción.
+ +
+| Repositorio | APC mínimo | APC máximo | ¿Open Acces o Híbrido? | +|------------------|-------------|-------------|------------------------| +| ELSEVIER | $100 | $5.000 | Híbrido | +| SPRINGER | $3.000 | $3.000 | Híbrido | +| WILEY | $1.300 | $5.200 | Híbrido | +| Taylor y Francis | $500 | $2.950 | Open Access | +Table: `r as.character(paste("(\\#tab:precio)", "Fluctuación del precio en dolares del APC en las principales revistas científicas"))` + +
Fuente: Adaptación propia a partir de información recopilada en [University of Cambridge (2018)](https://www.openaccess.cam.ac.uk/publishing-open-access/how-much-do-publishers-charge-open-access){target="_blank"}.
+ +
@spinak_revistas_2019 indica que tanto en Estados Unidos como en países Europeos ha habido un aumento exponencial del costo del APC a través de los años. A modo de ejemplo, el *APC promedio de 319 revistas* de asociadas a las editoriales *BMC, Frontiers, MDPI e Hindawi* aumentó entre 2,5 y 6 veces la inflación entre el 2012 y el 2018, al alero de un considerable crecimiento en la cantidad de volúmenes que paso de 58.007 hasta 127.528 en aquellos años. Los editores han admitido que el costo del APC lo fijan según el valor económico de la revista que es atribuido según el valor de impacto. + +La introducción de un sistema de pagos por procesamiento de artículos hace frente al modelo de suscripción, pero no logra reemplazarlo. En cambio, funciona de manera paralela dentro del mercado científico, presentándose como una nueva barrera que obstaculiza la decisión de abrir las publicaciones de aquellas investigaciones que son autónomas o que dispongan de un presupuesto acotado. Los APC tienen sus propios cuestionamientos y uno de ellos refiere a que el pago no tiene mucho que ver con el procesamiento y posterior publicación del artículo, sino que más bien los equipos de investigación pagan por el reconocimiento de ser publicados en una revista de alto factor de impacto @velterop_suscripciones_2018. Pareciera ser que el nuevo ciclo de la ciencia que apuntaba a la democratización del conocimiento se vio inmerso en las lógicas económicas en donde las editoriales obtienen los principales beneficios monetarios. + +*¿Pagar por hacer ciencia o pagar por reconocimiento?* Claro esta que existen otras vías gratuitas para publicar de manera abierta, sin embargo la ciencia -y principalmente las ligadas a la medicina, la física y las matemáticas- ha tenido la necesidad imperiosa de ser creíble, reconocida y citada, y por ello existe una mayor competencia en torno al reconocimiento que otroga la publicación en revistas de alto impacto. Sin embargo, el quehacer en pos del conocimiento y su disposición como bien público para la sociedad y su desarrollo, poco tiene que ver con una distinción simbólica que sirve dentro del mundo científico. La ciencia social, a diferencia de las ciencias exactas, se ha podido desarrollar con mayor libertad por medio de las vías gratuitas en importantes repositorios de ruta verde, como es el ejemplo del caso latinoamericano que profundizaremos en la siguiente sección.
diff --git a/05e-final.Rmd b/05e-final.Rmd new file mode 100644 index 0000000..d7524f9 --- /dev/null +++ b/05e-final.Rmd @@ -0,0 +1,21 @@ +## ¿Cuál es el destino de las ciencias sociales en el mundo del Open Access? + +
La dicotomía entre ciencias naturales y sociales es una discusión epistemológica de años que no solo remite al objeto de estudio, sino que también a las metodologías de investigación, a los criterios de validez y quizás lo más importante, a la reflexión en torno al carácter objetivo de la propia ciencia. Es claro que el movimiento del Open Access no pretende dar respuestas ni reflexiones profundas sobre este tipo de cuestionamientos de orden epistemológico, y aunque se abre en extenso como una herramienta que sirve para la libre difusión de los conocimientos en el plano del Internet, una cosa es clara y es que las ciencias sociales han llegado algo tarde en comparación a las ciencias exactas [@sadaba_acceso_2014]. La comunidad científica ligada al campo de lo social ha hecho los esfuerzos por adquirir prácticas abiertas y de este modo, han comenzado a trazar una próspera trayectoria en el campo del Open Access con un fuerte componente político. + +Las barreras de pago no son el único obstáculo que enfrenta la libre circulación del conocimiento científico, @banzato_soberania_2019 indica que la industria editorial ha instalado la idea de una ciencia del centro o bien denominada *mainstream*, un concepto consolidado globalmente gracias al trabajo hecho por los servicios de [Web Of Science WoS](https://clarivate.com/webofsciencegroup/release-notes/wos/new-wos-admin-faq/){target="_blank"} y [Scopus](https://www.elsevier.com/solutions/scopus?dgcid=RN_AGCM_Sourced_300005030){target="_blank"} que han creado indicadores bibliométricos que segmentan a las investigaciones científicas, fomentan el uso del inglés como la lengua ilustre de la ciencia, entregan prestigio a aquellos trabajos que siguen los estándares de publicación y son indexadas en las revistas de gran renombre. En suma, generan un sistema restrictivo donde existe poca representatividad de las revistas de ciencias sociales. Según [@beigel_relaciones_2018], las bases de datos comerciales no solo contribuyeron en la ilusión de una ciencia del *centro*, también desarrollaron la idea de un tipo de ciencia *"Periférica"* que refiere al trabajo que se reclusa en el terreno de la academia regional-local-como es el caso Latinoamericano-, este se indexa en revistas subvaloradas y comprendidas como endogámicas y debaja calidad, pues en su gran mayoría producen y re-producen el conocimiento dentro de la propia región, teniendo así un rol subsidiario en el desarrollo de la ciencia y no protagónico como es el caso anterior. + +La apuesta del Open Access de hacer frente al oligopolio de la industria editorial y lograr un cambio sociocultural en la ciencia, a menudo tiene que luchar con condiciones sociales, culturales y económicas que terminan modelando la forma en que los cambios tecnológicos se convierten en cambios sociales, por ello el Open Access es un proceso diferencial no solo entre las disciplinas, sino que también entre las zonas geográficas y las distintas regiones del mundo [@sadaba_acceso_2014]. La globalización y el auge del Internet por sí mismos no democratizan ni permiten la distribución equitativa del conocimiento, por ello es importante adscribir a las palabras de @babini_universidades_2014, coordinadora del programa de acceso abierto de CLACSO, quién hace un llamado la comunidad científica de tomar responsabilidad por gestionar comunicaciones académicas no comerciales, cuyo objetivo sea permitir que el conocimiento se convierta en un **bien público** y por lo tanto, se gestione como tal. + +La experiencia latinoamericana ha logrado arribar en el puerto de la ruta verde de una forma similar al contexto anglosajón, en el estudio de @piwowar_future_2019 se evidencia que tanto en ciencias sociales como en psicología se utiliza mayoritariamente la ruta verde para la publicación abierta (Véase figura n° \@ref(fig:piwowar2019)). Para el caso Latinoamericano, se ha creado una estructura no comercial donde la publicación libre es manejada por institutos de investigación sin fines de lucro o por universidades estatales, dando forma a un ecosistema sustentado por [Open Journals Systems](https://openjournalsystems.com/){target="_blank"} (Sistema de Revistas Abiertas en español), un software libre que entrega herramientas para la administración de plataformas digitales como [Latindex](https://www.latindex.org/latindex/inicio){target="_blank"}, [Redalyc](https://www.redalyc.org/){target="_blank"} y [Scielo](https://scielo.org/es/){target="_blank"}, los principales exponentes del Open Access en la región según @becerrilgarcia_end_2019. Estas plataformas sirvieron de trampolín para el desarrollo de la ciencia abierta de tipo *no comercial*, una distinción propia de Latinoamerica [@beigel_america_2021]. + +```{r piwowar2019, echo=FALSE, fig.cap="Piwowar, H. et al. (2019). Porcentaje de diferentes tipos de acceso de una muestra aleatoria de artículos y reseñas de WoS con un DOI publicado entre 2009 y 2015 por disciplina (Traducción propia).", fig.align = 'center', out.width = '100%'} +knitr::include_graphics(path = "images/Piwowar_future.png") +``` + +Algunas personas ligaran de manera exclusiva el Open Acces a metodologías de carácter cuantitativo, desconfiando del uso de estas técnicas para la investigación cualitativa con el temor de la pérdida de confidencialidad o el reproche sobre la toma de decisiones metodológicas. La evidencia levantada por @mardones_usos_2018 demuestra que existen experiencias cualitativas de trabajos publicados en abierto que no tienen repercusiones negativas, aún cuando estos declaran y describen sus diseños. Ello demuestra que la publicación abierta no afecta la particularidad y flexibilidad del diseño, siempre y cuando este se dirija con el fin de develar el fenómeno de estudio. + +@taylor_altmetric_2020 realizó un análisis sistemático de la publicación en abierto de libros y capítulos en el área de las ciencias sociales, pues ha habido una falta de atención en la publicación de libros en abierto, muy por el contrario al análisis que se realiza casi por completo a artículos y revistas. Este estudio comprende la existencia de un gran número de científicos sociales que se abocan publicar en libros y dentro de los resultados de la investigación, se evidencia que el número de libros y capítulos publicados en acceso abierto es mucho más bajo que el de los artículos, pero a través de los años ha ido en un ligero incremento, siendo estos en su gran mayoría de las disciplinas de la psicología y la economía, y en último lugar, textos del área de la filosofía. Lo anterior no solo evidencia un auge constante de la publicación de libros y capítulos en abierto, también da cuenta de que al igual que en el panorama general, dentro de las humanidades y las ciencias sociales ocurre una dicotomía entre las disciplinas. + +Las revistas académicas y los repositorios antes mencionados son administrados, dirigidos y financiados por instituciones académicas o por organismos no gubernamentales sin fines de lucro -como es el caso del Centro Latinoamericano de Ciencias Sociales (CLACSO)-, por lo que no se incluyen tarifas ni para autores ni para lectores. América Latina ha desarrollado una suerte de *ecosistema en red*, que se configura cómo un espacio virtual donde los miembros de las universidades ponen a disposición el contenido intelectual en repositorios de sus casas de estudio, los cuales a su vez se encuentran interconectados a otros repositorios académicos. Un ejemplo claro de ello es [LaReferencia](https://www.lareferencia.info/es/){target="_blank"} que integra más de 1.3 millones de archivos según @becerrilgarcia_end_2019. En términos de políticas públicas, los organismos estatales han desarrollado leyes que promueven el uso de prácticas abiertas en el desarrollo de investigaciones con fondos estatales, sin embargo por lo que señala @becerrilgarcia_end_2019, los mandatos tienden a ser aún muy débiles y operan como sugerencias más que como obligaciones metodológicas. Otra debilidad indicada por el mismo estudio da cuenta de que la mayoría de los sistemas de validación social de las investigaciones descansan en el renombre de la revista, aún cuando estas se encuentren lejos de las discusiones locales o bien ajenas a los contextos latinoamericanos. + +El destino de las ciencias sociales en el mundo del Open Access es bastante amplio. Los beneficios que entrega este paradigma no solo contribuyen a la difusión y amplio reconocimiento de la obra y de su autoría, también aportan a la apertura del conocimiento científico que sirve a nivel local en la toma de decisiones, en la consecución de estrategias políticas y a nivel regional en tanto aporta al desarrollo cultural y económico de la sociedad en su conjunto. Sin duda, el camino que han trazado otras personas sigue su curso e invita no solo a investigadores a incurrir en este tipo de prácticas, sino que también pone la responsabilidad en las instituciones universitarias y gubernamentales en proporcionar las herramientas, guías y conocimientos necesarios para que el Open Access sea una alternativa viable por la cual la ciencia y el conocimiento se transformen.
diff --git a/06-conclusiones.Rmd b/06-conclusiones.Rmd deleted file mode 100644 index 21a2dc1..0000000 --- a/06-conclusiones.Rmd +++ /dev/null @@ -1,4 +0,0 @@ -# Conclusiones - - -Palabras finales... \ No newline at end of file diff --git a/_output.yml b/_output.yml index 5e58498..c02308a 100644 --- a/_output.yml +++ b/_output.yml @@ -1,4 +1,5 @@ bookdown::gitbook: + split_by: section highlight: tango css: assets/lisa.css pandoc_args: [ @@ -19,10 +20,10 @@ bookdown::gitbook: facebook: no twitter: yes all: no -bookdown::pdf_book: - includes: - in_header: preamble.tex - latex_engine: xelatex - citation_package: natbib - keep_tex: yes -bookdown::epub_book: default +# bookdown::pdf_book: +# includes: +# in_header: preamble.tex +# latex_engine: xelatex +# citation_package: natbib +# keep_tex: yes +# bookdown::epub_book: default diff --git a/book.bib b/book.bib index f275a09..164e924 100644 --- a/book.bib +++ b/book.bib @@ -1,10 +1,4144 @@ -@Book{xie2015, - title = {Dynamic Documents with {R} and knitr}, - author = {Yihui Xie}, - publisher = {Chapman and Hall/CRC}, - address = {Boca Raton, Florida}, + +@misc{__, + howpublished = {https://www.stata.com/meeting/italy14/abstracts/materials/it14\_haghish.pdf} +} + +@misc{_Figueiredo_2021, + title = {Figueiredo, {{Martinovic}}, {{Rees}}, and {{Licata}}: {{Collective Memories}} and {{Present}}-{{Day Intergroup Relations}}: {{Introduction}} to the {{Special Thematic Section}}}, + shorttitle = {Figueiredo, {{Martinovic}}, {{Rees}}, and {{Licata}}}, + year = {2021}, + month = jun, + doi = {10.5964/jspp.v5i2.895}, + howpublished = {https://jspp.psychopen.eu/index.php/jspp/article/download/4995/4995.html?inline=1} +} + +@misc{_impact_2021, + title = {The Impact of a Multicultural Exchange between Indigenous and Non-Indigenous History Teachers for Students' Attitudes: Preliminary Evidence from a Pilot Study in {{Chile}}: {{Multicultural Education Review}}: {{Vol}} 12, {{No}} 3}, + year = {2021}, + month = jun, + howpublished = {https://www.tandfonline.com/doi/abs/10.1080/2005615X.2020.1808927} +} + +@misc{_Increasing_, + title = {Increasing the {{Credibility}} of {{Political Science Research}}: {{A Proposal}} for {{Journal Reforms}}-{{Web}} of {{Science Core Collection}}}, + howpublished = {https://www-webofscience-com.uchile.idm.oclc.org/wos/woscc/full-record/WOS:000359291900014} +} + +@misc{_Retraction_, + title = {Retraction {{Watch}}}, + journal = {Retraction Watch}, + abstract = {Tracking retractions as a window into the scientific process}, + howpublished = {https://retractionwatch.com/}, + language = {en-US} +} + +@misc{_Web_, + title = {Web of {{Science}}}, + howpublished = {https://www-webofscience-com.uchile.idm.oclc.org/wos/} +} + +@article{abdill_tracking_2019, + title = {Tracking the Popularity and Outcomes of All {{bioRxiv}} Preprints}, + author = {Abdill, Richard J. and Blekhman, Ran}, + year = {2019}, + journal = {bioRxiv}, + pages = {515643}, + doi = {10.1101/515643}, + abstract = {Researchers in the life sciences are posting work to preprint servers at an unprecedented and increasing rate, sharing papers online before (or instead of) publication in peer-reviewed journals. Though the increasing acceptance of preprints is driving policy changes for journals and funders, there is little information about their usage. Here, we collected and analyzed data on all 37,648 preprints uploaded to bioRxiv.org, the largest biology-focused preprint server, in its first five years. We find preprints are being downloaded more than ever before (1.1 million tallied in October 2018 alone) and that the rate of preprints being posted has increased to a recent high of 2,100 per month. We also find that two-thirds of preprints posted before 2017 were later published in peer-reviewed journals, and find a relationship between journal impact factor and preprint downloads. Lastly, we developed Rxivist.org, a web application providing multiple ways of interacting with preprint metadata.} +} + +@book{abrilruiz_Manzanas_2019, + title = {{Manzanas podridas: Malas pr\'acticas de investigaci\'on y ciencia descuidada}}, + shorttitle = {{Manzanas podridas}}, + author = {Abril Ruiz, Angel}, + year = {2019}, + isbn = {978-1-07-075536-6}, + language = {Spanish}, + annotation = {OCLC: 1120499121} +} + +@article{aczel_consensusbased_2020, + title = {A Consensus-Based Transparency Checklist}, + author = {Aczel, Balazs and Szaszi, Barnabas and Sarafoglou, Alexandra and Kekecs, Zoltan and Kucharsk{\'y}, {\v S}imon and Benjamin, Daniel and Chambers, Christopher D. and Fisher, Agneta and Gelman, Andrew and Gernsbacher, Morton A. and Ioannidis, John P. and Johnson, Eric and Jonas, Kai and Kousta, Stavroula and Lilienfeld, Scott O. and Lindsay, D. Stephen and Morey, Candice C. and Munaf{\`o}, Marcus and Newell, Benjamin R. and Pashler, Harold and Shanks, David R. and Simons, Daniel J. and Wicherts, Jelte M. and Albarracin, Dolores and Anderson, Nicole D. and Antonakis, John and Arkes, Hal R. and Back, Mitja D. and Banks, George C. and Beevers, Christopher and Bennett, Andrew A. and Bleidorn, Wiebke and Boyer, Ty W. and Cacciari, Cristina and Carter, Alice S. and Cesario, Joseph and Clifton, Charles and Conroy, Ron{\'a}n M. and Cortese, Mike and Cosci, Fiammetta and Cowan, Nelson and Crawford, Jarret and Crone, Eveline A. and Curtin, John and Engle, Randall and Farrell, Simon and Fearon, Pasco and Fichman, Mark and Frankenhuis, Willem and Freund, Alexandra M. and Gaskell, M. Gareth and {Giner-Sorolla}, Roger and Green, Don P. and Greene, Robert L. and Harlow, Lisa L. and {de la Guardia}, Fernando Hoces and Isaacowitz, Derek and Kolodner, Janet and Lieberman, Debra and Logan, Gordon D. and Mendes, Wendy B. and Moersdorf, Lea and Nyhan, Brendan and Pollack, Jeffrey and Sullivan, Christopher and Vazire, Simine and Wagenmakers, Eric-Jan}, + year = {2020}, + month = jan, + journal = {Nature Human Behaviour}, + volume = {4}, + number = {1}, + pages = {4--6}, + publisher = {{Nature Publishing Group}}, + issn = {2397-3374}, + doi = {10.1038/s41562-019-0772-6}, + abstract = {We present a consensus-based checklist to improve and document the transparency of research reports in social and behavioural research. An accompanying online application allows users to complete the form and generate a report that they can submit with their manuscript or post to a public repository.}, + copyright = {2019 The Author(s)}, + language = {en}, + keywords = {forrt,herramienta} +} + +@misc{agencianacionaldeinvestigacionydesarrollo_consulta_2020, + title = {Consulta {{P\'ublica}}: {{Pol\'itica Acceso Abierto}} a {{Informaci\'on Cient\'ifica}}}, + author = {{Agencia Nacional de Investigaci{\'o}n y Desarrollo}, (ANID)}, + year = {2020} +} + +@article{agnoli_Questionable_2017, + title = {Questionable Research Practices among Italian Research Psychologists}, + author = {Agnoli, Franca and Wicherts, Jelte M. and Veldkamp, Coosje L. S. and Albiero, Paolo and Cubelli, Roberto}, + year = {2017}, + month = mar, + journal = {PLOS ONE}, + volume = {12}, + number = {3}, + pages = {e0172792}, + publisher = {{Public Library of Science}}, + issn = {1932-6203}, + doi = {10.1371/journal.pone.0172792}, + abstract = {A survey in the United States revealed that an alarmingly large percentage of university psychologists admitted having used questionable research practices that can contaminate the research literature with false positive and biased findings. We conducted a replication of this study among Italian research psychologists to investigate whether these findings generalize to other countries. All the original materials were translated into Italian, and members of the Italian Association of Psychology were invited to participate via an online survey. The percentages of Italian psychologists who admitted to having used ten questionable research practices were similar to the results obtained in the United States although there were small but significant differences in self-admission rates for some QRPs. Nearly all researchers (88\%) admitted using at least one of the practices, and researchers generally considered a practice possibly defensible if they admitted using it, but Italian researchers were much less likely than US researchers to consider a practice defensible. Participants' estimates of the percentage of researchers who have used these practices were greater than the self-admission rates, and participants estimated that researchers would be unlikely to admit it. In written responses, participants argued that some of these practices are not questionable and they have used some practices because reviewers and journals demand it. The similarity of results obtained in the United States, this study, and a related study conducted in Germany suggest that adoption of these practices is an international phenomenon and is likely due to systemic features of the international research and publication processes.}, + language = {en}, + keywords = {Behavior,Experimental psychology,Italian people,Psychologists,Psychology,Psychometrics,Questionnaires,United States} +} + +@article{allen_Open_2019, + title = {Open Science Challenges, Benefits and Tips in Early Career and Beyond}, + author = {Allen, Christopher and Mehler, David M. A.}, + year = {2019}, + month = may, + journal = {PLOS Biology}, + volume = {17}, + number = {5}, + pages = {e3000246}, + publisher = {{Public Library of Science}}, + issn = {1545-7885}, + doi = {10.1371/journal.pbio.3000246}, + abstract = {The movement towards open science is a consequence of seemingly pervasive failures to replicate previous research. This transition comes with great benefits but also significant challenges that are likely to affect those who carry out the research, usually early career researchers (ECRs). Here, we describe key benefits, including reputational gains, increased chances of publication, and a broader increase in the reliability of research. The increased chances of publication are supported by exploratory analyses indicating null findings are substantially more likely to be published via open registered reports in comparison to more conventional methods. These benefits are balanced by challenges that we have encountered and that involve increased costs in terms of flexibility, time, and issues with the current incentive structure, all of which seem to affect ECRs acutely. Although there are major obstacles to the early adoption of open science, overall open science practices should benefit both the ECR and improve the quality of research. We review 3 benefits and 3 challenges and provide suggestions from the perspective of ECRs for moving towards open science practices, which we believe scientists and institutions at all levels would do well to consider.}, + language = {en}, + keywords = {Careers,Experimental design,Neuroimaging,Open data,Open science,Peer review,Reproducibility,Statistical data} +} + +@article{allison_Reproducibility_2018, + title = {Reproducibility of Research: {{Issues}} and Proposed Remedies}, + shorttitle = {Reproducibility of Research}, + author = {Allison, David B. and Shiffrin, Richard M. and Stodden, Victoria}, + year = {2018}, + month = mar, + journal = {Proceedings of the National Academy of Sciences}, + volume = {115}, + number = {11}, + pages = {2561--2562} +} + +@book{alperin_indicadores_2014, + title = {{Indicadores de acceso abierto y comunicaciones acad\'emicas en Am\'erica Latina}}, + shorttitle = {{Indicadores de AA}}, + author = {Alperin, Juan Pablo and Babini, Dominique and Fischman, Gustavo}, + year = {2014}, + edition = {Juan Pablo Alperin}, + volume = {1}, + publisher = {{Consejo Latinoamericano de Ciencias Sociales, CLACSO}}, + address = {{Buenos Aires, Argentina}}, + abstract = {El mundo hoy en d\'ia cuenta con frases como ``muerte de la distancia'' lo que sugiere que la distancia ya no es un factor limitante en la capacidad de las personas para interactuar y comunicarse. Otro aforismo es que el mundo est\'a ``aplanado'' en t\'erminos de oportunidades, que son facilitadas por el avance de las Tecnolog\'ias de la Comunicaci\'on y de la Informaci\'on (TIC) que han permitido la convergencia de los consorcios y recursos de conocimiento de todo el mundo. A medida que las sociedades se van transformando, los paisajes del conocimiento y su interacci\'on dentro y entre las sociedades tambi\'en est\'an cambiando.}, + copyright = {Creative Commons Attribution 4.0 International, Open Access}, + isbn = {978-987-722-042-1}, + language = {es} +} + +@article{an_Crisis_2018, + title = {The {{Crisis}} of {{Reproducibility}}, the {{Denominator Problem}} and the {{Scientific Role}} of {{Multi}}-Scale {{Modeling}}}, + author = {An, Gary}, + year = {2018}, + month = dec, + journal = {Bulletin of Mathematical Biology}, + volume = {80}, + number = {12}, + pages = {3071--3080}, + issn = {1522-9602}, + doi = {10.1007/s11538-018-0497-0}, + abstract = {The ``Crisis of Reproducibility'' has received considerable attention both within the scientific community and without. While factors associated with scientific culture and practical practice are most often invoked, I propose that the Crisis of Reproducibility is ultimately a failure of generalization with a fundamental scientific basis in the methods used for biomedical research. The Denominator Problem describes how limitations intrinsic to the two primary approaches of biomedical research, clinical studies and preclinical experimental biology, lead to an inability to effectively characterize the full extent of biological heterogeneity, which compromises the task of generalizing acquired knowledge. Drawing on the example of the unifying role of theory in the physical sciences, I propose that multi-scale mathematical and dynamic computational models, when mapped to the modular structure of biological systems, can serve a unifying role as formal representations of what is conserved and similar from one biological context to another. This ability to explicitly describe the generation of heterogeneity from similarity addresses the Denominator Problem and provides a scientific response to the Crisis of Reproducibility.}, + language = {en}, + keywords = {crisis} +} + +@article{andrea_Why_2018, + title = {Why Science's Crisis Should Not Become a Political Battling Ground}, + author = {Andrea, Saltelli}, + year = {2018}, + month = dec, + journal = {Futures}, + volume = {104}, + pages = {85--90}, + issn = {0016-3287}, + doi = {10.1016/j.futures.2018.07.006}, + abstract = {A science war is in full swing which has taken science's reproducibility crisis as a battleground. While conservatives and corporate interests use the crisis to weaken regulations, their opponent deny the existence of a science's crisis altogether. Thus, for the conservative National Association of Scholars NAS the crisis is real and due to the progressive assault on higher education with ideologies such as ``neo-Marxism, radical feminism, historicism, post-colonialism, deconstructionism, post-modernism, liberation theology''. In the opposite field, some commentators claim that there is no crisis in science and that saying the opposite is irresponsible. These positions are to be seen in the context of the ongoing battle against regulation, of which the new rules proposed at the US Environmental Protection Agency (EPA) are but the last chapter. In this optic, Naomi Oreskes writes on Nature that what constitutes the crisis is the conservatives' attack on science. This evident right-left divide in the reading of the crisis is unhelpful and dangerous to the survival of science itself. An alternative reading ignored by the contendents would suggest that structural contradictions have emerged in modern science, and that addressing these should be the focus of our attention.}, + language = {en}, + keywords = {crisis,Evidence-based policy,History and philosophy of science,Post-normal science,Science and technology studies,Science’s crisis,Science’s reproducibility,Science’s war,Scientism} +} + +@article{angell_Publish_1986, + title = {Publish or {{Perish}}: {{A Proposal}}}, + shorttitle = {Publish or {{Perish}}}, + author = {Angell, Marcia}, + year = {1986}, + month = feb, + journal = {Annals of Internal Medicine}, + volume = {104}, + number = {2}, + pages = {261--262}, + publisher = {{American College of Physicians}}, + issn = {0003-4819}, + doi = {10.7326/0003-4819-104-2-261}, + keywords = {institutional} +} + +@misc{anid_propuesta_2020, + title = {Propuesta de {{Pol\'itica}} de Acceso Abierto a La Informaci\'on Cient\'ifica y Adatos de Investigaci\'onfinanciados Con Fondos P\'ublicos de La {{ANID}}}, + author = {ANID}, + year = {2020}, + publisher = {{ANID}} +} + +@article{anvari_replicability_2018, + title = {The Replicability Crisis and Public Trust in Psychological Science}, + author = {Anvari, Farid and Lakens, Dani{\"e}l}, + year = {2018}, + month = sep, + journal = {Comprehensive Results in Social Psychology}, + volume = {3}, + number = {3}, + pages = {266--286}, + publisher = {{Routledge}}, + issn = {2374-3603}, + doi = {10.1080/23743603.2019.1684822}, + abstract = {Replication failures of past findings in several scientific disciplines, including psychology, medicine, and experimental economics, have created a ``crisis of confidence'' among scientists. Psychological science has been at the forefront of tackling these issues, with discussions about replication failures and scientific self-criticisms of questionable research practices (QRPs) increasingly taking place in public forums. How this replicability crisis impacts the public's trust is a question yet to be answered by research. Whereas some researchers believe that the public's trust will be positively impacted or maintained, others believe trust will be diminished. Because it is our field of expertise, we focus on trust in psychological science. We performed a study testing how public trust in past and future psychological research would be impacted by being informed about (i) replication failures (replications group), (ii) replication failures and criticisms of QRPs (QRPs group), and (iii) replication failures, criticisms of QRPs, and proposed reforms (reforms group). Results from a mostly European sample (N = 1129) showed that, compared to a control group, people in the replications, QRPs, and reforms groups self-reported less trust in past research. Regarding trust in future research, the replications and QRPs groups did not significantly differ from the control group. Surprisingly, the reforms group had less trust in future research than the control group. Nevertheless, people in the replications, QRPs, and reforms groups did not significantly differ from the control group in how much they believed future research in psychological science should be supported by public funding. Potential explanations are discussed.}, + keywords = {crisis of confidence,open science,Replicability crisis,reproducibility crisis,trust in science}, + annotation = {\_eprint: https://doi.org/10.1080/23743603.2019.1684822} +} + +@article{armeni_widescale_2021, + title = {Towards Wide-Scale Adoption of Open Science Practices: {{The}} Role of Open Science Communities}, + shorttitle = {Towards Wide-Scale Adoption of Open Science Practices}, + author = {Armeni, Kristijan and Brinkman, Loek and Carlsson, Rickard and Eerland, Anita and Fijten, Rianne and Fondberg, Robin and Heininga, Vera E and Heunis, Stephan and Koh, Wei Qi and Masselink, Maurits and Moran, Niall and Baoill, Andrew {\'O} and Sarafoglou, Alexandra and Schettino, Antonio and Schwamm, Hardy and Sjoerds, Zsuzsika and Teperek, Marta and {van den Akker}, Olmo R and {van't Veer}, Anna and {Zurita-Milla}, Raul}, + year = {2021}, + month = jul, + journal = {Science and Public Policy}, + number = {scab039}, + issn = {0302-3427}, + doi = {10.1093/scipol/scab039}, + abstract = {Despite the increasing availability of Open Science (OS) infrastructure and the rise in policies to change behaviour, OS practices are not yet the norm. While pioneering researchers are developing OS practices, the majority sticks to status quo. To transition to common practice, we must engage a critical proportion of the academic community. In this transition, OS Communities (OSCs) play a key role. OSCs are bottom-up learning groups of scholars that discuss OS within and across disciplines. They make OS knowledge more accessible and facilitate communication among scholars and policymakers. Over the past two years, eleven OSCs were founded at several Dutch university cities. In other countries, similar OSCs are starting up. In this article, we discuss the pivotal role OSCs play in the large-scale transition to OS. We emphasize that, despite the grassroot character of OSCs, support from universities is critical for OSCs to be viable, effective, and sustainable.} +} + +@inproceedings{babini_universidades_2014, + title = {{Universidades y acceso abierto: hora de tomar protagonismo}}, + booktitle = {{Foro Revista Iberoamericana de Ciencia, Tecnolog\'ia y Sociedad}}, + author = {Babini, Dominique}, + year = {2014}, + pages = {1--3}, + publisher = {{2015}}, + abstract = {Las universidades est\'an en condiciones tener mayor protagonismo en la construcci\'on de un acceso abierto global cooperativo no comercial, sustentable e inclusivo. Pueden: desarrollar sus propios portales con las revistas que publica cada universidad, crear repositorios digitales institucionales que reflejen la propia producci\'on cient\'ifica y acad\'emica de cada instituci\'on disponible gratis en texto completo, participar activamente en los sistemas nacionales de repositorios de sus pa\'ises, aportar una revisi\'on cr\'itica de las actuales modalidades de evaluaci\'on de la investigaci\'on.}, + language = {es} +} + +@article{baker_500_2016, + title = {1,500 Scientists Lift the Lid on Reproducibility}, + author = {Baker, Monya}, + year = {2016}, + month = may, + journal = {Nature}, + volume = {533}, + number = {7604}, + pages = {452--454}, + publisher = {{Nature Publishing Group}}, + issn = {1476-4687}, + doi = {10.1038/533452a}, + abstract = {Survey sheds light on the `crisis' rocking research.}, + copyright = {2016 Nature Publishing Group}, + language = {en}, + keywords = {crisis} +} + +@misc{bakker_Ensuring_2018, + title = {Ensuring the Quality and Specificity of Preregistrations}, + author = {Bakker, Marjan and Veldkamp, Coosje Lisabet Sterre and van Assen, Marcel A. L. M. and Crompvoets, Elise Anne Victoire and Ong, How Hwee and Nosek, Brian A. and Soderberg, Courtney K. and Mellor, David Thomas and Wicherts, Jelte}, + year = {2018}, + month = sep, + institution = {{PsyArXiv}}, + doi = {10.31234/osf.io/cdgyh}, + abstract = {Researchers face many, often seemingly arbitrary choices in formulating hypotheses, designing protocols, collecting data, analyzing data, and reporting results. Opportunistic use of `researcher degrees of freedom' aimed at obtaining statistical significance increases the likelihood of obtaining and publishing false positive results and overestimated effect sizes. Preregistration is a mechanism for reducing such degrees of freedom by specifying designs and analysis plans before observing the research outcomes. The effectiveness of preregistration may depend, in part, on whether the process facilitates sufficiently specific articulation of such plans. In this preregistered study, we compared two formats of preregistration available on the OSF: Standard Pre-Data Collection Registration and Prereg Challenge registration (now called ``OSF Preregistration'', http://osf.io/prereg/). The Prereg Challenge format was a structured workflow with detailed instructions, and an independent review to confirm completeness; the ``Standard'' format was unstructured with minimal direct guidance to give researchers flexibility for what to pre-specify. Results of comparing random samples of 53 preregistrations from each format indicate that the structured format restricted the opportunistic use of researcher degrees of freedom better (Cliff's Delta = 0.49) than the unstructured format, but neither eliminated all researcher degrees of freedom. We also observed very low concordance among coders about the number of hypotheses (14\%), indicating that they are often not clearly stated. We conclude that effective preregistration is challenging, and registration formats that provide effective guidance may improve the quality of research.}, + keywords = {Meta-science,preregistration,Quantitative Methods,Questionable research practices,researcher degrees of freedom,Social and Behavioral Sciences,Statistical Methods} +} + +@misc{bakker_Questionable_2020, + title = {Questionable and Open Research Practices: Attitudes and Perceptions among Quantitative Communication Researchers}, + shorttitle = {Questionable and Open Research Practices}, + author = {Bakker, Bert N. and Jaidka, Kokil and D{\"o}rr, Timothy and Fasching, Neil and Lelkes, Yphtach}, + year = {2020}, + month = nov, + institution = {{PsyArXiv}}, + doi = {10.31234/osf.io/7uyn5}, + abstract = {Recent contributions have questioned the credibility of quantitative communication research. While questionable research practices are believed to be widespread, evidence for this claim is primarily derived from other disciplines. Before change in communication research can happen, it is important to document the extent to which QRPs are used and whether researchers are open to the changes proposed by the so-called open science agenda. We conducted a large survey among authors of papers published in the top-20 journals in communication science in the last ten years (N=1039). A non-trivial percent of researchers report using one or more QRPs. While QRPs are generally considered unacceptable, researchers perceive QRPs to be common among their colleagues. At the same time, we find optimism about the use of open science practices in communication research. We end with a series of recommendations outlining what journals, institutions and researchers can do moving forward.}, + keywords = {other,Psychology,Social and Behavioral Sciences} +} + +@article{banzato_soberania_2019, + title = {{Soberan\'ia del conocimiento para superar inequidades: pol\'iticas de Acceso Abierto para revistas cient\'ificas en Am\'erica Latina}}, + author = {Banzato, Guillermo}, + year = {2019}, + journal = {Mecila Working Paper Series}, + volume = {18}, + pages = {1--18}, + abstract = {Desde el comienzo de la era digital, determinadas pol\'iticas de gesti\'on de la ciencia han incrementado las inequidades en las condiciones de producci\'on del conocimiento y en las posibilidades de di\'alogo entre los colectivos de investigadores. A fines del siglo XX y principios del XXI se inici\'o una reacci\'on en las m\'as prestigiosas bibliotecas y comunidades cient\'ificas de Am\'erica del Norte y Europa Occidental, y Am\'erica Latina comenz\'o el desarrollo de sistemas de visibilidad propios, al tiempo que sucesivas declaraciones fueron definiendo al Acceso Abierto como estrategia para superar tales inequidades. En esta direcci\'on, se han desarrollado revistas en Acceso Abierto cuya sustentabilidad est\'a siendo puesta a prueba. Este trabajo presenta un breve estado de situaci\'on actualizado sobre algunos problemas que enfrentan los autores, evaluadores y editores latinoamericanos en la gesti\'on y publicaci\'on de los resultados de las investigaciones. Asimismo, en \'el se argumenta en pro del Acceso Abierto como herramienta primordial para garantizar la soberan\'ia del conocimiento en el Sur Global, y se sostiene que la propuesta colaborativa para la construcci\'on conjunta de un sistema sustentable de edici\'on cient\'ifica en Acceso Abierto puede ayudar a superar las inequidades en la producci\'on y difusi\'on del conocimiento latinoamericano}, + language = {es} +} + +@article{barba_Terminologies_2018, + title = {Terminologies for {{Reproducible Research}}}, + author = {Barba, Lorena A.}, + year = {2018}, + month = feb, + journal = {arXiv:1802.03311 [cs]}, + eprint = {1802.03311}, + eprinttype = {arxiv}, + primaryclass = {cs}, + abstract = {Reproducible research---by its many names---has come to be regarded as a key concern across disciplines and stakeholder groups. Funding agencies and journals, professional societies and even mass media are paying attention, often focusing on the so-called "crisis" of reproducibility. One big problem keeps coming up among those seeking to tackle the issue: different groups are using terminologies in utter contradiction with each other. Looking at a broad sample of publications in different fields, we can classify their terminology via decision tree: they either, A---make no distinction between the words reproduce and replicate, or B---use them distinctly. If B, then they are commonly divided in two camps. In a spectrum of concerns that starts at a minimum standard of "same data+same methods=same results," to "new data and/or new methods in an independent study=same findings," group 1 calls the minimum standard reproduce, while group 2 calls it replicate. This direct swap of the two terms aggravates an already weighty issue. By attempting to inventory the terminologies across disciplines, I hope that some patterns will emerge to help us resolve the contradictions.}, + archiveprefix = {arXiv}, + keywords = {Computer Science - Digital Libraries} +} + +@article{becerrilgarcia_end_2019, + title = {The {{End}} of a {{Centralized Open Access Project}} and the {{Beginning}} of a {{Community}}-{{Based Sustainable Infrastructure}} for {{Latin America}}}, + author = {Becerril Garc{\'i}a, Arianna and Aguado L{\'o}pez, Eduardo}, + year = {2019}, + journal = {OpenEdition Press}, + pages = {41--55}, + doi = {10.4000/books.oep. 9003.}, + abstract = {The Latin American region has an ecosystem where the nature of publication is conceived as the act of making public, of sharing, not as the publishing industry. International, national and institutional contexts have led to redefine a project\textemdash Redalyc.org\textemdash that began in 2003 and that has already fulfilled its original mission: give visibility to knowledge coming from Latin America and promote qualitative scientific journals. Nevertheless, it has to be transformed from a Latin American platform based in Mexico into a community- based regional infrastructure that continues assessing journals' quality and providing access to full-text, thus allowing visibility for journals and free access to knowledge. It is a framework that generates technology in favor of the empowerment and professionalization of journal editors, making sustainable the editorial task in open access so that Redalyc may sustain itself collectively. This work describes Redalyc's first model, presents the problematic in process and the new business model Redalyc is designing and adopting to operate.} +} + +@misc{beigel_america_2021, + type = {{Scientific Blog}}, + title = {{Am\'erica Latina podr\'ia convertirse en l\'ider mundial de la ciencia abierta no comercial}}, + author = {Beigel, Fernanda}, + year = {2021}, + journal = {The Conversation}, + abstract = {Para hacer frente a los retos del pr\'oximo siglo \textendash desde las pandemias hasta el cambio clim\'atico, pasando por la automatizaci\'on y el big data\textendash, la ciencia debe estar abierta a todas las personas del mundo. La ciudadan\'ia deben tener el mismo acceso a la informaci\'on que los investigadores, y estos necesitan acceder a repositorios de conocimiento de alta calidad e interconectados para avanzar en nuestra comprensi\'on del mundo que nos rodea.}, + copyright = {Creative Commons 3.0}, + language = {es} +} + +@article{beigel_relaciones_2018, + title = {{Las relaciones de poder en la ciencia mundial}}, + shorttitle = {{NUSO}}, + author = {Beigel, Fernanda}, + year = {2018}, + journal = {Nueva Sociedad}, + volume = {274}, + pages = {13--28}, + issn = {0251-3552}, + abstract = {Los rankings universitarios se crearon principalmente para intervenir en los flujos internacionales de estudiantes, pero se convirtieron progresivamente en una fuente directa para reforzar el prestigio de un peque\~no grupo de universidades, de sus principales revistas y editoriales oligop\'olicas. Su aplicaci\'on tiende a volver cada vez m\'as perif\'erica a la ciencia desarrollada en los espacios alejados del circuito mainstream o de corriente principal. Por eso es necesario crear nuevas herramientas de medici\'onde la producci\'on cient\'ifica de la periferia que contemplen las interacciones de sus universidades en sus distintas direcciones, y no solo con los circuitos dominantes.}, + language = {es} +} + +@article{benjamin-chung_Internal_2020, + title = {Internal Replication of Computational Workflows in Scientific Research}, + author = {{Benjamin-Chung}, Jade and Colford, Jr., John M. and Mertens, Andrew and Hubbard, Alan E. and Arnold, Benjamin F.}, + year = {2020}, + month = jun, + journal = {Gates Open Research}, + volume = {4}, + pages = {17}, + issn = {2572-4754}, + doi = {10.12688/gatesopenres.13108.2}, + abstract = {Failures to reproduce research findings across scientific disciplines from psychology to physics have garnered increasing attention in recent years. External replication of published findings by outside investigators has emerged as a method to detect errors and bias in the published literature. However, some studies influence policy and practice before external replication efforts can confirm or challenge the original contributions. Uncovering and resolving errors before publication would increase the efficiency of the scientific process by increasing the accuracy of published evidence. Here we summarize the rationale and best practices for internal replication, a process in which multiple independent data analysts replicate an analysis and correct errors prior to publication. We explain how internal replication should reduce errors and bias that arise during data analyses and argue that it will be most effective when coupled with pre-specified hypotheses and analysis plans and performed with data analysts masked to experimental group assignments. By improving the reproducibility of published evidence, internal replication should contribute to more rapid scientific advances.}, + language = {en} +} + +@article{benning_Registration_2019a, + title = {The {{Registration Continuum}} in {{Clinical Science}}: {{A Guide Toward Transparent Practices}}}, + shorttitle = {The {{Registration Continuum}} in {{Clinical Science}}}, + author = {Benning, Stephen D. and Bachrach, Rachel L. and Smith, Edward A. and Freeman, Andrew J. and Wright, Aidan G. C.}, + year = {2019}, + month = aug, + journal = {Journal of Abnormal Psychology}, + volume = {128}, + number = {6}, + pages = {528--540}, + publisher = {{Amer Psychological Assoc}}, + address = {{Washington}}, + issn = {0021-843X}, + doi = {10.1037/abn0000451}, + abstract = {Clinical scientists can use a continuum of registration efforts that vary in their disclosure and timing relative to data collection and analysis. Broadly speaking, registration benefits investigators by offering stronger, more powerful tests of theory with particular methods in tandem with better control of long-run false positive error rates. Registration helps clinical researchers in thinking through tensions between bandwidth and fidelity that surround recruiting participants, defining clinical phenotypes, handling comorbidity, treating missing data. and analyzing rich and complex data. In particular. registration helps record and justify the reasons behind specific study design decisions, though it also provides the opportunity to register entire decision trees with specific endpoints. Creating ever more faithful registrations and standard operating procedures may offer alternative methods of judging a clinical investigator's scientific skill and eminence because study registration increases the transparency of clinical researchers' work.}, + language = {English}, + keywords = {coregistration,credibility,disorders,flexibility,framework,postregistration,preregistration,psychopathology,registered-reports,symptoms,transparency}, + annotation = {WOS:000478024300006} +} + +@article{bergh_there_2017, + title = {Is There a Credibility Crisis in Strategic Management Research? {{Evidence}} on the Reproducibility of Study Findings}, + shorttitle = {Is There a Credibility Crisis in Strategic Management Research?}, + author = {Bergh, Donald D and Sharp, Barton M and Aguinis, Herman and Li, Ming}, + year = {2017}, + month = aug, + journal = {Strategic Organization}, + volume = {15}, + number = {3}, + pages = {423--436}, + publisher = {{SAGE Publications}}, + issn = {1476-1270}, + doi = {10.1177/1476127017701076}, + abstract = {Recent studies report an inability to replicate previously published research, leading some to suggest that scientific knowledge is facing a credibility crisis. In this essay, we provide evidence on whether strategic management research may itself be vulnerable to these concerns. We conducted a study whereby we attempted to reproduce the empirical findings of 88 articles appearing in the Strategic Management Journal using data reported in the articles themselves. About 70\% of the studies did not disclose enough data to permit independent tests of reproducibility of their findings. Of those that could be retested, almost one-third reported hypotheses as statistically significant which were no longer so and far more significant results were found to be non-significant in the reproductions than in the opposite direction. Collectively, incomplete reporting practices, disclosure errors, and possible opportunism limit the reproducibility of most studies. Until disclosure standards and requirements change to include more complete reporting and facilitate tests of reproducibility, the strategic management field appears vulnerable to a credibility crisis.}, + language = {en}, + keywords = {crisis,knowledge credibility,replication,reproducibility} +} + +@article{bergkvist_Preregistration_2020a, + title = {Preregistration as a Way to Limit Questionable Research Practice in Advertising Research}, + author = {Bergkvist, Lars}, + year = {2020}, + month = oct, + journal = {International Journal of Advertising}, + volume = {39}, + number = {7}, + pages = {1172--1180}, + publisher = {{Routledge Journals, Taylor \& Francis Ltd}}, + address = {{Abingdon}}, + issn = {0265-0487}, + doi = {10.1080/02650487.2020.1753441}, + abstract = {This paper discusses two phenomena that threaten the credibility of scientific research and suggests an approach to limiting the extent of their use in advertising research. HARKing (hypothesizing after the results are known) refers to when hypotheses are formulated or modified after the results of a study are known. P-hacking refers to various practices (e.g., adding respondents, introducing control variables) that increase the likelihood of obtaining statistically significant results from a study. Both of these practices increase the risk of false positives (Type I errors) in research results and it is in the interest of the advertising research field that they are limited. Voluntary preregistration, where researchers commit to and register their research design and analytical approach before conducting the study, is put forward as a means to limiting both HARKing and p-hacking.}, + language = {English}, + keywords = {HARKing,journals,methodology,P-hacking,preregistration,publication bias,questionable research practice,replication}, + annotation = {WOS:000559843700001} +} + +@article{berlin_declaracion_2003, + title = {La {{Declaraci\'on}} de {{Berl\'in}} Sobre Acceso Abierto}, + author = {Berl{\'i}n}, + year = {2003}, + series = {Sociedad {{Max Planck}}}, + volume = {1}, + number = {2}, + pages = {152--154} +} + +@misc{bethesda_declaracion_2003, + title = {Declaraci\'on de {{Bethesda}} Sobre Publicaci\'on de Acceso Abierto}, + author = {Bethesda}, + year = {2003} +} + +@article{bishop_Problems_2016, + title = {Problems in Using P-Curve Analysis and Text-Mining to Detect Rate of p-Hacking and Evidential Value}, + author = {Bishop, Dorothy V. M. and Thompson, Paul A.}, + year = {2016}, + month = feb, + journal = {Peerj}, + volume = {4}, + pages = {e1715}, + publisher = {{Peerj Inc}}, + address = {{London}}, + issn = {2167-8359}, + doi = {10.7717/peerj.1715}, + abstract = {Background. The p-curve is a plot of the distribution of p-values reported in a set of scientific studies. Comparisons between ranges of p-values have been used to evaluate fields of research in terms of the extent to which studies have genuine evidential value, and the extent to which they suffer from bias in the selection of variables and analyses for publication, p-hacking. Methods. p-hacking can take various forms. Here we used R code to simulate the use of ghost variables, where an experimenter gathers data on several dependent variables but reports only those with statistically significant effects. We also examined a text-mined dataset used by Head et al. (2015) and assessed its suitability for investigating p-hacking. Results. We show that when there is ghost p-hacking, the shape of the p-curve depends on whether dependent variables are intercorrelated. For uncorrelated variables, simulated p-hacked data do not give the "p-hacking bump" just below .05 that is regarded as evidence of p-hacking, though there is a negative skew when simulated variables are inter-correlated. The way p-curves vary according to features of underlying data poses problems when automated text mining is used to detect p-values in heterogeneous sets of published papers. Conclusions. The absence of a bump in the p-curve is not indicative of lack of p-hacking. Furthermore, while studies with evidential value will usually generate a right-skewed p-curve, we cannot treat a right-skewed p-curve as an indicator of the extent of evidential value, unless we have a model specific to the type of p-values entered into the analysis. We conclude that it is not feasible to use the p-curve to estimate the extent of p-hacking and evidential value unless there is considerable control over the type of data entered into the analysis. In particular, p-hacking with ghost variables is likely to be missed.}, + language = {English}, + keywords = {Correlation,Ghost variables,p-curve,p-hacking,Power,prevalence,publication,Reproducibility,Simulation,Text-mining}, + annotation = {WOS:000370984200010} +} + +@article{bishop_Rein_2019, + title = {Rein in the Four Horsemen of Irreproducibility}, + author = {Bishop, Dorothy}, + year = {2019}, + month = apr, + journal = {Nature}, + volume = {568}, + number = {7753}, + pages = {435--435}, + publisher = {{Nature Publishing Group}}, + doi = {10.1038/d41586-019-01307-2}, + abstract = {Dorothy Bishop describes how threats to reproducibility, recognized but unaddressed for decades, might finally be brought under control.}, + copyright = {2021 Nature}, + language = {en}, + keywords = {forrt} +} + +@book{bjork_developing_2014, + title = {Developing an {{Effective}} {{Market}} for {{Open Access}} {{Article Processing Charges}}}, + author = {Bj{\"o}rk, Bo-Christer and Solomon, David}, + year = {2014}, + publisher = {{Weolcome Trust}} +} + +@article{bjork_gold_2017, + title = {Gold, {{Green}} and {{Black Open Access}}}, + author = {Bj{\"o}rk, Bo-Christer}, + year = {2017}, + journal = {Learned Publishing}, + volume = {30}, + number = {2}, + pages = {173--175}, + doi = {10.1002/leap.1096}, + abstract = {Universal open access (OA) to scholarly research publications is deceptively simple as a concept. Any scientific publications, whether found via a Google keyword search, or by trying to access a citation would be just one click away. But the path to get there from the current subscription-dominated journal pub- lishing model has proved to be complex and filled with obstacles. Since the terms gold and green OA were coined almost 15 years ago, much of the debate inside the OA movement has been focused on the relative merits of these two paths (Harnad et al., 2004)}, + copyright = {Creative Commons Attribution 4.0 International, Open Access}, + language = {English} +} + +@misc{blanca_informatica_2019, + type = {{Course}}, + title = {{Inform\'atica para las ciencias de la vida: Unix y Python}}, + author = {Blanca, Jos{\'e}}, + year = {2019}, + journal = {Bioinformatics at COMAV}, + abstract = {The COMAV institute is devoted to the preservation of the horticultural plant variability and to the plant breeding on horticultural species. To accomplish these goals we have developed some software that it might be of some use to other researchers like ngs\_backbone or sff\_extract.}, + copyright = {Creative Commons 3.0}, + language = {es} +} + +@article{blincoe_Research_2020, + title = {Research {{Preregistration}} as a {{Teaching}} and {{Learning Tool}} in {{Undergraduate Psychology Courses}}}, + author = {Blincoe, Sarai and Buchert, Stephanie}, + year = {2020}, + month = mar, + journal = {Psychology Learning and Teaching-Plat}, + volume = {19}, + number = {1}, + pages = {107--115}, + publisher = {{Sage Publications Ltd}}, + address = {{London}}, + issn = {1475-7257}, + doi = {10.1177/1475725719875844}, + abstract = {The preregistration of research plans and hypotheses may prevent publication bias and questionable research practices. We incorporated a modified version of the preregistration process into an undergraduate capstone research course. Students completed a standard preregistration form during the planning stages of their research projects as well as surveys about their knowledge of preregistration. Based on survey results, our senior-level psychology students lacked knowledge of importance of the preregistration movement in the sciences but could anticipate some of its benefits. Our review of the completed preregistration assignment suggested that students struggle with data analysis decision-making but generally perceive preregistration as a helpful planning tool. We discuss the value of a preregistration assignment for generating discussions of research practice and ethics.}, + language = {English}, + keywords = {Preregistration,questionable research practices,undergraduate preregistration assignment}, + annotation = {WOS:000488433900001} +} + +@misc{boai_diez_2012, + title = {{Diez a\~nos desde la Budapest Open Access Initiative: hacia lo abierto por defecto}}, + author = {BOAI, Budapest Open Access Initiative}, + year = {2012}, + collaborator = {Melero, Remedios and Babini, Dominique}, + language = {Traducido} +} + +@misc{boai_iniciativa_2002, + title = {{Iniciativa de Budapest para el Acceso Abierto}}, + author = {BOAI, Budapest Open Access Initiative}, + year = {2002}, + language = {Traducido} +} + +@article{bohannon_who_2016, + title = {Who's Downloading Pirated Papers? {{Everyone}}}, + author = {Bohannon, John}, + year = {2016}, + journal = {American Association for the Advancement of Science}, + volume = {352}, + number = {6285}, + pages = {508--512}, + issn = {1095-9203}, + doi = {10.1126/science.352.6285.508}, + copyright = {Creative Commons Attribution 4.0 International, Open Access} +} + +@article{bowers_How_2016, + title = {How to Improve Your Relationship with Your Future Self}, + author = {Bowers, Jake and Voors, Maarten}, + year = {2016}, + month = dec, + journal = {Revista de ciencia pol\'itica (Santiago)}, + volume = {36}, + number = {3}, + pages = {829--848}, + issn = {0718-090X}, + doi = {10.4067/S0718-090X2016000300011} +} + +@article{breznau_does_2021, + title = {Does {{Sociology Need Open Science}}?}, + author = {Breznau, Nate}, + year = {2021}, + month = mar, + journal = {Societies}, + volume = {11}, + number = {1}, + pages = {9}, + publisher = {{Multidisciplinary Digital Publishing Institute}}, + doi = {10.3390/soc11010009}, + abstract = {Reliability, transparency, and ethical crises pushed many social science disciplines toward dramatic changes, in particular psychology and more recently political science. This paper discusses why sociology should also change. It reviews sociology as a discipline through the lens of current practices, definitions of sociology, positions of sociological associations, and a brief consideration of the arguments of three highly influential yet epistemologically diverse sociologists: Weber, Merton, and Habermas. It is a general overview for students and sociologists to quickly familiarize themselves with the state of sociology or explore the idea of open science and its relevance to their discipline.}, + copyright = {http://creativecommons.org/licenses/by/3.0/}, + language = {en}, + keywords = {crisis of science,Habermas,Merton,open science,p-hacking,publication bias,replication,research ethics,revisado,science community,sociology legitimation,transparency,Weber} +} + +@misc{breznau_observing_2021, + title = {Observing {{Many Researchers Using}} the {{Same Data}} and {{Hypothesis Reveals}} a {{Hidden Universe}} of {{Uncertainty}}}, + author = {Breznau, Nate and Rinke, Eike Mark and Wuttke, Alexander and Adem, Muna and Adriaans, Jule and {Alvarez-Benjumea}, Amalia and Andersen, Henrik Kenneth and Auer, Daniel and Azevedo, Flavio and Bahnsen, Oke and Balzer, Dave and Bauer, Gerrit and Bauer, Paul C. and Baumann, Markus and Baute, Sharon and Benoit, Verena and Bernauer, Julian and Berning, Carl and Berthold, Anna and Bethke, Felix and Biegert, Thomas and Blinzler, Katharina and Blumenberg, Johannes and Bobzien, Licia and Bohman, Andrea and Bol, Thijs and Bostic, Amie and Brzozowska, Zuzanna and Burgdorf, Katharina and Burger, Kaspar and Busch, Kathrin and Castillo, Juan Carlos and Chan, Nathan and Christmann, Pablo and Connelly, Roxanne and Czymara, Christian S. and Damian, Elena and Ecker, Alejandro and Edelmann, Achim and Eger, Maureen A. and Ellerbrock, Simon and Forke, Anna and Forster, Andrea and Gaasendam, Chris and Gavras, Konstantin and Gayle, Vernon and Gessler, Theresa and Gnambs, Timo and Godefroidt, Am{\'e}lie and Gr{\"o}mping, Max and Gro{\ss}, Martin and Gruber, Stefan and Gummer, Tobias and Hadjar, Andreas and Heisig, Jan Paul and Hellmeier, Sebastian and Heyne, Stefanie and Hirsch, Magdalena and Hjerm, Mikael and Hochman, Oshrat and H{\"o}vermann, Andreas and Hunger, Sophia and Hunkler, Christian and Huth, Nora and Ignacz, Zsofia and Jacobs, Laura and Jacobsen, Jannes and Jaeger, Bastian and Jungkunz, Sebastian and Jungmann, Nils and Kauff, Mathias and Kleinert, Manuel and Klinger, Julia and Kolb, Jan-Philipp and Ko{\l}czy{\'n}ska, Marta and Kuk, John Seungmin and Kuni{\ss}en, Katharina and Sinatra, Dafina Kurti and Greinert, Alexander and Lersch, Philipp M. and L{\"o}bel, Lea-Maria and Lutscher, Philipp and Mader, Matthias and Madia, Joan and Malancu, Natalia and Maldonado, Luis and Marahrens, Helge and Martin, Nicole and Martinez, Paul and Mayerl, Jochen and Mayorga, Oscar Jose and McManus, Patricia and Wagner, Kyle and Meeusen, Cecil and Meierrieks, Daniel and Mellon, Jonathan and Merhout, Friedolin and Merk, Samuel and Meyer, Daniel and Micheli, Leticia and Mijs, Jonathan J. B. and Moya, Crist{\'o}bal and Neunhoeffer, Marcel and N{\"u}st, Daniel and Nyg{\aa}rd, Olav and Ochsenfeld, Fabian and Otte, Gunnar and Pechenkina, Anna and Prosser, Christopher and Raes, Louis and Ralston, Kevin and Ramos, Miguel and Roets, Arne and Rogers, Jonathan and Ropers, Guido and Samuel, Robin and Sand, Gregor and Schachter, Ariela and Schaeffer, Merlin and Schieferdecker, David and Schlueter, Elmar and Schmidt, Katja M. and Schmidt, Regine and {Schmidt-Catran}, Alexander and Schmiedeberg, Claudia and Schneider, J{\"u}rgen and Schoonvelde, Martijn and {Schulte-Cloos}, Julia and Schumann, Sandy and Schunck, Reinhard and Schupp, J{\"u}rgen and Seuring, Julian and Silber, Henning and Sleegers, Willem and Sonntag, Nico and Staudt, Alexander and Steiber, Nadia and Steiner, Nils and Sternberg, Sebastian and Stiers, Dieter and Stojmenovska, Dragana and Storz, Nora and Striessnig, Erich and Stroppe, Anne-Kathrin and Teltemann, Janna and Tibajev, Andrey and Tung, Brian B. and Vagni, Giacomo and Assche, Jasper Van and van der Linden, Meta and van der Noll, Jolanda and Hootegem, Arno Van and Vogtenhuber, Stefan and Voicu, Bogdan and Wagemans, Fieke and Wehl, Nadja and Werner, Hannah and Wiernik, Brenton M. and Winter, Fabian and Wolf, Christof and Yamada, Yuki and Zhang, Nan and Ziller, Conrad and Zins, Stefan and {\.Z}{\'o}{\l}tak, Tomasz and Nguyen, Hung H. V.}, + year = {2021}, + month = mar, + institution = {{MetaArXiv}}, + doi = {10.31222/osf.io/cd5j9}, + abstract = {How does noise generated by researcher decisions undermine the credibility of science? We test this by observing all decisions made among 73 research teams as they independently conduct studies on the same hypothesis with identical starting data. We find excessive variation of outcomes. When combined, the 107 observed research decisions taken across teams explained at most 2.6\% of the total variance in effect sizes and 10\% of the deviance in subjective conclusions. Expertise, prior beliefs and attitudes of the researchers explain even less. Each model deployed to test the hypothesis was unique, which highlights a vast universe of research design variability that is normally hidden from view and suggests humility when presenting and interpreting scientific findings.}, + keywords = {Analytical Flexibility,Crowdsourced Replication Initiative,Crowdsourcing,Economics,Garden of Forking Paths,Immigration,Many Analysts,Meta-Science,Noise,Other Social and Behavioral Sciences,Political Science,Psychology,Researcher Degrees of Freedom,Researcher Variability,Social and Behavioral Sciences,Social Policy,Sociology} +} + +@misc{breznau_Open_, + type = {Billet}, + title = {Open Science in Sociology. {{What}}, Why and Now.}, + author = {Breznau, Nate}, + journal = {Crowdid}, + abstract = {WHAT By now you've heard the term ``open science''. Although it has no global definition, its advocates tend toward certain agreements. Most definitions focus on the practical aspects of accessibility. ``\ldots the practice of science in such a way that others can collaborate and contribute, where research data, lab notes and other research processes are freely \ldots{} Continue reading Open science in sociology. What, why and now.}, + language = {en-US} +} + +@techreport{brodeur_Methods_2018, + type = {{{IZA Discussion Paper}}}, + title = {Methods {{Matter}}: {{P}}-{{Hacking}} and {{Causal Inference}} in {{Economics}}}, + shorttitle = {Methods {{Matter}}}, + author = {Brodeur, Abel and Cook, Nikolai and Heyes, Anthony}, + year = {2018}, + month = aug, + number = {11796}, + institution = {{Institute of Labor Economics (IZA)}}, + abstract = {The economics 'credibility revolution' has promoted the identification of causal relationships using difference-in-differences (DID), instrumental variables (IV), randomized control trials (RCT) and regression discontinuity design (RDD) methods. The extent to which a reader should trust claims about the statistical significance of results proves very sensitive to method. Applying multiple methods to 13,440 hypothesis tests reported in 25 top economics journals in 2015, we show that selective publication and p-hacking is a substantial problem in research employing DID and (in particular) IV. RCT and RDD are much less problematic. Almost 25\% of claims of marginally significant results in IV papers are misleading.}, + keywords = {causal inference,p-curves,p-hacking,practices,publication bias,research methods} +} + +@article{brodeur_Star_2016, + title = {Star {{Wars}}: {{The Empirics Strike Back}}}, + shorttitle = {Star {{Wars}}}, + author = {Brodeur, Abel and L{\'e}, Mathias and Sangnier, Marc and Zylberberg, Yanos}, + year = {2016}, + month = jan, + journal = {American Economic Journal: Applied Economics}, + volume = {8}, + number = {1}, + pages = {1--32}, + issn = {1945-7782}, + doi = {10.1257/app.20150044}, + abstract = {Using 50,000 tests published in the AER, JPE, and QJE, we identify a residual in the distribution of tests that cannot be explained solely by journals favoring rejection of the null hypothesis. We observe a two-humped camel shape with missing p-values between 0.25 and 0.10 that can be retrieved just after the 0.05 threshold and represent 10-20 percent of marginally rejected tests. Our interpretation is that researchers inflate the value of just-rejected tests by choosing "significant" specifications. We propose a method to measure this residual and describe how it varies by article and author characteristics. (JEL A11, C13)}, + language = {en}, + keywords = {Market for Economists; Estimation: General,Role of Economics,Role of Economists} +} + +@misc{budapestopenaccessinitiative_diez_2012, + title = {{Diez a\~nos desde la Budapest Open Access Initiative: hacia lo abierto por defecto}}, + author = {Budapest Open Access Initiative}, + year = {12 de Septiembre, 2012}, + journal = {BOAI}, + language = {Traducido} +} + +@misc{budapestopenaccessinitiative_iniciativa_2002, + title = {{Iniciativa de Budapest para el Aceso Abierto}}, + author = {Budapest Open Access Initiative}, + year = {14 de Febrero, 2002}, + journal = {Budapest Open Access Initiative}, + language = {Traducido} +} + +@article{burlig_Improving_2018, + title = {Improving Transparency in Observational Social Science Research: {{A}} Pre-Analysis Plan Approach}, + shorttitle = {Improving Transparency in Observational Social Science Research}, + author = {Burlig, Fiona}, + year = {2018}, + month = jul, + journal = {Economics Letters}, + volume = {168}, + pages = {56--60}, + issn = {0165-1765}, + doi = {10.1016/j.econlet.2018.03.036}, + abstract = {Social science research has undergone a credibility revolution, but these gains are at risk due to problematic research practices. Existing research on transparency has centered around randomized controlled trials, which constitute only a small fraction of research in economics. In this paper, I highlight three scenarios in which study preregistration can be credibly applied in non-experimental settings: cases where researchers collect their own data; prospective studies; and research using restricted-access data.}, + language = {en}, + keywords = {Confidential data,Observational research,Pre-registration,Transparency} +} + +@misc{businessmanagementink_protecting_2016, + title = {Protecting {{Students}}' {{Intellectual Property}}}, + author = {Business \& Management INK}, + year = {2016}, + journal = {social science space} +} + +@article{buttner_Are_2020, + title = {Are Questionable Research Practices Facilitating New Discoveries in Sport and Exercise Medicine? {{The}} Proportion of Supported Hypotheses Is Implausibly High}, + shorttitle = {Are Questionable Research Practices Facilitating New Discoveries in Sport and Exercise Medicine?}, + author = {Buttner, Fionn and Toomey, Elaine and McClean, Shane and Roe, Mark and Delahunt, Eamonn}, + year = {2020}, + month = nov, + journal = {British Journal of Sports Medicine}, + volume = {54}, + number = {22}, + pages = {1365--1371}, + publisher = {{Bmj Publishing Group}}, + address = {{London}}, + issn = {0306-3674}, + doi = {10.1136/bjsports-2019-101863}, + abstract = {Questionable research practices (QRPs) are intentional and unintentional practices that can occur when designing, conducting, analysing, and reporting research, producing biased study results. Sport and exercise medicine (SEM) research is vulnerable to the same QRPs that pervade the biomedical and psychological sciences, producing false-positive results and inflated effect sizes. Approximately 90\% of biomedical research reports supported study hypotheses, provoking suspicion about the field-wide presence of systematic biases to facilitate study findings that confirm researchers' expectations. In this education review, we introduce three common QRPs (ie, HARKing, P-hacking and Cherry-picking), perform a cross-sectional study to assess the proportion of original SEM research that reports supported study hypotheses, and draw attention to existing solutions and resources to overcome QRPs that manifest in exploratory research. We hypothesised that {$>$}= 85\% of original SEM research studies would report supported study hypotheses. Two independent assessors systematically identified, screened, included, and extracted study data from original research articles published between 1 January 2019 and 31 May 2019 in the British Journal of Sports Medicine, Sports Medicine, the American Journal of Sports Medicine, and the Journal of Orthopaedic \& Sports Physical Therapy. We extracted data relating to whether studies reported that the primary hypothesis was supported or rejected by the results. Study hypotheses, methodologies, and analysis plans were preregistered at the Open Science Framework. One hundred and twenty-nine original research studies reported at least one study hypothesis, of which 106 (82.2\%) reported hypotheses that were supported by study results. Of 106 studies reporting that primary hypotheses were supported by study results, 75 (70.8\%) studies reported that the primary hypothesis was fully supported by study results. The primary study hypothesis was partially supported by study results in 28 (26.4\%) studies. We detail open science practices and resources that aim to safe-guard against QRPs that bely the credibility and replicability of original research findings.}, + language = {English}, + keywords = {education,harking,incentives,methodological,publication decisions,publish,registered-reports,replicability,research,science,sport,statistics,tests,truth}, + annotation = {WOS:000584953300013} +} + +@article{button_Power_2013, + title = {Power Failure: Why Small Sample Size Undermines the Reliability of Neuroscience}, + shorttitle = {Power Failure}, + author = {Button, Katherine S. and Ioannidis, John P. A. and Mokrysz, Claire and Nosek, Brian A. and Flint, Jonathan and Robinson, Emma S. J. and Munaf{\`o}, Marcus R.}, + year = {2013}, + month = may, + journal = {Nature Reviews Neuroscience}, + volume = {14}, + number = {5}, + pages = {365--376}, + publisher = {{Nature Publishing Group}}, + issn = {1471-0048}, + doi = {10.1038/nrn3475}, + abstract = {Low statistical power undermines the purpose of scientific research; it reduces the chance of detecting a true effect.Perhaps less intuitively, low power also reduces the likelihood that a statistically significant result reflects a true effect.Empirically, we estimate the median statistical power of studies in the neurosciences is between {$\sim$}8\% and {$\sim$}31\%.We discuss the consequences of such low statistical power, which include overestimates of effect size and low reproducibility of results.There are ethical dimensions to the problem of low power; unreliable research is inefficient and wasteful.Improving reproducibility in neuroscience is a key priority and requires attention to well-established, but often ignored, methodological principles.We discuss how problems associated with low power can be addressed by adopting current best-practice and make clear recommendations for how to achieve this.}, + copyright = {2013 Nature Publishing Group, a division of Macmillan Publishers Limited. All Rights Reserved.}, + language = {en}, + keywords = {practices} +} + +@article{byington_Solutions_2017, + title = {Solutions to the {{Credibility Crisis}} in {{Management Science}}}, + author = {Byington, Eliza and Felps, Will}, + year = {2017}, + month = mar, + journal = {Academy of Management Learning and Education, The}, + volume = {16}, + pages = {142--162}, + doi = {10.5465/amle.2015.0035}, + abstract = {This article argues much academic misconduct can be explained as the result of social dilemmas occurring at two levels of Management science. First, the career benefits associated with engaging in Noncredible Research Practices (NCRPs) (e.g. data manipulation, fabricating results, data hoarding, undisclosed HARKing) result in many academics choosing self-interest over collective welfare. These perverse incentives derive from journal gatekeepers who are pressed into a similar social dilemma. Namely, an individual journal's status (i.e. its ``impact factor'') is likely to suffer from unilaterally implementing practices that help ensure the credibility of Management science claims (e.g. dedicating journal space to strict replications, crowd-sourcing replications, data submission requirements, in-house analysis checks, registered reports, Open Practice badges). Fortunately, research on social dilemmas and collective action offers solutions. For example, journal editors could pledge to publish a certain number of credibility boosting articles contingent on a proportion of their ``peer'' journals doing the same. Details for successful implementation of conditional pledges, other social dilemma solutions \textendash{} including actions for Management academics who support changes in journal practices (e.g. reviewer boycotts / buycotts), and insights on credibility supportive journal practices from other fields are provided.}, + keywords = {crisis} +} + +@article{caldwell_Moving_2020, + title = {Moving {{Sport}} and {{Exercise Science Forward}}: {{A Call}} for the {{Adoption}} of {{More Transparent Research Practices}}}, + shorttitle = {Moving {{Sport}} and {{Exercise Science Forward}}}, + author = {Caldwell, Aaron R. and Vigotsky, Andrew D. and Tenan, Matthew S. and Radel, R{\'e}mi and Mellor, David T. and Kreutzer, Andreas and Lahart, Ian M. and Mills, John P. and Boisgontier, Matthieu P. and Boardley, Ian and Bouza, Brooke and Cheval, Boris and Chow, Zad Rafi and Contreras, Bret and Dieter, Brad and Halperin, Israel and Haun, Cody and Knudson, Duane and Lahti, Johan and Miller, Matthew and Morin, Jean-Benoit and Naughton, Mitchell and Neva, Jason and Nuckols, Greg and Peters, Sue and Roberts, Brandon and {Rosa-Caldwell}, Megan and Schmidt, Julia and Schoenfeld, Brad J. and Severin, Richard and Skarabot, Jakob and Steele, James and Twomey, Rosie and Zenko, Zachary and Lohse, Keith R. and Nunan, David and {Consortium for Transparency in Exercise Science (COTES) Collaborators}}, + year = {2020}, + month = mar, + journal = {Sports Medicine}, + volume = {50}, + number = {3}, + pages = {449--459}, + issn = {1179-2035}, + doi = {10.1007/s40279-019-01227-1}, + abstract = {The primary means of disseminating sport and exercise science research is currently through journal articles. However, not all studies, especially those with null findings, make it to formal publication. This publication bias towards positive findings may contribute to questionable research practices. Preregistration is a solution to prevent the publication of distorted evidence resulting from this system. This process asks authors to register their hypotheses and methods before data collection on a publicly available repository or by submitting a Registered Report. In the Registered Report format, authors submit a stage 1 manuscript to a participating journal that includes an introduction, methods, and any pilot data indicating the exploratory or confirmatory nature of the study. After a stage 1 peer review, the manuscript can then be offered in-principle acceptance, rejected, or sent back for revisions to improve the quality of the study. If accepted, the project is guaranteed publication, assuming the authors follow the data collection and analysis protocol. After data collection, authors re-submit a stage 2 manuscript that includes the results and discussion, and the study is evaluated on clarity and conformity with the planned analysis. In its final form, Registered Reports appear almost identical to a typical publication, but give readers confidence that the hypotheses and main analyses are less susceptible to bias from questionable research practices. From this perspective, we argue that inclusion of Registered Reports by researchers and journals will improve the transparency, replicability, and trust in sport and exercise science research. The preprint version of this work is available on SportR\$\$\textbackslash chi \$\$iv: https://osf.io/preprints/sportrxiv/fxe7a/.}, + language = {en}, + keywords = {transparency} +} + +@article{caldwell_Moving_2020a, + title = {Moving {{Sport}} and {{Exercise Science Forward}}: {{A Call}} for the {{Adoption}} of {{More Transparent Research Practices}}}, + shorttitle = {Moving {{Sport}} and {{Exercise Science Forward}}}, + author = {Caldwell, Aaron R. and Vigotsky, Andrew D. and Tenan, Matthew S. and Radel, Remi and Mellor, David T. and Kreutzer, Andreas and Lahart, Ian M. and Mills, John P. and Boisgontier, Matthieu P. and Boardley, Ian and Bouza, Brooke and Cheval, Boris and Chow, Zad Rafi and Contreras, Bret and Dieter, Brad and Halperin, Israel and Haun, Cody and Knudson, Duane and Lahti, Johan and Lohse, Keith and Miller, Matthew and Morin, Jean-Benoit and Naughton, Mitchell and Neva, Jason and Nuckols, Greg and Nunan, David and Peters, Sue and Roberts, Brandon and {Rosa-Caldwell}, Megan and Schmidt, Julia and Schoenfeld, Brad J. and Severin, Richard and Skarabot, Jakob and Steele, James and Twomey, Rosie and Zenko, Zachary}, + year = {2020}, + month = mar, + journal = {Sports Medicine}, + volume = {50}, + number = {3}, + pages = {449--459}, + publisher = {{Adis Int Ltd}}, + address = {{Northcote}}, + issn = {0112-1642}, + doi = {10.1007/s40279-019-01227-1}, + abstract = {The primary means of disseminating sport and exercise science research is currently through journal articles. However, not all studies, especially those with null findings, make it to formal publication. This publication bias towards positive findings may contribute to questionable research practices. Preregistration is a solution to prevent the publication of distorted evidence resulting from this system. This process asks authors to register their hypotheses and methods before data collection on a publicly available repository or by submitting a Registered Report. In the Registered Report format, authors submit a stage 1 manuscript to a participating journal that includes an introduction, methods, and any pilot data indicating the exploratory or confirmatory nature of the study. After a stage 1 peer review, the manuscript can then be offered in-principle acceptance, rejected, or sent back for revisions to improve the quality of the study. If accepted, the project is guaranteed publication, assuming the authors follow the data collection and analysis protocol. After data collection, authors re-submit a stage 2 manuscript that includes the results and discussion, and the study is evaluated on clarity and conformity with the planned analysis. In its final form, Registered Reports appear almost identical to a typical publication, but give readers confidence that the hypotheses and main analyses are less susceptible to bias from questionable research practices. From this perspective, we argue that inclusion of Registered Reports by researchers and journals will improve the transparency, replicability, and trust in sport and exercise science research. The preprint version of this work is available on SportRiv: https://osf.io/ prepr ints/sport rxiv/fxe7a/.}, + language = {English}, + keywords = {associations,health,increase,model,power,publication bias,registered-reports,true}, + annotation = {WOS:000511041300002} +} + +@article{camerer_Evaluating_2018, + title = {Evaluating the Replicability of Social Science Experiments in {{Nature}} and {{Science}} between 2010 and 2015}, + author = {Camerer, Colin F. and Dreber, Anna and Holzmeister, Felix and Ho, Teck-Hua and Huber, J{\"u}rgen and Johannesson, Magnus and Kirchler, Michael and Nave, Gideon and Nosek, Brian A. and Pfeiffer, Thomas and Altmejd, Adam and Buttrick, Nick and Chan, Taizan and Chen, Yiling and Forsell, Eskil and Gampa, Anup and Heikensten, Emma and Hummer, Lily and Imai, Taisuke and Isaksson, Siri and Manfredi, Dylan and Rose, Julia and Wagenmakers, Eric-Jan and Wu, Hang}, + year = {2018}, + month = sep, + journal = {Nature Human Behaviour}, + volume = {2}, + number = {9}, + pages = {637--644}, + publisher = {{Nature Publishing Group}}, + issn = {2397-3374}, + doi = {10.1038/s41562-018-0399-z}, + abstract = {Being able to replicate scientific findings is crucial for scientific progress1\textendash 15. We replicate 21 systematically selected experimental studies in the social sciences published in Nature and Science between 2010 and 201516\textendash 36. The replications follow analysis plans reviewed by the original authors and pre-registered prior to the replications. The replications are high powered, with sample sizes on average about five times higher than in the original studies. We find a significant effect in the same direction as the original study for 13 (62\%) studies, and the effect size of the replications is on average about 50\% of the original effect size. Replicability varies between 12 (57\%) and 14 (67\%) studies for complementary replicability indicators. Consistent with these results, the estimated true-positive rate is 67\% in a Bayesian analysis. The relative effect size of true positives is estimated to be 71\%, suggesting that both false positives and inflated effect sizes of true positives contribute to imperfect reproducibility. Furthermore, we find that peer beliefs of replicability are strongly related to replicability, suggesting that the research community could predict which results would replicate and that failures to replicate were not the result of chance alone.}, + copyright = {2018 The Author(s)}, + language = {en}, + keywords = {crisis} +} + +@article{campbell_Enhancing_2014, + title = {Enhancing Transparency of the Research Process to Increase Accuracy of Findings: {{A}} Guide for Relationship Researchers}, + shorttitle = {Enhancing Transparency of the Research Process to Increase Accuracy of Findings}, + author = {Campbell, Lorne and Loving, Timothy J. and Lebel, Etienne P.}, + year = {2014}, + journal = {Personal Relationships}, + volume = {21}, + number = {4}, + pages = {531--545}, + issn = {1475-6811}, + doi = {10.1111/pere.12053}, + abstract = {The purpose of this paper is to extend to the field of relationship science, recent discussions and suggested changes in open research practises. We demonstrate different ways that greater transparency of the research process in our field will accelerate scientific progress by increasing accuracy of reported research findings. Importantly, we make concrete recommendations for how relationship researchers can transition to greater disclosure of research practices in a manner that is sensitive to the unique design features of methodologies employed by relationship scientists. We discuss how to implement these recommendations for four different research designs regularly used in relationship research and practical limitations regarding implementing our recommendations and provide potential solutions to these problems.}, + language = {en}, + annotation = {\_eprint: https://onlinelibrary.wiley.com/doi/pdf/10.1111/pere.12053} +} + +@article{card_Role_2011, + title = {The {{Role}} of {{Theory}} in {{Field Experiments}}}, + author = {Card, David and DellaVigna, Stefano and Malmendier, Ulrike}, + year = {2011}, + month = sep, + journal = {Journal of Economic Perspectives}, + volume = {25}, + number = {3}, + pages = {39--62}, + issn = {0895-3309}, + doi = {10.1257/jep.25.3.39}, + abstract = {studies that estimate structural parameters in a completely specified model. We also classify laboratory experiments published in these journals over the same period and find that economic theory has played a more central role in the laboratory than in the field. Finally, we discuss in detail three sets of field experiments\textemdash on gift exchange, on charitable giving, and on negative income tax\textemdash that illustrate both the benefits and the potential costs of a tighter link between experimental design and theoretical underpinnings.}, + language = {en}, + keywords = {Field Experiments} +} + +@article{carey_Fraud_2011, + title = {Fraud {{Case Seen}} as a {{Red Flag}} for {{Psychology Research}}}, + author = {Carey, Benedict}, + year = {2011}, + month = nov, + journal = {The New York Times}, + issn = {0362-4331}, + abstract = {A Dutch scholar was found to have falsified findings in dozens of papers, in a field that critics say is vulnerable to such abuses.}, + chapter = {Health}, + language = {en-US}, + keywords = {Falsification of Data,Frauds and Swindling,Psychology and Psychologists,Research,Stapel; Diederik} +} + +@article{carrier_Facing_2017, + title = {Facing the {{Credibility Crisis}} of {{Science}}: {{On}} the {{Ambivalent Role}} of {{Pluralism}} in {{Establishing Relevance}} and {{Reliability}}}, + shorttitle = {Facing the {{Credibility Crisis}} of {{Science}}}, + author = {Carrier, Martin}, + year = {2017}, + month = may, + journal = {Perspectives on Science}, + volume = {25}, + number = {4}, + pages = {439--464}, + issn = {1063-6145}, + doi = {10.1162/POSC_a_00249}, + abstract = {Science at the interface with society is regarded with mistrust among parts of the public. Scientific judgments on matters of practical concern are not infrequently suspected of being incompetent and biased. I discuss two proposals for remedying this deficiency. The first aims at strengthening the independence of science and suggests increasing the distance to political and economic powers. The drawback is that this runs the risk of locking science in an academic ivory tower. The second proposal favors ``counter-politicization'' in that research is strongly focused on projects ``in the public interest,'' that is, on projects whose expected results will benefit all those concerned by these results. The disadvantage is that the future use of research findings cannot be delineated reliably in advance. I argue that the underlying problem is the perceived lack of relevance and reliability and that pluralism is an important step toward its solution. Pluralism serves to stimulate a more inclusive research agenda and strengthens the well-testedness of scientific approaches. However, pluralism also prevents the emergence of clear-cut practical suggestions. Accordingly, pluralism is part of the solution to the credibility crisis of science, but also part of the problem. In order for science to be suitable as a guide for practice, the leeway of scientific options needs to be narrowed \textendash{} in spite of uncertainty in epistemic respect. This reduction can be achieved by appeal to criteria that do not focus on the epistemic credentials of the suggestions but on their appropriateness in practical respect.}, + keywords = {crisis} +} + +@article{chambers_Registered_2013, + title = {Registered {{Reports}}: {{A}} New Publishing Initiative at~{{Cortex}}}, + shorttitle = {Registered {{Reports}}}, + author = {Chambers, Christopher D.}, + year = {2013}, + month = mar, + journal = {Cortex}, + volume = {49}, + number = {3}, + pages = {609--610}, + issn = {0010-9452}, + doi = {10.1016/j.cortex.2012.12.016}, + language = {en}, + keywords = {forrt,reports} +} + +@misc{chambers_Registered_2014, + title = {Registered {{Reports}}: {{A}} Step Change in Scientific Publishing}, + author = {Chambers, Christopher D.}, + year = {2014}, + journal = {Reviewers' Update}, + abstract = {Professor Chris Chambers, Registered Reports Editor of the Elsevier journal Cortex and one of the concept's founders, on how the initiative combats publication bias}, + howpublished = {https://www.elsevier.com/connect/reviewers-update/registered-reports-a-step-change-in-scientific-publishing}, + language = {en}, + keywords = {forrt,reports} +} + +@article{chambers_Registered_2015, + title = {Registered Reports: Realigning Incentives in Scientific Publishing}, + shorttitle = {Registered Reports}, + author = {Chambers, Christopher D. and Dienes, Zoltan and McIntosh, Robert D. and Rotshtein, Pia and Willmes, Klaus}, + year = {2015}, + month = may, + journal = {Cortex; a Journal Devoted to the Study of the Nervous System and Behavior}, + volume = {66}, + pages = {A1-2}, + issn = {1973-8102}, + doi = {10.1016/j.cortex.2015.03.022}, + language = {eng}, + pmid = {25892410}, + keywords = {Biomedical Research,Editorial Policies,forrt,Humans,Motivation,Peer Review; Research,Publication Bias,Publishing,reports,Reproducibility of Results} +} + +@article{chambers_Ten_2015, + title = {Ten {{Reasons Why Journals Must Review Manuscripts Before Results Are Known}}}, + author = {Chambers, Christopher D.}, + year = {2015}, + month = jan, + journal = {Addiction}, + volume = {110}, + number = {1}, + pages = {10--11}, + publisher = {{Wiley}}, + address = {{Hoboken}}, + issn = {0965-2140}, + doi = {10.1111/add.12728}, + language = {English}, + keywords = {False positives,incentives,publication bias,questionable research practices,registered reports,registered-reports,reproducibility,study pre-registration,truth}, + annotation = {WOS:000346699700004} +} + +@techreport{chin_Improving_2019, + type = {{{SSRN Scholarly Paper}}}, + title = {Improving {{Expert Evidence}}: {{The Role}} of {{Open Science}} and {{Transparency}}}, + shorttitle = {Improving {{Expert Evidence}}}, + author = {Chin, Jason and Growns, Bethany and Mellor, David}, + year = {2019}, + month = feb, + number = {ID 3345225}, + address = {{Rochester, NY}}, + institution = {{Social Science Research Network}}, + doi = {10.2139/ssrn.3345225}, + abstract = {Both science and expert evidence law are undergoing significant changes. In this article, the authors compare these two movements \textendash{} the open science movement and the evidence-based evidence movement. The open science movement encompasses the recent discovery of many irreproducible findings in science and the subsequent move towards more transparent methods. The evidence-based evidence movement is the discovery that many forms of expert evidence are unreliable, and that they have contributed to wrongful convictions. The authors identify similarities between these movements, which suggest how courts and legal actors may learn from the open science movement to produce more accurate results. Expert witnesses should comport themselves as rigorous open scientists to produce evidence that is more susceptible to evaluation. Parties should be subjected to more specific and rigorous disclosure requirements because research has shown that even leading scientists find it easy to discount and suppress findings that do not support their hypotheses. And trial judges, as gatekeepers, should not defer to the generally accepted practices that have proven insufficient in the mainstream sciences.}, + language = {en}, + keywords = {Bethany Growns,David Mellor,Improving Expert Evidence: The Role of Open Science and Transparency,Jason Chin,SSRN} +} + +@article{chin_Questionable_2021, + title = {Questionable {{Research Practices}} and {{Open Science}} in {{Quantitative Criminology}}}, + author = {Chin, Jason M. and Pickett, Justin T. and Vazire, Simine and Holcombe, Alex O.}, + year = {2021}, + journal = {Journal of Quantitative Criminology}, + issn = {0748-4518}, + doi = {10.1007/s10940-021-09525-6}, + abstract = {Questionable research practices (QRPs) lead to incorrect research results and contribute to irreproducibility in science. Researchers and institutions have proposed open science practices (OSPs) to improve the detectability of QRPs and the credibility of science. We examine the prevalence of QRPs and OSPs in criminology, and researchers' opinions of those practices. We administered an anonymous survey to authors of articles published in criminology journals. Respondents self-reported their own use of 10 QRPs and 5 OSPs. They also estimated the prevalence of use by others, and reported their attitudes toward the practices. QRPs and OSPs are both common in quantitative criminology, about as common as they are in other fields. Criminologists who responded to our survey support using QRPs in some circumstances, but are even more supportive of using OSPs. We did not detect a significant relationship between methodological training and either QRP or OSP use. Support for QRPs is negatively and significantly associated with support for OSPs. Perceived prevalence estimates for some practices resembled a uniform distribution, suggesting criminologists have little knowledge of the proportion of researchers that engage in certain questionable practices. Most quantitative criminologists in our sample have used QRPs, and many have used multiple QRPs. Moreover, there was substantial support for QRPs, raising questions about the validity and reproducibility of published criminological research. We found promising levels of OSP use, albeit at levels lagging what researchers endorse. The findings thus suggest that additional reforms are needed to decrease QRP use and increase the use of OSPs.}, + language = {en} +} + +@article{chopik_Relationship_2020, + title = {Relationship Science and the Credibility Revolution: {{An}} Introduction to the First Part of the Special Issue}, + shorttitle = {Relationship Science and the Credibility Revolution}, + author = {Chopik, William J. and Chartier, Christopher R. and Campbell, Lorne and Donnellan, M. Brent}, + year = {2020}, + month = mar, + journal = {Personal Relationships}, + volume = {27}, + number = {1}, + pages = {132--137}, + publisher = {{Wiley}}, + address = {{Hoboken}}, + issn = {1350-4126}, + doi = {10.1111/pere.12312}, + abstract = {In the past 10 years, the field of relationship science-like many other fields-has been exposed to dramatic changes in how scientists approach the research process. Relationship science has been at the forefront of many recent changes in the field, whether it be high profile replication attempts or broader discussions about how to increase rigor and reproducibility. A major goal of this special issue was to provide an opportunity for relationship scientists to engage with these issues and reforms. The first four articles in this special issue represent a sampling of different approaches relationship researchers have used to enhance the credibility of their work.}, + language = {English}, + keywords = {credibility revolution,history,incentives,increase,personal relationships,registered reports,registered-reports,replication,special issue,truth}, + annotation = {WOS:000518878700007} +} + +@article{christensen_Transparency_2018, + title = {Transparency, {{Reproducibility}}, and the {{Credibility}} of {{Economics Research}}}, + author = {Christensen, Garret and Miguel, Edward}, + year = {2018}, + month = sep, + journal = {Journal of Economic Literature}, + volume = {56}, + number = {3}, + pages = {920--980}, + issn = {0022-0515}, + doi = {10.1257/jel.20171350}, + abstract = {There is growing interest in enhancing research transparency and reproducibility in economics and other scientific fields. We survey existing work on these topics within economics, and discuss the evidence suggesting that publication bias, inability to replicate, and specification searching remain widespread in the discipline. We next discuss recent progress in this area, including through improved research design, study registration and pre-analysis plans, disclosure standards, and open sharing of data and materials, drawing on experiences in both economics and other social sciences. We discuss areas where consensus is emerging on new practices, as well as approaches that remain controversial, and speculate about the most effective ways to make economics research more credible in the future.}, + language = {en}, + keywords = {Market for Economists; Methodological Issues: General; Higher Education,Research Institutions,Role of Economics,Role of Economists} +} + +@book{christensen_Transparent_2019, + title = {Transparent and Reproducible Social Science Research: How to Do Open Science}, + shorttitle = {Transparent and Reproducible Social Science Research}, + author = {Christensen, Garret S. and Freese, Jeremy and Miguel, Edward}, + year = {2019}, + publisher = {{University of California Press}}, + address = {{Oakland, California}}, + abstract = {"Social science practitioners have recently witnessed numerous episodes of influential research that fell apart upon close scrutiny. These instances have spurred suspicions that other published results may contain errors or may at least be less robust than they appear. In response, an influential movement has emerged across the social sciences for greater research transparency, openness, and reproducibility. Transparent and Reproducible Social Science Research crystallizes the new insights, practices, and methods of this rising interdisciplinary field"--Provided by publisher}, + isbn = {978-0-520-96923-0}, + lccn = {Q180.55.S7}, + keywords = {Reproducible research,Research,Social sciences,transparency} +} + +@article{chuard_Evidence_2019, + title = {Evidence That Nonsignificant Results Are Sometimes Preferred: {{Reverse P}}-Hacking or Selective Reporting?}, + shorttitle = {Evidence That Nonsignificant Results Are Sometimes Preferred}, + author = {Chuard, Pierre J. C. and Vrtilek, Milan and Head, Megan L. and Jennions, Michael D.}, + year = {2019}, + month = jan, + journal = {Plos Biology}, + volume = {17}, + number = {1}, + pages = {e3000127}, + publisher = {{Public Library Science}}, + address = {{San Francisco}}, + issn = {1544-9173}, + doi = {10.1371/journal.pbio.3000127}, + abstract = {There is increased concern about poor scientific practices arising from an excessive focus on P-values. Two particularly worrisome practices are selective reporting of significant results and 'P-hacking'. The latter is the manipulation of data collection, usage, or analyses to obtain statistically significant outcomes. Here, we introduce the novel, to our knowledge, concepts of selective reporting of nonsignificant results and 'reverse P-hacking' whereby researchers ensure that tests produce a nonsignificant result. We test whether these practices occur in experiments in which researchers randomly assign subjects to treatment and control groups to minimise differences in confounding variables that might affect the focal outcome. By chance alone, 5\% of tests for a group difference in confounding variables should yield a significant result (P {$<$} 0.05). If researchers less often report significant findings and/or reverse P-hack to avoid significant outcomes that undermine the ethos that experimental and control groups only differ with respect to actively manipulated variables, we expect significant results from tests for group differences to be under-represented in the literature. We surveyed the behavioural ecology literature and found significantly more nonsignificant P-values reported for tests of group differences in potentially confounding variables than the expected 95\% (P = 0.005; N = 250 studies). This novel, to our knowledge, publication bias could result from selective reporting of nonsignificant results and/or from reverse P-hacking. We encourage others to test for a bias toward publishing nonsignificant results in the equivalent context in their own research discipline.}, + language = {English}, + keywords = {ecology,randomized controlled-trials,values}, + annotation = {WOS:000457596000029} +} + +@article{chubin_Open_1985, + title = {Open {{Science}} and {{Closed Science}}: {{Tradeoffs}} in a {{Democracy}}}, + shorttitle = {Open {{Science}} and {{Closed Science}}}, + author = {Chubin, Daryl E.}, + year = {1985}, + month = apr, + journal = {Science, Technology, \& Human Values}, + volume = {10}, + number = {2}, + pages = {73--80}, + publisher = {{SAGE Publications Inc}}, + issn = {0162-2439}, + doi = {10.1177/016224398501000211}, + language = {en} +} + +@misc{conicyt_chile_2017, + title = {Chile y {{Argentina}} Son Destacados Como Ejemplos de Pol\'iticas de Acceso Abierto a La Informaci\'on}, + author = {CONICYT}, + year = {9 de Enero, 2017} +} + +@article{crane_Impact_2018, + title = {The {{Impact}} of {{P}}-Hacking on "{{Redefine Statistical Significance}}"}, + author = {Crane, Harry}, + year = {2018}, + journal = {Basic and Applied Social Psychology}, + volume = {40}, + number = {4}, + pages = {219--235}, + publisher = {{Routledge Journals, Taylor \& Francis Ltd}}, + address = {{Abingdon}}, + issn = {0197-3533}, + doi = {10.1080/01973533.2018.1474111}, + abstract = {In their proposal to "redefine statistical significance," Benjamin et al. claim that lowering the default cutoff for statistical significance from .05 to .005 would "immediately improve the reproducibility of scientific research in many fields." Benjamin et al. assert specifically that false positive rates would fall below 10\% and replication rates would double under the lower cutoff. I analyze these claims here, showing how the failure to account for P-hacking and other widespread reporting issues leads to exaggerated and misleading conclusions about the potential impact of the .005 proposal.}, + language = {English}, + keywords = {prevalence}, + annotation = {WOS:000454439800005} +} + +@misc{creativecommons_cc_2019, + type = {{{FAQ}}}, + title = {About {{CC Licenses}}}, + shorttitle = {{{CC Licenses}}}, + author = {Creative Commons, CC}, + year = {2019}, + journal = {What we do}, + abstract = {Creative Commons licenses give everyone from individual creators to large institutions a standardized way to grant the public permission to use their creative work under copyright law. From the reuser's perspective, the presence of a Creative Commons license on a copyrighted work answers the question, ``What can I do with this work?''}, + copyright = {Creative Commons 3.0}, + language = {English} +} + +@misc{creativecommons_sobre_2017, + title = {Sobre Las Licencias: {{Lo}} Que Nuestras Licencias Hacen}, + author = {Creative Commons}, + year = {7 de Noviembre, 2017} +} + +@misc{cruwell_Easy_2018, + title = {7 {{Easy Steps}} to {{Open Science}}: {{An Annotated Reading List}}}, + shorttitle = {7 {{Easy Steps}} to {{Open Science}}}, + author = {Cr{\"u}well, Sophia and van Doorn, Johnny and Etz, Alexander and Makel, Matthew C. and Moshontz, Hannah and Niebaum, Jesse and Orben, Amy and Parsons, Sam and {Schulte-Mecklenbeck}, Michael}, + year = {2018}, + month = nov, + institution = {{PsyArXiv}}, + doi = {10.31234/osf.io/cfzyx}, + abstract = {The Open Science movement is rapidly changing the scientific landscape. Because exact definitions are often lacking and reforms are constantly evolving, accessible guides to open science are needed. This paper provides an introduction to open science and related reforms in the form of an annotated reading list of seven peer-reviewed articles, following the format of Etz et al. (2018). Written for researchers and students - particularly in psychological science - it highlights and introduces seven topics: understanding open science; open access; open data, materials, and code; reproducible analyses; preregistration and registered reports; replication research; and teaching open science. For each topic, we provide a detailed summary of one particularly informative and actionable article and suggest several further resources. Supporting a broader understanding of open science issues, this overview should enable researchers to engage with, improve, and implement current open, transparent, reproducible, replicable, and cumulative scientific practices.}, + keywords = {Meta-science,Meta-Science,Open Access,Open Science,other,Psychology,Reproducibility,revisado,Social and Behavioral Sciences,Transparency} +} + +@article{dal-re_Making_2014, + title = {Making {{Prospective Registration}} of {{Observational Research}} a {{Reality}}}, + author = {{Dal-R{\'e}}, Rafael and Ioannidis, John P. and Bracken, Michael B. and Buffler, Patricia A. and Chan, An-Wen and Franco, Eduardo L. and Vecchia, Carlo La and Weiderpass, Elisabete}, + year = {2014}, + month = feb, + journal = {Science Translational Medicine}, + volume = {6}, + number = {224}, + pages = {224cm1-224cm1}, + publisher = {{American Association for the Advancement of Science}}, + issn = {1946-6234, 1946-6242}, + doi = {10.1126/scitranslmed.3007513}, + abstract = {The vast majority of health-related observational studies are not prospectively registered and the advantages of registration have not been fully appreciated. Nonetheless, international standards require approval of study protocols by an independent ethics committee before the study can begin. We suggest that there is an ethical and scientific imperative to publicly preregister key information from newly approved protocols, which should be required by funders. Ultimately, more complete information may be publicly available by disclosing protocols, analysis plans, data sets, and raw data. Key information about human observational studies should be publicly available before the study is initiated. Key information about human observational studies should be publicly available before the study is initiated.}, + chapter = {Commentary}, + copyright = {Copyright \textcopyright{} 2014, American Association for the Advancement of Science}, + language = {en}, + pmid = {24553383}, + keywords = {reports} +} + +@article{derond_Publish_2005, + title = {Publish or {{Perish}}: {{Bane}} or {{Boon}} of {{Academic Life}}?}, + shorttitle = {Publish or {{Perish}}}, + author = {De Rond, Mark and Miller, Alan N.}, + year = {2005}, + month = dec, + journal = {Journal of Management Inquiry}, + volume = {14}, + number = {4}, + pages = {321--329}, + publisher = {{SAGE Publications Inc}}, + issn = {1056-4926}, + doi = {10.1177/1056492605276850}, + abstract = {There are few more familiar aphorisms in the academic community than ``publish or perish.'' Venerated by many and dreaded by more, this phenomenon is the subject of the authors' essay. Here they consider the publish or perish principle that has come to characterize life at many business schools. They explain when and why it began and suggest reasons for its persistence. This exercise elicits questions that appear as relatively neglected but are integral to our profession, namely, the effect of publish or perish on the creativity, intellectual lives, morale, and psychological and emotional states of faculty.}, + language = {en}, + keywords = {business schools,institutional,publish,research,tenure} +} + +@article{diaz_Mala_2018, + title = {{Mala conducta cient\'ifica en la publicaci\'on}}, + author = {D{\'i}az, Rosa Mar{\'i}a Lam}, + year = {2018}, + month = jan, + journal = {Revista Cubana de Hematolog\'ia, Inmunolog\'ia y Hemoterapia}, + volume = {34}, + number = {1}, + issn = {1561-2996}, + abstract = {La publicaci\'on en revistas cient\'ificas constituye la forma m\'as aceptada para validar una investigaci\'on debido a que pasa por un riguroso proceso de revisi\'on por expertos, que deciden entre lo publicable y lo no publicable con vista a garantizar la calidad de los trabajos. A pesar de esto con frecuencia aparecen pr\'acticas incorrectas relacionadas con la \'etica durante la publicaci\'on, que se conocen como mala conducta cient\'ifica. Las manifestaciones de mala conducta cient\'ifica van desde el fraude cient\'ifico hasta una variedad de faltas que se cometen en el proceso de publicaci\'on. El fraude cient\'ifico incluye la invenci\'on, la falsificaci\'on y el plagio. Las faltas en el proceso de publicaci\'on incluyen la autor\'ia ficticia, la autor\'ia fantasma, la publicaci\'on duplicada, la publicaci\'on fragmentada o publicaci\'on salami, la publicaci\'on inflada, el autoplagio, la incorrecci\'on de citas bibliogr\'aficas, los sesgos de publicaci\'on y la publicaci\'on anticipada.}, + copyright = {Copyright (c) 2018 Revista Cubana de Hematolog\'ia, Inmunolog\'ia y Hemoterapia}, + language = {es}, + keywords = {autoría,conflicto de intereses,ética,fraude científico,investigación,plagio,practices,publicación} +} + +@article{doucouliagos_Are_2013, + title = {Are {{All Economic Facts Greatly Exaggerated}}? {{Theory Competition}} and {{Selectivity}}}, + shorttitle = {Are {{All Economic Facts Greatly Exaggerated}}?}, + author = {Doucouliagos, Chris and Stanley, T. D.}, + year = {2013}, + journal = {Journal of Economic Surveys}, + volume = {27}, + number = {2}, + pages = {316--339}, + issn = {1467-6419}, + doi = {10.1111/j.1467-6419.2011.00706.x}, + abstract = {Abstract..There is growing concern and mounting evidence of selectivity in empirical economics. Most empirical economic literatures have a truncated distribution of results. The aim of this paper is to explore the link between publication selectivity and theory contests. This link is confirmed through the analysis of 87 distinct empirical economics literatures, involving more than three and a half thousand separate empirical studies, using objective measures of both selectivity and contests. Our meta\textendash meta-analysis shows that publication selection is widespread, but not universal. It distorts scientific inference with potentially adverse effects on policy making, but competition and debate between rival theories reduces this selectivity and thereby improves economic inference.}, + language = {en}, + keywords = {Contested theory,Empirical economics,Meta-analysis,Publication selectivity}, + annotation = {\_eprint: https://onlinelibrary.wiley.com/doi/pdf/10.1111/j.1467-6419.2011.00706.x} +} + +@article{dutilh_Flexible_, + title = {Flexible yet Fair: Blinding Analyses in Experimental Psychology}, + shorttitle = {Flexible yet Fair}, + author = {Dutilh, Gilles and Sarafoglou, Alexandra and Wagenmakers, Eric-Jan}, + journal = {Synthese}, + publisher = {{Springer}}, + address = {{Dordrecht}}, + issn = {0039-7857}, + doi = {10.1007/s11229-019-02456-7}, + abstract = {The replicability of findings in experimental psychology can be improved by distinguishing sharply between hypothesis-generating research and hypothesis-testing research. This distinction can be achieved by preregistration, a method that has recently attracted widespread attention. Although preregistration is fair in the sense that it inoculates researchers against hindsight bias and confirmation bias, preregistration does not allow researchers to analyze the data flexibly without the analysis being demoted to exploratory. To alleviate this concern we discuss how researchers may conduct blinded analyses (MacCoun and Perlmutter in Nature 526:187-189, 2015). As with preregistration, blinded analyses break the feedback loop between the analysis plan and analysis outcome, thereby preventing cherry-picking and significance seeking. However, blinded analyses retain the flexibility to account for unexpected peculiarities in the data. We discuss different methods of blinding, offer recommendations for blinding of popular experimental designs, and introduce the design for an online blinding protocol.}, + language = {English}, + keywords = {explanation,Preregistration,registered-reports,replication,Replication crisis,Scientific learning,social-psychology,trials}, + annotation = {WOS:000575377000001} +} + +@article{dutilh_Seven_2016, + title = {Seven {{Selfish Reasons}} for {{Preregistration}}}, + author = {Dutilh, Eric-Jan Wagenmakers {and} Gilles}, + year = {2016}, + month = oct, + journal = {APS Observer}, + volume = {29}, + number = {9}, + abstract = {Psychological scientists Eric-Jan Wagenmakers and Gilles Dutilh present an illustrated guide to the career benefits of submitting your research plans before beginning your data collection.}, + language = {en-US} +} + +@article{earth_Reproducibility_2019, + title = {Reproducibility and {{Replicability}} in {{Science}}}, + author = {on Earth, Division and on Behavioral, Cognitive Board}, + year = {2019}, + journal = {undefined}, + abstract = {Semantic Scholar extracted view of \"Reproducibility and Replicability in Science\" by Division on Earth et al.}, + language = {en} +} + +@article{editors_Observational_2014, + title = {Observational {{Studies}}: {{Getting Clear}} about {{Transparency}}}, + shorttitle = {Observational {{Studies}}}, + author = {Editors, The PLOS Medicine}, + year = {2014}, + month = aug, + journal = {PLOS Medicine}, + volume = {11}, + number = {8}, + pages = {e1001711}, + publisher = {{Public Library of Science}}, + issn = {1549-1676}, + doi = {10.1371/journal.pmed.1001711}, + abstract = {The PLOS Medicine Editors endorse four measures to ensure transparency in the analysis and reporting of observational studies. Please see later in the article for the Editors' Summary}, + language = {en}, + keywords = {Clinical trial reporting,Clinical trials,Cross-sectional studies,Health care policy,Medical journals,Observational studies,Research reporting guidelines,Science policy} +} + +@article{editors_Observational_2014a, + title = {Observational {{Studies}}: {{Getting Clear}} about {{Transparency}}}, + shorttitle = {Observational {{Studies}}}, + author = {Editors, The PLOS Medicine}, + year = {2014}, + month = aug, + journal = {PLOS Medicine}, + volume = {11}, + number = {8}, + pages = {e1001711}, + publisher = {{Public Library of Science}}, + issn = {1549-1676}, + doi = {10.1371/journal.pmed.1001711}, + abstract = {The PLOS Medicine Editors endorse four measures to ensure transparency in the analysis and reporting of observational studies. Please see later in the article for the Editors' Summary}, + language = {en}, + keywords = {Clinical trial reporting,Clinical trials,Cross-sectional studies,Health care policy,Medical journals,Observational studies,Research reporting guidelines,Science policy} +} + +@article{editors_Transparency_2015, + title = {Transparency in {{Reporting Observational Studies}}: {{Reflections}} after a {{Year}}}, + shorttitle = {Transparency in {{Reporting Observational Studies}}}, + author = {Editors, The PLOS Medicine}, year = {2015}, - edition = {2nd}, - note = {ISBN 978-1498716963}, - url = {http://yihui.org/knitr/}, + month = oct, + journal = {PLOS Medicine}, + volume = {12}, + number = {10}, + pages = {e1001896}, + publisher = {{Public Library of Science}}, + issn = {1549-1676}, + doi = {10.1371/journal.pmed.1001896}, + abstract = {The PLOS Medicine Editors take stock of changes in the reporting of observational studies following our new transparency guidelines from August 2014.}, + language = {en}, + keywords = {Cohort studies,Diagnostic medicine,Health care policy,Observational studies,Open access medical journals,Peer review,Reflection,Water resources} +} + +@article{elliott_Taxonomy_2020, + title = {A {{Taxonomy}} of {{Transparency}} in {{Science}}}, + author = {Elliott, Kevin C.}, + year = {2020}, + journal = {Canadian Journal of Philosophy}, + pages = {1--14}, + publisher = {{Cambridge University Press}}, + issn = {0045-5091, 1911-0820}, + doi = {10.1017/can.2020.21}, + abstract = {Both scientists and philosophers of science have recently emphasized the importance of promoting transparency in science. For scientists, transparency is a way to promote reproducibility, progress, and trust in research. For philosophers of science, transparency can help address the value-ladenness of scientific research in a responsible way. Nevertheless, the concept of transparency is a complex one. Scientists can be transparent about many different things, for many different reasons, on behalf of many different stakeholders. This paper proposes a taxonomy that clarifies the major dimensions along which approaches to transparency can vary. By doing so, it provides several insights that philosophers and other science studies scholars can pursue. In particular, it helps address common objections to pursuing transparency in science, it clarifies major forms of transparency, and it suggests avenues for further research on this topic.}, + language = {en}, + keywords = {herramienta,open science,research ethics,science communication,transparency,value judgments,values and science} +} + +@misc{engzell_Improving_2020, + title = {Improving {{Social Science}}: {{Lessons}} from the {{Open Science Movement}}}, + shorttitle = {Improving {{Social Science}}}, + author = {Engzell, Per and Rohrer, Julia M.}, + year = {2020}, + month = apr, + institution = {{SocArXiv}}, + doi = {10.31235/osf.io/6whjt}, + abstract = {The transdisciplinary movement towards greater research transparency opens the door for a meta-scientific exchange between different social sciences. In the spirit of such an exchange, we offer some lessons inspired by ongoing debates in psychology, highlighting the broad benefits of open science but also potential pitfalls, as well as practical challenges in the implementation that have not yet been fully resolved. Our discussion is aimed towards political scientists but relevant for population sciences more broadly.}, + keywords = {credibility,meta-science,open science,replication,reproducibility,Social and Behavioral Sciences,transparency} +} + +@article{erdfelder_Detecting_2019, + title = {Detecting {{Evidential Value}} and P-{{Hacking With}} the p-{{Curve Tool A Word}} of {{Caution}}}, + author = {Erdfelder, Edgar and Heck, Daniel W.}, + year = {2019}, + month = oct, + journal = {Zeitschrift Fur Psychologie-Journal of Psychology}, + volume = {227}, + number = {4}, + pages = {249--260}, + publisher = {{Hogrefe \& Huber Publishers}}, + address = {{Gottingen}}, + issn = {2190-8370}, + doi = {10.1027/2151-2604/a000383}, + abstract = {Simonsohn, Nelson, and Simmons (2014a) proposed p-curve - the distribution of statistically significant p-values for a set of studies - as a toot to assess the evidential value of these studies. They argued that, whereas right-skewed p-curves indicate true underlying effects, left-skewed p-curves indicate selective reporting of significant results when there is no true effect ("p-hacking"). We first review previous research showing that, in contrast to the first claim, null effects may produce right-skewed p-curves under some conditions. We then question the second claim by showing that not only selective reporting but also selective nonreporting of significant results due to a significant outcome of a more popular alternative test of the same hypothesis may produce left-skewed p-curves, even if all studies reflect true effects. Hence, just as right-skewed p-curves do not necessarily imply evidential value, left-skewed p-curves do not necessarily imply p- hacking and absence of true effects in the studies involved.}, + language = {English}, + keywords = {ancova,decisions,failure,false-positive results,p-curve,p-hacking,psychology,publication bias,replication,robust,science,selection,tests}, + annotation = {WOS:000503843900003} +} + +@article{fanelli_How_2009, + title = {How {{Many Scientists Fabricate}} and {{Falsify Research}}? {{A Systematic Review}} and {{Meta}}-{{Analysis}} of {{Survey Data}}}, + shorttitle = {How {{Many Scientists Fabricate}} and {{Falsify Research}}?}, + author = {Fanelli, Daniele}, + year = {2009}, + month = may, + journal = {PLOS ONE}, + volume = {4}, + number = {5}, + pages = {e5738}, + publisher = {{Public Library of Science}}, + issn = {1932-6203}, + doi = {10.1371/journal.pone.0005738}, + abstract = {The frequency with which scientists fabricate and falsify data, or commit other forms of scientific misconduct is a matter of controversy. Many surveys have asked scientists directly whether they have committed or know of a colleague who committed research misconduct, but their results appeared difficult to compare and synthesize. This is the first meta-analysis of these surveys. To standardize outcomes, the number of respondents who recalled at least one incident of misconduct was calculated for each question, and the analysis was limited to behaviours that distort scientific knowledge: fabrication, falsification, ``cooking'' of data, etc\ldots{} Survey questions on plagiarism and other forms of professional misconduct were excluded. The final sample consisted of 21 surveys that were included in the systematic review, and 18 in the meta-analysis. A pooled weighted average of 1.97\% (N = 7, 95\%CI: 0.86\textendash 4.45) of scientists admitted to have fabricated, falsified or modified data or results at least once \textendash a serious form of misconduct by any standard\textendash{} and up to 33.7\% admitted other questionable research practices. In surveys asking about the behaviour of colleagues, admission rates were 14.12\% (N = 12, 95\% CI: 9.91\textendash 19.72) for falsification, and up to 72\% for other questionable research practices. Meta-regression showed that self reports surveys, surveys using the words ``falsification'' or ``fabrication'', and mailed surveys yielded lower percentages of misconduct. When these factors were controlled for, misconduct was reported more frequently by medical/pharmacological researchers than others. Considering that these surveys ask sensitive questions and have other limitations, it appears likely that this is a conservative estimate of the true prevalence of scientific misconduct.}, + language = {en}, + keywords = {Deception,important,Medical journals,Medicine and health sciences,Metaanalysis,practices,Scientific misconduct,Scientists,Social research,Surveys} +} + +@article{fanelli_Opinion_2018, + title = {Opinion: {{Is}} Science Really Facing a Reproducibility Crisis, and Do We Need It To?}, + shorttitle = {Opinion}, + author = {Fanelli, Daniele}, + year = {2018}, + month = mar, + journal = {Proceedings of the National Academy of Sciences}, + volume = {115}, + number = {11}, + pages = {2628--2631}, + issn = {0027-8424, 1091-6490}, + doi = {10.1073/pnas.1708272114}, + abstract = {Efforts to improve the reproducibility and integrity of science are typically justified by a narrative of crisis, according to which most published results are unreliable due to growing problems with research and publication practices. This article provides an overview of recent evidence suggesting that this narrative is mistaken, and argues that a narrative of epochal changes and empowerment of scientists would be more accurate, inspiring, and compelling.}, + language = {en}, + keywords = {crisis,forrt} +} + +@misc{fernandez_derechos_2009, + title = {Derechos de {{Autor}}}, + author = {Fern{\'a}ndez, Juan Carlos}, + year = {2009}, + journal = {Derechos de Autor en plataformas e-learning} +} + +@inproceedings{fernandez_derechos_2018, + title = {Derechos de Autor y Ciencia Abierta: El Papel de La Biblioteca Universitaria}, + booktitle = {{{VIII Conferencia Biredial}}-{{ISTEC}}}, + author = {Fern{\'a}ndez, Juan Carlos and Graziosi, Eduardo and Mart{\'i}nez, Daniel}, + year = {2018}, + address = {{Lima - Per\'u}} +} + +@inproceedings{fernandezmolina_derechos_2018, + title = {Derechos de Autor y Ciencia Abierta: El Papel de La Biblioteca Universitaria}, + shorttitle = {Derechos de Autor y Ciencia Abierta}, + booktitle = {{{VIII Conferencia Internacional}} Sobre {{Bibliotecas}} y {{Repositorios Digitales BIREDIAL}}-{{ISTEC}} ({{Lima}}, 2018)}, + author = {Fern{\'a}ndez Molina, Juan Carlos and Graziosi Silva, Eduardo and Mart{\'i}nez {\'A}vila, Daniel}, + year = {2018} +} + +@incollection{fidler_Reproducibility_2021, + title = {Reproducibility of {{Scientific Results}}}, + booktitle = {The {{Stanford Encyclopedia}} of {{Philosophy}}}, + author = {Fidler, Fiona and Wilcox, John}, + editor = {Zalta, Edward N.}, + year = {2021}, + edition = {Summer 2021}, + publisher = {{Metaphysics Research Lab, Stanford University}}, + abstract = {The terms ``reproducibility crisis'' and ``replicationcrisis'' gained currency in conversation and in print over thelast decade (e.g., Pashler \& Wagenmakers 2012), as disappointingresults emerged from large scale reproducibility projects in variousmedical, life and behavioural sciences (e.g., Open ScienceCollaboration, OSC 2015). In 2016, a poll conducted by the journalNature reported that more than half (52\%) of scientistssurveyed believed science was facing a ``replicationcrisis'' (Baker 2016). More recently, some authors have moved tomore positive terms for describing this episode in science; forexample, Vazire (2018) refers instead to a ``credibilityrevolution'' highlighting the improved methods and open sciencepractices it has motivated., The crisis often refers collectively to at least the following things:, The associated open science reform movement aims to rectify conditionsthat led to the crisis. This is done by promoting activities such asdata sharing and public pre-registration of studies, and by advocatingstricter editorial policies around statistical reporting includingpublishing replication studies and statistically non-significantresults., This review consists of four distinct parts. First, we look at theterm ``reproducibility'' and related terms like``repeatability'' and ``replication'', presentingsome definitions and conceptual discussion about the epistemicfunction of different types of replication studies. Second, wedescribe the meta-science research that has established andcharacterised the reproducibility crisis, including large scalereplication projects and surveys of questionable research practices invarious scientific communities. Third, we look at attempts to addressepistemological questions about the limitations of replication, andwhat value it holds for scientific inquiry and the accumulation ofknowledge. The fourth and final part describes some of the manyinitiatives the open science reform movement has proposed (and in manycases implemented) to improve reproducibility in science. In addition,we reflect there on the values and norms which those reforms embody,noting their relevance to the debate about the role of values in thephilosophy of science.} +} + +@article{fiedler_Questionable_2016, + title = {Questionable {{Research Practices Revisited}}}, + author = {Fiedler, Klaus and Schwarz, Norbert}, + year = {2016}, + month = jan, + journal = {Social Psychological and Personality Science}, + volume = {7}, + number = {1}, + pages = {45--52}, + publisher = {{SAGE Publications Inc}}, + issn = {1948-5506}, + doi = {10.1177/1948550615612150}, + abstract = {The current discussion of questionable research practices (QRPs) is meant to improve the quality of science. It is, however, important to conduct QRP studies with the same scrutiny as all research. We note problems with overestimates of QRP prevalence and the survey methods used in the frequently cited study by John, Loewenstein, and Prelec. In a survey of German psychologists, we decomposed QRP prevalence into its two multiplicative components, proportion of scientists who ever committed a behavior and, if so, how frequently they repeated this behavior across all their research. The resulting prevalence estimates are lower by order of magnitudes. We conclude that inflated prevalence estimates, due to problematic interpretation of survey data, can create a descriptive norm (QRP is normal) that can counteract the injunctive norm to minimize QRPs and unwantedly damage the image of behavioral sciences, which are essential to dealing with many societal problems.}, + language = {en}, + keywords = {ethics/morality,language,research methods,research practices,survey methodology} +} + +@article{field_effect_2020, + title = {The Effect of Preregistration on Trust in Empirical Research Findings: Results of a Registered Report}, + shorttitle = {The Effect of Preregistration on Trust in Empirical Research Findings}, + author = {Field, Sarahanne M. and Wagenmakers, E.-J. and Kiers, Henk A. L. and Hoekstra, Rink and Ernst, Anja F. and {van Ravenzwaaij}, Don}, + year = {2020}, + month = apr, + journal = {Royal Society Open Science}, + volume = {7}, + number = {4}, + pages = {181351}, + publisher = {{Royal Soc}}, + address = {{London}}, + issn = {2054-5703}, + doi = {10.1098/rsos.181351}, + abstract = {The crisis of confidence has undermined the trust that researchers place in the findings of their peers. In order to increase trust in research, initiatives such as preregistration have been suggested, which aim to prevent various questionable research practices. As it stands, however, no empirical evidence exists that preregistration does increase perceptions of trust. The picture may be complicated by a researcher's familiarity with the author of the study, regardless of the preregistration status of the research. This registered report presents an empirical assessment of the extent to which preregistration increases the trust of 209 active academics in the reported outcomes, and how familiarity with another researcher influences that trust. Contrary to our expectations, we report ambiguous Bayes factors and conclude that we do not have strong evidence towards answering our research questions. Our findings are presented along with evidence that our manipulations were ineffective for many participants, leading to the exclusion of 68\% of complete datasets, and an underpowered design as a consequence. We discuss other limitations and confounds which may explain why the findings of the study deviate from a previously conducted pilot study. We reflect on the benefits of using the registered report submission format in light of our results. The OSF page for this registered report and its pilot can be found here: http://dx.doi.org.uchile.idm.oclc.org/10.17605/OSF.IO/B3K75.}, + language = {English}, + keywords = {credibility,preregistration,questionable research practice,registered reporting,trustworthiness}, + annotation = {WOS:000523781500001} +} + +@incollection{figueiredo_Data_2020, + title = {Data {{Collection With Indigenous People}}: {{Fieldwork Experiences From Chile}}}, + shorttitle = {Data {{Collection With Indigenous People}}}, + booktitle = {Researching {{Peace}}, {{Conflict}}, and {{Power}} in the {{Field}}: {{Methodological Challenges}} and {{Opportunities}}}, + author = {Figueiredo, Ana and Rocha, Carolina and Montagna, Pietro}, + editor = {Acar, Yasemin G{\"u}ls{\"u}m and Moss, Sigrun Marie and Ulu{\u g}, {\"O}zden Melis}, + year = {2020}, + series = {Peace {{Psychology Book Series}}}, + pages = {105--127}, + publisher = {{Springer International Publishing}}, + address = {{Cham}}, + doi = {10.1007/978-3-030-44113-5_7}, + abstract = {At present, the Mapuche are the largest indigenous group living in Chile and, up until the present day, they are considered a disadvantaged group in Chilean society in terms of poverty, education and discrimination indicators. In recent decades, this group has been involved in a violent conflict with the Chilean state, forestry and hydroelectric industries and big landowners due mainly to territorial claims of the ancestral land that is currently inhabited and exploited by these different actors. In the present chapter, we narrate the process of data collection with indigenous participants within the framework of a three-year long project about representations of history and present-day intergroup relations between the Mapuche and the non-indigenous majority in Chile. We focus on the challenges that data collection involved by highlighting the process of participant recruitment and trust issues revolving around data collection, as well as retribution practices. Moreover, we also highlight the pros and cons of having non-indigenous Chilean and international researchers conducting fieldwork in this context. Another aspect we address is how methodological approaches may influence the data quality and participants' degree of involvement with the project, by highlighting how these issues interconnect with cultural differences and this indigenous group's worldview and cultural practices. We hope this chapter may provide significant insights on how to deal with some of the difficulties that data collection with indigenous people may involve.}, + isbn = {978-3-030-44113-5}, + language = {en}, + keywords = {Chile,Fieldwork,Mapuche,Qualitative research,Quantitative research} +} + +@article{figueiredo_Groupbased_2015, + title = {Group-Based {{Compunction}} and {{Anger}}: {{Their Antecedents}} and {{Consequences}} in {{Relation}} to {{Colonial Conflicts}}}, + shorttitle = {Group-Based {{Compunction}} and {{Anger}}}, + author = {Figueiredo, Ana and Doosje, Bertjan and Valentim, Joaquim Pires}, + year = {2015}, + journal = {International Journal of Conflict and Violence (IJCV)}, + volume = {9}, + pages = {90--105}, + issn = {1864-1385}, + doi = {10.4119/ijcv-3070}, + copyright = {Copyright (c) 2016 International Journal of Conflict and Violence}, + language = {en} +} + +@incollection{figueiredo_Representations_2019, + title = {Representations of History and Present-Day Intergroup Relations between Indigenous and Non-Indigenous People: {{The Mapuche}} in {{Chile}}}, + shorttitle = {Representations of History and Present-Day Intergroup Relations between Indigenous and Non-Indigenous People}, + author = {Figueiredo, Ana and Rocha, Carolina and Montagna, Pietro and Ferreiro, Trinidad and Guerrero, Catarina and Varela O'Reilly, Micaela and Garc{\'i}a, Bernardita and Mu{\~n}oz, Loreto and Schmidt, Magdalena and Cornejo, Marcela and Licata, Laurent}, + year = {2019}, + month = jan, + pages = {79--104}, + isbn = {978-1-5361-6164-9} +} + +@article{figueiredo_Too_2015, + title = {Too Long to Compensate? {{Time}} Perceptions, Emotions, and Compensation for Colonial Conflicts}, + shorttitle = {Too Long to Compensate?}, + author = {Figueiredo, Ana Mateus and Valentim, Joaquim Pires and Doosje, Bertjan}, + year = {2015}, + journal = {Peace and Conflict: Journal of Peace Psychology}, + volume = {21}, + number = {3}, + pages = {500--504}, + publisher = {{Educational Publishing Foundation}}, + address = {{US}}, + issn = {1532-7949(ELECTRONIC),1078-1919(PRINT)}, + doi = {10.1037/pac0000114}, + abstract = {In the present article we analyze the role of perceptions of time and ingroup-focused compunction and anger on the desire to compensate the outgroup in relation to historical colonial conflicts. Furthermore, we analyze the relationships between the aforementioned variables and perceptions of the past as being violent and perceptions that compensation has been enough. By means of multiple group structural equation modeling using 1 Portuguese sample (N = 170) and 1 Dutch sample (N = 238), we were able to show that perceptions of the time passed between the negative events and the present day are negatively related to compensatory behavioral intentions. Furthermore, the belief that past compensation has been enough is negatively related to ingroup-focused anger and compunction. Anger (Portuguese sample only) and compunction are positively associated with intentions of compensation. The implications of our results for the field of intergroup relations are discussed. (PsycINFO Database Record (c) 2016 APA, all rights reserved)}, + keywords = {Conflict,Emotions,History,Ingroup Outgroup,Time Perception} +} + +@article{findley_Can_2016, + title = {Can {{Results}}-{{Free Review Reduce Publication Bias}}? {{The Results}} and {{Implications}} of a {{Pilot Study}}}, + shorttitle = {Can {{Results}}-{{Free Review Reduce Publication Bias}}?}, + author = {Findley, Michael G. and Jensen, Nathan M. and Malesky, Edmund J. and Pepinsky, Thomas B.}, + year = {2016}, + month = nov, + journal = {Comparative Political Studies}, + volume = {49}, + number = {13}, + pages = {1667--1703}, + publisher = {{Sage Publications Inc}}, + address = {{Thousand Oaks}}, + issn = {0010-4140}, + doi = {10.1177/0010414016655539}, + abstract = {In 2015, Comparative Political Studies embarked on a landmark pilot study in research transparency in the social sciences. The editors issued an open call for submissions of manuscripts that contained no mention of their actual results, incentivizing reviewers to evaluate manuscripts based on their theoretical contributions, research designs, and analysis plans. The three papers in this special issue are the result of this process that began with 19 submissions. In this article, we describe the rationale for this pilot, expressly articulating the practices of preregistration and results-free review. We document the process of carrying out the special issue with a discussion of the three accepted papers, and critically evaluate the role of both preregistration and results-free review. Our main conclusions are that results-free review encourages much greater attention to theory and research design, but that it raises thorny problems about how to anticipate and interpret null findings. We also observe that as currently practiced, results-free review has a particular affinity with experimental and cross-case methodologies. Our lack of submissions from scholars using qualitative or interpretivist research suggests limitations to the widespread use of results-free review.}, + language = {English}, + keywords = {anonymous incorporation,debt,experimental research,field experiment,growth,journals,null hypothesis,political-science,preregistration,qualitative methods,quantitative methods,registration,results-free review,transparency,trials}, + annotation = {WOS:000386853700001} +} + +@article{flier_Faculty_2017, + title = {Faculty Promotion Must Assess Reproducibility}, + author = {Flier, Jeffrey}, + year = {2017}, + month = sep, + journal = {Nature}, + volume = {549}, + number = {7671}, + pages = {133--133}, + publisher = {{Nature Publishing Group}}, + issn = {1476-4687}, + doi = {10.1038/549133a}, + abstract = {Research institutions should explicitly seek job candidates who can be frankly self-critical of their work, says Jeffrey Flier.}, + copyright = {2017 Nature Publishing Group}, + language = {en}, + keywords = {forrt} +} + +@article{flier_Faculty_2017a, + title = {Faculty Promotion Must Assess Reproducibility}, + author = {Flier, Jeffrey}, + year = {2017}, + month = sep, + journal = {Nature}, + volume = {549}, + number = {7671}, + pages = {133--133}, + publisher = {{Nature Publishing Group}}, + issn = {1476-4687}, + doi = {10.1038/549133a}, + abstract = {Research institutions should explicitly seek job candidates who can be frankly self-critical of their work, says Jeffrey Flier.}, + copyright = {2017 Nature Publishing Group}, + language = {en}, + annotation = {Bandiera\_abtest: a Cg\_type: Nature Research Journals Primary\_atype: Comments \& Opinion Subject\_term: Careers;Lab life;Research data;Research management Subject\_term\_id: careers;lab-life;research-data;research-management} +} + +@article{flournoy_Improving_2020, + title = {Improving Practices and Inferences in Developmental Cognitive Neuroscience}, + author = {Flournoy, John C. and Vijayakumar, Nandita and Cheng, Theresa W. and Cosme, Danielle and Flannery, Jessica E. and Pfeifer, Jennifer H.}, + year = {2020}, + month = oct, + journal = {Developmental Cognitive Neuroscience}, + volume = {45}, + pages = {100807}, + publisher = {{Elsevier Sci Ltd}}, + address = {{Oxford}}, + issn = {1878-9293}, + doi = {10.1016/j.dcn.2020.100807}, + abstract = {The past decade has seen growing concern about research practices in cognitive neuroscience, and psychology more broadly, that shake our confidence in many inferences in these fields. We consider how these issues affect developmental cognitive neuroscience, with the goal of progressing our field to support strong and defensible inferences from our neurobiological data. This manuscript focuses on the importance of distinguishing between confirmatory versus exploratory data analysis approaches in developmental cognitive neuroscience. Regarding confirmatory research, we discuss problems with analytic flexibility, appropriately instantiating hypotheses, and controlling the error rate given how we threshold data and correct for multiple comparisons. To counterbalance these concerns with confirmatory analyses, we present two complementary strategies. First, we discuss the advantages of working within an exploratory analysis framework, including estimating and reporting effect sizes, using parcellations, and conducting specification curve analyses. Second, we summarize defensible approaches for null hypothesis significance testing in confirmatory analyses, focusing on transparent and reproducible practices in our field. Specific recommendations are given, and templates, scripts, or other resources are hyperlinked, whenever possible.}, + language = {English}, + keywords = {Exploratory,extent,Inference,parcellation,Parcellations,Preregistration,primer,Reproducibility,size,tests,Thresholding}, + annotation = {WOS:000579499600015} +} + +@article{forstmeier_Detecting_2017, + title = {Detecting and Avoiding Likely False-Positive Findings - a Practical Guide}, + author = {Forstmeier, Wolfgang and Wagenmakers, Eric-Jan and Parker, Timothy H.}, + year = {2017}, + month = nov, + journal = {Biological Reviews}, + volume = {92}, + number = {4}, + pages = {1941--1968}, + publisher = {{Wiley}}, + address = {{Hoboken}}, + issn = {1464-7931}, + doi = {10.1111/brv.12315}, + abstract = {Recently there has been a growing concern that many published research findings do not hold up in attempts to replicate them. We argue that this problem may originate from a culture of you can publish if you found a significant effect'. This culture creates a systematic bias against the null hypothesis which renders meta-analyses questionable and may even lead to a situation where hypotheses become difficult to falsify. In order to pinpoint the sources of error and possible solutions, we review current scientific practices with regard to their effect on the probability of drawing a false-positive conclusion. We explain why the proportion of published false-positive findings is expected to increase with (i) decreasing sample size, (ii) increasing pursuit of novelty, (iii) various forms of multiple testing and researcher flexibility, and (iv) incorrect P-values, especially due to unaccounted pseudoreplication, i.e. the non-independence of data points (clustered data). We provide examples showing how statistical pitfalls and psychological traps lead to conclusions that are biased and unreliable, and we show how these mistakes can be avoided. Ultimately, we hope to contribute to a culture of you can publish if your study is rigorous'. To this end, we highlight promising strategies towards making science more objective. Specifically, we enthusiastically encourage scientists to preregister their studies (including a priori hypotheses and complete analysis plans), to blind observers to treatment groups during data collection and analysis, and unconditionally to report all results. Also, we advocate reallocating some efforts away from seeking novelty and discovery and towards replicating important research findings of one's own and of others for the benefit of the scientific community as a whole. We believe these efforts will be aided by a shift in evaluation criteria away from the current system which values metrics of impact' almost exclusively and towards a system which explicitly values indices of scientific rigour.}, + language = {English}, + keywords = {behavioral ecology,confirmation bias,effect sizes,evolution,HARKing,hindsight bias,incentives,metaanalyses,overfitting,P-hacking,power,preregistration,publication bias,replication,researcher degrees of freedom,statistical power,tests,transparency,truth,Type I error}, + annotation = {WOS:000412314400005} +} + +@misc{fortney_social_2015, + title = {A Social Networking Site Is Not an Open Access Repository}, + author = {Fortney, Katie and Gonder, Justin}, + year = {2015}, + journal = {Office of Scholary Communication University of California} +} + +@article{franca_Reproducibility_2019, + title = {Reproducibility Crisis, the Scientific Method, and the Quality of Published Studies: {{Untangling}} the Knot}, + shorttitle = {Reproducibility Crisis, the Scientific Method, and the Quality of Published Studies}, + author = {Fran{\c c}a, Thiago F. A. and Monserrat, Jos{\'e} Maria}, + year = {2019}, + month = oct, + journal = {Learned Publishing}, + volume = {32}, + number = {4}, + pages = {406--408}, + issn = {0953-1513, 1741-4857}, + doi = {10.1002/leap.1250}, + language = {en}, + keywords = {crisis} +} + +@article{franco_Publication_2014, + title = {Publication Bias in the Social Sciences: {{Unlocking}} the File Drawer}, + shorttitle = {Publication Bias in the Social Sciences}, + author = {Franco, A. and Malhotra, N. and Simonovits, G.}, + year = {2014}, + month = sep, + journal = {Science}, + volume = {345}, + number = {6203}, + pages = {1502--1505}, + issn = {0036-8075, 1095-9203}, + doi = {10.1126/science.1255484}, + language = {en}, + keywords = {practices} +} + +@article{frankenhuis_Open_2018, + title = {Open {{Science Is Liberating}} and {{Can Foster Creativity}}}, + author = {Frankenhuis, Willem E. and Nettle, Daniel}, + year = {2018}, + month = jul, + journal = {Perspectives on Psychological Science}, + volume = {13}, + number = {4}, + pages = {439--447}, + publisher = {{Sage Publications Ltd}}, + address = {{London}}, + issn = {1745-6916}, + doi = {10.1177/1745691618767878}, + abstract = {Some scholars think that Open Science practices constrain researchers in ways that reduce their creativity, arguing, for instance, that preregistration discourages data exploration and so stifles discovery. In this article, we argue the opposite: Open Science practices are liberating and can foster creativity. Open Science practices are liberating because they (a) enable us to explore data transparently and comfortably; (b) reward quality, which is under our control, rather than outcomes, which are not; and (c) reduce the choke hold of needing to find "positive" results for career advancement. Open Science practices can foster creativity because they cultivate an open and flexible mind-set, create a more collaborative and constructive climate, and generate more accurate information and make it more accessible. In sum, Open Science liberates researchers more than it constrains them.}, + language = {English}, + keywords = {competition,creativity,doubt,information,knowledge,open science,preregistration,psychological science,registered-reports,replicability,replication,reproducibility,scientific utopia,standard,uncertainty}, + annotation = {WOS:000438605100005} +} + +@article{fraser_Questionable_2018, + title = {Questionable Research Practices in Ecology and Evolution}, + author = {Fraser, Hannah and Parker, Tim and Nakagawa, Shinichi and Barnett, Ashley and Fidler, Fiona}, + year = {2018}, + month = jul, + journal = {PLOS ONE}, + volume = {13}, + number = {7}, + pages = {e0200303}, + publisher = {{Public Library of Science}}, + issn = {1932-6203}, + doi = {10.1371/journal.pone.0200303}, + abstract = {We surveyed 807 researchers (494 ecologists and 313 evolutionary biologists) about their use of Questionable Research Practices (QRPs), including cherry picking statistically significant results, p hacking, and hypothesising after the results are known (HARKing). We also asked them to estimate the proportion of their colleagues that use each of these QRPs. Several of the QRPs were prevalent within the ecology and evolution research community. Across the two groups, we found 64\% of surveyed researchers reported they had at least once failed to report results because they were not statistically significant (cherry picking); 42\% had collected more data after inspecting whether results were statistically significant (a form of p hacking) and 51\% had reported an unexpected finding as though it had been hypothesised from the start (HARKing). Such practices have been directly implicated in the low rates of reproducible results uncovered by recent large scale replication studies in psychology and other disciplines. The rates of QRPs found in this study are comparable with the rates seen in psychology, indicating that the reproducibility problems discovered in psychology are also likely to be present in ecology and evolution.}, + language = {en}, + keywords = {Behavioral ecology,Community ecology,Evolutionary biology,Evolutionary ecology,Evolutionary rate,Psychology,Publication ethics,Statistical data} +} + +@article{freese_Replication_2017, + title = {Replication in {{Social Science}}}, + author = {Freese, Jeremy and Peterson, David}, + year = {2017}, + month = jul, + journal = {Annual Review of Sociology}, + volume = {43}, + number = {1}, + pages = {147--165}, + publisher = {{Annual Reviews}}, + issn = {0360-0572}, + doi = {10.1146/annurev-soc-060116-053450}, + abstract = {Across the medical and social sciences, new discussions about replication have led to transformations in research practice. Sociologists, however, have been largely absent from these discussions. The goals of this review are to introduce sociologists to these developments, synthesize insights from science studies about replication in general, and detail the specific issues regarding replication that occur in sociology. The first half of the article argues that a sociologically sophisticated understanding of replication must address both the ways that replication rules and conventions evolved within an epistemic culture and how those cultures are shaped by specific research challenges. The second half outlines the four main dimensions of replicability in quantitative sociology\textemdash verifiability, robustness, repeatability, and generalizability\textemdash and discusses the specific ambiguities of interpretation that can arise in each. We conclude by advocating some commonsense changes to promote replication while acknowledging the epistemic diversity of our field.} +} + +@article{frey_Publishing_2003, + title = {Publishing as {{Prostitution}}? \textendash{} {{Choosing Between One}}'s {{Own Ideas}} and {{Academic Success}}}, + shorttitle = {Publishing as {{Prostitution}}?}, + author = {Frey, Bruno S.}, + year = {2003}, + month = jul, + journal = {Public Choice}, + volume = {116}, + number = {1}, + pages = {205--223}, + issn = {1573-7101}, + doi = {10.1023/A:1024208701874}, + abstract = {Survival in academia depends on publications in refereedjournals. Authors only get their papers accepted if theyintellectually prostitute themselves by slavishly followingthe demands made by anonymous referees who have no propertyrights to the journals they advise. Intellectual prostitutionis neither beneficial to suppliers nor consumers. But it isavoidable. The editor (with property rights to the journal)should make the basic decision of whether a paper is worthpublishing or not. The referees should only offer suggestionsfor improvement. The author may disregard this advice. Thisreduces intellectual prostitution and produces more originalpublications.}, + language = {en}, + keywords = {institutional} +} + +@article{friese_pHacking_2020, + title = {P-{{Hacking}} and {{Publication Bias Interact}} to {{Distort Meta}}-{{Analytic Effect Size Estimates}}}, + author = {Friese, Malte and Frankenbach, Julius}, + year = {2020}, + month = aug, + journal = {Psychological Methods}, + volume = {25}, + number = {4}, + pages = {456--471}, + publisher = {{Amer Psychological Assoc}}, + address = {{Washington}}, + issn = {1082-989X}, + doi = {10.1037/met0000246}, + abstract = {Science depends on trustworthy evidence. Thus, a biased scientific record is of questionable value because it impedes scientific progress, and the public receives advice on the basis of unreliable evidence that has the potential to have far-reaching detrimental consequences. Meta-analysis is a technique that can be used to summarize research evidence. However, meta-analytic effect size estimates may themselves be biased, threatening the validity and usefulness of meta-analyses to promote scientific progress. Here, we offer a large-scale simulation study to elucidate how p-hacking and publication bias distort meta-analytic effect size estimates under a broad array of circumstances that reflect the reality that exists across a variety of research areas. The results revealed that, first, very high levels of publication bias can severely distort the cumulative evidence. Second, p-hacking and publication bias interact: At relatively high and low levels of publication bias, p-hacking does comparatively little harm, but at medium levels of publication bias, p-hacking can considerably contribute to bias, especially when the true effects are very small or are approaching zero. Third, p-hacking can severely increase the rate of false positives. A key implication is that, in addition to preventing p-hacking, policies in research institutions, funding agencies, and scientific journals need to make the prevention of publication bias a top priority to ensure a trustworthy base of evidence. Translational Abstract In recent years, the trustworthiness of psychological science has been questioned. A major concern is that many research findings are less robust than the published evidence suggests. Several reasons may contribute to this state of affairs. Two prominently discussed reasons are that (a) researchers use questionable research practices (so called p-hacking) when they analyze the data of their empirical studies, and (b) studies that revealed results consistent with expectations are more likely published than studies that "failed" (publication bias). The present large-scale simulation study estimates the extent to which meta-analytic effect sizes are biased by different degrees of p-hacking and publication bias, considering several factors of influence that may impact on this bias (e.g., the true effect of the phenomenon of interest). Results show that both p-hacking and publication bias contribute to a potentially severely biased impression of the overall evidence. This is especially the case when the true effect that is investigated is very small or does not exist at all. Severe publication bias alone can exert considerable bias; p-hacking exerts considerable bias only when there is also publication bias. However, p-hacking can severely increase the rate of false positives, that is, findings that suggest that a study found a real effect when, in reality, no effect exists. A key implication of the present study is that, in addition to preventing p-hacking, policies in research institutions, funding agencies, and scientific journals need to make the prevention of publication bias a top priority to ensure a trustworthy base of evidence.}, + language = {English}, + keywords = {curve,decisions,incentives,meta-analysis,meta-regression,metascience,p-hacking,prevalence,psychological-research,publication bias,registered-reports,robust,science,tests}, + annotation = {WOS:000563801800004} +} + +@article{friese_pHacking_2020a, + title = {P-{{Hacking}} and {{Publication Bias Interact}} to {{Distort Meta}}-{{Analytic Effect Size Estimates}}}, + author = {Friese, Malte and Frankenbach, Julius}, + year = {2020}, + month = aug, + journal = {Psychological Methods}, + volume = {25}, + number = {4}, + pages = {456--471}, + publisher = {{Amer Psychological Assoc}}, + address = {{Washington}}, + issn = {1082-989X}, + doi = {10.1037/met0000246}, + abstract = {Science depends on trustworthy evidence. Thus, a biased scientific record is of questionable value because it impedes scientific progress, and the public receives advice on the basis of unreliable evidence that has the potential to have far-reaching detrimental consequences. Meta-analysis is a technique that can be used to summarize research evidence. However, meta-analytic effect size estimates may themselves be biased, threatening the validity and usefulness of meta-analyses to promote scientific progress. Here, we offer a large-scale simulation study to elucidate how p-hacking and publication bias distort meta-analytic effect size estimates under a broad array of circumstances that reflect the reality that exists across a variety of research areas. The results revealed that, first, very high levels of publication bias can severely distort the cumulative evidence. Second, p-hacking and publication bias interact: At relatively high and low levels of publication bias, p-hacking does comparatively little harm, but at medium levels of publication bias, p-hacking can considerably contribute to bias, especially when the true effects are very small or are approaching zero. Third, p-hacking can severely increase the rate of false positives. A key implication is that, in addition to preventing p-hacking, policies in research institutions, funding agencies, and scientific journals need to make the prevention of publication bias a top priority to ensure a trustworthy base of evidence. Translational Abstract In recent years, the trustworthiness of psychological science has been questioned. A major concern is that many research findings are less robust than the published evidence suggests. Several reasons may contribute to this state of affairs. Two prominently discussed reasons are that (a) researchers use questionable research practices (so called p-hacking) when they analyze the data of their empirical studies, and (b) studies that revealed results consistent with expectations are more likely published than studies that "failed" (publication bias). The present large-scale simulation study estimates the extent to which meta-analytic effect sizes are biased by different degrees of p-hacking and publication bias, considering several factors of influence that may impact on this bias (e.g., the true effect of the phenomenon of interest). Results show that both p-hacking and publication bias contribute to a potentially severely biased impression of the overall evidence. This is especially the case when the true effect that is investigated is very small or does not exist at all. Severe publication bias alone can exert considerable bias; p-hacking exerts considerable bias only when there is also publication bias. However, p-hacking can severely increase the rate of false positives, that is, findings that suggest that a study found a real effect when, in reality, no effect exists. A key implication of the present study is that, in addition to preventing p-hacking, policies in research institutions, funding agencies, and scientific journals need to make the prevention of publication bias a top priority to ensure a trustworthy base of evidence.}, + language = {English}, + keywords = {curve,decisions,incentives,meta-analysis,meta-regression,metascience,p-hacking,prevalence,psychological-research,publication bias,registered-reports,robust,science,tests}, + annotation = {WOS:000563801800004} +} + +@article{frost_Calibrate_2020, + title = {Calibrate Your Confidence in Research Findings: {{A}} Tutorial on Improving Research Methods and Practices}, + shorttitle = {Calibrate Your Confidence in Research Findings}, + author = {Frost, Aline da Silva and Ledgerwood, Alison}, + year = {2020}, + journal = {Journal of Pacific Rim Psychology}, + volume = {14}, + pages = {e14}, + publisher = {{Cambridge Univ Press}}, + address = {{New York}}, + issn = {1834-4909}, + doi = {10.1017/prp.2020.7}, + abstract = {This article provides an accessible tutorial with concrete guidance for how to start improving research methods and practices in your lab. Following recent calls to improve research methods and practices within and beyond the borders of psychological science, resources have proliferated across book chapters, journal articles, and online media. Many researchers are interested in learning more about cutting-edge methods and practices but are unsure where to begin. In this tutorial, we describe specific tools that help researchers calibrate their confidence in a given set of findings. In Part I, we describe strategies for assessing the likely statistical power of a study, including when and how to conduct different types of power calculations, how to estimate effect sizes, and how to think about power for detecting interactions. In Part II, we provide strategies for assessing the likely type I error rate of a study, including distinguishing clearly between data-independent ("confirmatory") and data-dependent ("exploratory") analyses and thinking carefully about different forms and functions of preregistration.}, + language = {English}, + keywords = {crisis,incentives,open science,positive predictive value,preanalysis plan,preregistration,publication bias,reliability,replicability,sample-size,science,special section,statistical power,trade-off}, + annotation = {WOS:000527960000001} +} + +@article{gall_credibility_2017, + title = {The Credibility Crisis in Research: {{Can}} Economics Tools Help?}, + shorttitle = {The Credibility Crisis in Research}, + author = {Gall, Thomas and Ioannidis, John P. A. and Maniadis, Zacharias}, + year = {2017}, + month = apr, + journal = {PLOS Biology}, + volume = {15}, + number = {4}, + pages = {e2001846}, + publisher = {{Public Library of Science}}, + issn = {1545-7885}, + doi = {10.1371/journal.pbio.2001846}, + abstract = {The issue of nonreplicable evidence has attracted considerable attention across biomedical and other sciences. This concern is accompanied by an increasing interest in reforming research incentives and practices. How to optimally perform these reforms is a scientific problem in itself, and economics has several scientific methods that can help evaluate research reforms. Here, we review these methods and show their potential. Prominent among them are mathematical modeling and laboratory experiments that constitute affordable ways to approximate the effects of policies with wide-ranging implications.}, + language = {en}, + keywords = {crisis,Economic models,Economics,Experimental economics,Game theory,Health economics,Labor economics,Mathematical modeling,Randomized controlled trials} +} + +@article{gerber_Publication_2008, + title = {Publication {{Bias}} in {{Empirical Sociological Research}}: {{Do Arbitrary Significance Levels Distort Published Results}}?}, + shorttitle = {Publication {{Bias}} in {{Empirical Sociological Research}}}, + author = {Gerber, Alan S. and Malhotra, Neil}, + year = {2008}, + month = aug, + journal = {Sociological Methods \& Research}, + volume = {37}, + number = {1}, + pages = {3--30}, + publisher = {{SAGE Publications Inc}}, + issn = {0049-1241}, + doi = {10.1177/0049124108318973}, + abstract = {Despite great attention to the quality of research methods in individual studies, if publication decisions of journals are a function of the statistical significance of research findings, the published literature as a whole may not produce accurate measures of true effects. This article examines the two most prominent sociology journals (the American Sociological Review and the American Journal of Sociology) and another important though less influential journal (The Sociological Quarterly) for evidence of publication bias. The effect of the .05 significance level on the pattern of published findings is examined using a ``caliper'' test, and the hypothesis of no publication bias can be rejected at approximately the 1 in 10 million level. Findings suggest that some of the results reported in leading sociology journals may be misleading and inaccurate due to publication bias. Some reasons for publication bias and proposed reforms to reduce its impact on research are also discussed.}, + language = {en}, + keywords = {caliper test,hypothesis testing,meta-analysis,practices,publication bias} +} + +@article{gerber_Statistical_2008, + title = {Do {{Statistical Reporting Standards Affect What Is Published}}? {{Publication Bias}} in {{Two Leading Political Science Journals}}}, + shorttitle = {Do {{Statistical Reporting Standards Affect What Is Published}}?}, + author = {Gerber, Alan and Malhotra, Neil}, + year = {2008}, + month = oct, + journal = {Quarterly Journal of Political Science}, + volume = {3}, + number = {3}, + pages = {313--326}, + publisher = {{Now Publishers, Inc.}}, + issn = {1554-0626, 1554-0634}, + doi = {10.1561/100.00008024}, + abstract = {Do Statistical Reporting Standards Affect What Is Published? Publication Bias in Two Leading Political Science Journals}, + language = {English}, + keywords = {practices} +} + +@article{geukes_Ways_2016, + title = {{Ways Out of the Crisis of Confidence: Individual Steps Toward a Reliable and Open Science}}, + shorttitle = {{Ways Out of the Crisis of Confidence}}, + author = {Geukes, Katharina and Schoenbrodt, Felix D. and Utesch, Till and Geukes, Sebastian and Back, Mitja D.}, + year = {2016}, + journal = {Zeitschrift Fur Sportpsychologie}, + volume = {23}, + number = {3}, + pages = {99--109}, + publisher = {{Hogrefe \& Huber Publishers}}, + address = {{Gottingen}}, + issn = {1612-5010}, + doi = {10.1026/1612-5010/a000167}, + abstract = {Psychology faces a so-called crisis of confidence as does sport psychology (see title of this special issue). While the debate on its causes and consequences is lively, the deduction of individual opportunities to collectively increase trust is missing. We propose ways out of this crisis and above all describe individual steps toward a reliable and open science. Reliable science refers to the publication of robust effects, as well as to direct and conceptual replications, and open science refers to transparency regarding the design (preregistration), the conducting (open material), and the analysis (open data, reproducible code) of scientific studies. The commitment to reliable and open science wilt change our behavior in the diverse roles within the scientific system (e.g., as researchers, reviewers, supervisors, editors, or members of commissions). In this sense, we consider the current discussion as a chance to enhance the trustworthiness of our findings and to ultimately create justified confidence.}, + language = {German}, + keywords = {crisis of confidence,exercise,incentives,open science,preregistration,psychological-research,recommendations,registered-reports,replicability,replication,research practices,special section,sport,truth}, + annotation = {WOS:000392884700005} +} + +@article{gilbert_Comment_2016, + title = {Comment on "{{Estimating}} the Reproducibility of Psychological Science"}, + author = {Gilbert, D. T. and King, G. and Pettigrew, S. and Wilson, T. D.}, + year = {2016}, + month = mar, + journal = {Science}, + volume = {351}, + number = {6277}, + pages = {1037--1037}, + issn = {0036-8075, 1095-9203}, + doi = {10.1126/science.aad7243}, + language = {en} +} + +@article{goodman_What_2016, + title = {What Does Research Reproducibility Mean?}, + author = {Goodman, Steven N. and Fanelli, Daniele and Ioannidis, John P. A.}, + year = {2016}, + month = jun, + journal = {Science Translational Medicine}, + volume = {8}, + number = {341}, + pages = {341ps12-341ps12}, + publisher = {{American Association for the Advancement of Science}}, + issn = {1946-6234, 1946-6242}, + doi = {10.1126/scitranslmed.aaf5027}, + abstract = {{$<$}p{$>$}The language and conceptual framework of ``research reproducibility'' are nonstandard and unsettled across the sciences. In this Perspective, we review an array of explicit and implicit definitions of reproducibility and related terminology, and discuss how to avoid potential misunderstandings when these terms are used as a surrogate for ``truth.''{$<$}/p{$>$}}, + chapter = {Perspective}, + copyright = {Copyright \textcopyright{} 2016, American Association for the Advancement of Science}, + language = {en}, + pmid = {27252173} +} + +@article{gorman_Systems_2019, + title = {A {{Systems Approach}} to {{Understanding}} and {{Improving Research Integrity}}}, + author = {Gorman, Dennis M. and Elkins, Amber D. and Lawley, Mark}, + year = {2019}, + month = feb, + journal = {Science and Engineering Ethics}, + volume = {25}, + number = {1}, + pages = {211--229}, + publisher = {{Springer}}, + address = {{Dordrecht}}, + issn = {1353-3452}, + doi = {10.1007/s11948-017-9986-z}, + abstract = {Concern about the integrity of empirical research has arisen in recent years in the light of studies showing the vast majority of publications in academic journals report positive results, many of these results are false and cannot be replicated, and many positive results are the product of data dredging and the application of flexible data analysis practices coupled with selective reporting. While a number of potential solutions have been proposed, the effects of these are poorly understood and empirical evaluation of each would take many years. We propose that methods from the systems sciences be used to assess the effects, both positive and negative, of proposed solutions to the problem of declining research integrity such as study registration, Registered Reports, and open access to methods and data. In order to illustrate the potential application of systems science methods to the study of research integrity, we describe three broad types of models: one built on the characteristics of specific academic disciplines; one a diffusion of research norms model conceptualizing researchers as susceptible, infected and recovered; and one conceptualizing publications as a product produced by an industry comprised of academics who respond to incentives and disincentives.}, + language = {English}, + keywords = {aversion,bias,diffusion,dynamics,impact,medicine,Open data,programs,publication,Publish or perish,registered reports,Registered reports,Research ethics,science,System dynamics,Systems thinking}, + annotation = {WOS:000461310400012} +} + +@article{grant_Lack_2018, + title = {Lack of Preregistered Analysis Plans Allows Unacceptable Data Mining for and Selective Reporting of Consensus in {{Delphi}} Studies}, + author = {Grant, Sean and Booth, Marika and Khodyakov, Dmitry}, + year = {2018}, + month = jul, + journal = {Journal of Clinical Epidemiology}, + volume = {99}, + pages = {96--105}, + publisher = {{Elsevier Science Inc}}, + address = {{New York}}, + issn = {0895-4356}, + doi = {10.1016/j.jclinepi.2018.03.007}, + abstract = {Objectives: To empirically demonstrate how undisclosed analytic flexibility provides substantial latitude for data mining and selective reporting of consensus in Delphi processes. Study Design and Setting: Pooling data across eight online modified-Delphi panels, we first calculated the percentage of items reaching consensus according to descriptive analysis procedures commonly used in health research but selected post hoc in this article. We then examined the variability of items reaching consensus across panels. Results: Pooling all panel data, the percentage of items reaching consensus ranged from 0\% to 84\%, depending on the analysis procedure. Comparing data across panels, variability in the percentage of items reaching consensus for each analysis procedure ranged from 0 (i.e., all panels had the same percentage of items reaching consensus for a given analysis procedure) to 83 (i.e., panels had a range of 11\% to 94\% of items reaching consensus for a given analysis procedure). Of 200 total panel-by-analysis-procedure configurations, four configurations (2\%) had all items and 64 (32\%) had no items reaching consensus. Conclusion: Undisclosed analytic flexibility makes it unacceptably easy to data mine for and selectively report consensus in Delphi processes. As a solution, we recommend prospective, complete registration of preanalysis plans for consensus-oriented Delphi processes in health research. (C) 2018 Elsevier Inc. All rights reserved.}, + language = {English}, + keywords = {bias,clinical-trials,Consensus,consort,criteria,Delphi process,Expert panel,future,Open science framework,Preanalysis plan,Preregistration,registration,stability}, + annotation = {WOS:000437393100011} +} + +@article{greiff_Introducing_2020, + title = {Introducing {{New Open Science Practices}} at {{EJPA}}}, + author = {Greiff, Samuel and {van der Westhuizen}, Lindie and Mund, Marcus and Rauthmann, John F. and Wetzel, Eunike}, + year = {2020}, + month = sep, + journal = {European Journal of Psychological Assessment}, + volume = {36}, + number = {5}, + pages = {717--720}, + publisher = {{Hogrefe Publishing Corp}}, + address = {{Boston}}, + issn = {1015-5759}, + doi = {10.1027/1015-5759/a000628}, + language = {English}, + keywords = {registered reports}, + annotation = {WOS:000595143100001} +} + +@article{gundersen_fundamental_2021, + title = {The Fundamental Principles of Reproducibility}, + author = {Gundersen, Odd Erik}, + year = {2021}, + month = may, + journal = {Philosophical Transactions of the Royal Society a-Mathematical Physical and Engineering Sciences}, + volume = {379}, + number = {2197}, + pages = {20200210}, + publisher = {{Royal Soc}}, + address = {{London}}, + issn = {1364-503X}, + doi = {10.1098/rsta.2020.0210}, + abstract = {Reproducibility is a confused terminology. In this paper, I take a fundamental view on reproducibility rooted in the scientific method. The scientific method is analysed and characterized in order to develop the terminology required to define reproducibility. Furthermore, the literature on reproducibility and replication is surveyed, and experiments are modelled as tasks and problem solving methods. Machine learning is used to exemplify the described approach. Based on the analysis, reproducibility is defined and three different degrees of reproducibility as well as four types of reproducibility are specified. This article is part of the theme issue 'Reliability and reproducibility in computational science: implementing verification, validation and uncertainty quantification in silico'.}, + language = {English}, + keywords = {go,level,machine learning,problem solving methods,registered-reports,scientific method}, + annotation = {WOS:000636259600012} +} + +@article{guttinger_limits_2020, + title = {The Limits of Replicability}, + author = {Guttinger, Stephan}, + year = {2020}, + month = jan, + journal = {European Journal for Philosophy of Science}, + volume = {10}, + number = {2}, + pages = {10}, + issn = {1879-4920}, + doi = {10.1007/s13194-019-0269-1}, + abstract = {Discussions about a replicability crisis in science have been driven by the normative claim that all of science should be replicable and the empirical claim that most of it isn't. Recently, such crisis talk has been challenged by a new localism, which argues a) that serious problems with replicability are not a general occurrence in science and b) that replicability itself should not be treated as a universal standard. The goal of this article is to introduce this emerging strand of the debate and to discuss some of its implications and limitations. I will in particular highlight the issue of demarcation that localist accounts have to address, i.e. the question of how we can distinguish replicable science from disciplines where replicability does not apply.}, + language = {en} +} + +@article{hales_Improving_2019, + title = {Improving {{Psychological Science}} through {{Transparency}} and {{Openness}}: {{An Overview}}}, + shorttitle = {Improving {{Psychological Science}} through {{Transparency}} and {{Openness}}}, + author = {Hales, Andrew H. and Wesselmann, Eric D. and Hilgard, Joseph}, + year = {2019}, + month = mar, + journal = {Perspectives on Behavior Science}, + volume = {42}, + number = {1}, + pages = {13--31}, + issn = {2520-8977}, + doi = {10.1007/s40614-018-00186-8}, + abstract = {The ability to independently verify and replicate observations made by other researchers is a hallmark of science. In this article, we provide an overview of recent discussions concerning replicability and best practices in mainstream psychology with an emphasis on the practical benefists to both researchers and the field as a whole. We first review challenges individual researchers face in producing research that is both publishable and reliable. We then suggest methods for producing more accurate research claims, such as transparently disclosing how results were obtained and analyzed, preregistering analysis plans, and publicly posting original data and materials. We also discuss ongoing changes at the institutional level to incentivize stronger research. These include officially recognizing open science practices at the journal level, disconnecting the publication decision from the results of a study, training students to conduct replications, and publishing replications. We conclude that these open science practices afford exciting low-cost opportunities to improve the quality of psychological science.}, + language = {en} +} + +@article{hales_Improving_2019a, + title = {Improving {{Psychological Science}} through {{Transparency}} and {{Openness}}: {{An Overview}}}, + shorttitle = {Improving {{Psychological Science}} through {{Transparency}} and {{Openness}}}, + author = {Hales, Andrew H. and Wesselmann, Eric D. and Hilgard, Joseph}, + year = {2019}, + month = mar, + journal = {Perspectives on Behavior Science}, + volume = {42}, + number = {1}, + pages = {13--31}, + publisher = {{Springer International Publishing Ag}}, + address = {{Cham}}, + issn = {2520-8969}, + doi = {10.1007/s40614-018-00186-8}, + abstract = {The ability to independently verify and replicate observations made by other researchers is a hallmark of science. In this article, we provide an overview of recent discussions concerning replicability and best practices in mainstream psychology with an emphasis on the practical benefists to both researchers and the field as a whole. We first review challenges individual researchers face in producing research that is both publishable and reliable. We then suggest methods for producing more accurate research claims, such as transparently disclosing how results were obtained and analyzed, preregistering analysis plans, and publicly posting original data and materials. We also discuss ongoing changes at the institutional level to incentivize stronger research. These include officially recognizing open science practices at the journal level, disconnecting the publication decision from the results of a study, training students to conduct replications, and publishing replications. We conclude that these open science practices afford exciting low-cost opportunities to improve the quality of psychological science.}, + language = {English}, + keywords = {behavior analysis,consequences,incentives,Meta-analysis,metaanalysis,power,Preregistration,recommendations,rejection,replicability,replication,Replication,Reproducibility,statistical-inference}, + annotation = {WOS:000464867500002} +} + +@article{hartgerink_Reanalyzing_2017, + title = {Reanalyzing {{Head}} et al. (2015): Investigating the Robustness of Widespread p-Hacking}, + shorttitle = {Reanalyzing {{Head}} et al. (2015)}, + author = {Hartgerink, Chris H. J.}, + year = {2017}, + month = mar, + journal = {Peerj}, + volume = {5}, + pages = {e3068}, + publisher = {{Peerj Inc}}, + address = {{London}}, + issn = {2167-8359}, + doi = {10.7717/peerj.3068}, + abstract = {Heal et al. (2015) provided a large collection of p-values that, from their perspective, indicates widespread statistical significance seeking (i.e., p-hacking). This paper inspects this result for robustness. Theoretically, the p-value distribution should be a smooth, decreasing function, but the distribution of reported p-values shows systematically more reported p-values for .01, .02, .03, .04, and .05 than p-values reported to three decimal places, due to apparent tendencies to round p-values to two decimal places. Head et al. (2015) correctly argue that an aggregate p-value distribution could show a bump below .05 when left-skew p-hacking occurs frequently. Moreover, the elimination of p = .045 and p = .05, as done in the original paper, is debatable. Given that eliminating p = .045 is a result of the need for symmetric bins and systematically more p-values are reported to two decimal places than to three decimal places, I did not exclude p = .045 and p = .05. I conducted Fishers method .04 {$<$} p {$<$} .05 and reanalyzed the data by adjusting the bin selection to .03875 {$<$} p {$<$}= .04 versus .04875 {$<$} p {$<$}= .05. Results of the reanalysis indicate that no evidence for left-skew p-hacking remains when we look at the entire range between .04 {$<$} p {$<$} .05 or when we inspect the second-decimal. Taking into account reporting tendencies when selecting the bins to compare is especially important because this dataset does not allow for the recalculation of the p-values. Moreover, inspecting the bins that include two-decimal reported p-values potentially increases sensitivity if strategic rounding down of p-values as a form of p-hacking is widespread. Given the far-reaching implications of supposed widespread p-hacking throughout the sciences Head et al. (2015), it is important that these findings are robust to data analysis choices if the conclusion is to be considered unequivocal. Although no evidence of widespread left-skew p-hacking is found in this reanalysis, this does not mean that there is no p-hacking at all. These results nuance the conclusion by Head et al. (2015), indicating that the results are not robust and that the evidence for widespread left-skew p-hacking is ambiguous at best.}, + language = {English}, + keywords = {curve analysis,Nhst,P-hacking,P-values,Qrps,Questionable research practices,Reanalysis,values}, + annotation = {WOS:000396903800009} +} + +@article{haven_Preregistering_2019, + title = {Preregistering Qualitative Research}, + author = {Haven, Tamarinde L. and Grootel, Dr Leonie Van}, + year = {2019}, + month = apr, + journal = {Accountability in Research}, + volume = {26}, + number = {3}, + pages = {229--244}, + publisher = {{Taylor \& Francis}}, + issn = {0898-9621}, + doi = {10.1080/08989621.2019.1580147}, + abstract = {The threat to reproducibility and awareness of current rates of research misbehavior sparked initiatives to better academic science. One initiative is preregistration of quantitative research. We investigate whether the preregistration format could also be used to boost the credibility of qualitative research. A crucial distinction underlying preregistration is that between prediction and postdiction. In qualitative research, data are used to decide which way interpretation should move forward, using data to generate hypotheses and new research questions. Qualitative research is thus a real-life example of postdiction research. Some may object to the idea of preregistering qualitative studies because qualitative research generally does not test hypotheses, and because qualitative research design is typically flexible and subjective. We rebut these objections, arguing that making hypotheses explicit is just one feature of preregistration, that flexibility can be tracked using preregistration, and that preregistration would provide a check on subjectivity. We then contextualize preregistrations alongside another initiative to enhance credibility in qualitative research: the confirmability audit. Besides, preregistering qualitative studies is practically useful to combating dissemination bias and could incentivize qualitative researchers to report constantly on their study's development. We conclude with suggested modifications to the Open Science Framework preregistration form to tailor it for qualitative studies.}, + pmid = {30741570}, + keywords = {Preregistration,qualitative research,reports,transparency}, + annotation = {\_eprint: https://doi.org/10.1080/08989621.2019.1580147} +} + +@article{haven_Preregistering_2020, + title = {Preregistering {{Qualitative Research}}: {{A Delphi Study}}}, + shorttitle = {Preregistering {{Qualitative Research}}}, + author = {Haven, Tamarinde L. and Errington, Timothy M. and Gleditsch, Kristian Skrede and {van Grootel}, Leonie and Jacobs, Alan M. and Kern, Florian G. and Pineiro, Rafael and Rosenblatt, Fernando and Mokkink, Lidwine B.}, + year = {2020}, + month = dec, + journal = {International Journal of Qualitative Methods}, + volume = {19}, + pages = {1609406920976417}, + publisher = {{Sage Publications Inc}}, + address = {{Thousand Oaks}}, + issn = {1609-4069}, + doi = {10.1177/1609406920976417}, + abstract = {Preregistrations-records made a priori about study designs and analysis plans and placed in open repositories-are thought to strengthen the credibility and transparency of research. Different authors have put forth arguments in favor of introducing this practice in qualitative research and made suggestions for what to include in a qualitative preregistration form. The goal of this study was to gauge and understand what parts of preregistration templates qualitative researchers would find helpful and informative. We used an online Delphi study design consisting of two rounds with feedback reports in between. In total, 48 researchers participated (response rate: 16\%). In round 1, panelists considered 14 proposed items relevant to include in the preregistration form, but two items had relevance scores just below our predefined criterion (68\%) with mixed argument and were put forth again. We combined items where possible, leading to 11 revised items. In round 2, panelists agreed on including the two remaining items. Panelists also converged on suggested terminology and elaborations, except for two terms for which they provided clear arguments. The result is an agreement-based form for the preregistration of qualitative studies that consists of 13 items. The form will be made available as a registration option on Open Science Framework (osf.io). We believe it is important to assure that the strength of qualitative research, which is its flexibility to adapt, adjust and respond, is not lost in preregistration. The preregistration should provide a systematic starting point.}, + language = {English}, + keywords = {consensus,criteria,guidelines,preregistration,psychology,qualitative research,science,standards,transparency}, + annotation = {WOS:000599964600001} +} + +@article{head_Extent_2015, + title = {The {{Extent}} and {{Consequences}} of {{P}}-{{Hacking}} in {{Science}}}, + author = {Head, Megan L. and Holman, Luke and Lanfear, Rob and Kahn, Andrew T. and Jennions, Michael D.}, + year = {2015}, + month = mar, + journal = {PLOS Biology}, + volume = {13}, + number = {3}, + pages = {e1002106}, + publisher = {{Public Library of Science}}, + issn = {1545-7885}, + doi = {10.1371/journal.pbio.1002106}, + abstract = {A focus on novel, confirmatory, and statistically significant results leads to substantial bias in the scientific literature. One type of bias, known as ``p-hacking,'' occurs when researchers collect or select data or statistical analyses until nonsignificant results become significant. Here, we use text-mining to demonstrate that p-hacking is widespread throughout science. We then illustrate how one can test for p-hacking when performing a meta-analysis and show that, while p-hacking is probably common, its effect seems to be weak relative to the real effect sizes being measured. This result suggests that p-hacking probably does not drastically alter scientific consensuses drawn from meta-analyses.}, + language = {en}, + keywords = {Bibliometrics,Binomials,Medicine and health sciences,Metaanalysis,practices,Publication ethics,Reproducibility,Statistical data,Test statistics} +} + +@article{head_Extent_2015a, + title = {The {{Extent}} and {{Consequences}} of {{P}}-{{Hacking}} in {{Science}}}, + author = {Head, Megan L. and Holman, Luke and Lanfear, Rob and Kahn, Andrew T. and Jennions, Michael D.}, + year = {2015}, + month = mar, + journal = {Plos Biology}, + volume = {13}, + number = {3}, + pages = {e1002106}, + publisher = {{Public Library Science}}, + address = {{San Francisco}}, + issn = {1544-9173}, + doi = {10.1371/journal.pbio.1002106}, + abstract = {A focus on novel, confirmatory, and statistically significant results leads to substantial bias in the scientific literature. One type of bias, known as "p-hacking," occurs when researchers collect or select data or statistical analyses until nonsignificant results become significant. Here, we use text-mining to demonstrate that p-hacking is widespread throughout science. We then illustrate how one can test for p-hacking when performing a meta-analysis and show that, while p-hacking is probably common, its effect seems to be weak relative to the real effect sizes being measured. This result suggests that p-hacking probably does not drastically alter scientific consensuses drawn from meta-analyses.}, + language = {English}, + keywords = {clinical-research,competition,confidence,extra-pair paternity,false discovery rate,metaanalysis,operational sex-ratio,publication bias,replication,wise false}, + annotation = {WOS:000352095700015} +} + +@article{hernandez_open_2007, + title = {{{OPEN ACCESS}}: {{EL PAPEL DE LAS BIBLIOTECAS EN LOS REPOSITORIOS INSTITUCIONALES DE ACCESO ABIERTO}}}, + author = {Hern{\'a}ndez, Tony and Rodr{\'i}guez, David and {Bueno De la Fuente}, Gema}, + year = {2007}, + volume = {10}, + pages = {185--204}, + abstract = {En Espa\~na, como en muchos otros pa\'ises, el n\'umero de repositorios insti-tucionales ha ido creciendo paulatinamente en los \'ultimos tres a\~nos. En febrero de 2007 estos repositorios contienen ya m\'as de 30000 documentos en acceso abierto, es decir, disponibles a texto completo de forma gratuita, y con posibilidad de descarga, impresi\'on o copia sin coste a\~nadido. La pr\'actica totalidad de estos repositorios est\'an siendo gestionados por los servicios de biblioteca de las distintas instituciones que los albergan. Este art\'iculo explica las razones de la crisis del modelo tradicional de comunicaci\'on cient\'ifica, iniciado en la era de lo impreso y que se ha trasladado a la era digital, la alternativa que representa el modelo basado en el acceso abierto, y el importante papel que las bibliotecas pueden jugar, un reto y una oportunidad que no deben perder, en la construcci\'on de colecciones digitales propias} +} + +@article{hernandez_por_2016, + title = {\textquestiondown{{Por}} Qu\'e Open Access?}, + author = {Hern{\'a}ndez, Enrique}, + year = {2016}, + volume = {28}, + number = {1}, + issn = {2448-8771} +} + +@article{hitzig_Problem_2020, + title = {The {{Problem}} of {{New Evidence}}: {{P}}-{{Hacking}} and {{Pre}}-{{Analysis Plans}}}, + shorttitle = {The {{Problem}} of {{New Evidence}}}, + author = {Hitzig, Zoe and Stegenga, Jacob}, + year = {2020}, + month = dec, + journal = {Diametros}, + volume = {17}, + number = {66}, + pages = {10--33}, + publisher = {{Jagiellonian Univ, Inst Philosophy}}, + address = {{Krakow}}, + issn = {1733-5566}, + doi = {10.33392/diam.1587}, + abstract = {We provide a novel articulation of the epistemic peril of p-hacking using three resources from philosophy: predictivism, Bayesian confirmation theory, and model selection theory. We defend a nuanced position on p-hacking: p-hacking is sometimes, but not always, epistemically pernicious. Our argument requires a novel understanding of Bayesianism, since a standard criticism of Bayesian confirmation theory is that it cannot represent the influence of biased methods. We then turn to pre-analysis plans, a methodological device used to mitigate p-hacking. Some say that pre-analysis plans are epistemically meritorious while others deny this, and in practice pre-analysis plans are often violated. We resolve this debate with a modest defence of pre-analysis plans. Further, we argue that pre-analysis plans can be epistemically relevant even if the plan is not strictly followed-and suggest that allowing for flexible pre-analysis plans may be the best available policy option.}, + language = {English}, + keywords = {Bayesian confirmation theory,credibility,old evidence,p-hacking,pre-analysis plans,prediction,predictivism,registered-reports,replication crisis,science,transparency}, + annotation = {WOS:000600025300002} +} + +@article{hollenbeck_Harking_2017, + title = {Harking, {{Sharking}}, and {{Tharking}}: {{Making}} the {{Case}} for {{Post Hoc Analysis}} of {{Scientific Data}}}, + shorttitle = {Harking, {{Sharking}}, and {{Tharking}}}, + author = {Hollenbeck, John R. and Wright, Patrick M.}, + year = {2017}, + month = jan, + journal = {Journal of Management}, + volume = {43}, + number = {1}, + pages = {5--18}, + publisher = {{SAGE Publications Inc}}, + issn = {0149-2063}, + doi = {10.1177/0149206316679487}, + abstract = {In this editorial we discuss the problems associated with HARKing (Hypothesizing After Results Are Known) and draw a distinction between Sharking (Secretly HARKing in the Introduction section) and Tharking (Transparently HARKing in the Discussion section). Although there is never any justification for the process of Sharking, we argue that Tharking can promote the effectiveness and efficiency of both scientific inquiry and cumulative knowledge creation. We argue that the discussion sections of all empirical papers should include a subsection that reports post hoc exploratory data analysis. We explain how authors, reviewers, and editors can best leverage post hoc analyses in the spirit of scientific discovery in a way that does not bias parameter estimates and recognizes the lack of definitiveness associated with any single study or any single replication. We also discuss why the failure to Thark in high-stakes contexts where data is scarce and costly may also be unethical.}, + language = {en}, + keywords = {macro topics,micro topics,philosophy of science,practices,research design,research methods,statistical methods} +} + +@article{horbach_changing_2018, + title = {The Changing Forms and Expectations of Peer Review}, + author = {Horbach, S. P. J. M. and Halffman, W.}, + year = {2018}, + month = sep, + journal = {Research Integrity and Peer Review}, + volume = {3}, + number = {1}, + pages = {8}, + publisher = {{Bmc}}, + address = {{London}}, + doi = {10.1186/s41073-018-0051-5}, + abstract = {The quality and integrity of the scientific literature have recently become the subject of heated debate. Due to an apparent increase in cases of scientific fraud and irreproducible research, some have claimed science to be in a state of crisis. A key concern in this debate has been the extent to which science is capable of self-regulation. Among various mechanisms, the peer review system in particular is considered an essential gatekeeper of both quality and sometimes even integrity in science.However, the allocation of responsibility for integrity to the peer review system is fairly recent and remains controversial. In addition, peer review currently comes in a wide variety of forms, developed in the expectation they can address specific problems and concerns in science publishing. At present, there is a clear need for a systematic analysis of peer review forms and the concerns underpinning them, especially considering a wave of experimentation fuelled by internet technologies and their promise to improve research integrity and reporting.We describe the emergence of current peer review forms by reviewing the scientific literature on peer review and by adding recent developments based on information from editors and publishers. We analyse the rationale for developing new review forms and discuss how they have been implemented in the current system. Finally, we give a systematisation of the range of discussed peer review forms. We pay detailed attention to the emergence of the expectation that peer review can maintain 'the integrity of science's published record', demonstrating that this leads to tensions in the academic debate about the responsibilities and abilities of the peer review system.}, + language = {English}, + keywords = {credibility,exchange,fraud,Innovation,journals,Peer review,plagiarism,publication bias,registered-reports,science,Scientific integrity,scientific misconduct,Scientific misconduct,Scientific publishing}, + annotation = {WOS:000561282300001} +} + +@misc{horgan_Psychology_, + title = {Psychology's {{Credibility Crisis}}: The {{Bad}}, the {{Good}} and the {{Ugly}}}, + shorttitle = {Psychology's {{Credibility Crisis}}}, + author = {Horgan, John}, + journal = {Scientific American}, + doi = {10.1038/scientificamericanmind0716-18}, + abstract = {As more studies are called into question and researchers bicker over methodology, the field is showing a healthy willingness to face its problems\ }, + howpublished = {https://www.scientificamerican.com/article/psychology-s-credibility-crisis-the-bad-the-good-and-the-ugly/}, + language = {en}, + keywords = {crisis} +} + +@article{ioannidis_Power_2017, + title = {The {{Power}} of {{Bias}} in {{Economics Research}}}, + author = {Ioannidis, John P. A. and Stanley, T. D. and Doucouliagos, Hristos}, + year = {2017}, + journal = {The Economic Journal}, + volume = {127}, + number = {605}, + pages = {F236-F265}, + issn = {1468-0297}, + doi = {10.1111/ecoj.12461}, + abstract = {We investigate two critical dimensions of the credibility of empirical economics research: statistical power and bias. We survey 159 empirical economics literatures that draw upon 64,076 estimates of economic parameters reported in more than 6,700 empirical studies. Half of the research areas have nearly 90\% of their results under-powered. The median statistical power is 18\%, or less. A simple weighted average of those reported results that are adequately powered (power {$\geq$} 80\%) reveals that nearly 80\% of the reported effects in these empirical economics literatures are exaggerated; typically, by a factor of two and with one-third inflated by a factor of four or more.}, + copyright = {\textcopyright{} 2017 Royal Economic Society}, + language = {en}, + keywords = {bias,credibility,empirical economics,practices,publication bias,statistical power}, + annotation = {\_eprint: https://onlinelibrary.wiley.com/doi/pdf/10.1111/ecoj.12461} +} + +@article{ioannidis_Why_2005, + title = {Why {{Most Published Research Findings Are False}}}, + author = {Ioannidis, John P. A.}, + year = {2005}, + month = aug, + journal = {PLOS Medicine}, + volume = {2}, + number = {8}, + pages = {e124}, + publisher = {{Public Library of Science}}, + issn = {1549-1676}, + doi = {10.1371/journal.pmed.0020124}, + abstract = {Summary There is increasing concern that most current published research findings are false. The probability that a research claim is true may depend on study power and bias, the number of other studies on the same question, and, importantly, the ratio of true to no relationships among the relationships probed in each scientific field. In this framework, a research finding is less likely to be true when the studies conducted in a field are smaller; when effect sizes are smaller; when there is a greater number and lesser preselection of tested relationships; where there is greater flexibility in designs, definitions, outcomes, and analytical modes; when there is greater financial and other interest and prejudice; and when more teams are involved in a scientific field in chase of statistical significance. Simulations show that for most study designs and settings, it is more likely for a research claim to be false than true. Moreover, for many current scientific fields, claimed research findings may often be simply accurate measures of the prevailing bias. In this essay, I discuss the implications of these problems for the conduct and interpretation of research.}, + language = {en}, + keywords = {Cancer risk factors,crisis,Finance,Genetic epidemiology,Genetics of disease,Metaanalysis,practices,Randomized controlled trials,Research design,Schizophrenia} +} + +@article{janzen_Ulysses_, + title = {Ulysses' Pact or {{Ulysses}}' Raft: {{Using}} Pre-Analysis Plans in Experimental and Nonexperimental Research}, + shorttitle = {Ulysses' Pact or {{Ulysses}}' Raft}, + author = {Janzen, Sarah A. and Michler, Jeffrey D.}, + journal = {Applied Economic Perspectives and Policy}, + publisher = {{Wiley}}, + address = {{Hoboken}}, + issn = {2040-5790}, + doi = {10.1002/aepp.13133}, + abstract = {Economists have recently adopted preanalysis plans in response to concerns about robustness and transparency in research. The increased use of registered preanalysis plans has raised competing concerns that detailed plans are costly to create, overly restrictive, and limit the type of inspiration that stems from exploratory analysis. We consider these competing views of preanalysis plans, and make a careful distinction between the roles of preanalysis plans and registries, which provide a record of all planned research. We propose a flexible "packraft" preanalysis plan approach that offers benefits for a wide variety of experimental and nonexperimental applications in applied economics.}, + language = {English}, + keywords = {error,hypothesis registry,preanalysis plan,preregistration,research ethics,transparency}, + annotation = {WOS:000605993700001} +} + +@article{jara_Tracing_2018, + title = {Tracing {{Mapuche Exclusion}} from {{Post}}-{{Dictatorial Truth Commissions}} in {{Chile}}: {{Official}} and {{Grassroots Initiatives}}}, + shorttitle = {Tracing {{Mapuche Exclusion}} from {{Post}}-{{Dictatorial Truth Commissions}} in {{Chile}}}, + author = {Jara, Daniela and Badilla, Manuela and Figueiredo, Ana and Cornejo, Marcela and Riveros, Victoria}, + year = {2018}, + month = nov, + journal = {International Journal of Transitional Justice}, + volume = {12}, + number = {3}, + pages = {479--498}, + issn = {1752-7716}, + doi = {10.1093/ijtj/ijy025}, + abstract = {This article critically examines the official misrecognition of Mapuche experiences of violence during Augusto Pinochet's dictatorship (1973\textendash 1990) in state-sponsored truth commissions in Chile. We examine official post-dictatorial truth commission politics, narratives and procedures, analyzing how they envisioned the Mapuche as a political (absent) subject and how specific and homogenizing notions of victimhood were produced. We draw attention to three forms of cultural response by the Mapuche toward the official practices of the truth commissions from a bottom-up perspective: indifference, ambivalence and cultural resistance. We then draw attention to unofficial initiatives by nongovernmental organizations (NGOs) and grassroots groups that have aimed to tackle this gap in the transitional justice mechanisms by creating oppositional knowledge. We see in these counter initiatives a valuable knowledge that could allow the creation of bridges between Mapuche communities, mechanisms of transitional justice, grassroots and NGO activism and the Chilean state.} +} + +@article{jerolmack_Ethical_2019, + title = {The {{Ethical Dilemmas}} and {{Social Scientific Trade}}-Offs of {{Masking}} in {{Ethnography}}}, + author = {Jerolmack, Colin and Murphy, Alexandra K.}, + year = {2019}, + month = nov, + journal = {Sociological Methods \& Research}, + volume = {48}, + number = {4}, + pages = {801--827}, + publisher = {{SAGE Publications Inc}}, + issn = {0049-1241}, + doi = {10.1177/0049124117701483}, + abstract = {Masking, the practice of hiding or distorting identifying information about people, places, and organizations, is usually considered a requisite feature of ethnographic research and writing. This is justified both as an ethical obligation to one's subjects and as a scientifically neutral position (as readers are enjoined to treat a case's idiosyncrasies as sociologically insignificant). We question both justifications, highlighting potential ethical dilemmas and obstacles to constructing cumulative social science that can arise through masking. Regarding ethics, we show, on the one hand, how masking may give subjects a false sense of security because it implies a promise of confidentiality that it often cannot guarantee and, on the other hand, how naming may sometimes be what subjects want and expect. Regarding scientific tradeoffs, we argue that masking can reify ethnographic authority, exaggerate the universality of the case (e.g., ``Middletown''), and inhibit replicability (or ``revisits'') and sociological comparison. While some degree of masking is ethically and practically warranted in many cases and the value of disclosure varies across ethnographies, we conclude that masking should no longer be the default option that ethnographers unquestioningly choose.}, + language = {en}, + keywords = {disclosure,ethics,ethnography,generalizability,masking,pseudonyms} +} + +@article{jl_It_2017, + title = {It's {{Time}} to {{Broaden}} the {{Replicability Conversation}}: {{Thoughts}} for and {{From Clinical Psychological Science}}}, + shorttitle = {It's {{Time}} to {{Broaden}} the {{Replicability Conversation}}}, + author = {Jl, Tackett and So, Lilienfeld and Cj, Patrick and Sl, Johnson and Rf, Krueger and Jd, Miller and Tf, Oltmanns and Pe, Shrout}, + year = {2017}, + month = sep, + journal = {Perspectives on psychological science : a journal of the Association for Psychological Science}, + volume = {12}, + number = {5}, + publisher = {{Perspect Psychol Sci}}, + issn = {1745-6924}, + doi = {10.1177/1745691617690042}, + abstract = {Psychology is in the early stages of examining a crisis of replicability stemming from several high-profile failures to replicate studies in experimental psychology. This important conversation has largely been focused on social psychology, with some active participation from cognitive psychology. N \ldots}, + language = {en}, + pmid = {28972844} +} + +@article{john_Measuring_2012, + title = {Measuring the {{Prevalence}} of {{Questionable Research Practices With Incentives}} for {{Truth Telling}}}, + author = {John, Leslie K. and Loewenstein, George and Prelec, Drazen}, + year = {2012}, + month = may, + journal = {Psychological Science}, + volume = {23}, + number = {5}, + pages = {524--532}, + publisher = {{SAGE Publications Inc}}, + issn = {0956-7976}, + doi = {10.1177/0956797611430953}, + abstract = {Cases of clear scientific misconduct have received significant media attention recently, but less flagrantly questionable research practices may be more prevalent and, ultimately, more damaging to the academic enterprise. Using an anonymous elicitation format supplemented by incentives for honest reporting, we surveyed over 2,000 psychologists about their involvement in questionable research practices. The impact of truth-telling incentives on self-admissions of questionable research practices was positive, and this impact was greater for practices that respondents judged to be less defensible. Combining three different estimation methods, we found that the percentage of respondents who have engaged in questionable practices was surprisingly high. This finding suggests that some questionable practices may constitute the prevailing research norm.}, + language = {en}, + keywords = {disclosure,judgment,methodology,practices,professional standards} +} + +@article{johnson_Hunting_2014, + title = {Hunting for {{Artifacts The Perils}} of {{Dismissing Inconsistent Replication Results}}}, + author = {Johnson, David J. and Cheung, Felix and Donnellan, M. Brent}, + year = {2014}, + journal = {Social Psychology}, + volume = {45}, + number = {4}, + pages = {318--320}, + publisher = {{Hogrefe \& Huber Publishers}}, + address = {{Gottingen}}, + issn = {1864-9335}, + abstract = {We attempted high-powered direct replications of the two experiments in Schnall, Benton, and Harvey (2008) and did not duplicate the original results. We therefore concluded that more research was needed to establish the size and robustness of the original effects and to evaluate potential moderators. Schnall (2014) suggests that our conclusions were invalid because of potential psychometric artifacts in our data. We present evidence that undermines concerns about artifacts and defend the utility of preregistered replication studies for advancing research in psychological science.}, + language = {English}, + keywords = {cleanliness,moral judgment,preregistration,replication}, + annotation = {WOS:000341226100015} +} + +@article{kapiszewski_Openness_2019, + title = {Openness in {{Practice}} in {{Qualitative Research}}}, + author = {Kapiszewski, Diana and Karcher, Sebastian}, + year = {2019}, + month = jun, + doi = {10.33774/apsa-2019-if2he}, + abstract = {The discipline of political science has been engaged in discussion about when, why, and how to make scholarship more open for at least three decades.This piece argues that the best way to resolve our differences and develop appropriate norms and guidelines for making different types of qualitative research more open is to move from ``if'' to ``how'' \textendash{} for individual political scientists to make their work more open \textendash{} generating examples from which we can learn and on which we can build. We begin by articulating a series of principles that underlie our views on openness. We then consider the ``state of the debate,'' briefly outlining the contours of the scholarship on openness in political and other social sciences, highlighting the fractured nature of the discussion. The heart of the piece considers various strategies, illustrated by exemplary applications, for making qualitative research more open.}, + language = {en} +} + +@article{kapiszewski_Transparency_2021, + title = {Transparency in {{Practice}} in {{Qualitative Research}}}, + author = {Kapiszewski, Diana and Karcher, Sebastian}, + year = {2021}, + month = apr, + journal = {PS: Political Science \& Politics}, + volume = {54}, + number = {2}, + pages = {285--291}, + publisher = {{Cambridge University Press}}, + issn = {1049-0965, 1537-5935}, + doi = {10.1017/S1049096520000955}, + abstract = {//static.cambridge.org/content/id/urn\%3Acambridge.org\%3Aid\%3Aarticle\%3AS1049096520000955/resource/name/firstPage-S1049096520000955a.jpg}, + language = {en}, + keywords = {transparency} +} + +@article{kathawalla_Easing_2021, + title = {Easing {{Into Open Science}}: {{A Guide}} for {{Graduate Students}} and {{Their Advisors}}}, + shorttitle = {Easing {{Into Open Science}}}, + author = {Kathawalla, Ummul-Kiram and Silverstein, Priya and Syed, Moin}, + year = {2021}, + month = jan, + journal = {Collabra-Psychology}, + volume = {7}, + number = {1}, + publisher = {{Univ California Press}}, + address = {{Oakland}}, + issn = {2474-7394}, + doi = {10.1525/collabra.18684}, + abstract = {This article provides a roadmap to assist graduate students and their advisors to engage in open science practices. We suggest eight open science practices that novice graduate students could begin adopting today. The topics we cover include journal clubs, project workflow, preprints, reproducible code, data sharing, transparent writing, preregistration, and registered reports. To address concerns about not knowing how to engage in open science practices, we provide a difficulty rating of each behavior (easy, medium, difficult), present them in order of suggested adoption, and follow the format of what, why, how, and worries. We give graduate students ideas on how to approach conversations with their advisors/collaborators, ideas on how to integrate open science practices within the graduate school framework, and specific resources on how to engage with each behavior. We emphasize that engaging in open science behaviors need not be an all or nothing approach, but rather graduate students can engage with any number of the behaviors outlined.}, + language = {English}, + keywords = {advising,apa publications,article reporting standards,graduate students,open science,preregistration,psychology,reproducibility,tutorial}, + annotation = {WOS:000655169700001} +} + +@article{kerr_HARKing_1998, + title = {{{HARKing}}: {{Hypothesizing After}} the {{Results}} Are {{Known}}}, + shorttitle = {{{HARKing}}}, + author = {Kerr, Norbert L.}, + year = {1998}, + month = aug, + journal = {Personality and Social Psychology Review}, + volume = {2}, + number = {3}, + pages = {196--217}, + publisher = {{SAGE Publications Inc}}, + issn = {1088-8683}, + doi = {10.1207/s15327957pspr0203_4}, + abstract = {This article considers a practice in scientific communication termed HARKing (Hypothesizing After the Results are Known). HARKing is defined as presenting a post hoc hypothesis (i.e., one based on or informed by one's results) in one's research report as if it were, in fact, an a priori hypotheses. Several forms of HARKing are identified and survey data are presented that suggests that at least some forms of HARKing are widely practiced and widely seen as inappropriate. I identify several reasons why scientists might HARK. Then I discuss several reasons why scientists ought not to HARK. It is conceded that the question of whether HARKing's costs exceed its benefits is a complex one that ought to be addressed through research, open discussion, and debate. To help stimulate such discussion (and for those such as myself who suspect that HARKing's costs do exceed its benefits), I conclude the article with some suggestions for deterring HARKing.}, + language = {en} +} + +@article{khan_pHacking_2019, + title = {P-{{Hacking}} in {{Experimental Audit Research}}}, + author = {Khan, Mohammad Jahanzeb and Tonnes, Per Christen}, + year = {SPR 2019}, + journal = {Behavioral Research in Accounting}, + volume = {31}, + number = {1}, + pages = {119--131}, + publisher = {{Amer Accounting Assoc}}, + address = {{Sarasota}}, + issn = {1050-4753}, + doi = {10.2308/bria-52183}, + abstract = {A focus on novel, confirmatory, and statistically significant results by journals that publish experimental audit research may result in substantial bias in the literature. We explore one type of bias known as p-hacking: a practice where researchers, whether knowingly or unknowingly, adjust their collection, analysis, and reporting of data and results, until nonsignificant results become significant. Examining experimental audit literature published in eight accounting and audit journals within the last three decades, we find an overabundance of p-values at or just below the conventional thresholds for statistical significance. The finding of too many "just significant" results is an indication that some of the results published in the experimental audit literature are potentially a consequence of p-hacking. We discuss potential remedies that, if adopted, may to some extent alleviate concerns regarding p-hacking and the publication of false positive results.}, + language = {English}, + keywords = {audit,audit experiment,curve,design,file-drawer problem,p-hacking,p-values,publication bias,statistics,tests}, + annotation = {WOS:000478766300009} +} + +@article{kiese-himmel_Pitfalls_2020, + title = {{Pitfalls in the statistical world}}, + author = {{Kiese-Himmel}, C. and Plontke, S. K.}, + year = {2020}, + month = jan, + journal = {Hno}, + volume = {68}, + number = {1}, + pages = {3--7}, + publisher = {{Springer}}, + address = {{New York}}, + issn = {0017-6192}, + doi = {10.1007/s00106-019-00750-x}, + abstract = {Mistakes in the acquisition, evaluation, analysis and reporting of data often occur because there is a lack of awareness of the methodological problem. They can have far-reaching consequences for the reception of results of scientific primary studies and therefore for the clinical practice and healthcare. This article aims at raising awareness for a responsible handling of study data and for avoiding questionable or incorrect practices. It presents some examples of statistical pitfalls in empirical research practice, which increase the probability of false positive results and shows possibilities to avoid such risks.}, + language = {German}, + keywords = {audiometry,clinical-trials,false discovery rate,False positive findings,HARKing,hearing-loss,missing data,p-hacking,parameters,Preregistration,Replicability}, + annotation = {WOS:000512057900001} +} + +@article{klein_Practical_2018, + title = {A {{Practical Guide}} for {{Transparency}} in {{Psychological Science}}}, + author = {Klein, Olivier and Hardwicke, Tom E. and Aust, Frederik and Breuer, Johannes and Danielsson, Henrik and Mohr, Alicia Hofelich and IJzerman, Hans and Nilsonne, Gustav and Vanpaemel, Wolf and Frank, Michael C.}, + editor = {Nuijten, Mich{\'e}le and Vazire, Simine}, + year = {2018}, + month = jun, + journal = {Collabra: Psychology}, + volume = {4}, + number = {1}, + issn = {2474-7394}, + doi = {10.1525/collabra.158}, + abstract = {The credibility of scientific claims depends upon the transparency of the research products upon which they are based (e.g., study protocols, data, materials, and analysis scripts). As psychology navigates a period of unprecedented introspection, user-friendly tools and services that support open science have flourished. However, the plethora of decisions and choices involved can be bewildering. Here we provide a practical guide to help researchers navigate the process of preparing and sharing the products of their research (e.g., choosing a repository, preparing their research products for sharing, structuring folders, etc.). Being an open scientist means adopting a few straightforward research management practices, which lead to less error prone, reproducible research workflows. Further, this adoption can be piecemeal \textendash{} each incremental step towards complete transparency adds positive value. Transparent research practices not only improve the efficiency of individual researchers, they enhance the credibility of the knowledge generated by the scientific community.}, + keywords = {herramienta} +} + +@techreport{lareferencia.consejodirectivo_Comunicacion_2019, + title = {{Comunicaci\'on Acad\'emica y Acceso Abierto: Acciones para un Pol\'itica P\'ublica en Am\'erica Latina}}, + shorttitle = {{Comunicaci\'on Acad\'emica y Acceso Abierto}}, + author = {LA Referencia. Consejo Directivo}, + year = {2019}, + month = may, + institution = {{Zenodo}}, + doi = {10.5281/ZENODO.3229410}, + abstract = {Documento redactado como insumo para las autoridades regionales que asistieron a la reuni\'on anual del Global Research Council con acuerdo del Consejo Directivo. La publicaci\'on y difusi\'on del mismo se realiza con el fin de favorecer el di\'alogo y la construcci\'on de una visi\'on conjunta sobre la cual se debe profundizar y actualizar a la luz de los desaf\'ios del Acceso Abierto en la regi\'on en el corto y mediano plazo. La comunicaci\'on cient\'ifica y el cambio del modelo; la situaci\'on de Am\'erica Latina; el sistema de comunicaci\'on acad\'emica de la regi\'on, principios y acciones y recomendaciones para repositorios, consorcios y revistas son los ejes tem\'aticos que se abordan a lo largo de sus p\'aginas. El art\'iculo refuerza la premisa de que se deben tomar acciones decididas para que los resultados financiados total o parcialmente con fondos p\'ublicos est\'en en Acceso Abierto y reafirma el rol central de los organismos de CyT para lograrlo. Basado en la realidad regional, propone principios generales y acciones para los repositorios de Acceso Abierto, consorcios y revistas con una mirada m\'as sist\'emica desde las pol\'iticas p\'ublicas. Concluye con la necesidad de un di\'alogo con iniciativas como el ``Plan S'' se\~nalando los puntos de acuerdo, as\'i como diferencias, dado el contexto regional, en temas como el APC o una valorizaci\'on del rol de los repositorios. Presentado en la reuni\'on de COAR. 2019. Technical and Strategic Meeting of Repository Networks. Mayo 21, 2019 - Lyon, France. Alberto Cabezas Bullemore, Secretario Ejecutivo, LA Referencia.}, + copyright = {Creative Commons Attribution 4.0 International, Open Access}, + language = {es}, + keywords = {Acceso Abierto,Ciencia Abierta,Financiadores,ONCYTs,Plan S,Repositorios,revisado} +} + +@article{lewandowsky_Research_2016, + title = {Research Integrity: {{Don}}'t Let Transparency Damage Science}, + shorttitle = {Research Integrity}, + author = {Lewandowsky, Stephan and Bishop, Dorothy}, + year = {2016}, + month = jan, + journal = {Nature}, + volume = {529}, + number = {7587}, + pages = {459--461}, + publisher = {{Nature Publishing Group}}, + issn = {1476-4687}, + doi = {10.1038/529459a}, + abstract = {Stephan Lewandowsky and Dorothy Bishop explain how the research community should protect its members from harassment, while encouraging the openness that has become essential to science.}, + copyright = {2016 Nature Publishing Group}, + language = {en}, + keywords = {transparency} +} + +@article{leys_How_2019, + title = {How to {{Classify}}, {{Detect}}, and {{Manage Univariate}} and {{Multivariate Outliers}}, {{With Emphasis}} on {{Pre}}-{{Registration}}}, + author = {Leys, Christophe and Delacre, Marie and Mora, Youri L. and Lakens, Daniel and Ley, Christophe}, + year = {2019}, + month = apr, + journal = {International Review of Social Psychology}, + volume = {32}, + number = {1}, + pages = {5}, + publisher = {{Ubiquity Press Ltd}}, + address = {{London}}, + issn = {2397-8570}, + doi = {10.5334/irsp.289}, + abstract = {Researchers often lack knowledge about how to deal with outliers when analyzing their data. Even more frequently, researchers do not pre-specify how they plan to manage outliers. In this paper we aim to improve research practices by outlining what you need to know about outliers. We start by providing a functional definition of outliers. We then lay down an appropriate nomenclature/classification of outliers. This nomenclature is used to understand what kinds of outliers can be encountered and serves as a guideline to make appropriate decisions regarding the conservation, deletion, or recoding of outliers. These decisions might impact the validity of statistical inferences as well as the reproducibility of our experiments. To be able to make informed decisions about outliers you first need proper detection tools. We remind readers why the most common outlier detection methods are problematic and recommend the use of the median absolute deviation to detect univariate outliers, and of the Mahalanobis-MCD distance to detect multivariate outliers. An R package was created that can be used to easily perform these detection tests. Finally, we promote the use of pre-registration to avoid flexibility in data analysis when handling outliers.}, + language = {English}, + keywords = {Malahanobis distance,median absolute deviation,minimum covariance determinant,outliers,preregistration,psychology,robust detection,transparency}, + annotation = {WOS:000468350500001} +} + +@article{lilienfeld_Psychology_2017, + title = {Psychology's {{Replication Crisis}} and the {{Grant Culture}}: {{Righting}} the {{Ship}}}, + shorttitle = {Psychology's {{Replication Crisis}} and the {{Grant Culture}}}, + author = {Lilienfeld, Scott O.}, + year = {2017}, + month = jul, + journal = {Perspectives on Psychological Science}, + volume = {12}, + number = {4}, + pages = {660--664}, + publisher = {{Sage Publications Ltd}}, + address = {{London}}, + issn = {1745-6916}, + doi = {10.1177/1745691616687745}, + abstract = {The past several years have been a time for soul searching in psychology, as we have gradually come to grips with the reality that some of our cherished findings are less robust than we had assumed. Nevertheless, the replication crisis highlights the operation of psychological science at its best, as it reflects our growing humility. At the same time, institutional variables, especially the growing emphasis on external funding as an expectation or de facto requirement for faculty tenure and promotion, pose largely unappreciated hazards for psychological science, including (a) incentives for engaging in questionable research practices, (b) a single-minded focus on programmatic research, (c) intellectual hyperspecialization, (d) disincentives for conducting direct replications, (e) stifling of creativity and intellectual risk taking, (f) researchers promising more than they can deliver, and (g) diminished time for thinking deeply. Preregistration should assist with (a), but will do little about (b) through (g). Psychology is beginning to right the ship, but it will need to confront the increasingly deleterious impact of the grant culture on scientific inquiry.}, + language = {English}, + keywords = {confirmation bias,grants,preregistration,replication}, + annotation = {WOS:000406027000008} +} + +@article{linder_Unfolding_2020, + title = {Unfolding the {{Black Box}} of {{Questionable Research Practices}}: {{Where Is}} the {{Line Between Acceptable}} and {{Unacceptable Practices}}?}, + shorttitle = {Unfolding the {{Black Box}} of {{Questionable Research Practices}}}, + author = {Linder, Christian and Farahbakhsh, Siavash}, + year = {2020}, + month = jul, + journal = {Business Ethics Quarterly}, + volume = {30}, + number = {3}, + pages = {335--360}, + publisher = {{Cambridge Univ Press}}, + address = {{New York}}, + issn = {1052-150X}, + doi = {10.1017/beq.2019.52}, + abstract = {Despite the extensive literature on what questionable research practices (QRPs) are and how to measure them, the normative underpinnings of such practices have remained less explored. QRPs often fall into a grey area of justifiable and unjustifiable practices. Where to precisely draw the line between such practices challenges individual scholars and this harms science. We investigate QRPs from a normative perspective using the theory of communicative action. We highlight the role of the collective in assessing individual behaviours. Our contribution is a framework that allows identification of when particular actions cross over from acceptable to unacceptable practice. Thus, this article provides grounds for developing scientific standards to raise the quality of scientific research.}, + language = {English}, + keywords = {academic standards,academic-freedom,business,deontology,discourse ethics,ethics,file-drawer problem,management,metaanalysis,norms,p-hacking,publication bias,questionable research practice,science,tests}, + annotation = {WOS:000549379800003} +} + +@article{lindsay_Seven_2020, + title = {Seven Steps toward Transparency and Replicability in Psychological Science.}, + author = {Lindsay, D. Stephen}, + year = {2020}, + month = nov, + journal = {Canadian Psychology/Psychologie canadienne}, + volume = {61}, + number = {4}, + pages = {310--317}, + issn = {1878-7304, 0708-5591}, + doi = {10.1037/cap0000222}, + language = {en}, + keywords = {forrt,transparency} +} + +@article{linton_Publish_2011, + title = {Publish or {{Perish}}: {{How Are Research}} and {{Reputation Related}}?}, + shorttitle = {Publish or {{Perish}}}, + author = {Linton, Jonathan D. and Tierney, Robert and Walsh, Steven T.}, + year = {2011}, + month = dec, + journal = {Serials Review}, + volume = {37}, + number = {4}, + pages = {244--257}, + publisher = {{Routledge}}, + issn = {0098-7913}, + doi = {10.1080/00987913.2011.10765398}, + abstract = {A study of twenty-seven fields in 350 highly ranked universities examines the relationship between reputation and rank. We find that many metrics associated with research prowess significantly correlate to university reputation. However, the next logical step\textendash{} looking at the relationship that links different academic fields with the reputation of the university\textendash did not always offer the expected results. The phrase ``publish or perish'' clearly has very different meanings in different fields.}, + keywords = {Academic reputation,institutional,Interdisciplinary studies,Publish or perish,University research reputation}, + annotation = {\_eprint: https://www.tandfonline.com/doi/pdf/10.1080/00987913.2011.10765398} +} + +@misc{loredo_derecho_2012, + title = {Derecho {{Comparado}}: {{Derecho}} de {{Autor}} y {{Copyright}}. {{Dos}} Caminos Que Se Encuentran}, + author = {Loredo, Alejandro}, + year = {2012}, + journal = {Portal de gobierno electr\'onico, inclusi\'on digital y sociedad del conocimiento} +} + +@article{loredo_mexico_2006, + title = {M\'exico: {{Derecho Comparado}}: {{Derecho}} de {{Autor}} y {{Copyright}}. {{Dos}} Caminos Que Se Encuentran}, + shorttitle = {M\'exico}, + author = {Loredo, Alejandro}, + year = {2006}, + journal = {AR: Revista de Derecho Inform\'atico}, + number = {91}, + pages = {2}, + publisher = {{Alfa-Redi}} +} + +@article{lucas_Introduction_2021, + title = {Introduction to the {{Special Issue}}: {{Preregistered Studies}} of {{Personality Development}} and {{Aging Using Existing Data}}}, + shorttitle = {Introduction to the {{Special Issue}}}, + author = {Lucas, Richard E. and Donnellan, M. Brent}, + year = {2021}, + month = jan, + journal = {Journals of Gerontology Series B-Psychological Sciences and Social Sciences}, + volume = {76}, + number = {1}, + pages = {1--5}, + publisher = {{Oxford Univ Press Inc}}, + address = {{Cary}}, + issn = {1079-5014}, + doi = {10.1093/geronb/gbaa192}, + language = {English}, + keywords = {registered-reports}, + annotation = {WOS:000649390900001} +} + +@techreport{luke_Epistemological_2019, + type = {{{SSRN Scholarly Paper}}}, + title = {Epistemological and {{Ontological Priors}}: {{Explicating}} the {{Perils}} of {{Transparency}}}, + shorttitle = {Epistemological and {{Ontological Priors}}}, + author = {Luke, Timothy W. and {V{\'a}zquez-Arroyo}, Antonio and Hawkesworth, Mary}, + year = {2019}, + month = feb, + number = {ID 3332878}, + address = {{Rochester, NY}}, + institution = {{Social Science Research Network}}, + doi = {10.2139/ssrn.3332878}, + abstract = {The discipline of political science encompasses multiple research communities, which have grown out of and rely upon different epistemological and ontological presuppositions. Recent debates about transparency raise important questions about which of these research communities will be accredited within the discipline, whose values, norms, and methods of knowledge production will gain ascendency and whose will be marginalized. Although the language of "transparency" makes it appear that these debates are apolitical, simply elaborating standards that all political scientists share, the intensity and content of recent contestations about DA-RT, JETS, and QTD attest to the profoundly political nature of these methodological discussions. This report traces the epistemological and ontological assumptions that have shaped diverse research communities within the discipline, situating "transparency" in relation to classical (Aristotelian), modern (Baconian) and twentieth-century (positivist, critical rationalist, and postpositivist) versions of empiricism. It shows how recent discussions of transparency accredit certain empirical approaches by collapsing the scope of empirical investigation and the parameters of the knowable. And it argues that "transparency" is inappropriate as a regulative ideal for political science because it misconstrues the roles of theory, social values, and critique in scholarly investigation.}, + language = {en}, + keywords = {epistemology,ontology,philosophy of science,qualitative methods,Qualitative Transparency Deliberations,research transparency} +} + +@article{makel_Both_2021, + title = {Both {{Questionable}} and {{Open Research Practices Are Prevalent}} in {{Education Research}}}, + author = {Makel, Matthew C. and Hodges, Jaret and Cook, Bryan G. and Plucker, Jonathan A.}, + year = {2021}, + month = mar, + journal = {Educational Researcher}, + pages = {0013189X211001356}, + publisher = {{American Educational Research Association}}, + issn = {0013-189X}, + doi = {10.3102/0013189X211001356}, + abstract = {Concerns about the conduct of research are pervasive in many fields, including education. In this preregistered study, we replicated and extended previous studies from other fields by asking education researchers about 10 questionable research practices and five open research practices. We asked them to estimate the prevalence of the practices in the field, to self-report their own use of such practices, and to estimate the appropriateness of these behaviors in education research. We made predictions under four umbrella categories: comparison to psychology, geographic location, career stage, and quantitative orientation. Broadly, our results suggest that both questionable and open research practices are used by many education researchers. This baseline information will be useful as education researchers seek to understand existing social norms and grapple with whether and how to improve research practices.}, + language = {en}, + keywords = {ethics,globalization,open science,psychology,questionable research practices,replication,research methodology,survey research} +} + +@article{mardones_usos_2018, + title = {{Usos del dise\~no metodol\'ogico cualitativo en art\'iculos de acceso abierto de alto impacto en ciencias sociales}}, + shorttitle = {{Dise\~nos metodol\'ogicos en art\'iculos de acceso abierto}}, + author = {Mardones, Rodolfo and Ulloa, Jorge and Salas, Gonz{\'a}lo}, + year = {2018}, + journal = {Forum: Qualitative Social Research}, + volume = {19, n\textdegree 1}, + pages = {1--18}, + issn = {1438-5627}, + abstract = {Las definiciones de dise\~no metodol\'ogico en la perspectiva cualitativa son variadas y sus diversos usos dejan entrever una multiplicidad de perspectivas. El presente trabajo tiene por objeto describir los usos del dise\~no metodol\'ogico cualitativo en art\'iculos de ciencias sociales de alto impacto. Se realiza una revisi\'on de 186 art\'iculos de resultados de investigaci\'on y propuestas metodol\'ogicas, publicados en revistas open access indexadas en Scopus en el periodo 2013-2015. Los resultados muestran que el 75\% de los art\'iculos declara su dise\~no metodol\'ogico. El uso de este se clasific\'o en tres categor\'ias: organizaci\'on de la investigaci\'on, elecci\'on paradigm\'atica y tipo de estudio. El 51\% de los art\'iculos utilizan dise\~no cualitativo basado en el tipo de estudio. Mientras tanto, la organizaci\'on de la investigaci\'on (37\%) y la elecci\'on paradigm\'atica (11\%) quedan en segundo lugar. Se concluye que los usos del dise\~no metodol\'ogico cualitativo se basa en supuestos te\'oricos y pr\'acticas propias de la categor\'ia definida como tipo de estudio. Esto puede facilitar la elecci\'on de un dise\~no cualitativo, sensible y flexible al contexto estudiado.}, + copyright = {Creative Commons Attribution 4.0 International, Open Access}, + language = {es} +} + +@article{marsden_Introducing_2018, + title = {Introducing {{Registered Reports}} at {{Language Learning}}: {{Promoting Transparency}}, {{Replication}}, and a {{Synthetic Ethic}} in the {{Language Sciences}}}, + shorttitle = {Introducing {{Registered Reports}} at {{Language Learning}}}, + author = {Marsden, Emma and {Morgan-Short}, Kara and Trofimovich, Pavel and Ellis, Nick C.}, + year = {2018}, + month = jun, + journal = {Language Learning}, + volume = {68}, + number = {2}, + pages = {309--320}, + publisher = {{Wiley}}, + address = {{Hoboken}}, + issn = {0023-8333}, + doi = {10.1111/lang.12284}, + abstract = {The past few years have seen growing interest in open science practices, which include initiatives to increase transparency in research methods, data collection, and analysis; enhance accessibility to data and materials; and improve the dissemination of findings to broader audiences. Language Learning is enhancing its participation in the open science movement by launching Registered Reports as an article category as of January 1, 2018. Registered Reports allow authors to submit the conceptual justifications and the full method and analysis protocol of their study to peer review prior to data collection. High-quality submissions then receive provisional, in-principle acceptance. Provided that data collection, analyses, and reporting follow the proposed and accepted methodology and analysis protocols, the article is subsequently publishable whatever the findings. We outline key concerns leading to the development of Registered Reports, describe its core features, and discuss some of its benefits and weaknesses.}, + language = {English}, + keywords = {open science,peer review,preregistration,publication bias,registered report,replication,transparency}, + annotation = {WOS:000434147700001} +} + +@article{martinson_Scientists_2005, + title = {Scientists Behaving Badly}, + author = {Martinson, Brian C. and Anderson, Melissa S. and {de Vries}, Raymond}, + year = {2005}, + month = jun, + journal = {Nature}, + volume = {435}, + number = {7043}, + pages = {737--738}, + publisher = {{Nature Publishing Group}}, + issn = {1476-4687}, + doi = {10.1038/435737a}, + abstract = {To protect the integrity of science, we must look beyond falsification, fabrication and plagiarism, to a wider range of questionable research practices, argue Brian C. Martinson, Melissa S. Anderson and Raymond de Vries.}, + copyright = {2005 Nature Publishing Group}, + language = {en}, + keywords = {practices}, + annotation = {Bandiera\_abtest: a Cg\_type: Nature Research Journals Primary\_atype: Comments \& Opinion} +} + +@article{martiny_Degrees_2017, + title = {Degrees of {{Openness}}, {{Embodiment}}, {{Circularity}}, and {{Invariance Response}}}, + author = {Martiny, Kristian Moltke}, + year = {2017}, + month = nov, + journal = {Constructivist Foundations}, + volume = {13}, + number = {1}, + pages = {83--90}, + publisher = {{Alexander Riegler}}, + address = {{Brussels}}, + issn = {1782-348X}, + language = {English}, + keywords = {consciousness,dynamics,enaction,experience,incentives,neurophenomenology,open science,phenomenology,registered-reports,synchrony}, + annotation = {WOS:000415144800023} +} + +@article{matthes_Questionable_2015, + title = {Questionable {{Research Practices}} in {{Experimental Communication Research}}: {{A Systematic Analysis From}} 1980 to 2013}, + shorttitle = {Questionable {{Research Practices}} in {{Experimental Communication Research}}}, + author = {Matthes, J{\"o}rg and Marquart, Franziska and Naderer, Brigitte and Arendt, Florian and Schmuck, Desir{\'e}e and Adam, Karoline}, + year = {2015}, + month = oct, + journal = {Communication Methods and Measures}, + volume = {9}, + number = {4}, + pages = {193--207}, + publisher = {{Routledge}}, + issn = {1931-2458}, + doi = {10.1080/19312458.2015.1096334}, + abstract = {Questionable research practices (QRPs) pose a major threat to any scientific discipline. This article analyzes QRPs with a content analysis of more than three decades of published experimental research in four flagship communication journals: Journal of Communication, Communication Research, Journalism \& Mass Communication Quarterly, and Media Psychology. Findings reveal indications of small and insufficiently justified sample sizes, a lack of reported effect sizes, an indiscriminate removal of cases and items, an increasing inflation of p-values directly below p {$<$} .05, and a rising share of verified (as opposed to falsified) hypotheses. Implications for authors, reviewers, and editors are discussed.}, + annotation = {\_eprint: https://doi.org/10.1080/19312458.2015.1096334} +} + +@article{mazor_novel_2019, + title = {A Novel Tool for Time-Locking Study Plans to Results}, + author = {Mazor, Matan and Mazor, Noam and Mukamel, Roy}, + year = {2019}, + month = may, + journal = {European Journal of Neuroscience}, + volume = {49}, + number = {9}, + pages = {1149--1156}, + publisher = {{Wiley}}, + address = {{Hoboken}}, + issn = {0953-816X}, + doi = {10.1111/ejn.14278}, + abstract = {Often researchers wish to mark an objective line between study plans that were specified before data acquisition and decisions that were made following data exploration. Contrary to common perception, registering study plans to an online platform prior to data collection does not by itself provide such an objective distinction, even when the registration is time-stamped. Here, we adapt a method from the field of cryptography to allow encoding of study plans and predictions within random aspects of the data acquisition process. Doing so introduces a causal link between the preregistered content and objective attributes of the acquired data, such as the timing and location of brain activations. This guarantees that the preregistered plans and predictions are indeed specified prior to data collection. Our time-locking system does not depend on any external party and can be performed entirely in-lab. We provide code for easy implementation and a detailed example from the field of functional Magnetic Resonance Imaging (fMRI).}, + language = {English}, + keywords = {neuroimaging,preregistration,replicability,science}, + annotation = {WOS:000473619700008} +} + +@article{mcgrail_Publish_2006, + title = {Publish or Perish: A Systematic Review of Interventions to Increase Academic Publication Rates}, + shorttitle = {Publish or Perish}, + author = {McGrail, Matthew R. and Rickard, Claire M. and Jones, Rebecca}, + year = {2006}, + month = feb, + journal = {Higher Education Research \& Development}, + volume = {25}, + number = {1}, + pages = {19--35}, + publisher = {{Routledge}}, + issn = {0729-4360}, + doi = {10.1080/07294360500453053}, + abstract = {Academics are expected to publish. In Australia universities receive extra funding based on their academic publication rates and academic promotion is difficult without a good publication record. However, the reality is that only a small percentage of academics are actively publishing. To fix this problem, a number of international universities and other higher education institutions have implemented interventions with the main aim being to increase the number of publications. A comprehensive literature search identified 17 studies published between 1984 and 2004, which examined the effects of these interventions. Three key types of interventions were identified: writing courses, writing support groups and writing coaches. The resulting publication output varied, but all interventions led to an increase in average publication rates for the participants.}, + keywords = {institutional}, + annotation = {\_eprint: https://doi.org/10.1080/07294360500453053} +} + +@article{mcintosh_three_2020, + title = {The Three {{R}}'s of Scientific Integrity: {{Replicability}}, Reproducibility, and Robustness}, + shorttitle = {The Three {{R}}'s of Scientific Integrity}, + author = {McIntosh, Robert D. and Chambers, Christopher D.}, + year = {2020}, + month = aug, + journal = {Cortex}, + volume = {129}, + pages = {A4-A7}, + publisher = {{Elsevier Masson, Corp Off}}, + address = {{Paris}}, + issn = {0010-9452}, + doi = {10.1016/j.cortex.2020.04.019}, + language = {English}, + keywords = {fear,reconsolidation,registered-reports,retrieval}, + annotation = {WOS:000552946000003} +} + +@article{mckiernan_How_2016, + title = {How Open Science Helps Researchers Succeed}, + author = {McKiernan, Erin C and Bourne, Philip E and Brown, C Titus and Buck, Stuart and Kenall, Amye and Lin, Jennifer and McDougall, Damon and Nosek, Brian A and Ram, Karthik and Soderberg, Courtney K and Spies, Jeffrey R and Thaney, Kaitlin and Updegrove, Andrew and Woo, Kara H and Yarkoni, Tal}, + editor = {Rodgers, Peter}, + year = {2016}, + month = jul, + journal = {eLife}, + volume = {5}, + pages = {e16800}, + publisher = {{eLife Sciences Publications, Ltd}}, + issn = {2050-084X}, + doi = {10.7554/eLife.16800}, + abstract = {Open access, open data, open source and other open scholarship practices are growing in popularity and necessity. However, widespread adoption of these practices has not yet been achieved. One reason is that researchers are uncertain about how sharing their work will affect their careers. We review literature demonstrating that open research is associated with increases in citations, media attention, potential collaborators, job opportunities and funding opportunities. These findings are evidence that open research practices bring significant benefits to researchers relative to more traditional closed practices.}, + keywords = {open access,open data,open science,open source,research} +} + +@article{mcvay_Transparency_2021, + title = {Transparency and Openness in Behavioral Medicine Research}, + author = {McVay, Megan A and Conroy, David E}, + year = {2021}, + month = jan, + journal = {Translational Behavioral Medicine}, + volume = {11}, + number = {1}, + pages = {287--290}, + issn = {1869-6716}, + doi = {10.1093/tbm/ibz154}, + abstract = {Behavioral medicine aims to improve the health of individuals and communities by addressing behavioral, psychosocial, and environmental contributors to health. Succeeding in this endeavor requires rigorous research and effective communication of this research to relevant stakeholders and the public at large [1]. Both research rigor and effective communication of research may benefit from adopting transparent and open research practices [2\textendash 4], sometimes called ``open science.'' Such practices include preregistering designs, hypotheses, and data analysis plans; making publically available study materials, data, and analytic code; sharing preprints (works-in-progress) of articles; and publishing open access [2]. In this commentary, we describe the evolving pressures to increase the transparency and openness of research, examine the status of open science practices in behavioral medicine, and recommend a path forward to find the right fit for these practices in behavioral medicine research.}, + keywords = {transparency} +} + +@article{melero_revistas_2008, + title = {Revistas {{Open Access}}: Caracter\'isticas, Modelos Econ\'omicos y Tendencias}, + author = {Melero, Remedios and Abad, Mar{\'i}a Francisca}, + year = {2008}, + volume = {20}, + issn = {1575-5886} +} + +@article{mertens_Preregistration_2019, + title = {Preregistration of {{Analyses}} of {{Preexisting Data}}}, + author = {Mertens, Ga{\"e}tan and Krypotos, Angelos-Miltiadis}, + year = {2019}, + journal = {Psychologica Belgica}, + volume = {59}, + number = {1}, + pages = {338--352}, + issn = {0033-2879}, + doi = {10.5334/pb.493}, + abstract = {The preregistration of a study's hypotheses, methods, and data-analyses steps is becoming a popular psychological research practice. To date, most of the discussion on study preregistration has focused on the preregistration of studies that include the collection of original data. However, much of the research in psychology relies on the (re-)analysis of preexisting data. Importantly, this type of studies is different from original studies as researchers cannot change major aspects of the study (e.g., experimental manipulations, sample size). Here, we provide arguments as to why it is useful to preregister analyses of preexisting data, discuss practical considerations, consider potential concerns, and introduce a preregistration template tailored for studies focused on the analyses of preexisting data. We argue that the preregistration of hypotheses and data-analyses for analyses of preexisting data is an important step towards more transparent psychological research.}, + pmcid = {PMC6706998}, + pmid = {31497308} +} + +@book{merton_sociology_1973, + title = {The {{Sociology}} of {{Science}}: {{Theorerical}} and {{Empirical Investigations}}}, + author = {Merton, Robert K.}, + year = {1973}, + publisher = {{The University of Chicago Press}}, + address = {{Chicago and London}} +} + +@article{miguel_Promoting_2014, + title = {Promoting {{Transparency}} in {{Social Science Research}}}, + author = {Miguel, E. and Camerer, C. and Casey, K. and Cohen, J. and Esterling, K. M. and Gerber, A. and Glennerster, R. and Green, D. P. and Humphreys, M. and Imbens, G. and Laitin, D. and Madon, T. and Nelson, L. and Nosek, B. A. and Petersen, M. and Sedlmayr, R. and Simmons, J. P. and Simonsohn, U. and der Laan, M. Van}, + year = {2014}, + month = jan, + journal = {Science}, + volume = {343}, + number = {6166}, + pages = {30--31}, + publisher = {{American Association for the Advancement of Science}}, + issn = {0036-8075, 1095-9203}, + doi = {10.1126/science.1245317}, + abstract = {There is growing appreciation for the advantages of experimentation in the social sciences. Policy-relevant claims that in the past were backed by theoretical arguments and inconclusive correlations are now being investigated using more credible methods. Changes have been particularly pronounced in development economics, where hundreds of randomized trials have been carried out over the last decade. When experimentation is difficult or impossible, researchers are using quasi-experimental designs. Governments and advocacy groups display a growing appetite for evidence-based policy-making. In 2005, Mexico established an independent government agency to rigorously evaluate social programs, and in 2012, the U.S. Office of Management and Budget advised federal agencies to present evidence from randomized program evaluations in budget requests (1, 2). Social scientists should adopt higher transparency standards to improve the quality and credibility of research. Social scientists should adopt higher transparency standards to improve the quality and credibility of research.}, + chapter = {Policy Forum}, + copyright = {Copyright \textcopyright{} 2014, American Association for the Advancement of Science}, + language = {en}, + pmid = {24385620}, + keywords = {transparency} +} + +@article{monti_acceso_2020, + title = {{Acceso a la literatura cient\'ifica desde Sci-Hub: An\'alisis y reflexi\'on de las descargas en Argentina}}, + author = {Monti, Carolina and Unzurrunzaga, Carolina}, + year = {2020}, + journal = {Revista Hipertextos}, + volume = {8 (14)}, + pages = {111--116}, + doi = {10.24215/23143924e022}, + abstract = {La comercializaci\'on de la informaci\'on cient\'ifica y las barreras de pago para su acceso se han convertido en una de las problem\'aticas m\'as debatidas en las \'ultimas d\'ecadas. El movimiento internacional de acceso abierto ha propuesto v\'ias para favorecer su acceso y, a su vez, distintos actores han impulsado otras estrategias como sitios piratas para la descarga. En este art\'iculo estudiamos el uso que se hace de Sci-Hub en Argentina a partir de un an\'alisis cuantitativo de las estad\'isticas de descargas disponibles hasta 2017. Detectamos patrones de uso generales, editoriales y tem\'aticos de los documentos e indagamos aspectos comunes y diferenciadores con respecto al uso mundial y otros pa\'ises de Am\'erica Latina. Asimismo, determinamos, a partir de distintas muestras, si los art\'iculos accedidos adem\'as est\'an disponibles en acceso abierto y/o su acceso es posible a trav\'es de las suscripciones pagadas por el estado nacional a trav\'es de la Biblioteca Electr\'onica de Ciencia y Tecnolog\'ia (BECyT). Encontramos que las descargas realizadas desde Argentina representan poco m\'as del 1\% de las registradas a nivel mundial, que existe una gran dispersi\'on de t\'itulos solicitados y que hay un aumento significativo en el uso respecto a los mismos per\'iodos de 2015 y 2016. Con las distintas muestras pudimos observar que se est\'an descargando mayormente art\'iculos de acceso restringido publicados por las empresas editoriales que manejan el sector como oligopolio, en revistas indexadas en la llamada ``corriente principal'' y que corresponden al \'area de la medicina (oncolog\'ia, pediatr\'ia y medicina cardiovascular). Tambi\'en, detectamos un n\'umero significativo de descargas de art\'iculos que ya estaban disponibles en acceso abierto, evidenciando un posible desconocimiento de estos recursos y calculamos un incremento importante respecto al uso de BECyT. Concluimos que las descargas desde Argentina tienen patrones similares al resto del mundo y que el aumento de su uso muestra que un cambio m\'as radical para garantizar el derecho de acceso a la informaci\'on es necesario. Mientras la informaci\'on cient\'ifica siga siendo una mercanc\'ia es primordial profundizar el estudio de los distintos proyectos que permiten reapropiarnos del conocimiento.}, + language = {es} +} + +@article{moore_Preregister_2016, + title = {Preregister If You Want To}, + author = {Moore, Don A.}, + year = {2016}, + month = apr, + journal = {The American Psychologist}, + volume = {71}, + number = {3}, + pages = {238--239}, + issn = {1935-990X}, + doi = {10.1037/a0040195}, + abstract = {Prespecification of confirmatory hypothesis tests is a useful tool that makes our statistical tests informative. On the other hand, selectively reporting studies, measures, or statistical tests renders the probability of false positives higher than the p values would imply. The bad news is that it is usually difficult to tell how much higher the probability is. Fortunately, there are enormous opportunities to improve the quality of our science by preregistering our research plans. Preregistration is a highly distinctive strength that should increase our faith in the veracity and replicability of a research result.}, + language = {eng}, + pmid = {27042885}, + keywords = {Clinical Trials as Topic,Humans,Information Dissemination,Reproducibility of Results,Research Design,Science} +} + +@article{motta_Dynamics_2018, + title = {The {{Dynamics}} and {{Political Implications}} of {{Anti}}-{{Intellectualism}} in the {{United States}}}, + author = {Motta, Matthew}, + year = {2018}, + month = may, + journal = {American Politics Research}, + volume = {46}, + number = {3}, + pages = {465--498}, + publisher = {{SAGE Publications Inc}}, + issn = {1532-673X}, + doi = {10.1177/1532673X17719507}, + abstract = {Recently, Americans have become increasingly likely to hold anti-intellectual attitudes (i.e., negative affect toward scientists and other experts). However, few have investigated the political implications of anti-intellectualism, and much empirical uncertainty surrounds whether or not these attitudes can be mitigated. Drawing on cross-sectional General Social Survey (GSS) data and a national election panel in 2016, I find that anti-intellectualism is associated with not only the rejection of policy-relevant matters of scientific consensus but support for political movements (e.g., ``Brexit'') and politicians (e.g., George Wallace, Donald Trump) who are skeptical of experts. Critically, though, I show that these effects can be mitigated. Verbal intelligence plays a strong role in mitigating anti-intellectual sympathies, compared with previously studied potential mitigators. I conclude by discussing how scholars might build on this research to study the political consequences of anti-intellectualism in the future.}, + language = {en}, + keywords = {anti-intellectualism,antiscience attitudes,political psychology,public opinion,verbal intelligence} +} + +@article{motyl_state_2017, + title = {The State of Social and Personality Science: {{Rotten}} to the Core, Not so Bad, Getting Better, or Getting Worse?}, + shorttitle = {The State of Social and Personality Science}, + author = {Motyl, Matt and Demos, Alexander P. and Carsel, Timothy S. and Hanson, Brittany E. and Melton, Zachary J. and Mueller, Allison B. and Prims, J. P. and Sun, Jiaqing and Washburn, Anthony N. and Wong, Kendal M. and Yantis, Caitlyn and Skitka, Linda J.}, + year = {2017}, + month = jul, + journal = {Journal of Personality and Social Psychology}, + volume = {113}, + number = {1}, + pages = {34--58}, + issn = {1939-1315}, + doi = {10.1037/pspa0000084}, + abstract = {The scientific quality of social and personality psychology has been debated at great length in recent years. Despite research on the prevalence of Questionable Research Practices (QRPs) and the replicability of particular findings, the impact of the current discussion on research practices is unknown. The current studies examine whether and how practices have changed, if at all, over the last 10 years. In Study 1, we surveyed 1,166 social and personality psychologists about how the current debate has affected their perceptions of their own and the field's research practices. In Study 2, we coded the research practices and critical test statistics from social and personality psychology articles published in 2003-2004 and 2013-2014. Together, these studies suggest that (a) perceptions of the current state of the field are more pessimistic than optimistic; (b) the discussion has increased researchers' intentions to avoid QRPs and adopt proposed best practices, (c) the estimated replicability of research published in 2003-2004 may not be as bad as many feared, and (d) research published in 2013-2014 shows some improvement over research published in 2003-2004, a result that suggests the field is evolving in a positive direction. (PsycINFO Database Record}, + language = {eng}, + pmid = {28447837}, + keywords = {Attitude of Health Personnel,Ethics; Research,Female,Humans,Male,Personality,Psychology,Psychology; Social,Research,Research Design,Surveys and Questionnaires} +} + +@article{munafo_manifesto_2017, + title = {A Manifesto for Reproducible Science}, + author = {Munaf{\`o}, Marcus R. and Nosek, Brian A. and Bishop, Dorothy V. M. and Button, Katherine S. and Chambers, Christopher D. and {Percie du Sert}, Nathalie and Simonsohn, Uri and Wagenmakers, Eric-Jan and Ware, Jennifer J. and Ioannidis, John P. A.}, + year = {2017}, + month = jan, + journal = {Nature Human Behaviour}, + volume = {1}, + number = {1}, + pages = {1--9}, + publisher = {{Nature Publishing Group}}, + issn = {2397-3374}, + doi = {10.1038/s41562-016-0021}, + abstract = {Improving the reliability and efficiency of scientific research will increase the credibility of the published scientific literature and accelerate discovery. Here we argue for the adoption of measures to optimize key elements of the scientific process: methods, reporting and dissemination, reproducibility, evaluation and incentives. There is some evidence from both simulations and empirical studies supporting the likely effectiveness of these measures, but their broad adoption by researchers, institutions, funders and journals will require iterative evaluation and improvement. We discuss the goals of these measures, and how they can be implemented, in the hope that this will facilitate action toward improving the transparency, reproducibility and efficiency of scientific research.}, + copyright = {2017 Macmillan Publishers Limited}, + language = {en}, + annotation = {Bandiera\_abtest: a Cc\_license\_type: cc\_by Cg\_type: Nature Research Journals Primary\_atype: Reviews Subject\_term: Social sciences Subject\_term\_id: social-sciences} +} + +@misc{nassi-calo_Open_2013, + title = {Open {{Access}} and a Call to Prevent the Looming Crisis in Science | {{SciELO}} in {{Perspective}}}, + author = {{Nassi-Cal{\`o}}, Lilian}, + year = {2013}, + month = jul, + abstract = {The number of retracted articles has recently been on the rise. Bj\"orn Brembs identifies this tendency as a reflection of an imminent crisis in science whose}, + language = {en-US}, + keywords = {crisis} +} + +@misc{nassi-calo_reproducibilidad_2014, + title = {La Reproducibilidad En Los Resultados de Investigaci\'on: La Mirada Subjetiva | {{SciELO}} En {{Perspectiva}}}, + shorttitle = {La Reproducibilidad En Los Resultados de Investigaci\'on}, + author = {{Nassi-Cal{\`o}}, Lilian}, + year = {2014}, + month = feb, + abstract = {En una \'epoca en que las discusiones sobre \'etica en la experimentaci\'on y la publicaci\'on cient\'ifica traspasan los laboratorios y ambientes acad\'emicos para}, + language = {en-US} +} + +@article{naturehumanbehaviour_Tell_2020, + title = {Tell It like It Is}, + author = {{Nature human behaviour}}, + year = {2020}, + month = jan, + journal = {Nature Human Behaviour}, + volume = {4}, + number = {1}, + pages = {1--1}, + publisher = {{Nature Publishing Group}}, + issn = {2397-3374}, + doi = {10.1038/s41562-020-0818-9}, + abstract = {Every research paper tells a story, but the pressure to provide `clean' narratives is harmful for the scientific endeavour.}, + copyright = {2020 Springer Nature Limited}, + language = {en}, + keywords = {forrt,transparency} +} + +@article{nosek_preregistration_2018, + title = {The Preregistration Revolution}, + author = {Nosek, Brian A. and Ebersole, Charles R. and DeHaven, Alexander C. and Mellor, David T.}, + year = {2018}, + month = mar, + journal = {Proceedings of the National Academy of Sciences}, + volume = {115}, + number = {11}, + pages = {2600--2606}, + publisher = {{National Academy of Sciences}}, + issn = {0027-8424, 1091-6490}, + doi = {10.1073/pnas.1708274114}, + abstract = {Progress in science relies in part on generating hypotheses with existing observations and testing hypotheses with new observations. This distinction between postdiction and prediction is appreciated conceptually but is not respected in practice. Mistaking generation of postdictions with testing of predictions reduces the credibility of research findings. However, ordinary biases in human reasoning, such as hindsight bias, make it hard to avoid this mistake. An effective solution is to define the research questions and analysis plan before observing the research outcomes\textemdash a process called preregistration. Preregistration distinguishes analyses and outcomes that result from predictions from those that result from postdictions. A variety of practical strategies are available to make the best possible use of preregistration in circumstances that fall short of the ideal application, such as when the data are preexisting. Services are now available for preregistration across all disciplines, facilitating a rapid increase in the practice. Widespread adoption of preregistration will increase distinctiveness between hypothesis generation and hypothesis testing and will improve the credibility of research findings.}, + chapter = {Colloquium Paper}, + copyright = {\textcopyright{} 2018 . http://www.pnas.org/site/aboutpnas/licenses.xhtmlPublished under the PNAS license.}, + language = {en}, + pmid = {29531091}, + keywords = {confirmatory analysis,exploratory analysis,methodology,open science,preregistration,reports,revisado} +} + +@article{nosek_Preregistration_2019, + title = {Preregistration {{Is Hard}}, {{And Worthwhile}}}, + author = {Nosek, Brian A. and Beck, Emorie D. and Campbell, Lorne and Flake, Jessica K. and Hardwicke, Tom E. and Mellor, David T. and {van 't Veer}, Anna E. and Vazire, Simine}, + year = {2019}, + month = oct, + journal = {Trends in Cognitive Sciences}, + volume = {23}, + number = {10}, + pages = {815--818}, + issn = {1364-6613}, + doi = {10.1016/j.tics.2019.07.009}, + abstract = {Preregistration clarifies the distinction between planned and unplanned research by reducing unnoticed flexibility. This improves credibility of findings and calibration of uncertainty. However, making decisions before conducting analyses requires practice. During report writing, respecting both what was planned and what actually happened requires good judgment and humility in making claims.}, + language = {en}, + keywords = {confirmatory research,exploratory research,preregistration,reproducibility,transparency} +} + +@article{nosek_Promoting_2015, + title = {Promoting an Open Research Culture}, + author = {Nosek, B. A. and Alter, G. and Banks, G. C. and Borsboom, D. and Bowman, S. D. and Breckler, S. J. and Buck, S. and Chambers, C. D. and Chin, G. and Christensen, G. and Contestabile, M. and Dafoe, A. and Eich, E. and Freese, J. and Glennerster, R. and Goroff, D. and Green, D. P. and Hesse, B. and Humphreys, M. and Ishiyama, J. and Karlan, D. and Kraut, A. and Lupia, A. and Mabry, P. and Madon, T. and Malhotra, N. and {Mayo-Wilson}, E. and McNutt, M. and Miguel, E. and Paluck, E. Levy and Simonsohn, U. and Soderberg, C. and Spellman, B. A. and Turitto, J. and VandenBos, G. and Vazire, S. and Wagenmakers, E. J. and Wilson, R. and Yarkoni, T.}, + year = {2015}, + month = jun, + journal = {Science}, + volume = {348}, + number = {6242}, + pages = {1422--1425}, + publisher = {{American Association for the Advancement of Science}}, + issn = {0036-8075, 1095-9203}, + doi = {10.1126/science.aab2374}, + abstract = {Author guidelines for journals could help to promote transparency, openness, and reproducibility Author guidelines for journals could help to promote transparency, openness, and reproducibility}, + chapter = {Policy Forum}, + copyright = {Copyright \textcopyright{} 2015, American Association for the Advancement of Science}, + language = {en}, + pmid = {26113702}, + keywords = {revisado} +} + +@article{nosek_Registered_2014, + title = {Registered {{Reports}}: {{A Method}} to {{Increase}} the {{Credibility}} of {{Published Results}}}, + shorttitle = {Registered {{Reports}}}, + author = {Nosek, Brian A. and Lakens, Dani{\"e}l}, + year = {2014}, + month = may, + journal = {Social Psychology}, + volume = {45}, + number = {3}, + pages = {137--141}, + issn = {1864-9335, 2151-2590}, + doi = {10.1027/1864-9335/a000192}, + language = {en}, + keywords = {forrt,reports} +} + +@article{nosek_Transparency_2014, + title = {Transparency and {{Openness Promotion}} ({{TOP}}) {{Guidelines}}}, + author = {Nosek, Brian A. and Alter, George and Banks, George Christopher and Borsboom, Denny and Bowman, Sara and Breckler, Steven and Buck, Stuart and Chambers, Chris and Chin, Gilbert and Christensen, Garret}, + year = {2014}, + month = aug, + publisher = {{OSF}}, + abstract = {The Transparency and Openness Promotion (TOP) Committee met in November 2014 to address one important element of the incentive systems - journals' procedures and policies for publication. The outcome of the effort is the TOP Guidelines. There are eight standards in the TOP guidelines; each move scientific communication toward greater openness. These standards are modular, facilitating adoption in whole or in part. However, they also complement each other, in that commitment to one standard may facilitate adoption of others. Moreover, the guidelines are sensitive to barriers to openness by articulating, for example, a process for exceptions to sharing because of ethical issues, intellectual property concerns, or availability of necessary resources. Hosted on the Open Science Framework}, + language = {en}, + keywords = {(,transparency} +} + +@misc{nw_Trust_2019, + title = {Trust and {{Mistrust}} in {{Americans}}' {{Views}} of {{Scientific Experts}}}, + author = {NW, 1615 L. St and Suite 800Washington and Inquiries, DC 20036USA202-419-4300 | Main202-857-8562 | Fax202-419-4372 | Media}, + year = {2019}, + month = aug, + journal = {Pew Research Center Science \& Society}, + abstract = {Public confidence in scientists is on the upswing, and six-in-ten Americans say scientists should play an active role in policy debates about scientific issues, according to a new Pew Research Center survey.}, + language = {en-US} +} + +@article{nyhan_Increasing_2015, + title = {Increasing the {{Credibility}} of {{Political Science Research}}: {{A Proposal}} for {{Journal Reforms}}}, + shorttitle = {Increasing the {{Credibility}} of {{Political Science Research}}}, + author = {Nyhan, Brendan}, + year = {2015}, + month = sep, + journal = {Ps-Political Science \& Politics}, + volume = {48}, + pages = {78--83}, + publisher = {{Cambridge Univ Press}}, + address = {{New York}}, + issn = {1049-0965}, + doi = {10.1017/S1049096515000463}, + language = {English}, + keywords = {gender,medicaid,publication bias,registered-reports,replication,transparency}, + annotation = {WOS:000359291900014} +} + +@article{oboyle_Chrysalis_2017, + title = {The {{Chrysalis Effect}}: {{How Ugly Initial Results Metamorphosize Into Beautiful Articles}}}, + shorttitle = {The {{Chrysalis Effect}}}, + author = {O'Boyle, Ernest Hugh and Banks, George Christopher and {Gonzalez-Mul{\'e}}, Erik}, + year = {2017}, + month = feb, + journal = {Journal of Management}, + volume = {43}, + number = {2}, + pages = {376--399}, + publisher = {{SAGE Publications Inc}}, + issn = {0149-2063}, + doi = {10.1177/0149206314527133}, + abstract = {The issue of a published literature not representative of the population of research is most often discussed in terms of entire studies being suppressed. However, alternative sources of publication bias are questionable research practices (QRPs) that entail post hoc alterations of hypotheses to support data or post hoc alterations of data to support hypotheses. Using general strain theory as an explanatory framework, we outline the means, motives, and opportunities for researchers to better their chances of publication independent of rigor and relevance. We then assess the frequency of QRPs in management research by tracking differences between dissertations and their resulting journal publications. Our primary finding is that from dissertation to journal article, the ratio of supported to unsupported hypotheses more than doubled (0.82 to 1.00 versus 1.94 to 1.00). The rise in predictive accuracy resulted from the dropping of statistically nonsignificant hypotheses, the addition of statistically significant hypotheses, the reversing of predicted direction of hypotheses, and alterations to data. We conclude with recommendations to help mitigate the problem of an unrepresentative literature that we label the ``Chrysalis Effect.''}, + language = {en}, + keywords = {ethics,morality and moral behavior,philosophy of science,revisado,statistical methods,transparency} +} + +@misc{omatos_aspectos_2013, + title = {Aspectos {{Legales}} En La {{Educaci\'on}}}, + author = {Omatos, Antonio}, + year = {2013} +} + +@article{opensciencecollaboration_Estimating_2015, + title = {Estimating the Reproducibility of Psychological Science}, + author = {{Open Science Collaboration}}, + year = {2015}, + month = aug, + journal = {Science}, + volume = {349}, + number = {6251}, + pages = {aac4716-aac4716}, + issn = {0036-8075, 1095-9203}, + doi = {10.1126/science.aac4716}, + language = {en} +} + +@article{ospina_problemas_2014, + title = {Problemas de Propiedad Intelectual En El Entorno Universitario. {{Un}} Acercamiento General}, + author = {Ospina, Adriana Mar{\'i}a Restrepo}, + year = {2014}, + journal = {Estudios de Derecho}, + volume = {71}, + number = {158}, + pages = {69--96} +} + +@article{patil_visual_2019, + title = {A Visual Tool for Defining Reproducibility and Replicability}, + author = {Patil, Prasad and Peng, Roger D. and Leek, Jeffrey T.}, + year = {2019}, + month = jul, + journal = {Nature Human Behaviour}, + volume = {3}, + number = {7}, + pages = {650--652}, + publisher = {{Nature Publishing Group}}, + issn = {2397-3374}, + doi = {10.1038/s41562-019-0629-z}, + abstract = {Reproducibility and replicability are fundamental requirements of scientific studies. Disagreements over universal definitions for these terms have affected the interpretation of large-scale replication attempts. We provide a visual tool for representing definitions and use it to re-examine these attempts.}, + copyright = {2019 Springer Nature Limited}, + language = {en}, + keywords = {herramienta}, + annotation = {Bandiera\_abtest: a Cg\_type: Nature Research Journals Primary\_atype: Comments \& Opinion Subject\_term: Software;Statistics Subject\_term\_id: software;statistics} +} + +@article{paul_Making_2021, + title = {Making {{ERP}} Research More Transparent: {{Guidelines}} for Preregistration}, + shorttitle = {Making {{ERP}} Research More Transparent}, + author = {Paul, Mariella and Govaart, Gisela H. and Schettino, Antonio}, + year = {2021}, + month = jun, + journal = {International Journal of Psychophysiology}, + volume = {164}, + pages = {52--63}, + publisher = {{Elsevier}}, + address = {{Amsterdam}}, + issn = {0167-8760}, + doi = {10.1016/j.ijpsycho.2021.02.016}, + abstract = {A combination of confirmation bias, hindsight bias, and pressure to publish may prompt the (unconscious) exploration of various methodological options and reporting only the ones that lead to a (statistically) significant outcome. This undisclosed analytic flexibility is particularly relevant in EEG research, where a myriad of preprocessing and analysis pipelines can be used to extract information from complex multidimensional data. One solution to limit confirmation and hindsight bias by disclosing analytic choices is preregistration: researchers write a time-stamped, publicly accessible research plan with hypotheses, data collection plan, and the intended preprocessing and statistical analyses before the start of a research project. In this manuscript, we present an overview of the problems associated with undisclosed analytic flexibility, discuss why and how EEG researchers would benefit from adopting preregistration, provide guidelines and examples on how to preregister data preprocessing and analysis steps in typical ERP studies, and conclude by discussing possibilities and limitations of this open science practice.}, + language = {English}, + keywords = {eeg,eeg-data,erp,error-related negativity,incentives,independent components,meg,null,Open science,potentials,Preregistration,processing pipeline,publication,randomized clinical-trials}, + annotation = {WOS:000645667300007} +} + +@misc{pena_declaracion_2003, + title = {{Declaraci\'on de Bethesda sobre Publicaci\'on de Acceso Abierto}}, + author = {Pe{\~n}a, Ismaes}, + year = {20 de Junio, 2003}, + language = {Traducido} +} + +@article{penders_Rinse_2019, + title = {Rinse and {{Repeat}}: {{Understanding}} the {{Value}} of {{Replication}} across {{Different Ways}} of {{Knowing}}}, + shorttitle = {Rinse and {{Repeat}}}, + author = {Penders, Bart and Holbrook, J. Britt and {de Rijcke}, Sarah}, + year = {2019}, + month = sep, + journal = {Publications}, + volume = {7}, + number = {3}, + pages = {52}, + publisher = {{Multidisciplinary Digital Publishing Institute}}, + doi = {10.3390/publications7030052}, + abstract = {The increasing pursuit of replicable research and actual replication of research is a political project that articulates a very specific technology of accountability for science. This project was initiated in response to concerns about the openness and trustworthiness of science. Though applicable and valuable in many fields, here we argue that this value cannot be extended everywhere, since the epistemic content of fields, as well as their accountability infrastructures, differ. Furthermore, we argue that there are limits to replicability across all fields; but in some fields, including parts of the humanities, these limits severely undermine the value of replication to account for the value of research.}, + copyright = {http://creativecommons.org/licenses/by/3.0/}, + language = {en}, + keywords = {accountability,epistemic pluralism,humanities,Replicability,replication,reproducibility,reproduction} +} + +@article{peng_reproducibility_2015, + title = {The Reproducibility Crisis in Science: {{A}} Statistical Counterattack}, + shorttitle = {The Reproducibility Crisis in Science}, + author = {Peng, Roger}, + year = {2015}, + journal = {Significance}, + volume = {12}, + number = {3}, + pages = {30--32}, + issn = {1740-9713}, + doi = {10.1111/j.1740-9713.2015.00827.x}, + abstract = {More people have more access to data than ever before. But a comparative lack of analytical skills has resulted in scientific findings that are neither replicable nor reproducible. It is time to invest in statistics education, says Roger Peng}, + copyright = {\textcopyright{} 2015 The Royal Statistical Society}, + language = {en}, + keywords = {crisis}, + annotation = {\_eprint: https://rss.onlinelibrary.wiley.com/doi/pdf/10.1111/j.1740-9713.2015.00827.x} +} + +@article{peng_Reproducible_2011, + title = {Reproducible {{Research}} in {{Computational Science}}}, + author = {Peng, R. D.}, + year = {2011}, + month = dec, + journal = {Science}, + volume = {334}, + number = {6060}, + pages = {1226--1227}, + issn = {0036-8075, 1095-9203}, + doi = {10.1126/science.1213847}, + language = {en} +} + +@article{petousi_Contextualising_2020, + title = {Contextualising Harm in the Framework of Research Misconduct. {{Findings}} from Discourse Analysis of Scientific Publications}, + author = {Petousi, Vasiliki and Sifaki, Eirini}, + year = {2020}, + month = jan, + journal = {International Journal of Sustainable Development}, + volume = {23}, + number = {3-4}, + pages = {149--174}, + publisher = {{Inderscience Publishers}}, + issn = {0960-1406}, + doi = {10.1504/IJSD.2020.115206}, + abstract = {This article reports on research, which deals with dimensions of harm resulting from research misconduct, in articles published in scientific journals. An appropriate sample of publications retrieved from Pubmed, Scopus and WOS was selected across various disciplines and topics. Implementing discourse analysis, articles were classified according to the narratives of 'individual impurity', 'institutional failure' and 'structural crisis'. Most of the articles analysed fall within the narrative of structural crisis. The main argument advanced is that research misconduct harms the scientific enterprise as a whole. Harm is narrated in the context of institutional characteristics, policies, procedures, guidelines, and work environment. Mainly, however, harm is narrated in the context of structural characteristics of contemporary scientific practices, which result in normative dissonance for scientists and loss of trust in science in the relation between science and society and within the scientific enterprise itself. We conclude that new grounds for building trust and confidence in science are needed.}, + keywords = {practices} +} + +@article{pham_Not_2021, + title = {On {{Not Confusing}} the {{Tree}} of {{Trustworthy Statistics}} with the {{Greater Forest}} of {{Good Science}}: {{A Comment}} on {{Simmons}} et al.'s {{Perspective}} on {{Pre}}-Registration}, + shorttitle = {On {{Not Confusing}} the {{Tree}} of {{Trustworthy Statistics}} with the {{Greater Forest}} of {{Good Science}}}, + author = {Pham, Michel Tuan and Oh, Travis Tae}, + year = {2021}, + month = jan, + journal = {Journal of Consumer Psychology}, + volume = {31}, + number = {1}, + pages = {181--185}, + publisher = {{John Wiley \& Sons Ltd}}, + address = {{Chichester}}, + issn = {1057-7408}, + doi = {10.1002/jcpy.1213}, + abstract = {In this commentary on Simmons, Nelson, and Simonsohn (this issue), we examine their rationale for pre-registration within the broader perspective of what good science is. We agree that there is potential benefit in a system of pre-registration if implemented selectively. However, we believe that other tools of open science such as the full sharing of study materials and open access to underlying data, provide most of the same benefits-and more (i.e., the prevention of outright fraud)-without risking the potential adverse consequences of a system of pre-registration. This is why we favor these other means of controlling type I error and fostering transparency. Direct replication, as opposed to conceptual replication, should be encouraged as well.}, + language = {English}, + keywords = {consumer research,open science,philosophy of science,preregistration,reproducibility crisis}, + annotation = {WOS:000618078000015} +} + +@article{pham_Preregistration_2021, + title = {Preregistration {{Is Neither Sufficient}} nor {{Necessary}} for {{Good Science}}}, + author = {Pham, Michel Tuan and Oh, Travis Tae}, + year = {2021}, + month = jan, + journal = {Journal of Consumer Psychology}, + volume = {31}, + number = {1}, + pages = {163--176}, + publisher = {{John Wiley \& Sons Ltd}}, + address = {{Chichester}}, + issn = {1057-7408}, + doi = {10.1002/jcpy.1209}, + abstract = {To address widespread perceptions of a reproducibility crisis in the social sciences, a growing number of scholars recommend the systematic preregistration of empirical studies. The purpose of this article is to contribute to an epistemological dialogue on the value of preregistration in consumer research by identifying the limitations, drawbacks, and potential adverse effects of a preregistration system. After a brief review of some of the implementation challenges that commonly arise with preregistration, we raise three levels of issues with a system of preregistration. First, we identify its limitations as a means of advancing consumer knowledge, thus questioning the sufficiency of preregistration in promoting good consumer science. Second, we elaborate on why consumer science can progress even in the absence of preregistration, thereby also questioning the necessity of preregistration in promoting good consumer science. Third, we discuss serious potential adverse effects of preregistration, both at the individual researcher level and at the level of the field as a whole. We conclude by offering a broader perspective on the narrower role that preregistration can play within the general pursuit of building robust and useful knowledge about consumers.}, + language = {English}, + keywords = {Consumer research,Open science,Preregistration,Reproducibility crisis}, + annotation = {WOS:000618078000013} +} + +@article{piwowar_future_2019, + title = {The {{Future}} of {{OA}}: {{A}} Large-Scale Analysis Projecting {{Open Access}} Publication and Readership}, + shorttitle = {The {{Future}} of {{OA}}}, + author = {Piwowar, Heather and Priem, Jason and Orr, Richard}, + year = {2019}, + journal = {BioRxiv}, + pages = {795310}, + publisher = {{Cold Spring Harbor Laboratory}} +} + +@article{piwowar_state_2018, + title = {The State of {{OA}}: A Large-Scale Analysis of the Prevalence and Impact of {{Open Access}} Articles}, + shorttitle = {The State of {{OA}}}, + author = {Piwowar, Heather and Priem, Jason and Larivi{\`e}re, Vincent and Alperin, Juan Pablo and Matthias, Lisa and Norlander, Bree and Farley, Ashley and West, Jevin and Haustein, Stefanie}, + year = {2018}, + journal = {PeerJ}, + volume = {6}, + pages = {e4375}, + publisher = {{PeerJ Inc.}} +} + +@incollection{poumadere_Credibility_1991, + title = {The {{Credibility Crisis}}}, + booktitle = {Chernobyl: {{A Policy Response Study}}}, + author = {Poumad{\`e}re, Marc}, + editor = {Segerst{\aa}hl, Boris}, + year = {1991}, + series = {Springer {{Series}} on {{Environmental Management}}}, + pages = {149--171}, + publisher = {{Springer}}, + address = {{Berlin, Heidelberg}}, + doi = {10.1007/978-3-642-84367-9_8}, + abstract = {Those who said that the twentieth century is the century of the atom didn't know how right they were. Certainly, the scientific discovery of a particularly powerful new energy source had produced hopes and applications in both the civil and military sectors. In the final equation, though, it is the major accident at Chernobyl that dramatically and suddenly brought the reality of the atom's presence home to many persons and groups around the world.}, + isbn = {978-3-642-84367-9}, + language = {en}, + keywords = {Chernobyl Accident,crisis,Nuclear Energy,Nuclear Power Plant,Social Defense,Social Distance} +} + +@article{price_Problem_2020, + title = {Problem with p Values: Why p Values Do Not Tell You If Your Treatment Is Likely to Work}, + shorttitle = {Problem with p Values}, + author = {Price, Robert and Bethune, Rob and Massey, Lisa}, + year = {2020}, + month = jan, + journal = {Postgraduate Medical Journal}, + volume = {96}, + number = {1131}, + pages = {1--3}, + issn = {0032-5473, 1469-0756}, + doi = {10.1136/postgradmedj-2019-137079}, + language = {en}, + keywords = {forrt,practices} +} + +@article{rabelo_Questionable_2020, + title = {Questionable Research Practices among {{Brazilian}} Psychological Researchers: {{Results}} from a Replication Study and an International Comparison}, + shorttitle = {Questionable Research Practices among {{Brazilian}} Psychological Researchers}, + author = {Rabelo, Andr{\'e} L. A. and Farias, J{\'e}ssica E. M. and Sarmet, Maur{\'i}cio M. and Joaquim, Teresa C. R. and Hoersting, Raquel C. and Victorino, Luiz and Modesto, Jo{\~a}o G. N. and Pilati, Ronaldo}, + year = {2020}, + journal = {International Journal of Psychology}, + volume = {55}, + number = {4}, + pages = {674--683}, + issn = {1464-066X}, + doi = {10.1002/ijop.12632}, + abstract = {Research on scientific integrity is growing in psychology, and questionable research practices (QRPs) have received more attention due to its harmful effect on science. By replicating the procedures of previous research, the present study aimed at describing the use of QRPs among Brazilian psychological researchers and to make an international comparison with previous studies in other countries\textemdash the US and Italy. Two hundred and thirty-two Brazilian researchers in the field of psychology answered questions related to 10 different QRPs. Brazilian researchers indicated a lower tendency to engage in two QRPs (failing to report all of a study's dependent measures; deciding whether to collect more data after looking to see whether the results were significant) when compared to their Italian and North American counterparts, but indicated a higher tendency to engage in two other QRPs (selectively reporting studies that ``worked''; not reporting all of a study's conditions). Most of the sample did not admit integrity conflicts in their own research but indicated that others have integrity problems, as observed in previous studies. Those discrepancies could be attributed to contextual and systemic factors regarding different publication demands among the different nations. Further studies should focus on identifying the antecedents of QRPs.}, + language = {en}, + keywords = {Bias,Meta-research,Questionable research practices,Replicability,Scientific integrity}, + annotation = {\_eprint: https://onlinelibrary.wiley.com/doi/pdf/10.1002/ijop.12632} +} + +@article{raj_PHacking_2018, + title = {P-{{Hacking}}: {{A Wake}}-{{Up Call}} for the {{Scientific Community}}}, + shorttitle = {P-{{Hacking}}}, + author = {Raj, A. Thirumal and Patil, Shankargouda and Sarode, Sachin and Salameh, Ziad}, + year = {2018}, + month = dec, + journal = {Science and Engineering Ethics}, + volume = {24}, + number = {6}, + pages = {1813--1814}, + publisher = {{Springer}}, + address = {{Dordrecht}}, + issn = {1353-3452}, + doi = {10.1007/s11948-017-9984-1}, + abstract = {P-hacking or data dredging involves manipulation of the research data in order to obtain a statistically significant result. The reasons behind P-hacking and the consequences of the same are discussed in the present manuscript.}, + language = {English}, + keywords = {Financing,Journal impact factor,Organized,Publications,Research design}, + annotation = {WOS:000451715300010} +} + +@misc{rapp_what_2019, + title = {What {{bioRxiv}}'s First 30,000 Preprints Reveal about Biologists}, + author = {Rapp, Joshua}, + year = {2019}, + journal = {nature}, + abstract = {More than 1 million studies are now downloaded from the site every month, mostly in neuroscience, bioinformatics and genomics.}, + language = {English} +} + +@article{redish_Opinion_2018, + title = {Opinion: {{Reproducibility}} Failures Are Essential to Scientific Inquiry}, + shorttitle = {Opinion}, + author = {Redish, A. David and Kummerfeld, Erich and Morris, Rebecca Lea and Love, Alan C.}, + year = {2018}, + month = may, + journal = {Proceedings of the National Academy of Sciences}, + volume = {115}, + number = {20}, + pages = {5042--5046} +} + +@article{restrepo_problemas_2014, + title = {Problemas de Propiedad Intelectual En El Entorno Universitario. {{Un}} Acercamiento General}, + author = {Restrepo, Adriana Mar{\'i}a}, + year = {30 de Junio, 2014}, + volume = {71}, + number = {158}, + pages = {69--96} +} + +@article{rice_Curtailing_2019, + title = {Curtailing the {{Use}} of {{Preregistration}}: {{A Misused Term}}}, + shorttitle = {Curtailing the {{Use}} of {{Preregistration}}}, + author = {Rice, Danielle B. and Moher, David}, + year = {2019}, + month = nov, + journal = {Perspectives on Psychological Science}, + volume = {14}, + number = {6}, + pages = {1105--1108}, + publisher = {{Sage Publications Ltd}}, + address = {{London}}, + issn = {1745-6916}, + doi = {10.1177/1745691619858427}, + abstract = {Improving the usability of psychological research has been encouraged through practices such as prospectively registering research plans. Registering research aligns with the open-science movement, as the registration of research protocols in publicly accessible domains can result in reduced research waste and increased study transparency. In medicine and psychology, two different terms, registration and preregistration, have been used to refer to study registration, but applying inconsistent terminology to represent one concept can complicate both educational outreach and epidemiological investigation. Consistently using one term across disciplines to refer to the concept of study registration may improve the understanding and uptake of this practice, thereby supporting the movement toward improving the reliability and reproducibility of research through study registration. We recommend encouraging use of the original term, registration, given its widespread and long-standing use, including in national registries.}, + language = {English}, + keywords = {open science,preregistration,protocols,Registered Reports,registration,trial registration}, + annotation = {WOS:000483904100001} +} + +@misc{rinke_Probabilistic_2018, + title = {Probabilistic {{Misconceptions Are Pervasive Among Communication Researchers}}}, + author = {Rinke, Eike Mark and Schneider, Frank M.}, + year = {2018}, + month = sep, + institution = {{SocArXiv}}, + doi = {10.31235/osf.io/h8zbe}, + abstract = {Across all areas of communication research, the most popular approach to generating insights about communication is the classical significance test (also called null hypothesis significance testing, NHST). The predominance of NHST in communication research is in spite of serious concerns about the ability of researchers to properly interpret its results. We draw on data from a survey of the ICA membership to assess the evidential basis of these concerns. The vast majority of communication researchers misinterpreted NHST (91\%) and the most prominent alternative, confidence intervals (96\%), while overestimating their competence. Academic seniority and statistical experience did not predict better interpretation outcomes. These findings indicate major problems regarding the generation of knowledge in the field of communication research.}, + keywords = {Communication,confidence intervals,data analysis,misconceptions,practices,significance testing,Social and Behavioral Sciences,statistical inference,statistics} +} + +@article{rodriguez-sanchez_Ciencia_2016, + title = {{Ciencia reproducible: qu\'e, por qu\'e, c\'omo}}, + shorttitle = {{Ciencia reproducible}}, + author = {{Rodriguez-Sanchez}, Francisco and {P{\'e}rez-Luque}, Antonio Jes{\'u}s and Bartomeus, Ignasi and Varela, Sara}, + year = {2016}, + month = jul, + journal = {Ecosistemas}, + volume = {25}, + number = {2}, + pages = {83--92}, + issn = {1697-2473}, + doi = {10.7818/ECOS.2016.25-2.11}, + copyright = {Derechos de autor}, + language = {es}, + keywords = {reproducibilidad,revisado} +} + +@article{rosenthal_file_1979, + title = {The File Drawer Problem and Tolerance for Null Results.}, + author = {Rosenthal, Robert}, + year = {1979}, + journal = {Psychological Bulletin}, + volume = {86}, + number = {3}, + pages = {638--641}, + issn = {0033-2909}, + doi = {10.1037/0033-2909.86.3.638}, + language = {en} +} + +@misc{rowe_Preview_2018, + title = {Preview My New Book: {{Introduction}} to {{Reproducible Science}} in {{R}} | {{R}}-Bloggers}, + shorttitle = {Preview My New Book}, + author = {Rowe, Brian Lee Yung}, + year = {2018}, + month = nov, + abstract = {I'm pleased to share Part I of my new book ``Introduction to Reproducible Science in R``. The purpose of this \ldots Continue reading \textrightarrow}, + language = {en-US} +} + +@article{rubin_Does_2020, + title = {Does Preregistration Improve the Credibility of Research Findings?}, + author = {Rubin, Mark}, + year = {2020}, + journal = {Quantitative Methods for Psychology}, + volume = {16}, + number = {4}, + pages = {376--390}, + publisher = {{Univ Montreal, Dept Psychologie}}, + address = {{Montreal}}, + issn = {1913-4126}, + doi = {10.20982/tqmp.16.4.p376}, + abstract = {Preregistration entails researchers registering their planned research hypotheses, methods, and analyses in a time-stamped document before they undertake their data collection and analyses. This document is then made available with the published research report to allow readers to identify discrepancies between what the researchers originally planned to do and what they actually ended up doing. This historical transparency is supposed to facilitate judgments about the credibility of the research findings. The present article provides a critical review of 17 of the reasons behind this argument. The article covers issues such as HARKing, multiple testing, p-hacking, forking paths, optional stopping, researchers' biases, selective reporting, test severity, publication bias, and replication rates. It is concluded that preregistration's historical transparency does not facilitate judgments about the credibility of research findings when researchers provide contemporary transparency in the form of (a) clear rationales for current hypotheses and analytical approaches, (b) public access to research data, materials, and code, and (c) demonstrations of the robustness of research conclusions to alternative interpretations and analytical approaches.}, + language = {English}, + keywords = {bias,error,forking paths,harking,HARKing,inference,multiple testing,optional stopping,p-hacking,preregistration,publication bias,science}, + annotation = {WOS:000573887700010} +} + +@article{rubin_Evaluation_2017, + title = {An {{Evaluation}} of {{Four Solutions}} to the {{Forking Paths Problem}}: {{Adjusted Alpha}}, {{Preregistration}}, {{Sensitivity Analyses}}, and {{Abandoning}} the {{Neyman}}-{{Pearson Approach}}}, + shorttitle = {An {{Evaluation}} of {{Four Solutions}} to the {{Forking Paths Problem}}}, + author = {Rubin, Mark}, + year = {2017}, + month = dec, + journal = {Review of General Psychology}, + volume = {21}, + number = {4}, + pages = {321--329}, + publisher = {{Sage Publications Inc}}, + address = {{Thousand Oaks}}, + issn = {1089-2680}, + doi = {10.1037/gpr0000135}, + abstract = {Gelman and Loken (2013, 2014) proposed that when researchers base their statistical analyses on the idiosyncratic characteristics of a specific sample (e.g., a nonlinear transformation of a variable because it is skewed), they open up alternative analysis paths in potential replications of their study that are based on different samples (i.e., no transformation of the variable because it is not skewed). These alternative analysis paths count as additional (multiple) tests and, consequently, they increase the probability of making a Type I error during hypothesis testing. The present article considers this forking paths problem and evaluates four potential solutions that might be used in psychology and other fields: (a) adjusting the prespecified alpha level, (b) preregistration, (c) sensitivity analyses, and (d) abandoning the Neyman-Pearson approach. It is concluded that although preregistration and sensitivity analyses are effective solutions to p-hacking, they are ineffective against result-neutral forking paths, such as those caused by transforming data. Conversely, although adjusting the alpha level cannot address p-hacking, it can be effective for result-neutral forking paths. Finally, abandoning the Neyman-Pearson approach represents a further solution to the forking paths problem.}, + language = {English}, + keywords = {confusion,familywise error,forking paths,null hypothesis significance testing,okeefes,p-values,preregistration,registered reports,replication crisis,sensitivity analyses,statistical-methods}, + annotation = {WOS:000417900400004} +} + +@article{rytchkov_Information_2020, + title = {Information {{Aggregation}} and {{P}}-{{Hacking}}}, + author = {Rytchkov, Oleg and Zhong, Xun}, + year = {2020}, + month = apr, + journal = {Management Science}, + volume = {66}, + number = {4}, + pages = {1605--1626}, + publisher = {{Informs}}, + address = {{Catonsville}}, + issn = {0025-1909}, + doi = {10.1287/mnsc.2018.3259}, + abstract = {This paper studies the interplay between information aggregation and p-hacking in the context of predicting stock returns. The standard information-aggregation techniques exacerbate p-hacking by increasing the probability of the type I error. We propose an aggregation technique that is a simple modification of three-pass regression filter/ partial least squares regression with an opposite property: the predictability tests applied to the combined predictor become more conservative in the presence of p-hacking. Using simulations, we quantify the advantages of our approach relative to the standard information-aggregation techniques. We also apply our aggregation technique to three sets of return predictors proposed in the literature and find that the forecasting ability of combined predictors in two cases cannot be explained by p-hacking.}, + language = {English}, + keywords = {3prf,book-to-market,cross-section,false discoveries,forecast combination,p-hacking,performance,pls,predictability,predictability of returns,prediction,premium,presidential-address,stock returns,tests}, + annotation = {WOS:000531064000007} +} + +@article{sadaba_acceso_2014, + title = {{{EL ACCESO ABIERTO EN CIENCIAS SOCIALES}}: {{NOTAS SOCIOL\'OGICAS SOBRE PUBLICACIONES}}, {{COMUNIDADES Y CAMPOS}}}, + author = {Sadaba, Igor}, + year = {2014}, + volume = {17}, + pages = {93--113}, + issn = {1139-3327}, + abstract = {En el presente art\'iculo proponemos evitar las caracterizaciones abstractas y pol\'iticas del Open Access para pasar a evaluar emp\'iricamente su funcionamiento. Solo apart\'andonos de los manifiestos program\'aticos y los listados de beneficios te\'oricos de dichas pr\'acticas podremos valorar en su justa medida las resistencias existentes y aprovechar sus potencialidades reales. En concreto, se propone estudiar el Open Access en las Ciencias Sociales (en comparaci\'on con las Ciencias Naturales) y entender que todav\'ia estamos ante un proceso desigual de difusi\'on del conocimiento acad\'emico debido, en parte, a dos nociones sociol\'ogicas centrales (de dos autores tambi\'en centrales en las propias Ciencias Sociales): i) la arquitectura diferencial de sus ``comunidades cient\'ificas'' (Merton) y ii) las diferentes reglas de ``campo acad\'emico'' (Bourdieu) configuradas a partir del dominio de los \'indices de impacto en las ciencias contempor\'aneas.} +} + +@article{schindler_investigating_2021, + title = {Investigating {{Software Usage}} in the {{Social Sciences}}: {{A Knowledge Graph Approach}}}, + shorttitle = {Investigating {{Software Usage}} in the {{Social Sciences}}}, + author = {Schindler, David and Zapilko, Benjamin and Kr{\"u}ger, Frank}, + year = {2021}, + month = aug, + journal = {arXiv:2003.10715 [cs]}, + eprint = {2003.10715}, + eprinttype = {arxiv}, + primaryclass = {cs}, + abstract = {Knowledge about the software used in scientific investigations is necessary for different reasons, including provenance of the results, measuring software impact to attribute developers, and bibliometric software citation analysis in general. Additionally, providing information about whether and how the software and the source code are available allows an assessment about the state and role of open source software in science in general. While such analyses can be done manually, large scale analyses require the application of automated methods of information extraction and linking. In this paper, we present SoftwareKG - a knowledge graph that contains information about software mentions from more than 51,000 scientific articles from the social sciences. A silver standard corpus, created by a distant and weak supervision approach, and a gold standard corpus, created by manual annotation, were used to train an LSTM based neural network to identify software mentions in scientific articles. The model achieves a recognition rate of .82 F-score in exact matches. As a result, we identified more than 133,000 software mentions. For entity disambiguation, we used the public domain knowledge base DBpedia. Furthermore, we linked the entities of the knowledge graph to other knowledge bases such as the Microsoft Academic Knowledge Graph, the Software Ontology, and Wikidata. Finally, we illustrate, how SoftwareKG can be used to assess the role of software in the social sciences.}, + archiveprefix = {arXiv}, + keywords = {Computer Science - Computation and Language,Computer Science - Information Retrieval} +} + +@article{schnell_Reproducible_2018, + title = {``{{Reproducible}}'' {{Research}} in {{Mathematical Sciences Requires Changes}} in Our {{Peer Review Culture}} and {{Modernization}} of Our {{Current Publication Approach}}}, + author = {Schnell, Santiago}, + year = {2018}, + month = dec, + journal = {Bulletin of Mathematical Biology}, + volume = {80}, + number = {12}, + pages = {3095--3105}, + issn = {1522-9602}, + doi = {10.1007/s11538-018-0500-9}, + abstract = {The nature of scientific research in mathematical and computational biology allows editors and reviewers to evaluate the findings of a scientific paper. Replication of a research study should be the minimum standard for judging its scientific claims and considering it for publication. This requires changes in the current peer review practice and a strict adoption of a replication policy similar to those adopted in experimental fields such as organic synthesis. In the future, the culture of replication can be easily adopted by publishing papers through dynamic computational notebooks combining formatted text, equations, computer algebra and computer code.}, + language = {en} +} + +@article{schoenbrodt_Fostering_2018, + title = {{Fostering Research Transparency as a Key Property of Science: Concrete Actions for Psychological Departments}}, + shorttitle = {{Fostering Research Transparency as a Key Property of Science}}, + author = {Schoenbrodt, Felix D. and Maier, Markus and Heene, Moritz and Buehner, Markus}, + year = {2018}, + month = jan, + journal = {Psychologische Rundschau}, + volume = {69}, + number = {1}, + pages = {37--44}, + publisher = {{Hogrefe \& Huber Publishers}}, + address = {{Gottingen}}, + issn = {0033-3042}, + doi = {10.1026/0033-3042/a000386}, + abstract = {Recent large-scale replication projects suggest an amount of nonreplicable results in the scientific literature, in psychology but also in other sciences, which is concerning from our point of view. We analyze some causes for this situation, and argue that the change toward more research transparency ("open science") must be one consequence that should be drawn from the credibility crisis. We call for feasible changes in the local research units and departments and show as an example the steps that have been taken at the Department of Psychology of the Ludwig-Maximilians-Universitat Munchen. These changes concern incentive structures, research culture, teaching, and a close integration with the local ethics committee. The goal is to foster a more credible and more reproducible research output without generating unnecessary bureaucratic overhead.}, + language = {German}, + keywords = {credibility crisis,game,incentives,registered reports,replicability,replication crisis,research quality,rules,standards,truth}, + annotation = {WOS:000419334000004} +} + +@misc{serevicionacionaldelpatrimoniocultural_tratados_, + title = {Tratados {{Inernacionales}}}, + author = {{Serevicio Nacional del Patrimonio Cultural}}, + journal = {Departamento de Derechos Intelectuales} +} + +@article{serra-garcia_Nonreplicable_2021, + title = {Nonreplicable Publications Are Cited More than Replicable Ones}, + author = {{Serra-Garcia}, Marta and Gneezy, Uri}, + year = {2021}, + month = may, + journal = {Science Advances}, + volume = {7}, + number = {21}, + pages = {eabd1705}, + issn = {2375-2548}, + doi = {10.1126/sciadv.abd1705}, + abstract = {Published papers that fail to replicate are cited more than those that replicate, even after the failure is published., We use publicly available data to show that published papers in top psychology, economics, and general interest journals that fail to replicate are cited more than those that replicate. This difference in citation does not change after the publication of the failure to replicate. Only 12\% of postreplication citations of nonreplicable findings acknowledge the replication failure. Existing evidence also shows that experts predict well which papers will be replicated. Given this prediction, why are nonreplicable papers accepted for publication in the first place? A possible answer is that the review team faces a trade-off. When the results are more ``interesting,'' they apply lower standards regarding their reproducibility.}, + pmcid = {PMC8139580}, + pmid = {34020944} +} + +@article{sijtsma_Steps_2021, + title = {Steps toward Preregistration of Research on Research Integrity}, + author = {Sijtsma, Klaas and Emons, Wilco H. M. and Steneck, Nicholas H. and Bouter, Lex M.}, + year = {2021}, + month = mar, + journal = {Research Integrity and Peer Review}, + volume = {6}, + number = {1}, + pages = {5}, + publisher = {{Bmc}}, + address = {{London}}, + doi = {10.1186/s41073-021-00108-4}, + abstract = {Background: A proposal to encourage the preregistration of research on research integrity was developed and adopted as the Amsterdam Agenda at the 5th World Conference on Research Integrity (Amsterdam, 2017). This paper reports on the degree to which abstracts of the 6th World Conference in Research Integrity (Hong Kong, 2019) reported on preregistered research. Methods: Conference registration data on participants presenting a paper or a poster at 6th WCRI were made available to the research team. Because the data set was too small for inferential statistics this report is limited to a basic description of results and some recommendations that should be considered when taking further steps to improve preregistration. Results: 19\% of the 308 presenters preregistered their research. Of the 56 usable cases, less than half provided information on the six key elements of the Amsterdam Agenda. Others provided information that invalidated their data, such as an uninformative URL. There was no discernable difference between qualitative and quantitative research. Conclusions: Some presenters at the WCRI have preregistered their research on research integrity, but further steps are needed to increase frequency and completeness of preregistration. One approach to increase preregistration would be to make it a requirement for research presented at the World Conferences on Research Integrity.}, + language = {English}, + keywords = {Open Science framework,Paper and poster presenters,Preregistration,Registry for research on the responsible conduct of research,Responsible conduct of research,Study protocol,World conference on research integrity}, + annotation = {WOS:000624023800001} +} + +@article{simmons_FalsePositive_2011, + title = {False-{{Positive Psychology}}: {{Undisclosed Flexibility}} in {{Data Collection}} and {{Analysis Allows Presenting Anything}} as {{Significant}}}, + shorttitle = {False-{{Positive Psychology}}}, + author = {Simmons, Joseph P. and Nelson, Leif D. and Simonsohn, Uri}, + year = {2011}, + month = nov, + journal = {Psychological Science}, + volume = {22}, + number = {11}, + pages = {1359--1366}, + issn = {0956-7976, 1467-9280}, + doi = {10.1177/0956797611417632}, + abstract = {In this article, we accomplish two things. First, we show that despite empirical psychologists' nominal endorsement of a low rate of false-positive findings ({$\leq$} .05), flexibility in data collection, analysis, and reporting dramatically increases actual false-positive rates. In many cases, a researcher is more likely to falsely find evidence that an effect exists than to correctly find evidence that it does not. We present computer simulations and a pair of actual experiments that demonstrate how unacceptably easy it is to accumulate (and report) statistically significant evidence for a false hypothesis. Second, we suggest a simple, low-cost, and straightforwardly effective disclosure-based solution to this problem. The solution involves six concrete requirements for authors and four guidelines for reviewers, all of which impose a minimal burden on the publication process.}, + language = {en}, + keywords = {practices} +} + +@article{simmons_FalsePositive_2018, + title = {False-{{Positive Citations}}}, + author = {Simmons, Joseph P. and Nelson, Leif D. and Simonsohn, Uri}, + year = {2018}, + month = mar, + journal = {Perspectives on Psychological Science}, + volume = {13}, + number = {2}, + pages = {255--259}, + publisher = {{Sage Publications Ltd}}, + address = {{London}}, + issn = {1745-6916}, + doi = {10.1177/1745691617698146}, + abstract = {We describe why we wrote False-Positive Psychology, analyze how it has been cited, and explain why the integrity of experimental psychology hinges on the full disclosure of methods, the sharing of materials and data, and, especially, the preregistration of analyses.}, + language = {English}, + keywords = {p-hacking,preregistration,replicability,research methods}, + annotation = {WOS:000429909000024} +} + +@article{simonsohn_Pcurve_2014, + title = {P-Curve: {{A}} Key to the File-Drawer}, + shorttitle = {P-Curve}, + author = {Simonsohn, Uri and Nelson, Leif D. and Simmons, Joseph P.}, + year = {2014}, + journal = {Journal of Experimental Psychology: General}, + volume = {143}, + number = {2}, + pages = {534--547}, + publisher = {{American Psychological Association}}, + address = {{US}}, + issn = {1939-2222(Electronic),0096-3445(Print)}, + doi = {10.1037/a0033242}, + abstract = {Because scientists tend to report only studies (publication bias) or analyses (p-hacking) that ``work,'' readers must ask, ``Are these effects true, or do they merely reflect selective reporting?'' We introduce p-curve as a way to answer this question. P-curve is the distribution of statistically significant p values for a set of studies (ps p-curves\textemdash containing more low (.01s) than high (.04s) significant p values\textemdash only right-skewed p-curves are diagnostic of evidential value. By telling us whether we can rule out selective reporting as the sole explanation for a set of findings, p-curve offers a solution to the age-old inferential problems caused by file-drawers of failed studies and analyses. (PsycINFO Database Record (c) 2016 APA, all rights reserved)}, + keywords = {herramienta,Hypothesis Testing,practices,Psychology,Scientific Communication,Statistics} +} + +@misc{socha_cuanto_2018, + title = {{\textquestiondown Cu\'anto cobran los principales editores comerciales por tener un art\'iculo en acceso abierto?}}, + author = {Socha, Beata}, + year = {2018}, + journal = {Universo Abierto}, + abstract = {Los cuatro grandes actores de la industria editorial, Elsevier, Springer, Wiley y Taylor \& Francis, han adoptado el acceso abierto (Open Access, OA), a trav\'es de la modalidad ``El autor paga'' aunque en distintos grados. Tambi\'en han empleado estrategias muy diferentes en cuanto a cu\'anto cobran a sus autores. Para cualquier autor que desee publicar su investigaci\'on en Acceso Abierto en alguna de estas revistas probablemente necesita conocer lo que el mercado editorial tiene para ofrecer y qu\'e gama de precios existe. Los datos primarios proceden de las listas de precios oficiales de los editores disponibles en sus sitios web.}, + language = {Traducido} +} + +@article{sociedadmaxplanck_declaracion_2003, + title = {La {{Declaraci\'on}} de {{Berl\'in}} Sobre Acceso Abierto.}, + author = {Sociedad Max Planck}, + year = {2003}, + volume = {1}, + number = {2}, + pages = {152--154} +} + +@techreport{soderberg_Initial_2020, + type = {Preprint}, + title = {Initial {{Evidence}} of {{Research Quality}} of {{Registered Reports Compared}} to the {{Traditional Publishing Model}}}, + author = {Soderberg, Courtney K. and Errington, Timothy M. and Schiavone, Sarah R. and Bottesini, Julia G. and Singleton Thorn, Felix and Vazire, Simine and Esterling, Kevin and Nosek, Brian A.}, + year = {2020}, + month = nov, + institution = {{MetaArXiv}}, + doi = {10.31222/osf.io/7x9vy}, + abstract = {In Registered Reports (RRs), initial peer review and in-principle acceptance occurs before knowing the research outcomes. This combats publication bias and distinguishes planned and unplanned research. How RRs could improve the credibility of research findings is straightforward, but there is little empirical evidence. Also, there could be unintended costs such as reducing novelty. 353 researchers peer reviewed a pair of papers from 29 published RRs from psychology and neuroscience and 57 non-RR comparison papers. RRs outperformed comparison papers on all 19 criteria (mean difference=0.46; Scale range -4 to +4) with effects ranging from little improvement in novelty (0.13, 95\% credible interval [-0.24, 0.49]) and creativity (0.22, [-0.14, 0.58]) to larger improvements in rigor of methodology (0.99, [0.62, 1.35]) and analysis (0.97, [0.60, 1.34]) and overall paper quality (0.66, [0.30, 1.02]). RRs could improve research quality while reducing publication bias and ultimately improve the credibility of the published literature.}, + keywords = {reports,transparency} +} + +@misc{spinak_revistas_2019, + title = {{Revistas que han aumentado el valor del APC han recibido m\'as art\'iculos}}, + author = {Spinak, Ernesto}, + year = {2019}, + journal = {Scielo en Perspectiva}, + abstract = {El Acceso Abierto (AA) a las publicaciones cient\'ificas online surgi\'o hace dos d\'ecadas. Entre las expectativas de su amplia adopci\'on, se consideraba la superaci\'on de la crisis presupuestal que afrontaban las universidades y otras instituciones educativas y de investigaci\'on debido al aumento constante de los precios de suscripci\'on por encima de la inflaci\'on. Es en este contexto internacional que surge la Red SciELO hace ya 20 a\~nos, proyecto pionero en su momento y hoy d\'ia el m\'as importante en el \'ambito de los pa\'ises en v\'ias de desarrollo, con m\'as de 1.650 revistas y 812.000 art\'iculos publicados en texto completo al momento de escribir este post. SciELO adopt\'o el Acceso Abierto con el objetivo de maximizar la visibilidad de las revistas y de las investigaciones que comunican.}, + language = {es} +} + +@article{stamkou_Cultural_2019, + title = {Cultural {{Collectivism}} and {{Tightness Moderate Responses}} to {{Norm Violators}}: {{Effects}} on {{Power Perception}}, {{Moral Emotions}}, and {{Leader Support}}}, + shorttitle = {Cultural {{Collectivism}} and {{Tightness Moderate Responses}} to {{Norm Violators}}}, + author = {Stamkou, Eftychia and {van Kleef}, Gerben A. and Homan, Astrid C. and Gelfand, Michele J. and {van de Vijver}, Fons J. R. and {van Egmond}, Marieke C. and Boer, Diana and Phiri, Natasha and Ayub, Nailah and Kinias, Zoe and Cantarero, Katarzyna and Efrat Treister, Dorit and Figueiredo, Ana and Hashimoto, Hirofumi and Hofmann, Eva B. and Lima, Renata P. and Lee, I-Ching}, + year = {2019}, + month = jun, + journal = {Personality and Social Psychology Bulletin}, + volume = {45}, + number = {6}, + pages = {947--964}, + publisher = {{SAGE Publications Inc}}, + issn = {0146-1672}, + doi = {10.1177/0146167218802832}, + abstract = {Responses to norm violators are poorly understood. On one hand, norm violators are perceived as powerful, which may help them to get ahead. On the other hand, norm violators evoke moral outrage, which may frustrate their upward social mobility. We addressed this paradox by considering the role of culture. Collectivistic cultures value group harmony and tight cultures value social order. We therefore hypothesized that collectivism and tightness moderate reactions to norm violators. We presented 2,369 participants in 19 countries with a norm violation or a norm adherence scenario. In individualistic cultures, norm violators were considered more powerful than norm abiders and evoked less moral outrage, whereas in collectivistic cultures, norm violators were considered less powerful and evoked more moral outrage. Moreover, respondents in tighter cultures expressed a stronger preference for norm followers as leaders. Cultural values thus influence responses to norm violators, which may have downstream consequences for violators' hierarchical positions.}, + language = {en}, + keywords = {collectivism,leadership,moral emotions,norm violation,tightness} +} + +@article{steneck_Fostering_2006, + title = {Fostering Integrity in Research: {{Definitions}}, Current Knowledge, and Future Directions}, + shorttitle = {Fostering Integrity in Research}, + author = {Steneck, Nicholas H.}, + year = {2006}, + month = mar, + journal = {Science and Engineering Ethics}, + volume = {12}, + number = {1}, + pages = {53--74}, + issn = {1471-5546}, + doi = {10.1007/PL00022268}, + abstract = {Over the last 25 years, a small but growing body of research on research behavior has slowly provided a more complete and critical understanding of research practices, particularly in the biomedical and behavioral sciences. The results of this research suggest that some earlier assumptions about irresponsible conduct are not reliable, leading to the conclusion that there is a need to change the way we think about and regulate research behavior. This paper begins with suggestions for more precise definitions of the terms ``responsible conduct of research,'' ``research ethics,'' and ``research integrity.'' It then summarizes the findings presented in some of the more important studies of research behavior, looking first at levels of occurrence and then impact. Based on this summary, the paper concludes with general observations about priorities and recommendations for steps to improve the effectiveness of efforts to respond to misconduct and foster higher standards for integrity in research.}, + language = {en}, + keywords = {practices} +} + +@misc{stewart_Preregistration_2020, + title = {Pre-Registration and {{Registered Reports}}: A {{Primer}} from {{UKRN}}}, + shorttitle = {Pre-Registration and {{Registered Reports}}}, + author = {Stewart, Suzanne and Rinke, Eike Mark and McGarrigle, Ronan and Lynott, Dermot and Lunny, Carole and Lautarescu, Alexandra and Galizzi, Matteo M. and Farran, Emily K. and Crook, Zander}, + year = {2020}, + month = oct, + institution = {{OSF Preprints}}, + doi = {10.31219/osf.io/8v2n7}, + abstract = {Help reduce questionable research practices, and prevent selective reporting.}, + keywords = {Architecture,Arts and Humanities,Business,Education,Engineering,Law,Life Sciences,Medicine and Health Sciences,Physical Sciences and Mathematics,pre-analysis plan,pre-registration,preregistration,primer,primers,prospective registration,registered reports,registration,reproducibility,Social and Behavioral Sciences,UK Reproducibility Network,UKRN} +} + +@article{stodden_Trust_2011, + title = {Trust {{Your Science}}? {{Open Your Data}} and {{Code}}}, + shorttitle = {Trust {{Your Science}}?}, + author = {Stodden, Victoria C.}, + year = {2011}, + volume = {409}, + pages = {21--22}, + doi = {10.7916/D8CJ8Q0P}, + abstract = {This is a view on the reproducibility of computational sciences by Victoria Stodden. It contains information on the Reproducibility, Replicability, and Repeatability of code created by the other sciences. Stodden also talks about the rising prominence of computational sciences as we are in the digital age and what that means for the future of science and collecting data.}, + language = {en}, + keywords = {forrt} +} + +@book{swan_directrices_2013, + title = {Directrices Para Pol\'iticasde Desarrollo y Promoci\'on Del Acceso Abierto}, + author = {Swan, Alma}, + year = {2013}, + publisher = {{UNESCO}}, + isbn = {978-959-18-0928- 5} +} + +@article{syed_Registered_2020, + title = {Registered {{Reports With Developmental}} and {{Secondary Data}}: {{Some Brief Observations}} and {{Introduction}} to the {{Special Issue}}}, + shorttitle = {Registered {{Reports With Developmental}} and {{Secondary Data}}}, + author = {Syed, Moin and Donnellan, M. Brent}, + year = {2020}, + month = aug, + journal = {Emerging Adulthood}, + volume = {8}, + number = {4}, + pages = {255--258}, + publisher = {{Sage Publications Inc}}, + address = {{Thousand Oaks}}, + issn = {2167-6968}, + doi = {10.1177/2167696820938529}, + abstract = {Registered reports are a relatively new type of journal article format in which the decision to publish an article is based on sound conceptualization, methods, and planned analyses rather than the specific nature of the results. Registered reports are becoming increasingly instituted in journals across the sciences but mostly in experimental contexts. Relatively few of these journals pertain directly to developmental research with adolescents, emerging adults, and adults, which tend to use more complex methods, or at least methods that involve a greater degree of flexibility. This article describes lessons learned through editing a special issue focused on registered reports based on analyses of a single existing data set, the Emerging Adulthood Measured and Multiple Institutions 2 project. These observations should be helpful for researchers interested in preparing registered report submissions using developmental and secondary data.}, + language = {English}, + keywords = {credibility,emerging adulthood,open science,preregistration,registered reports,replication,revolution}, + annotation = {WOS:000548582500001} +} + +@article{szollosi_Arrested_2021, + title = {Arrested {{Theory Development}}: {{The Misguided Distinction Between Exploratory}} and {{Confirmatory Research}}}, + shorttitle = {Arrested {{Theory Development}}}, + author = {Szollosi, Aba and Donkin, Chris}, + year = {2021}, + month = jul, + journal = {Perspectives on Psychological Science}, + volume = {16}, + number = {4}, + pages = {717--724}, + publisher = {{Sage Publications Ltd}}, + address = {{London}}, + issn = {1745-6916}, + doi = {10.1177/1745691620966796}, + abstract = {Science progresses by finding and correcting problems in theories. Good theories are those that help facilitate this process by being hard to vary: They explain what they are supposed to explain, they are consistent with other good theories, and they are not easily adaptable to explain anything. Here we argue that, rather than a lack of distinction between exploratory and confirmatory research, an abundance of flexible theories is a better explanation for the current replicability problems of psychology. We also explain why popular methods-oriented solutions fail to address the real problem of flexibility. Instead, we propose that a greater emphasis on theory criticism by argument might improve replicability.}, + language = {English}, + keywords = {confirmatory research,direct replication,exploratory research,philosophy of science,preregistration,theory development}, + annotation = {WOS:000620008500001} +} + +@article{szollosi_Preregistration_2020, + title = {Is {{Preregistration Worthwhile}}?}, + author = {Szollosi, Aba and Kellen, David and Navarro, Danielle J. and Shiffrin, Richard and {van Rooij}, Iris and Van Zandt, Trisha and Donkin, Chris}, + year = {2020}, + month = feb, + journal = {Trends in Cognitive Sciences}, + volume = {24}, + number = {2}, + pages = {94--95}, + issn = {13646613}, + doi = {10.1016/j.tics.2019.11.009}, + language = {en}, + keywords = {forrt,reports} +} + +@article{tackett_Bringing_2020a, + title = {Bringing the ({{Pre}}){{Registration Revolution}} to {{Graduate Training}}}, + author = {Tackett, Jennifer L. and Brandes, Cassandra M. and Dworak, Elizabeth M. and Shields, Allison N.}, + year = {2020}, + month = nov, + journal = {Canadian Psychology-Psychologie Canadienne}, + volume = {61}, + number = {4}, + pages = {299--309}, + publisher = {{Canadian Psychological Assoc}}, + address = {{Ottawa}}, + issn = {0708-5591}, + doi = {10.1037/cap0000221}, + abstract = {Preregistration, which involves documentation of hypotheses, methods, and plans for data analysis prior to data collection or analysis, has been lauded as 1 potential solution to the replication crisis in psychological science. Yet, many researchers have been slow to adopt preregistration, and the next generation of researchers is offered little formalized instruction in creating comprehensive preregistrations. In this article, we describe a collaborative workshop-based preregistration course designed and taught by Jennifer L. Tackett. We provide a brief overview of preregistration, including resources available, common concerns with preregistration, and responses to these concerns. We then describe the goals, structure, and evolution of our preregistration course and provide examples of enrolled students' final research products. We conclude with reflections on the strengths and opportunities for growth for the 1st iteration of this course and suggestions for others who are interested in implementing similar open science-focused courses in their training programs.}, + language = {English}, + keywords = {error,guide,incentives,open science,personality,preregistration,psychopathology,publication,registered-reports,registration,science,workshop-based learning}, + annotation = {WOS:000592853200005} +} + +@article{tackett_Leveraging_2019, + title = {Leveraging the {{Open Science Framework}} in {{Clinical Psychological Assessment Research}}}, + author = {Tackett, Jennifer L. and Brandes, Cassandra M. and Reardon, Kathleen W.}, + year = {2019}, + month = dec, + journal = {Psychological Assessment}, + volume = {31}, + number = {12}, + pages = {1386--1394}, + publisher = {{Amer Psychological Assoc}}, + address = {{Washington}}, + issn = {1040-3590}, + doi = {10.1037/pas0000583}, + abstract = {The last decade has seen enormous advances in research transparency in psychology. One of these advances has been the creation of a common interface for openness across the sciences-the Open Science Framework (OSF). While social, personality, and cognitive psychologists have been at the fore in participating in open practices on the OSF, clinical psychology has trailed behind. In this article, we discuss the advantages and special considerations for clinical assessment researchers' participation in open science broadly, and specifically in using the OSF for these purposes. We use several studies from our lab to illustrate the uses of the OSF for psychological studies, as well as the process of implementing this tool in assessment research. Among these studies are an archival assessment study, a project using an extensive unpublished assessment battery. and one in which we developed a short-form assessment instrument.}, + language = {English}, + keywords = {childhood,metascience,Open Science Framework,personality,power,preregistration,replicability,step,traits,transparency,youth}, + annotation = {WOS:000498808600002} +} + +@article{taylor_altmetric_2020, + title = {An Altmetric Attention Advantage for Open Access Books in the Humanities and Social Sciences}, + author = {Taylor, Michael}, + year = {2020}, + journal = {Scientometrics}, + volume = {125}, + pages = {2523--2543}, + doi = {10.1007/s11192-020-03735-8}, + abstract = {The last decade has seen two significant phenomena emerge in research communication: the rise of open access (OA) publishing, and the easy availability of evidence of online sharing in the form of altmetrics. There has been limited examination of the effect of OA on online sharing for journal articles, and little for books. This paper examines the altmetrics of a set of 32,222 books (of which 5\% are OA) and a set of 220,527 chapters (of which 7\% are OA) indexed by the scholarly database Dimensions in the Social Sciences and Humanities. Both OA books and chapters have significantly higher use on social networks, higher coverage in the mass media and blogs, and evidence of higher rates of social impact in policy documents. OA chapters have higher rates of coverage on Wikipedia than their non-OA equivalents, and are more likely to be shared on Mendeley. Even within the Humanities and Social Sciences, disciplinary differences in altmetric activity are evident. The effect is confirmed for chapters, although sampling issues prevent the strong conclusion that OA facilitates extra attention at the whole book level, the apparent OA altmetrics advantage suggests that the move towards OA is increasing social sharing and broader impact.}, + language = {English} +} + +@article{tennant_Ten_2019, + title = {Ten {{Hot Topics}} around {{Scholarly Publishing}}}, + author = {Tennant, Jonathan P. and Crane, Harry and Crick, Tom and Davila, Jacinto and Enkhbayar, Asura and Havemann, Johanna and Kramer, Bianca and Martin, Ryan and Masuzzo, Paola and Nobes, Andy and Rice, Curt and {Rivera-L{\'o}pez}, B{\'a}rbara and {Ross-Hellauer}, Tony and Sattler, Susanne and Thacker, Paul D. and Vanholsbeeck, Marc}, + year = {2019}, + month = jun, + journal = {Publications}, + volume = {7}, + number = {2}, + pages = {34}, + publisher = {{Multidisciplinary Digital Publishing Institute}}, + doi = {10.3390/publications7020034}, + abstract = {The changing world of scholarly communication and the emerging new wave of \‘Open Science\’ or \‘Open Research\’ has brought to light a number of controversial and hotly debated topics. Evidence-based rational debate is regularly drowned out by misinformed or exaggerated rhetoric, which does not benefit the evolving system of scholarly communication. This article aims to provide a baseline evidence framework for ten of the most contested topics, in order to help frame and move forward discussions, practices, and policies. We address issues around preprints and scooping, the practice of copyright transfer, the function of peer review, predatory publishers, and the legitimacy of \‘global\’ databases. These arguments and data will be a powerful tool against misinformation across wider academic research, policy and practice, and will inform changes within the rapidly evolving scholarly publishing system.}, + copyright = {http://creativecommons.org/licenses/by/3.0/}, + language = {en}, + keywords = {copyright,impact factor,open access,open science,peer review,research evaluation,scholarly communication,Scopus,web of science} +} + +@article{thibodeaux_Production_2016, + title = {Production as Social Change: {{Policy}} Sociology as a Public Good}, + shorttitle = {Production as Social Change}, + author = {Thibodeaux, Jarrett}, + year = {2016}, + month = may, + journal = {Sociological Spectrum}, + volume = {36}, + number = {3}, + pages = {183--190}, + publisher = {{Routledge}}, + issn = {0273-2173}, + doi = {10.1080/02732173.2015.1102666}, + abstract = {Burawoy described two ways sociology can aid the public, through: (1) instrumental (policy) sociology and (2) reflexive (public) sociology. This article elaborates the different assumptions of how social change occurs according to policy and public sociology (and how sociology effects social change). Policy sociology assumes social change occurs through the scientific elaboration of the best means to achieve goals. However, policy sociology largely takes the public as an object of power rather than subjects who can utilize scientific knowledge. Public sociology assumes that social change occurs through the exposure of contradictions in goals, which elaborates better goals. However, the elaboration of contradictions assumes that there is a fundamental thesis/antithesis in society. If there are multiple goals/theses, public sociology fails in at least three ways. Policy sociology, when reflexively selecting its public, provides the best way sociology can aid the public.}, + annotation = {\_eprint: https://doi.org/10.1080/02732173.2015.1102666} +} + +@article{tijdink_Publication_2014, + title = {Publication {{Pressure}} and {{Scientific Misconduct}} in {{Medical Scientists}}}, + author = {Tijdink, Joeri K. and Verbeke, Reinout and Smulders, Yvo M.}, + year = {2014}, + month = dec, + journal = {Journal of Empirical Research on Human Research Ethics}, + volume = {9}, + number = {5}, + pages = {64--71}, + publisher = {{Sage Publications Inc}}, + address = {{Thousand Oaks}}, + issn = {1556-2646}, + doi = {10.1177/1556264614552421}, + abstract = {There is increasing evidence that scientific misconduct is more common than previously thought. Strong emphasis on scientific productivity may increase the sense of publication pressure. We administered a nationwide survey to Flemish biomedical scientists on whether they had engaged in scientific misconduct and whether they had experienced publication pressure. A total of 315 scientists participated in the survey; 15\% of the respondents admitted they had fabricated, falsified, plagiarized, or manipulated data in the past 3 years. Fraud was more common among younger scientists working in a university hospital. Furthermore, 72\% rated publication pressure as too high. Publication pressure was strongly and significantly associated with a composite scientific misconduct severity score.}, + language = {English}, + keywords = {ethics,ethics in publishing,fraud,impact,integrity,publication pressure,questionable research practice,science,scientific misconduct}, + annotation = {WOS:000344691700008} +} + +@article{toth_Study_2021, + title = {Study {{Preregistration}}: {{An Evaluation}} of a {{Method}} for {{Transparent Reporting}}}, + shorttitle = {Study {{Preregistration}}}, + author = {Toth, Allison A. and Banks, George C. and Mellor, David and O'Boyle, Ernest H. and Dickson, Ashleigh and Davis, Daniel J. and DeHaven, Alex and Bochantin, Jaime and Borns, Jared}, + year = {2021}, + month = aug, + journal = {Journal of Business and Psychology}, + volume = {36}, + number = {4}, + pages = {553--571}, + publisher = {{Springer}}, + address = {{New York}}, + issn = {0889-3268}, + doi = {10.1007/s10869-020-09695-3}, + abstract = {Study preregistration promotes transparency in scientific research by making a clear distinction between a priori and post hoc procedures or analyses. Management and applied psychology have not embraced preregistration in the way other closely related social science fields have. There may be concerns that preregistration does not add value and prevents exploratory data analyses. Using a mixed-method approach, in Study 1, we compared published preregistered samples against published non-preregistered samples. We found that preregistration effectively facilitated more transparent reporting based on criteria (i.e., confirmed hypotheses and a priori analysis plans). Moreover, consistent with concerns that the published literature contains elevated type I error rates, preregistered samples had fewer statistically significant results (48\%) than non-preregistered samples (66\%). To learn about the perceived advantages, disadvantages, and misconceptions of study preregistration, in Study 2, we surveyed authors of preregistered studies and authors who had never preregistered a study. Participants in both samples had positive inclinations towards preregistration yet expressed concerns about the process. We conclude with a review of best practices for management and applied psychology stakeholders.}, + language = {English}, + keywords = {bias,incentives,management,Methodology,Open science,Preregistration,Questionable research practices,questionable research practices,Reproducibility,science,truth}, + annotation = {WOS:000539933800001} +} + +@article{ulloa_tendencias_2017, + title = {Tendencias Paradigm\'aticas y T\'ecnicas Conversacionales En Investigaci\'on {{Cualitativa}} En {{Ciencias Sociales}}}, + author = {Ulloa, Jorge and Mardones, Rodolfo}, + year = {2017}, + journal = {Perspectivas de la Comunicaci\'on}, + series = {Universidad de La {{Frontera}}}, + volume = {10, n\textdegree 1}, + pages = {213--235}, + issn = {0718-4867}, + abstract = {El art\'iculo presenta los resultados de una investigaci\'on emp\'irica que busca describir el quehacer cient\'ifico cualitativo de alto impacto a trav\'es del an\'alisis de tres revistas indexadas en la base de datos Scopus entre los a\~nos 2013-2015. Para ello se construy\'o un corpus de 186 publicaciones reportando propuestas de investigaci\'on y/o resultados emp\'iricos de investigaci\'on. Se puso \'enfasis en el an\'alisis de la posici\'on paradigm\'atica de los autores, la explicitaci\'on y justificaci\'on de los objetivos de estudio y la utilizaci\'on de t\'ecnicas cualitativas conversacionales en su amplio rango, como las entrevistas en profundidad, historias de vida, grupos focales y grupos de discusi\'on. Los resultados dan cuenta que la mayor\'ia de los art\'iculos revisados no declaran abiertamente el paradigma desde el cual se posicionan, adem\'as se observa una multiplicidad de t\'ecnicas conversacionales, en las cuales destaca el uso de entrevistas. Se concluye que la adscripci\'on a alg\'un paradigma no es un asunto determinante a la hora de informar resultados, por cuanto estos forman parte de estudios m\'as amplios o, por su estructura son m\'as pragm\'aticos. Adem\'as, entre quienes declaran paradigmas de investigaci\'on, predomina una posici\'on constructivista. Por otro lado, el uso de t\'ecnicas conversacionales var\'ia en funci\'on de los objetivos de cada investigaci\'on, present\'andose en un amplio espectro, predomina el uso de entrevistas, y los grupos de discusi\'on y grupos focales son usados indistintamente.} +} + +@inproceedings{unesco_declaracion_1999, + title = {Declaraci\'on Sobre La Ciencia y El Uso Del Saber Cinet\'ifico}, + booktitle = {Conferencia Mundial Sobre La Ciencia}, + author = {UNESCO}, + year = {1999}, + address = {{Hungry - Budapest}} +} + +@misc{universoabierto_rutas_2019, + title = {Las 5 Rutas Para Llegar al Acceso Abierto: Verde, Dorada, Bronce, H\'ibrida y Diamante}, + author = {Universo Abierto}, + year = {2019}, + journal = {Blog de la biblioteca de Traducci\'on y Documentaci\'on de la Universidad de Salamanca} +} + +@article{vanderzee_Open_2018, + title = {Open {{Education Science}}}, + author = {{van der Zee}, Tim and Reich, Justin}, + year = {2018}, + month = jul, + journal = {Aera Open}, + volume = {4}, + number = {3}, + publisher = {{Sage Publications Inc}}, + address = {{Thousand Oaks}}, + doi = {10.1177/2332858418787466}, + abstract = {Scientific progress is built on research that is reliable, accurate, and verifiable. The methods and evidentiary reasoning that underlie scientific claims must be available for scrutiny. Like other fields, the education sciences suffer from problems such as failure to replicate, validity and generalization issues, publication bias, and high costs of access to publications-all of which are symptoms of a nontransparent approach to research. Each aspect of the scientific cycle-research design, data collection, analysis, and publication-can and should be made more transparent and accessible. Open Education Science is a set of practices designed to increase the transparency of evidentiary reasoning and access to scientific research in a domain characterized by diverse disciplinary traditions and a commitment to impact in policy and practice. Transparency and accessibility are functional imperatives that come with many benefits for the individual researcher, scientific community, and society at large Open Education Science is the way forward.}, + language = {English}, + keywords = {articles,availability,bias,journals,open access,open science,preregistration,qualitative research,registered report,registered-reports,replication}, + annotation = {WOS:000509663300004} +} + +@article{vantveer_Preregistration_2016, + title = {Pre-Registration in Social Psychology\textemdash{{A}} Discussion and Suggested Template}, + author = {{van 't Veer}, Anna Elisabeth and {Giner-Sorolla}, Roger}, + year = {2016}, + month = nov, + journal = {Journal of Experimental Social Psychology}, + series = {Special {{Issue}}: {{Confirmatory}}}, + volume = {67}, + pages = {2--12}, + issn = {0022-1031}, + doi = {10.1016/j.jesp.2016.03.004}, + abstract = {Pre-registration of studies before they are conducted has recently become more feasible for researchers, and is encouraged by an increasing number of journals. However, because the practice of pre-registration is relatively new to psychological science, specific guidelines for the content of registrations are still in a formative stage. After giving a brief history of pre-registration in medical and psychological research, we outline two different models that can be applied\textemdash reviewed and unreviewed pre-registration\textemdash and discuss the advantages of each model to science as a whole and to the individual scientist, as well as some of their drawbacks and limitations. Finally, we present and justify a proposed standard template that can facilitate pre-registration. Researchers can use the template before and during the editorial process to meet article requirements and enhance the robustness of their scholarly efforts.}, + language = {en}, + keywords = {Pre-registration,Research methods,Reviewed pre-registration (RPR),Solid science,Unreviewed pre-registration (UPR)} +} + +@misc{velterop_suscripciones_2018, + type = {{Scientific Blog}}, + title = {{De suscripciones y Tasas de Procesamiento de Art\'iculos}}, + author = {Velterop, Jan}, + year = {2018}, + journal = {Scielo en Perspectiva}, + abstract = {Estoy viendo m\'as y m\'as cr\'iticas a las Tasas de Procesamiento de Art\'iculos (Article Processing Charges \textendash{} APCs). Mientras que la mayor\'ia de ellas se preocupan por el monto de las tasas, tambi\'en hay algo de cr\'iticas al concepto mismo de las APC. Naturalmente, las tasas son a menudo altas. Demasiado altas, en particular en el caso de las revistas llamadas ``h\'ibridas''. M\'as sobre esto a continuaci\'on.}, + copyright = {Creative Commons Attribution 4.0 International, Open Access}, + language = {es} +} + +@article{vermeulen_Blinded_2015, + title = {Blinded by the {{Light}}: {{How}} a {{Focus}} on {{Statistical}} ``{{Significance}}'' {{May Cause}} p-{{Value Misreporting}} and an {{Excess}} of p-{{Values Just Below}} .05 in {{Communication Science}}}, + shorttitle = {Blinded by the {{Light}}}, + author = {Vermeulen, Ivar and Beukeboom, Camiel J. and Batenburg, Anika and Avramiea, Arthur and Stoyanov, Dimo and {van de Velde}, Bob and Oegema, Dirk}, + year = {2015}, + month = oct, + journal = {Communication Methods and Measures}, + volume = {9}, + number = {4}, + pages = {253--279}, + publisher = {{Routledge}}, + issn = {1931-2458}, + doi = {10.1080/19312458.2015.1096333}, + abstract = {Publication bias promotes papers providing ``significant'' findings, thus incentivizing researchers to produce such findings. Prior studies suggested that researchers' focus on ``p {$<$} .05'' yields\textemdash intentional or unintentional\textemdash p-value misreporting, and excess p-values just below .05. To assess whether similar distortions occur in communication science, we extracted 5,834 test statistics from 693 recent communication science ISI papers, and assessed prevalence of p-values (1) misreported, and (2) just below .05. Results show 8.8\% of p-values were misreported (74.5\% too low). 1.3\% of p-values were critically misreported, stating p {$<$} .05 while in fact p {$>$} .05 (88.3\%) or vice versa (11.7\%). Analyzing p-value frequencies just below .05 using a novel method did not unequivocally demonstrate ``p-hacking''\textemdash excess p-values could be alternatively explained by (severe) publication bias. Results for 19,830 p-values from social psychology were strikingly similar. We conclude that publication bias, publication pressure, and verification bias distort the communication science knowledge base, and suggest solutions to this problem.}, + annotation = {\_eprint: https://doi.org/10.1080/19312458.2015.1096333} +} + +@techreport{viscusi_Role_2014, + type = {Working {{Paper}}}, + title = {The {{Role}} of {{Publication Selection Bias}} in {{Estimates}} of the {{Value}} of a {{Statistical Life}}}, + author = {Viscusi, W. Kip}, + year = {2014}, + month = may, + series = {Working {{Paper Series}}}, + number = {20116}, + institution = {{National Bureau of Economic Research}}, + doi = {10.3386/w20116}, + abstract = {Meta-regression estimates of the value of a statistical life (VSL) controlling for publication selection bias yield bias-corrected estimates of VSL that are higher for labor market studies using the more recent Census of Fatal Occupational Injuries (CFOI) data. These results are borne out by the findings for four meta-analysis data sets and different formulations of the variable used to capture publication bias effects. Meta-regression estimates for a large sample of VSL estimates consisting only of results of labor market studies using the CFOI fatality data indicate publication selection bias effects that are not statistically significant in either fixed effects or random effects models with clustered standard errors. The confidence intervals of the publication bias-corrected estimates of the value of a statistical life sometimes include the sample mean estimates and always include the values that are currently used by government agencies.} +} + +@article{vivalt_Heterogeneous_2015, + title = {Heterogeneous {{Treatment Effects}} in {{Impact Evaluation}}}, + author = {Vivalt, Eva}, + year = {2015}, + month = may, + journal = {American Economic Review}, + volume = {105}, + number = {5}, + pages = {467--470}, + issn = {0002-8282}, + doi = {10.1257/aer.p20151015}, + abstract = {It is very important to know how much we can extrapolate from a study's results. This paper examines the issue using data from impact evaluations in development.}, + language = {en}, + keywords = {Quantile Regressions,Single Equation Models,Single Variables: Cross-Sectional Models,Spatial Models,Treatment Effect Models} +} + +@article{wagenmakers_CreativityVerification_2018, + title = {The {{Creativity}}-{{Verification Cycle}} in {{Psychological Science}}: {{New Methods}} to {{Combat Old Idols}}}, + shorttitle = {The {{Creativity}}-{{Verification Cycle}} in {{Psychological Science}}}, + author = {Wagenmakers, Eric-Jan and Dutilh, Gilles and Sarafoglou, Alexandra}, + year = {2018}, + month = jul, + journal = {Perspectives on Psychological Science}, + volume = {13}, + number = {4}, + pages = {418--427}, + publisher = {{Sage Publications Ltd}}, + address = {{London}}, + issn = {1745-6916}, + doi = {10.1177/1745691618771357}, + abstract = {Over the years, researchers in psychological science have documented and investigated a host of powerful cognitive fallacies, including hindsight bias and confirmation bias. Researchers themselves may not be immune to these fallacies and may unwittingly adjust their statistical analysis to produce an outcome that is more pleasant or better in line with prior expectations. To shield researchers from the impact of cognitive fallacies, several methodologists are now advocating preregistration-that is, the creation of a detailed analysis plan before data collection or data analysis. One may argue, however, that preregistration is out of touch with academic reality, hampering creativity and impeding scientific progress. We provide a historical overview to show that the interplay between creativity and verification has shaped theories of scientific inquiry throughout the centuries; in the currently dominant theory, creativity and verification operate in succession and enhance one another's effectiveness. From this perspective, the use of preregistration to safeguard the verification stage will help rather than hinder the generation of fruitful new ideas.}, + language = {English}, + keywords = {empirical cycle,philosophy of science,preregistration,replication}, + annotation = {WOS:000438605100002} +} + +@article{warren_How_2019, + title = {How {{Much Do You Have}} to {{Publish}} to {{Get}} a {{Job}} in a {{Top Sociology Department}}? {{Or}} to {{Get Tenure}}? {{Trends}} over a {{Generation}}}, + shorttitle = {How {{Much Do You Have}} to {{Publish}} to {{Get}} a {{Job}} in a {{Top Sociology Department}}?}, + author = {Warren, John Robert}, + year = {2019}, + month = feb, + journal = {Sociological Science}, + volume = {6}, + pages = {172--196}, + issn = {2330-6696}, + doi = {10.15195/v6.a7}, + abstract = {Many sociologists suspect that publication expectations have risen over time\textemdash that how much graduate students have published to get assistant professor jobs and how much assistant professors have published to be promoted have gone up. Using information about faculty in 21 top sociology departments from the American Sociological Association's Guide to Graduate Departments of Sociology, online curricula vitae, and other public records, I provide empirical evidence to support this suspicion. On the day they start their first jobs, new assistant professors in recent years have already published roughly twice as much as their counterparts did in the early 1990s. Trends for promotion to associate professor are not as dramatic but are still remarkable. I evaluate several potential explanations for these trends and conclude that they are driven mainly by changes over time in the fiscal and organizational realities of universities and departments.}, + language = {en-US} +} + +@article{weston_Recommendations_2019, + title = {Recommendations for {{Increasing}} the {{Transparency}} of {{Analysis}} of {{Preexisting Data Sets}}}, + author = {Weston, Sara J. and Ritchie, Stuart J. and Rohrer, Julia M. and Przybylski, Andrew K.}, + year = {2019}, + month = sep, + journal = {Advances in Methods and Practices in Psychological Science}, + volume = {2}, + number = {3}, + pages = {214--227}, + publisher = {{SAGE Publications Inc}}, + issn = {2515-2459}, + doi = {10.1177/2515245919848684}, + abstract = {Secondary data analysis, or the analysis of preexisting data, provides a powerful tool for the resourceful psychological scientist. Never has this been more true than now, when technological advances enable both sharing data across labs and continents and mining large sources of preexisting data. However, secondary data analysis is easily overlooked as a key domain for developing new open-science practices or improving analytic methods for robust data analysis. In this article, we provide researchers with the knowledge necessary to incorporate secondary data analysis into their methodological toolbox. We explain that secondary data analysis can be used for either exploratory or confirmatory work, and can be either correlational or experimental, and we highlight the advantages and disadvantages of this type of research. We describe how transparency-enhancing practices can improve and alter interpretations of results from secondary data analysis and discuss approaches that can be used to improve the robustness of reported results. We close by suggesting ways in which scientific subfields and institutions could address and improve the use of secondary data analysis.}, + language = {en}, + keywords = {bias,file drawer,p-hacking,panel design,preexisting data,preregistration,reproducibility,secondary analysis,transparency} +} + +@article{wilkinson_fair_2016, + title = {The {{FAIR Guiding Principles}} for Scientific Data Management and Stewardship}, + author = {Wilkinson, Mark and Dumontier, Michel}, + year = {2016}, + volume = {3}, + number = {160018}, + doi = {10.1038/sdata.2016.18}, + abstract = {There is an urgent need to improve the infrastructure supporting the reuse of scholarly data. A diverse set of stakeholders\textemdash representing academia, industry, funding agencies, and scholarly publishers\textemdash have come together to design and jointly endorse a concise and measureable set of principles that we refer to as the FAIR Data Principles. The intent is that these may act as a guideline for those wishing to enhance the reusability of their data holdings. Distinct from peer initiatives that focus on the human scholar, the FAIR Principles put specific emphasis on enhancing the ability of machines to automatically find and use the data, in addition to supporting its reuse by individuals. This Comment is the first formal publication of the FAIR Principles, and includes the rationale behind them, and some exemplar implementations in the community.}, + collaborator = {Aalbersberg, Ijsbrand and Appleton, Gabrielle and Axton, Myles and Baak, Arie and Blomberg, Nikklas and Boiten, Jan-Willem and Bonino, Luiz and Bourne, Philip E and Bouwman, Jildau and Brookes, Anthony and Clark, Tim and Crosas, Merc{\`e} and Dillo, Ingrid and Dumon, Oliver and Edmunds, Scott and Evelo, Chris}, + copyright = {Creative Commons 3.0}, + language = {English} +} + +@article{wilson_Replication_1973, + title = {The {{Replication Problem}} in {{Sociology}}: {{A Report}} and a {{Suggestion}}*}, + shorttitle = {The {{Replication Problem}} in {{Sociology}}}, + author = {Wilson, Franklin D. and Smoke, Gale L. and Martin, J. David}, + year = {1973}, + journal = {Sociological Inquiry}, + volume = {43}, + number = {2}, + pages = {141--149}, + issn = {1475-682X}, + doi = {10.1111/j.1475-682X.1973.tb00711.x}, + abstract = {The deleterious effects of joint bias in favor of statistical inference and against replication are becoming well known. The acceptance of numerous Type I errors into the literature is by far the most serious of these. Data on the contents of three major journals support the contention that a joint bias for statistical significance tests, for rejections, and against replication exists in modern sociology. This finding replicates that of Sterling (1959) for psychology. A speculative analysis of the dynamics of publication decisions suggests that a compact format for reporting replications might make their publication more attractive to editors, and thus increase their frequency in the literature. A possible format for briefly reporting replication studies is suggested.}, + language = {en}, + annotation = {\_eprint: https://onlinelibrary.wiley.com/doi/pdf/10.1111/j.1475-682X.1973.tb00711.x} +} + +@article{wingen_No_2020, + title = {No {{Replication}}, {{No Trust}}? {{How Low Replicability Influences Trust}} in {{Psychology}}}, + shorttitle = {No {{Replication}}, {{No Trust}}?}, + author = {Wingen, Tobias and Berkessel, Jana B. and Englich, Birte}, + year = {2020}, + month = may, + journal = {Social Psychological and Personality Science}, + volume = {11}, + number = {4}, + pages = {454--463}, + publisher = {{SAGE Publications Inc}}, + issn = {1948-5506}, + doi = {10.1177/1948550619877412}, + abstract = {In the current psychological debate, low replicability of psychological findings is a central topic. While the discussion about the replication crisis has a huge impact on psychological research, we know less about how it impacts public trust in psychology. In this article, we examine whether low replicability damages public trust and how this damage can be repaired. Studies 1\textendash 3 provide correlational and experimental evidence that low replicability reduces public trust in psychology. Additionally, Studies 3\textendash 5 evaluate the effectiveness of commonly used trust-repair strategies such as information about increased transparency (Study 3), explanations for low replicability (Study 4), or recovered replicability (Study 5). We found no evidence that these strategies significantly repair trust. However, it remains possible that they have small but potentially meaningful effects, which could be detected with larger samples. Overall, our studies highlight the importance of replicability for public trust in psychology.}, + language = {en}, + keywords = {crisis,open science,public trust,replicability,replication crisis} +} + +@misc{wipo_frequently_2020, + type = {Science {{Organization}}}, + title = {Frequently {{Asked Questions}}: {{IP Policies}} for {{Universities}} and {{Research Institutions}}}, + shorttitle = {{{FAQ}}}, + author = {WIPO}, + year = {2020}, + journal = {World Intelectual Property Organization}, + abstract = {WIPO is the global forum for intellectual property (IP) services, policy, information and cooperation. We are a self-funding agency of the United Nations, with 193 member states. Our mission is to lead the development of a balanced and effective international IP system that enables innovation and creativity for the benefit of all. Our mandate, governing bodies and procedures are set out in the WIPO Convention, which established WIPO in 1967}, + copyright = {Creative Commons 3.0}, + language = {English} +} + +@book{worldintelectualpropietyorganization_what_2020, + title = {What Is Intellectual Property?}, + shorttitle = {Whats Is {{IP}}?}, + author = {World Intelectual Propiety Organization, WIPO}, + year = {2020}, + edition = {WIPO}, + address = {{Switzerland}}, + copyright = {Creative Commons Attribution 4.0 International, Open Access}, + isbn = {978-92-805-3176-3}, + language = {English} +} + +@article{yamada_How_2018, + title = {How to {{Crack Pre}}-Registration: {{Toward Transparent}} and {{Open Science}}}, + shorttitle = {How to {{Crack Pre}}-Registration}, + author = {Yamada, Yuki}, + year = {2018}, + month = sep, + journal = {Frontiers in Psychology}, + volume = {9}, + pages = {1831}, + publisher = {{Frontiers Media Sa}}, + address = {{Lausanne}}, + issn = {1664-1078}, + doi = {10.3389/fpsyg.2018.01831}, + language = {English}, + keywords = {academic publishing,misconduct in research,open science,preregistration,qrp}, + annotation = {WOS:000445687200001} +} + +@article{zenk-moltgen_Factors_2018, + title = {Factors Influencing the Data Sharing Behavior of Researchers in Sociology and Political Science}, + author = {{Zenk-M{\"o}ltgen}, Wolfgang and Akdeniz, Esra and Katsanidou, Alexia and Na{\ss}hoven, Verena and Balaban, Ebru}, + year = {2018}, + month = jan, + journal = {Journal of Documentation}, + volume = {74}, + number = {5}, + pages = {1053--1073}, + publisher = {{Emerald Publishing Limited}}, + issn = {0022-0418}, + doi = {10.1108/JD-09-2017-0126}, + abstract = {Purpose Open data and data sharing should improve transparency of research. The purpose of this paper is to investigate how different institutional and individual factors affect the data sharing behavior of authors of research articles in sociology and political science. Design/methodology/approach Desktop research analyzed attributes of sociology and political science journals (n=262) from their websites. A second data set of articles (n=1,011; published 2012-2014) was derived from ten of the main journals (five from each discipline) and stated data sharing was examined. A survey of the authors used the Theory of Planned Behavior to examine motivations, behavioral control, and perceived norms for sharing data. Statistical tests (Spearman's {$\rho$}, {$\chi$}2) examined correlations and associations. Findings Although many journals have a data policy for their authors (78 percent in sociology, 44 percent in political science), only around half of the empirical articles stated that the data were available, and for only 37 percent of the articles could the data be accessed. Journals with higher impact factors, those with a stated data policy, and younger journals were more likely to offer data availability. Of the authors surveyed, 446 responded (44 percent). Statistical analysis indicated that authors' attitudes, reported past behavior, social norms, and perceived behavioral control affected their intentions to share data. Research limitations/implications Less than 50 percent of the authors contacted provided responses to the survey. Results indicate that data sharing would improve if journals had explicit data sharing policies but authors also need support from other institutions (their universities, funding councils, and professional associations) to improve data management skills and infrastructures. Originality/value This paper builds on previous similar research in sociology and political science and explains some of the barriers to data sharing in social sciences by combining journal policies, published articles, and authors' responses to a survey.}, + keywords = {Data availability,Data policy,Data sharing,Political science,practices,Replication,Research data management,Research transparency,Sociology,Theory of Planned Behaviour} } + + diff --git a/docs/02-datosabiertos.md b/docs/02-datosabiertos.md deleted file mode 100644 index a1939c8..0000000 --- a/docs/02-datosabiertos.md +++ /dev/null @@ -1,5 +0,0 @@ -# Datos abiertos - -## Problema - -## Solución diff --git a/docs/02-defopenaccess.md b/docs/02-defopenaccess.md deleted file mode 100644 index 1abb347..0000000 --- a/docs/02-defopenaccess.md +++ /dev/null @@ -1,96 +0,0 @@ -# Formas open access - -> Retirar las barreras de acceso a esta literatura acelerará la investigación, enriquecerá la educación, compartirá el aprendizaje de los ricos con los pobres y el de los pobres con el de los ricos, hará esta literatura tan útil como sea posible y sentará los cimientos para unir a la humanidad en una conversación intelectual común y búsqueda del conocimiento. (Budapest Open Access Initiative, 2012) - -## ¿Qué es open access? - -**_Open Acces (OA)_** es un movimiento científico cuyo objetivo es promover el libre acceso a la producción científica digital y hacer uso de ella sin restricciones de *copyright.* Los primeros vestigios del **OA** aparecieron a la par con la creación del internet, pero no fue hasta el 2002 con la declaración de Budapest que se definió el concepto de **OA**. Posteriormente en 2003 las declaraciones de Bethesda y Berlín sumaron argumentos para el marco de referencia del *OA*. Las causas que gatillan el desarrollo de *OA* son principalmente dos: [(Melero, R. y Abad, M. 2008)](https://bid.ub.edu/20meler2.htm) - -1. La constitución del internet y las nuevas tecnologías como el medeio para la divulgación cinetífica. - -2. Los elevados precios de suscripción a revistas cinetíficas digitales se presentaron como barreras económicas y de copyright al acceso de publicaciones cinetíficas. - -## ¿Qué y cómo se publica en open access? - -Cualquier contenido digital puede ser publicado con **Aceso Abierto (OA)**, ya sea académico (pre-print, publicaciones finales, libros, capítulos de libros, bases de datos, softwares, etc.) como artístico-cultural (películas, música, literatura, etc.), sin embargo, esto no se encuentra excento de licencias y se recomienda el uso de CC-By. - -> Esta licencia (CC-BY) permite que otros distribuyan, mezclen, adapten y construyan sobre su trabajo, incluso comercialmente, siempre que le reconozcan la creación original. Esta es la licencia más complaciente que se ofrece. Recomendado para la máxima difusión y uso de materiales con licencia. (Creative Commons, 2017) - -Cualquier tipo de producción cinetífica puede ser compartida libremente en plataformas digitales, pero a ello no se le atribuye como una práctica de **Aceso Abierto**. En 2013, UNESCO estableció dos tipos de repositorios, las cuales sirven como rutas formalmente aceptables para compartir publicaciones científicas con el rotulo de **OA** [(Swan, A. 2013)](https://unesdoc.unesco.org/ark:/48223/pf0000222536). - -1. **Repositorios de Vía Verde**: Consiste en un proceso de "auto-archivo o auto-depósito" donde los/as autores/as comparten sus post-print (Artículo final) en sus páginas personales o en revistas que no son gratuitas pero que poseen repositorios de acceso libre. Estos repositorios antes mencionados se adhieren a un conjunto de reglas técnicas de interoperación, por ello forman una red interconectada de bases de datos que pueden ser de tres tipos distintos: - - + *Conocimientos destallados (específicos):* Los repositorios de temas específicos se consolidan por medio de dos formas, cuando los/as autores/as transfieren directamente sus trabajos en el repositorio o estos recolectan publicaciones de otras colecciones para centralizarlos. - - + *Institucionales:* Corresponde a un repositorio particular de cada universidad o instituto de investigación. - - + *De datos:* Son plataformas que se dedican principalmente a la centralización de datos de investigación. - -2. **Repositorios de vía Dorada**: corresponden a repositorios que publican trabajos de investigación en forma gratuita para el/la Lector/a. En este sentido, el cobro asociado a la publicación lo costean los/as autores/as o las instituciones a las que se asocian. Por lo general, se especializan mayormente en la publicación sobre temas de salud y georgrafía, siendo de tres tipos: - - + *Revistas Pagadas:* liberan el acceso de las publicaciones con previo pago del/la autor/a o de la institución que le respalde. - - + *Revistas Libres:* Refiere a cuando los productos científicos son compartidos en sitios públicos como páginas personales, sitios universitarios u otros. Sin embargo, estos sitios -en su mayoría- carecen de sistemas de etiquetado o bien, no cumplen con los estandares del protocolo OAI-PMH. - - + *Revistas Híbridas:* Gran parte de las editoriales académicas utilizan este modelo con el objetivo de ofrecer Acceso Abierto al mismo tiempo en el que mantienen su modelo de negocio habitual basado en suscripciones. Esto permite a los autores optar por pagar una cuota de publicación y tener sus artículos creados con Acceso Abierto en revistas por suscripción. - -## Revistas de acceso abierto: - -### ResearchGate y Academia.edu: ¿Plataformas de aceso abierto? - -Las plataformas de _ResearchGate y Academia.edu_ son parte del conocimiento común de todo/a investigador/a y quizás en más de alguna ocasión hemos recurrido a estas páginas para recuperar archivos científicos para nuestro uso personal. Sin embargo, hay que mencionar que estas plataformas no son un ejemplo de *Open Acess* debido a dos principales características descritas por [Fortney, K. y Gonder, J. (2015)](https://osc.universityofcalifornia.edu/2015/12/a-social-networking-site-is-not-an-open-access-repository/): - -1. _ResearchGate y Academia.edu_ funcionan de forma similar a _Facebook o LinkedIn_, o sea como _redes sociales académicas_ cuyo objetivo es conectar a investigadores/as con interes comunes y compartir copias de sus productos elaborados. - -2. _ResearchGate y Academia.edu_ son empresas con fines de lucro y por lo tanto, existe la posibilidad de que cierren en algún momento. Mientras que los repositorios de *Aceso Abierto* por lo general son administrados por universidades, agencias gubernamentales, asociaciones internacionales u cualquier otro organismo sin fines de lucro, cuyo objetivo se centra el poner los conocimietos al servicio público. - -### Repositorios de Revistas OA: - -Con la invención del internet también aumentaron las oportunidades de divulgación científica, y si bien el concepto de **OA** no fue precisado hasta los 2000, en la década anterior ya venían gestandose proyectos como _The public-access computer systems review (1990)_, una revista electrónica tipo boletín que era distribuída por correo electrónico. Posteriormente, en 1991 revistas como _Surfaces y Psycoloquy_ fueron pioneras en instalar la metodología de acceso gratuito a sus publicaciones. Hoy en día son muchos los sitios de repositorios que cumplen con políticas de *Aceso Abierto*, pero con licencias particulares que es necesario conocer para adentrarnos en su uso. - -revistas y politicas: (MDA de Gesis, etc). Sería bueno tener algún listado acotado de SOCArvix (buscador Sherpa) (!!!) - - -## ¿Qué pasa si no es de acceso abierto y quiero abrir igual? - -En el capítulo 1 abordamos el rol de la propiedad intelectual en materias de investigación científica puesto a que, es la piedra angular para adentrarse en el _Aceso Abierto_ y para negociar con las revistas los límites de acción de cada contraparte. Por lo general, al realizar el envío de un artículo a una revista, el/la autor/a firma un _Acuerdo de Transferencia de Derechos (CTA)_, transfiriendole al editor/a los derechos de autor sobre la obra y por lo tanto, imposibilitando toda acción del propio/a creador/a sobre la investigación. Para que la decisión de publicar dentro de una revista no afecte a la posterior decisión de abrir la publicación, por una parte los editores deben tener una licencia que sirve únicamente para publicar (LTP) y, por otra parte, los/as autores/as deben retener para si los derechos sobre la obra. - -En síntesis, para que cualquier recurso científico sea abierto, este debe contener una licencia que explicite a los/as usuarios/as las acciones que pueden realizar sobre la obra e indicar la correcta acreditación de la fuente [(Swan, A. 2013)](https://unesdoc.unesco.org/ark:/48223/pf0000222536). - - -### Razones para utilizar open-access ("el cierre de la triada") (!!!) - -El uso amplio de la ciencia abierta depende mucho de la disciplina, en el sentido de que las ciencias exactas ligadas al estudio de la tierra, la física y la salud lideran el ranking de publicaciones abiertas, siguiendole el paso las ciencias sociales [(Swan, A. 2013)](https://unesdoc.unesco.org/ark:/48223/pf0000222536). Sin embargo, los beneficios atribuídos a las practicas cientificas de caracter abierto no difieren sobre la disciplina. Según [Hernández, E. (2016)](http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2448-87712016000100002), el desarrollo del conocimiento científico dentro del marco del Acceso Abierto trae consigo múltiples beneficios que se asocian a: - - + Costos más bajos en relación a la impresión del documento y su envío. - + Mayor accesibilidad y conservación de los productos científicos. - + Difusión rápida e inmediata de la publicaciones. - + Facilita la comunicación directa de los conocimientos científicos ayudando a avanzar un mejoramiento de la calidad en la investigación. - + Posibilita reutilizar información, datos y procesos. - - - Discusión sobre los conocimientos comunes(!!!) - -## Referencias - -[Budapest Open Access Initiative (14 de Febrero 2002). Iniciativa de Budapest para el Acceso Abierto. (Trad.) En Budapest, HUngría.](hhttps://www.budapestopenaccessinitiative.org/translations/spanish-translation) - -[Creative Commons (7 de Noviembre 2017). Sobre las licencias: Lo que nuestras licencias hacen.](https://creativecommons.org/licenses/?lang=es) - -[Fortney, K. y Gonder, J. (1 de Diciembre 2015). A social networking site is not an open access repository. En Office of Scholarly Communication (web) - University of California](https://osc.universityofcalifornia.edu/2015/12/a-social-networking-site-is-not-an-open-access-repository/) - -[Hernández, E. (2016). ¿Por qué Open Acess?. Anestesia en México, 28(1), 2-3. ISSN 2448-8771](http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2448-87712016000100002) - -[Melero, R. y Abad, M. (2008). Revistas open access : características, modelos económicos y tendencias. BiD: textos universitaris de biblioteconomia i documentació, núm. 20 (juny)](https://bid.ub.edu/20meler2.htm) - -[Swan, A. (2013). Directrices para Políticas de desarrollo y promoción del Aceso Abierto. UNESCO - ISBN 978-959-18-0928- 5](https://unesdoc.unesco.org/ark:/48223/pf0000222536) - -## Otros link de interés - -[Peña-López, I. (20 de Junio 2003). Declaración de Bethesda sobre Publicación de Acceso Abierto (Trad.). En Howard Hughes Medical Institute, en Maryland.](https://ictlogy.net/articles/bethesda_es.html) - -[Budapest Open Access Initiative (12 de Septiembre 2012). Diez años desde la Budapest Open Access Initiative: hacia lo abierto por defecto (Melero, R. y Babini, D. Trad.).](https://www.budapestopenaccessinitiative.org/boai-10-translations/spanish) - -[Sociedad Max Planck, ed. (2003). La Declaración de Berlín sobre acceso abierto. GeoTrópico, 1 (2), 152-154, versión PDF.](http://www.geotropico.org/1_2_Documentos_Berlin.htm) - -[UNESCO (1999). Declaración sobre la ciencia y el uso del saber cinetífico. En Conferencia mundial sobre la ciencia.](http://www.unesco.org/science/wcs/esp/declaracion_s.htm) diff --git a/docs/02-disetransparente.md b/docs/02-disetransparente.md deleted file mode 100644 index 98a7ba0..0000000 --- a/docs/02-disetransparente.md +++ /dev/null @@ -1,2 +0,0 @@ -# Diseño transparente - diff --git a/docs/02a-diseno-transparente.md b/docs/02a-diseno-transparente.md new file mode 100644 index 0000000..41973e3 --- /dev/null +++ b/docs/02a-diseno-transparente.md @@ -0,0 +1,173 @@ + + + + +# Diseño transparente + +
+ +La transparencia es un concepto multidimensional. @elliott_Taxonomy_2020 proponen entender la transparencia en torno a cuatro preguntas: _¿por qué?, ¿quién? ¿qué? y ¿cómo?_ (ver Figura N° \@ref(fig:taxonomy)). Cada una de estas preguntas se relaciona a una dimensión. La primera pregunta (_¿por qué?_) se refiere a las razones y propósitos por los cuales es necesario adoptar la transparencia; la segunda pregunta (_¿quién?_) apunta a la audiencia que está recibiendo la información; la tercera pregunta (_¿qué?_) hace alusión al contenido qué es transparentado y la cuarta pregunta (_¿cómo?_) consiste en cuatro dimensiones distintas sobre cómo adoptar la transparencia: actores, mecanismos, tiempo y espacios. También, esta taxonomía estipula una dimensión sobre las amenazas que podrían afectar a las iniciativas que busquen promover la transparencia. A raíz de estas dimensiones podemos comprender qué tipo de prácticas y situaciones caben dentro del concepto de transparencia. + +
+Taxonomía de Transparencia +

(\#fig:taxonomy)Taxonomía de Transparencia

+
+ +
+ +Basándonos en esta taxonomía, presentaremos una propuesta sobre qué se entiende por transparencia en las ciencias sociales y cómo podemos adquirir prácticas orientadas a ese principio. **Nuestra propuesta es entender la transparencia como la apertura pública del diseño de investigación**, lo que incluye todo tipo de información importante para la ejecución del estudio, desde las hipótesis hasta los planes de análisis. Esto permitirá que las personas que lean los hallazgos de investigación (ya sean científicos o la ciudadanía) puedan evaluar la credibilidad de estos y descartar la influencia de prácticas cuestionables de investigación. Para llevar a la práctica esta propuesta, presentaremos los preregistros cómo una herramienta que contribuyen a hacer público el diseño, además de otras que complementan su uso. + +## ¿Por qué? + +
+ +La pregunta del **por qué** es necesario avanzar hacia la transparencia encuentra su respuesta en la existencia de prácticas de investigación que merman la credibilidad de los hallazgos científicos. A modo de entender qué es lo problemático de ciertas prácticas, es que @steneck_Fostering_2006 proponen el concepto de _Conducta Responsable de Investigación (RCR, por sus siglas en inglés)_ cómo un ideal que engloba prácticas éticas e integras dentro de la investigación científica (ver Figura N° \@ref(fig:rcr)). Según los autores, la distinción entre la ética y la integridad recae en que la primera tiene que ver con seguir principios morales dentro de la investigación (e.g. usar consentimientos informados), en cambio, la segunda está más relacionada el seguimiento de códigos de conductas y estándares profesionales [@abrilruiz_Manzanas_2019]. + +
+Conducta Responsable de Investigación. Imagen de @abrilruiz_Manzanas_2019 basada en @steneck_Fostering_2006 +

(\#fig:rcr)Conducta Responsable de Investigación. Imagen de @abrilruiz_Manzanas_2019 basada en @steneck_Fostering_2006

+
+ +
+ +Las prácticas de investigación se pueden evaluar en un continuo que representa cuánto adhieren los investigadores a los principios de integridad científica [@steneck_Fostering_2006]. La Figura N° \@ref(fig:grad) esquematiza esta idea mostrando dos extremos, donde a la izquierda está el mejor comportamiento (RCR), y a la derecha el peor comportamiento (FFP). Las FPP son una abreviación en lengua inglesa para referirse a _Fabrication, Falsification, Plagiarism_ (Invención, Falsificación y Plagio), también conocidas como _mala conducta académica_-. En el medio del continuo están las _prácticas cuestionables de investigación_ (QRP, por sus siglas en inglés) las cuáles refieren a "acciones que violan los valores tradicionales de la empresa de investigación y que pueden ser perjudiciales para el proceso de investigación" [_National Academies of Science_ 1992 en @steneck_Fostering_2006, p.58]. Las QRP se caracterizan porque tienen el potencial de dañar la ciencia, en tanto las FFP la dañan directamente. + +
+Gradación del comportamiento integro en investigación. Imagen de @abrilruiz_Manzanas_2019 basada en @steneck_Fostering_2006 +

(\#fig:grad)Gradación del comportamiento integro en investigación. Imagen de @abrilruiz_Manzanas_2019 basada en @steneck_Fostering_2006

+
+ +
+ +La mala conducta académica implica la violación de los principios de integridad científica. Esto implica el falseamiento de datos de cualquier forma: invención de datos, alteración de gráficos o tablas, etc. El caso de Diderik Stapel presentado en la introducción de este capítulo es un ejemplo que cabe dentro del concepto de mala conducta académica. Según la literatura, la prevalencia de este tipo de prácticas no es alta [e.g. @fanelli_How_2009; @john_Measuring_2012], sino que más bien son casos aislados [ver @abrilruiz_Manzanas_2019, pp.23-128 para una revisión]. En contraste, las QRP han demostrado ser más prevalentes. + + +### Prácticas cuestionables de investigación (QRP) + +
+ +Existen una serie de estudios que han intentado medir directamente la prevalencia de estas prácticas a través de encuestas. @fanelli_How_2009 hizo un metaanálisis que tenía por objetivo sistematizar los resultados de estudios que hasta esa fecha habían abordado las prácticas de investigación desde encuestas cuantitativas. Los resultados mostraron que un 1.97% de investigadores había inventado datos al menos una vez (FFP) y que un 33.7% había realizado alguna vez una QRP como "borrar puntos de los datos basados en un sentimiento visceral". Unos años más tarde, @john_Measuring_2012 efectuaron otro estudio similar, demostrando que un 36.6% de quienes participaron alguna vez habían practicado alguna QRP. En detalle, analizando los porcentajes práctica a práctica se halló que el 50% de los psicólogos encuestados alguna vez reportaron selectivamente estudios que apoyaran su hipótesis; un 35% alguna vez reportaron resultados inesperados como esperados; y un 2% alguna vez reportó datos falsos. Este estudio ha sido replicado en Italia [@agnoli_Questionable_2017], en Alemania [@fiedler_Questionable_2016] y en Brasil [@rabelo_Questionable_2020]. + +
+ +Más recientemente, han emergido estudios similares en otras áreas disciplinarias. Por ejemplo, a través de encuestas online @makel_Both_2021 logran constatar que existe una prevalencia considerable de las QRP en el campo de investigación educacional. De los participantes de la muestra un 10% admitió haber rellenado datos faltantes (NA’s) y un 67% señaló alguna vez haber omitido ciertos análisis de manera intencional. Siguiendo el mismo método, en el campo de la investigación comunicacional se ha encontrado evidencia parecida: 9% de los encuestados señala haber imputado datos faltantes sin reportarlo, un 34% declaró alguna vez haber excluido casos extremos de forma arbitraria y un 60% señala no haber reportado análisis con variables clave que no funcionaron. Del mismo modo, en los estudios cuantitativos sobre criminología existe un uso extendido de las QRP: un 87% de la muestra de @chin_Questionable_2021 ha utilizado múltiples QRP, siendo el reporte selectivo de resultados el más común (53%). Por último, fuera del área de las ciencias sociales, pero siguiendo la misma línea, @fraser_Questionable_2018 también hallan evidencia a favor de la existencia de distintas QRP en el campo de la ecología y evolución. + +
+ +Los estudios mencionados arriba corresponden a la evidencia existente sobre la medición de QRP a través de encuestas. A modo de resumen, la Tabla N° \@ref(tab:tabqrp2) adaptada del trabajo de @chin_Questionable_2021 agrupa la información que hemos revisado (y más), ordenándose por prácticas, campos de estudio y los artículos correspondientes a cada campo de estudio. Los números dentro de las casillas representan el porcentaje de prevalencia de cada práctica reportado por los participantes del estudio, y entre paréntesis el número de casos de la muestra. Los guiones significan que este estudio no incluyó esa práctica en el cuestionario. + +| Práctica | Psicología | Psicología | Psicología | Ecología | Evolución | Educación | Comunicación | +|----------------------------------------------------------|--------------------|----------------------|----------------------|----------------------|----------------------|---------------------|----------------------| +| | @john_Measuring_2012 | @agnoli_Questionable_2017 | @rabelo_Questionable_2020| @fraser_Questionable_2018 | @fraser_Questionable_2018| @makel_Both_2021 | @bakker_Questionable_2020 | +| Omitir estudios o variables ni significativas | 46 (485) | 40 (217) | 55 (232) |- |- | 62 (783) | 60 | +| Subreportar resultados | 63 (486) | 48 (219) | 22 (232) | 64 | 64 | 67 (871) | 64 | +| Subreportar condiciones | 28 (484) | 16 (219) | 35 (232) |- |- |- |- | +| Muestreo selectivo | 56 (490) | 53 (221) | 22 (232) | 37 | 51 | 29 (806) | 23 | +| Excluir datos selectivamente | 38 (484) | 40 (219) | 20 (232) | 24 | 24 | 25 (806) | 34 | +| Excluir covariables selectivamente |- |- |- |- |- | 42 (773) | 46 | +| Cambiar análisis selectivamente |- |- |- |- |- | 50 (811) | 45 | +| HARK | 27 (489) | 37 (219) | 9 (232) | 49 | 54 | 46 (880) | 46 | +| Redondear valores p | 22 (499) | 22 (221) | 18 (232) | 27 | 18 | 29 (806) | 24 | +| Mal orientar respecto a los efectos de sociodemográficos | 3 (499) | 3 (223) | 4 (232) |- |- |- |- | +| Esconder problemas |- |- |- |- |- | 24 (889) |- | +| Esconder imputaciones | 1 (495) | 2 (220) | 1 (232) | 5 | 2 | 10 (898) | 9 | +Table: (\#tab:tabqrp2) Porcentajes de prevelanecia por QRP según distintos trabajos.. + +
+ +Cómo se puede ver en la Tabla N° \@ref(tab:tabqrp2), las encuestas sobre QRP han incluido varias prácticas relativas al tratamiento y análisis de los datos. No obstante, consideramos que exiten tres términos que, en su mayoría, logran sintetizar esta tabla y que están relacionados a la transparencia en los diseños de investigación. Estas son: 1) los sesgos de publicación, 2) el _p-hacking_ y el 3) _HARKing_. + +**Sesgo de publicación** + +
+ +El **sesgo de publicación** ocurre cuando el criterio determinante para que un artículo sea publicado es que sus resultados sean significativos, en desmedro de la publicación de resultados no significativos. Un ejemplo ilustrativo que usan @christensen_Transparent_2019 para explicar esta práctica es el cómic _xkcd_ títulado _Significant_. En el comic (Figura N \@ref(fig:significant)) se puede observar que un personaje corre gritando que las gominolas (_jellybeans_) causan acné, a lo que el otro personaje llama a los científicos para que prueben esta hipótesis, resultando no significativa. Ante esto, nuevamente el personaje inicial plantea que podría depender del tipo de gominola, y es aquí donde se aprecia lo ilustrativo del cómic: aparecen 20 paneles, cada uno representando una prueba de hipótesis entre una gominola de determinado color y al acné. 19 de las pruebas resultan no significativas, y una (el color verde) resulta significativa. El cómic termina con una portada con el titular de la única prueba de hipótesis que arrojó resultados significativos. + +
+Comic _Significant_ de xkcd +

(\#fig:significant)Comic _Significant_ de xkcd

+
+ +
+ +El cómic anterior muestra cómo es que un hallazgo de investigación sufre del sesgo de publicación. Al publicarse únicamente el resultado significativo e ignorándose los otros 19 no significativos, cualquier lector tendería a pensar que efectivamente las gominolas verdes causan acné, cuando probablemente sea una coincidencia. @rosenthal_file_1979 fue de los primeros trabajos en llamar la atención respecto de esta práctica, adjudicando el concepto de _file drawer problem_ (en español: problema del cajón de archivos), el que hace alusión a los resultados que se pierden o quedan “archivados” dentro de un cuerpo de literatura. Desde ese estudio en adelante varios autores han contribuido con evidencia empírica sobre el sesgo de publicación. Por ejemplo, el estudio de @franco_Publication_2014 logra cuantificar esta situación encontrando que los resultados nulos tienen un 40% menos de probabilidades de ser publicados en revistas científicas, en comparación a estudios con resultados significativos. Es más, muchas veces los resultados nulos ni siquiera llegan a ser escritos: más de un 60% de los experimentos que componen la muestra del estudio de @franco_Publication_2014 nunca llegaron a ser escritos, en contraste al menos del 10% de resultados significativos. + +
+ +El principal problema del sesgo de publicación es que puede impactar en la credibilidad de cuerpos enteros de literatura. Por ejemplo, en economía se han hecho varios metaanálisis que han buscado estimar el sesgo de publicación en distintos cuerpos de literatura [e.g. @brodeur_Star_2016; @vivalt_Heterogeneous_2015; @viscusi_Role_2014]. Uno de los trabajos más concluyentes es el de @doucouliagos_Are_2013, quienes efectúan un meta análisis de 87 artículos de meta análisis en economía. En este trabajo encuentran que más de la mitad de los cuerpos de literatura revisados sufren de un sesgo “sustancial” o “severo”. Sí bien en economía se ha avanzado mucho en este tipo de estudios, también a partir del desarrollo de distintos métodos de detección, se ha podido diagnosticar el sesgo de publicación en importantes revistas en sociología y ciencias políticas [@gerber_Publication_2008; @gerber_Statistical_2008]. + +**P-hacking** + +
+ +Otra práctica bastante cuestionada es el _p-hacking_. El p-hacking suele englobar muchas de las prácticas que vimos en un inicio, especialmente las que refieren al manejo de datos: excluir datos arbitrariamente, redondear un valor p, recolectar más datos posterior a hacer pruebas de hipótesis etc. Lo que tienen todas estas prácticas en común y lo que define el p-hacking es que se da cuando el procesamiento de los datos tiene por objetivo obtener resultados significativos. Si el sesgo de publicación afecta la credibilidad de un cuerpo de literatura, el _p-hacking_ afecta a la credibilidad de los artículos mismos, ya que al forzar la significancia estadística la probabilidad de que en realidad estemos frente a un falso positivo aumenta. Un trabajo que da sustento a esta idea es el de @simmons_FalsePositive_2011, quienes calculan la posibilidad de obtener un falso positivo (error Tipo I) de acuerdo con el nivel de _grados de libertad_ que son utilizados por parte de los investigadores. El resultado principal es que a medida que aumenta el uso de grados de libertad, la posibilidad de obtener un falso positivo aumenta progresivamente. + +
+ +El _p-hacking_ también contribuye a sesgar cuerpos enteros de literatura. Para diagnosticar esto se ha utilizado una herramienta denominada _p-curve_, la cual "describe la densidad de los _p-values_ reportados en una literatura, aprovechando el hecho de que si la hipótesis nula no se rechaza (es decir, sin efecto), los p-values deben distribuirse uniformemente entre 0 y 1" [@christensen_Transparent_2019, p.67.]. De esta manera, en cuerpos de literatura que no sufran de p-hacking, la distribución de valors p debería estar cargada a la izquierda (siendo precisos, asimétrica a la derecha), en cambio, si existe sesgo por p-hacking la distribución de p-values estaría cargada a la derecha (asimetría a la izquierda). @simonsohn_Pcurve_2014 proponen esta herramienta y la prueban en dos muestras de artículos de la _Journal of Personality and Social Psychology (JPSP)_. Las pruebas estadísticas consistieron en confirmar que la primera muestra de artículos (que presentaban signos de p-hacking) estaba sesgada, en cambio la segunda muestra (sin indicios de p-hacking), no lo estaba. Los resultados corroboraron las hipótesis, esto es: los artículos que presentaban solamente resultados con covariables resultaron tener una p-curve cargada a la derecha (asimétrica a la izquierda). + +**HARKing** + +
+ +Por último, pero no menos importante está la práctica del _HARKing_. El nombre es una nomenclatura en lengua inglesa: _Hypothesizing After the Results are Known_, que literalmente significa establecer las hipótesis del estudio una vez que se conocen los resultados [@kerr_HARKing_1998]. El principal problema de esta práctica es que confunde los dos tipos de razonamiento que están a la base de la ciencia: el exploratorio y el confirmatorio. El objetivo principal del razonamiento exploratorio es plantear hipótesis a partir del análisis de los datos, en cambio, el razonamiento confirmatorio busca plantear hipótesis basado en teoría y contrastar esas hipótesis con datos empíricos. Como señala @nosek_preregistration_2018, cuando se confunden ambos tipos de análisis y se hace pasar un razonamiento exploratorio como confirmatorio se está cometiendo un sesgo inherente, ya que se está generando un razonamiento circular: se plantean hipótesis a partir del comportamiento de los datos y se confirman las hipótesis con esos mismos datos + + +## ¿Qué? y ¿Quién? + +
+ +Preguntarse por el **qué** es básicamente cuestionarse sobre lo que se está poniendo a disposición del escrutinio público. Dentro de la literatura sobre ciencia abierta, son varios los contenidos que pueden ser transparentados. Por ejemplo, la apertura de los datos es una alternativa que, ciertamente, contribuye a hacer un estudio más transparente [@miguel_Promoting_2014]. Al estar los datos abiertos al público, la posibilidad de escrutinio por parte de las audiencias es mayor. Otro ejemplo es la idea de _disclosure_, la cual se refiere a la declaración que hacen los investigadores respecto a si la investigación cuenta con conflictos de interés o si está sesgada de alguna manera. En base a esta idea, recientemente han emergido propuestas cómo las de @oboyle_Chrysalis_2017 que, además de la declaración de conflicto interés, llaman a adoptar declaraciones relacionadas a las QRP. Básicamente declarar sí se ha cometido QRP o no durante el transcurso de la investigación. No obstante, **la apertura pública de los diseños de investigación** es, sin duda, la práctica que mejor representa la transparencia en el último tiempo. + +Cómo hemos revisado anteriormente, existe una emergente preocupación en las ciencias sociales respecto a la credibilidad de los hallazgos científicos y la influencia que pueden tener las QRP. En disciplinas como la psicología es que la apertura de los diseños de investigación ha sido la principal herramienta ante el diagnostico que una parte considerable de los hallazgos eran irreproducibles o irreplicables [@motyl_state_2017; @wingen_No_2020; @camerer_Evaluating_2018]. Ante un diagnostico similar en sociología [@breznau_observing_2021], en ciencias de la gestión [@byington_Solutions_2017] y en economía [@gall_credibility_2017], por dar algunos ejemplos, también se ha reconocido la apertura del diseño de investigación como una herramienta importante para avanzar hacia la transparencia. A razón de esto, es que nuestra propuesta se focaliza en la apertura de los diseños de investigación y el uso de preregistros. + +
+ +Además de preguntarse por los contenidos que se transparentan, también es relevante hacer un alcance respecto al **quién**. Esto es tener en consideración quienes van a recibir la información que sea transparentada. En principio, los hallazgos de la investigación científica son un bien público -o están pensados para serlo-. Si bien en algunos países o áreas especificas del conocimiento el financiamiento de la ciencia es por parte de privados, la investigación en ciencias sociales en Chile se financia con los impuestos de los habitantes. Organismos como la Agencia Nacional de Investigación y Desarrollo de Chile (ANID) quienes están encargados de al administración de fondos para la ciencia tienen un rol público, por lo que los hallazgos no solo sirven para alimentar el avance del conocimiento dentro de la academia, sino que también son insumos relevantes para los tomadores de decisiones y/o para cualquier ciudadano que se podría beneficiar de esos hallazgos. + +En consiguiente, cualquier tipo de información que sea transparente es un insumo más para que distintos tipos de audiencias puedan beneficiarse de hallazgos más creíbles y robustos. Ya sean investigadores, tomadores de decisión o la ciudadanía. + + +## ¿Cómo? + +
+ +Una buena forma de introducir el **cómo** adoptar la transparencia son las _Transparency and Openess Promotion (TOP) Guidelines_ (Guías para la Promoción de la Transparencia y la Accesibilidad). Las _TOP Guidelines_ son una iniciativa del Centro para la Ciencia Abierta (COS, por sus siglas en inglés) que busca fomentar la ciencia abierta a partir de la adopción de distintos principios. Su objetivo es que tanto los investigadores cómo las revistas científicas adhieran a prácticas transparentes. Los principios van desde temas de citación, hasta la replicabilidad (ver el detalle sobre esta propuesta en [https://osf.io/9f6gx/](https://osf.io/9f6gx/){target="_blank"}). Sí bien esta es una iniciativa que incluye principios que escapan el enfoque de este capítulo, es un buen punto de partida ya que permite situar la transparencia en el diseño de investigación y el uso de preregistros como parte de una red de principios más grandes a instalar en la ciencia. Además, permite dar cuenta de que ya existe un conjunto de actores preocupados por temáticas de ciencia abierta, que han reconocido la transparencia en los diseños de investigación cómo un principio importante a adoptar. En lo que sigue, revisaremos cómo los preregistros logran fomentar la transparencia en los diseños de investigación. + +### Preregistros + +
+ +Los preregistros son una marca temporal sobre las decisiones del diseño, el método y el análisis de un artículo científico y se suelen hacer antes del levantamiento de datos [@stewart_Preregistration_2020]. Básicamente, preregistrar un estudio implica que un grupo de investigadores dejarán por escrito una pauta de investigación a la cual seguirá cuando desarrollen la investigación, especialmente la recopilación y el análisis de los datos. El objetivo del preregistro es reducir el margen de flexibilidad que tienen los investigadores a la hora de analizar los datos. El que exista una guía sobre qué hipótesis probar y qué análisis hace menos probable que los científicos caigan en prácticas cómo el sesgo de publicación, p haking o el HARKing. + +
+ +Cómo vimos el sesgo de publicación se trata de publicar selectivamente los resultados de investigación: resultados que no hayan sido significativos, o hipótesis que "no funcionaron" simplemente se omiten. Sin embargo, cuando existe un documento como un preregistro, el cual deja estipulado claramente las hipótesis que deben ponerse a prueba y los análisis que se emplearan para ello, se torna más difícil reportar selectivamente los resultados. Dicho de otra forma, cuando existe una pauta a la cual apegarse, la discrecionalidad en el reporte de los resultados disminuye. + +
+ +En el caso del p-hacking, el efecto del preregistro es parecido. El p-hacking consiste en abusar de las pruebas estadísticas para obtener resultados significativos. "Abusar" en el sentido de buscar toda vía posible para obtener un valor p que confirme las hipótesis planteadas. El hecho de preregistrar el plan de análisis y el procesamiento que se le efectuara a las variables permite evitar este tipo de búsqueda intencionada: como hay una guía que seguir, cualquier desviación debe ser justificada. En esta misma línea, un preregistro evita el HARKing ya que las hipótesis están previamente planteadas y no es posible cambiarlas una vez que se han visto los resultados. En suma, el plantear un registro _a priori_ de la investigación, disminuye la flexibilidad que suele dar paso a las QRP. + +
+ +Existen resquemores respecto del uso de preregistros de los que es preciso hacerse cargo. Una de las principales preocupaciones es que el uso de preregistros tendería a coartar la creatividad y la producción de conocimiento exploratoria [@moore_Preregister_2016]. La lógica es que, como cada parte de la investigación debe ser registrada detalladamente previo a la recopilación, no queda espacio para la espontaneidad durante el análisis de datos. Sin embargo, más que inhibir la investigación exploratoria, el objetivo de preregistar un estudio es separar la investigación confirmatoria (pruebas de hipótesis) y la exploratoria (generación de hipótesis) [@nosek_preregistration_2018]. En ese sentido, es posible la investigación exploratoria bajo el modelo de preregistros, solo que hay que especificarla como tal. + +
+ +Una segunda creencia es que realizar un preregistro añade un nivel de escrutinio mayor del necesario, es decir, como se conoce cada detalle, la investigación se vuelve un blanco fácil de críticas. Sin embargo, la situación es todo lo contrario [@moore_Preregister_2016]. Por ejemplo, haber preregistrado un plan de análisis para una regresión logística binaria con datos que originalmente eran ordinales hará más creíble los resultados, ya que quienes evalúen la investigación tendrán pruebas de que el nivel de medición no se cambió solo para obtener resultados significativos. Una tercera idea en torno a los preregistros es que conllevan una gran inversión de tiempo y energía. Si bien es cierto que se añade un paso más al proceso de investigación, el avance en la temática ha logrado que existan una variedad de plantillas que hacen el proceso más rápido y eficiente. Desde una lógica racional, el tiempo que toma este paso nuevo en la investigación es un costo bajo en contraste a los beneficios que trae. + +
+ +La característica más importante de los preregistros es que sean elaborados previo al análisis de datos y ojalá previo a su recopilación. Este requisito es lo que permite asegurar la credibilidad de los resultados, ya que, si no hay datos que alterar, entonces las probabilidades de que ocurra una QRP son básicamente nulas. Generalmente, para las ciencias médicas o la psicología experimental (disciplinas donde cada vez se usan más los preregistros), esto no suele ser un problema ya que se utilizan diseños experimentales. Estos se apegan al método científico clásico: se plantean hipótesis basadas en la teoría, se diseña un experimento para probar esas hipótesis y luego se recopilan y analizan los datos para ver si dan soporte a las hipótesis planteadas. Sin embargo, en muchas disciplinas de las ciencias sociales los diseños experimentales son una pequeña fracción del conjunto de la literatura [e.g. según @card_Role_2011 en 2010, solo un 3% de los artículos en las mejores revistas de economía eran experimentales], y lo que prima son los diseños observacionales con datos secundarios. A diferencia de los estudios experimentales, en los estudios con datos preexistentes se afecta el principal componente de credibilidad de los preregistros. Nada puede asegurar que los datos fueron analizados antes de la escritura del preregistro y que, por ejemplo, las hipótesis se están planteando una vez conocidos los patrones significativos (HARKing). De ahí que nace la pregunta sobre la posibilidad de utilizar preregistros en estudios con datos preexistentes. + +
+ +En la literatura sobre preregistros se han discutido los desafíos que implica preregistrar estudios que utilicen datos preexistentes [e.g. @editors_Observational_2014]. Existen posturas que proponen que, en realidad, no existe una forma creíble para preregistrar este tipo de estudios [@christensen_Transparency_2018]. No obstante, otras posturas han profundizado en las situaciones en las que aún es posible preregistrar estudios con datos elaborados previamente. @burlig_Improving_2018 propone tres escenarios donde el preregistro de datos observacionales es valioso. El primero es, básicamente, cuando los investigadores que diseñaron la investigación generan sus propios datos, en este caso, los investigadores sí pueden elaborar un preregistro previo a la recolección de datos. El segundo escenario se da cuando se preregistra un estudio que tiene como objeto de interés un suceso que aún no ha ocurrido, lo que se conoce como estudios prospectivos. Por ejemplo, un grupo de investigadores puede estar interesado en el efecto que tendrá la introducción de una ley en las prácticas sociales, o el efecto de un tratado en las variaciones del PIB. Para esos casos, el preregistro aún mantiene su validez original ya que, si bien los datos ya existen, no es posible hacer los análisis antes del preregistro porque el evento de interés no ha ocurrido. El tercer escenario ocurre cuando los datos existen, pero no están abiertos al público. En estos casos, es la accesibilidad lo que determina la credibilidad del preregistro. Por ejemplo, el grupo de investigadores que elaboraron los datos pueden establecer que serán accesibles con previo contacto y que se solicitará un preregistro. Por ende, en orden de analizar los datos, los investigadores interesados deberán elaborar un preregistro para utilizar los datos. + +
+ +Conforme a lo anterior, @mertens_Preregistration_2019 proponen dos prácticas para asegurar la credibilidad de un preregistro con datos secundarios. Primero, que el grupo de investigadores que analiza los datos sea distinto e independiente de quien propuso el diseño de investigación y segundo, que el equipo realice sintaxis de análisis con datos simulados, con tal de demostrar que las hipótesis ya existían previas a acceder a los datos. Estas propuestas muestran que el requisito sobre la temporalidad del preregistro puede. + +
+ +La recomendación más transversal y a la vez simple para preregistrar análisis con datos secundarios, es ser sincero y claro respecto a lo que se ha hecho y lo que no [@lindsay_Seven_2020 ; @nosek_preregistration_2018]. Por ejemplo, reportar si es que se ha leído el reporte descriptivo sobre la base de datos o se tiene conocimiento de algún tipo de patrón de los datos. Es preciso transparentar cualquier tipo de aproximación a los datos previo haberlos analizado. Para lograr este nivel de detalle y ser eficiente con los tiempos y la comunicación hacia otros investigadores, es que existen plantillas predeterminadas para preregistrar distintos tipos de artículos en diferentes situaciones. En la siguiente sección presentaremos las plantillas más usadas. diff --git a/docs/02b-herramientas.md b/docs/02b-herramientas.md new file mode 100644 index 0000000..704c2df --- /dev/null +++ b/docs/02b-herramientas.md @@ -0,0 +1,252 @@ + + + +## Herramientas para los diseños transparentes + +
+ +Nuestra principal apuesta para promover la transparencia en los diseños de investigación son los preregistros, por lo que es a lo que le dedicaremos más espacio de esta sección. De todos modos, también revisaremos un par de herramientas que pueden complementar el uso de pre-registros. Esperamos que, posterior a esta sección, el lector pueda ser capaz de utilizar estas herramientas para sus investigaciones. + +### Plantillas de preregistro + +
+ +En la práctica, preregistrar un artículo es básicamente sintetizar la información importante sobre nuestra investigación en una plantilla estandarizada y alojar ese documento en un lugar público. Por lo que el primer paso para elaborar un preregistro es elegir la plantilla correcta. Existen plantillas estandarizadas que están estructuradas de tal forma que son útiles para preregistrar estudios de cualquier disciplina, así como también existen plantillas dedicadas a una disciplina o a situaciones particulares. En este apartado presentaremos plantillas bajo cuatro categorías: a) plantillas genéricas, b) plantillas para experimentos y previas a recolección de datos, c) plantillas para datos existentes/secundarios, c) plantillas para estudios de replicación y d) plantillas para _registered reports_. Además de proveer una descripción de cada una, orientaremos al lector para elegir una plantilla de acuerdo al tipo de investigación que está desarrollando. + +
+ +El _Open Science Framework_ (OSF), que en español se traduce cómo un marco de trabajo para la ciencia abierta, actúa cómo una herramienta y un repositorio que alberga las plantillas que trataremos en esta sección (y más). Para ver todas las plantillas disponibles en OSF hacer clic en el siguiente enlace: [https://osf.io/zab38/wiki/home/](https://osf.io/zab38/wiki/home/){target="_blank"}. + +#### Plantillas Genéricas + +
+ +Las plantillas genéricas son aquellas que pueden ser utilizadas independiente de las características del estudio, ya que suelen incluir campos que abordan distintos tipos de situaciones (e.g. sí un estudio es experimental o observacional). Acá revisaremos dos plantillas genericas, la plantilla estándar de _AsPredicted_, y la plantilla estándar de OSF. + +**AsPredicted** + +La plantilla de AsPredicted es quizás una de las más conocidas para hacer preregistros, dado que está estandarizada y puede ser utilizada en cualquier disciplina. Recomendamos utilizarla cuando lo que se busque es optimizar tiempo y energías. La plantilla cuenta solamente con ocho preguntas clave que aplican a cualquier tipo de artículo. Esta plantilla la podemos encontrar tanto en OSF, como en la página de AsPredicted, en este caso, mostraremos cómo es el proceso en la página original. + +
+ +Partimos por entrar a la página de AsPredicted, donde veremos algo como la Figura N° \@ref(fig:asp). Acá se nos da la opción de crear un preregistro, de ver los que ya hemos hecho (si es que ese es el caso) y también una breve descripción de AsPredicted. A grandes rasgos, la página nos dice que AsPredicted es una plataforma que busca facilitar el preregistro de estudios por parte de los investigadores a través de nueve simples preguntas. La página genera un documento .pdf y una URL asociada. También, cuenta cómo funciona el preregistro. Básicamente, un autor elabora un preregistro de un estudio y los coautores reciben un mail para aprobar ese preregistro. Una vez aprobado por todos los autores, el preregistro queda alojado en la plataforma de manera privada, y no cambia hasta que un autor decida hacerlo público. Además, en caso de que el estudio entre en revisión por pares, se puede enviar una versión anónima del preregistro. Por último, nos entrega una recomendación sobre qué hacer en el caso de que el proceso de investigación no haya podido apegarse totalmente a lo predicho. + +
+Botón para comenzar un preregistro +

(\#fig:asp)Botón para comenzar un preregistro

+
+ +
+ +Para elaborar un preregistro debemos hacer click en el rectángulo azul que dice _Create_. Una vez hecho eso, nos pedirá una dirección de email para continuar. Cuando ingresemos un email, nos enviará un enlace al email que hayamos ingresado, con ese enlace podremos comenzar el preregistro. Una vez hayamos entrado en el enlace, veremos la plantilla de preregistro. Lo primero que aparece es una sección donde debemos escribir los emails de los autores colaboradores del estudio. También, nos da la opción de añadir otros emails además del que hemos introducido. Una vez pasada esta parte, ya nos encontramos con las preguntas del preregistro, las cuales son las siguientes: + +
+ +1) Recogida de datos. ¿Se han recogido ya datos para este estudio? +2) Hipótesis. ¿Cuál es la pregunta principal que se plantea o la hipótesis que se pone a prueba en este estudio? +3) Variable dependiente. Describa la(s) variable(s) dependiente(s) clave especificando cómo se medirán. +4) Condiciones. ¿Cuántos y qué condiciones se asignarán a los participantes? +5) Análisis. Especifique exactamente qué análisis realizará para examinar la pregunta/hipótesis principal. +6) Valores atípicos y exclusiones. Describa exactamente cómo se definirán y tratarán los valores atípicos, así como su(s) regla(s) precisa(s) para excluir las observaciones. +7) Tamaño de la muestra. ¿Cuántas observaciones se recogerán o qué determinará el tamaño de la muestra? +8) Otros. ¿Hay algo más que quiera preinscribir? +9) Nombre. Poner un título a este preregistro de AsPredicted +Finalmente. A efectos de registro, indíquenos el tipo de estudio que está preinscribiendo. + +
+ +Las preguntas son bastante autoexplicativas, pero no está de más entregar algunos detalles adicionales. En la pregunta de recolección de datos, las opciones son tres: "Sí, se han recolectado datos", "No, no se han recolectado datos" y "Es complicado". Es importante mencionar que, en esta plantilla, la respuesta de que se han recolectado datos no es válida, por lo que si se está llevando a cabo un estudio con datos secundarios hay responder "Es complicado" y en la pregunta 8 de la plantilla especificar por qué este preregistro sigue siendo válido pese a que los datos son preexistentes. Otro detalle importante es que cada pregunta está pensada para ser respuesta en aproximadamente una oración. Esta plantilla tiene el objetivo de ser lo más eficiente posible, por lo que, en general, se recomienda que todo el documento no pase de los 3200 caracteres. Otro detalle que especificar es que la pregunta acerca del tipo de estudio que se está preregistrando también es semicerrada, tenemos las opciones de: "Proyecto de clase", "Experimento", "Encuesta", "Estudio observacional" y "Otro". Es responsabilidad de quien hace el preregistro el seleccionar la opción que más se asemeje a su situación. Por último, es importante señalar que el preregistro, al menos en la página de AsPredicted, solo puede ser rellenado en inglés, por lo que en caso de utilizar otro idioma solicitará traducirlo. + +**OSF Estándar** + +La plantilla estándar de OSF también es de carácter general y busca abarcar distintas situaciones y tipos de estudios. La diferencia que tiene con la plantilla de AsPredicted es que contiene más preguntas y más detalladas. Por ejemplo, contiene preguntas relativas a en qué momento específico se está efectuando el preregistro (i.e antes de recopilar los datos, antes de cualquier observación humana a los datos, antes de acceder a los datos etc) o sí se harán transformaciones de las variables y su nivel de medición. La plantilla puede verse en este enlace: [https://osf.io/preprints/metaarxiv/epgjd/](https://osf.io/preprints/metaarxiv/epgjd/){target="_blank"}. A continuación, veremos el inicio del proceso para registrar en OSF, el cual sirve tanto para la plantilla estándar cómo para otras que veremos más adelante. + +
+ +El primer paso es acceder a la sección específica de preregistros de la página de OSF, la cual se encuentra en el siguiente enlace: [https://osf.io/prereg/](https://osf.io/prereg/){target="_blank"} (para usar este servicio es necesario tener una cuenta). Si entramos al enlace, la apariencia de la página será algo como la Figura N° \@ref(fig:osfprereg1). Seleccionemos _Start a new preregistration_, le damos un nombre al proyecto y hacemos click en _Continue_. En la página siguiente, podemos ver que hemos creado un proyecto nuevo en OSF, el cual nos da la opción de preregistrarlo haciendo click en el botón _New registration_. + + +
+Opciones para comenzar un preregistro en OSF +

(\#fig:osfprereg1)Opciones para comenzar un preregistro en OSF

+
+
+ +En la Figura N° \@ref(fig:osfprereg2) podemos ver dos cosas. Primero, la descripción de lo que está haciendo OSF al comenzar un nuevo preregistro, lo que en pocas palabras es una versión no modificable del proyecto al momento que hacemos el preregistro. En otras palabras, es una versión "congelada" del proyecto en OSF. Segundo, también se aprecia una serie de opciones para preregistrar, estas son las plantillas que mencionamos anteriormente. OSF nos ofrece distintas plantillas de acuerdo con el carácter que tiene nuestro estudio. + +
+Opciones de plantilla de pre-reistro +

(\#fig:osfprereg2)Opciones de plantilla de pre-reistro

+
+ +
+ +El primer paso es escoger la plantilla de acuerdo a la situación en la que nos encontremos. En este caso, seleccionamos la plantilla estándar de OSF. Una vez hayamos hecho eso, será necesario llenar los metadatos del estudio (e.g. Figura N° \@ref(fig:osfprereg3)). Esta sección es transversal a todas las plantillas y consiste en registrar el título, descripción, contribuyentes, entre otras cosas que ayudan a identificar el proyecto. + +
+Ejemplo de campos de metadatos para rellenar +

(\#fig:osfprereg3)Ejemplo de campos de metadatos para rellenar

+
+
+ +Una vez hayamos rellenado los campos correspondientes a los metadatos, podemos rellenar la plantilla de preregistro. Con los campos rellenados podremos proceder a preregistrar nuestro proyecto. + +#### Plantillas para diseños experimentales y previas a recolección de datos + +
+ +Considerando que el sentido original de un preregistro es que sea elaborado previo a la recolección y análisis de los datos, en principio cualquier plantilla genérica podría servir. Por ejemplo, la plantilla estándar de OSF ofrece preguntas detalladas que refieren al uso de diseños experimentales (i.e. cuáles son las condiciones de tratamiento o quiénes están al tanto de las manipulaciones experimentales del estudio). Sin embargo, OSF ofrece una vía alternativa para preregistrar estudios previo a la recolección de datos a través de la plantilla “OSF-Standard Pre-Data Collection pre-registration”. Esta plantilla es un complemento de la plantilla estándar y se utiliza solamente sí es que el preregistro original está archivado en un documento. Esto quiere decir que, en el caso de que el equipo de investigación no haya usado el flujo de preregistro de OSF, sino que ya cuenta con un archivo que alberga el preregistro del estudio, entonces puede escoger esta plantilla de complemento para no efectuar todo el proceso de nuevo. + +Esta plantilla agrega algunas preguntas cruciales sobre la recopilación de datos, siendo las siguientes: + +1. ¿Ha comenzado la recogida de datos para este proyecto? + +- No, la recopilación de datos no ha comenzado +- Sí, la recopilación de datos está en curso o se ha completado + +2. ¿Ha mirado los datos? + +- Sí +- No + +3. Otros comentarios + +#### Plantillas para datos secundarios + +
+ +En el último tiempo se ha comenzado a considerar cómo es que investigadores de las ciencias sociales empíricas que trabajan con datos preexistentes pueden, de todas maneras, preregistrar sus estudios para asegurar la credibilidad de sus hallazgos. Sí bien OSF cuenta con una plantilla tipo para este tipo de situaciones (ver en [https://osf.io/x4gzt/](https://osf.io/x4gzt/){target="_blank"}), nosotros recomendamos la plantilla de @mertens_Preregistration_2019 dada la simpleza y exhaustividad de sus preguntas. La plantilla de @mertens_Preregistration_2019 se puede ver en el siguiente enlace: [ttps://osf.io/p26rq/](https://osf.io/p26rq/){target="_blank"}. + +
+ +Esta plantilla está dirigida a investigadores que usen datos secundarios. Hace más simple el proceso de preregistro al enfocarse en las preguntas que se asemejan realmente a la situación del investigador que trabaja con grandes encuestas o datos administrativos, lo cual es muchas veces el caso en disciplinas cómo sociología, ciencias políticas o economía. + +
+ +Esta plantilla cuenta con las siguientes diez preguntas: + +1. ¿Cuál es la hipótesis que se investigará? + +2. ¿Cómo se operacionalizarán las variables cruciales? + +3. ¿Cuál es la fuente de los datos incluidos en los análisis? + +4. ¿Cómo se obtendrán estos datos? + +5. ¿Hay algún criterio de exclusión de los datos? + +6. ¿Cuáles son los análisis estadísticos previstos? + +7. ¿Cuáles son los criterios para confirmar y desconfirmar las hipótesis? + +8. ¿Se han validado los análisis con un subconjunto de datos? En caso afirmativo, facilite los archivos de datos y la sintaxis de los mismos. + +9. ¿Qué se sabe sobre los datos que podría ser relevante para las hipótesis probadas? + +10. Facilite un breve calendario para los diferentes pasos del prerregistro. + +
+ +Cómo podemos ver, además de los campos que se pueden encontrar en cualquier plantilla cómo la especificación de las hipótesis del estudio o los criterios de exclusión de datos, esta plantilla hace preguntas relativas al nivel de conocimiento previo de los datos. Por ejemplo, en la pregunta 4 solicita especificar la fuente de los datos. Cómo son datos secundarios, esto implica detallar cómo se accederá o serán solicitados los datos: sí es que es necesario rellenar algún formulario o contactar a alguien en específico para obtener acceso. También, en la pregunta 9 se solicita describir cualquier conocimiento de algún patrón en los datos que sea relevante para la pregunta de investigación (e.g. la media o la mediana de una variable). Estos son ejemplos de preguntas que hacen esta plantilla útil para los investigadores que trabajen con datos preexistentes y que quieran preregistrar sus estudios. + +#### Plantillas para estudios de replicación + +
+ +Tratar en extenso qué es y cómo se hace un estudio de replicación escapa de los objetivos de de este capítulo, sin embargo, es una práctica de la ciencia abierta que no podemos dejar fuera ya que también cuenta con una plantilla para prerregistro. Replicar un estudio significa regenerar los hallazgos de un estudio, siguiendo sus hipótesis y plan de análisis, pero con datos distintos. + +
+ +OSF ofrece dos plantillas para investigadores que tienen el objetivo de replicar un estudio. La primera es una plantilla para estudios de replicación previo a su ejecución, la cual incluye una serie de preguntas relativas al estudio original, por ejemplo, qué efecto se está buscando replicar, por qué es importante replicarlo o en qué área geográfica fue conducido el estudio original. Esta plantilla se puede ver en el siguiente enlace: [https://osf.io/4jd46/](https://osf.io/4jd46/){target="_blank"}. La segunda plantilla es para estudios de replicación que ya han sido completados. En este caso, las pvreguntas están relacionadas a los hallazgos del estudio de replicación, por ejemplo, cuál fue el efecto obtenido en la replicación y sí se considera que este efecto logra replicar los resultados originales o no. El enlace para esta plantilla se puede encontrar en este enlace: [https://osf.io/9rp6j/](https://osf.io/9rp6j/){target="_blank"}. + +#### Plantillas para _registered reports_ + +
+ +Cómo veremos en la siguiente sección, los _registered reports_ son un modelo alternativo de publicación donde el diseño del estudio pasa por un proceso de revisión por pares, a diferencia del modelo tradicional donde el documento que pasa por revisión por pares es el artículo finalizado. La plantilla que ofrece OSF es para estudios que han sido aceptados en la revisión por pares en una revista académica que cuenta con el modelo de _registered reports_. El objetivo de esta plantilla es poder dejar un registro público sobre el artículo en proceso, por lo que la plantilla de preregistro consta de, básicamente, una sección para el título del artículo, la fecha de aceptación, el manuscrito y archivos complementarios. Esta plantilla se puede ver en este enlace: [https://osf.io/gm36s/](https://osf.io/gm36s/){target="_blank"}. + + +## Otras herramientas + +
+ +Sí bien los preregistros son una de las herramientas que más ha ido tomando protagonismo para promover la transparencia, existen otras. Específicamente, queremos mencionar dos de ellas: el modelo de _registered reports_ (en español, informes registrados) y la _transparency checklist_ (en español, lista de transparencia). + +### Registered Reports + +
+ +El modelo de _registered reports_ es una alternativa al modelo tradicional de publicación. Consiste en que el artículo atraviesa una revisión por pares en etapas tempranas de la investigación, específicamente **previo a la recolección de datos**. Esta práctica tiene por objetivo que el estudio sea evaluado por su innovación y calidad del diseño de investigación, más que por resultados impactantes [@chambers_Registered_2015]. Además, busca dejar sin efecto prácticas cómo el sesgo de publicación, p-hacking y HARKing, ya que no solamente existe una marca temporal que avala el diseño de investigación del estudio (cómo es el caso de un preregistro), sino que también existe un grupo de científicos anónimos que están de acuerdo con que el artículo es un aporte al conocimiento [@chambers_Registered_2013; @nosek_Registered_2014; @marsden_Introducing_2018]. + +
+ +Los _registered reports_ tienen dos características principales [@marsden_Introducing_2018]. Primero, un manuscrito con la justificación del estudio, lo que incluye una introducción, revisión de antecedentes y una pregunta de investigación, dando la posibilidad de una **aceptación preliminar** (IPA, por sus siglas en inglés _In principle acceptance_). La segunda característica es que el IPA no puede revocarse en base a los resultados del estudio, esto evita que trabajos con resultados no significativos no sean publicados y así combatir el sesgo de publicación. Relacionado a ambas características, los informes registrados pasan por dos etapas de revisión, la primera es la del manuscrito, siendo este el determinante sí el estudio se acepta o no, y la segunda revisión que se da posterior a terminar la recolección y análisis de datos. El modelo, en comparación al sistema tradicional de publicaciones, se puede ver en la Figura N° \@ref(fig:rr). + +
+Método convencional y de registered reports para publicación cientifica +

(\#fig:rr)Método convencional y de registered reports para publicación cientifica

+
+ +
+ +Para enviar un artículo bajo el modelo de _registered reports_, primero se debe tener en conocimiento de cuáles son las revistas que cuentan con este tipo de revisión. El Centro para la Ciencia Abierta cuenta con una lista actualizada de revistas [aquí](https://www.cos.io/initiatives/registered-reports){target="_blank"}. Una vez escogida una revista, el proceso no es tan distinto al método convencional, en el sentido de que los investigadores envían su manuscrito con la justificación del estudio y este puede ser aceptado o rechazado por el editor, ya sea directamente o después de la corrección de algunos comentarios. Una vez se cuenta con el IPA y se efectúa la revisión en la segunda etapa, los revisores se aseguran de que el estudio ha seguido el plan de análisis inicialmente planteado y sí sus conclusiones tienen sentido de acuerdo a los datos y resultados obtenidos, así cómo también que toda desviación del plan original sea debidamente justificada [@stewart_Preregistration_2020]. Desviaciones muy sustanciales y/o que no sean debidamente justificadas pueden conllevar el rechazo del artículo, aunque puede seguir el proceso en el método convencional de publicación [@stewart_Preregistration_2020]. + +### Transparency Checklist + +
+ +La _transparency checklist_ es una herramienta complementaria elaborada por @aczel_consensusbased_2020 que busca acompañar el proceso de reportar un estudio, contribuyendo a que estos sean más transparentes. Esta lista ha sido elaborada específicamente para investigadores de las ciencias sociales y del comportamiento que trabajan con datos primarios, aunque puede ser útil para otros enfoques y disciplinas. La lista consta de 36 items divididos en cuatro categorías: preregistro, método, resultados y discusiones y accesibilidad de datos, donde cada ítem refiere a alguna característica de un reporte transparente, preguntando sí ha sido efectuada o no, o sea, las respuestas posibles de cada ítem son "Sí", "No" y "N/A". Existe una versión más corte de 12 items, los cuales son los siguientes: + +**_Sección de preregistro:_** + +
+ +(1) Antes de analizar el conjunto completo de datos, se publicó un prerregistro con sello de tiempo en un registro independiente de terceros para el plan de análisis de datos. + +(2) El estudio fue registrado… +- antes de que cualquier dato fuera recolectado +- después de que algunos datos fueron recolectados, pero antes de explorarlos +- después de que todos los datos fueron recolectados, pero antes de explorarlos +- después de explorar los datos, pero antes de que cualquier análisis estadístico fuera efectuado +- después de efectuar algunos análisis estadísticos, pero no todos +- en otro momento, explicar: + +(3) El análisis estadístico previsto para cada pregunta de investigación (esto puede requerir, por ejemplo, información sobre la unilateralidad de las pruebas, los criterios de inferencia, las correcciones para pruebas múltiples, los criterios de selección de modelos, las distribuciones previas, etc.). + +**_Sección de método_** + +
+ +El manuscrito describe completamente... + +(4) la justificación del tamaño de la muestra utilizado (por ejemplo, un análisis de potencia a priori). + +(5) el diseño, los procedimientos y los materiales del estudio para permitir una réplica independiente. + +(6) las medidas de interés (por ejemplo, la amabilidad) y sus operacionalizaciones (por ejemplo, un cuestionario que mide la amabilidad). + +(7) ¿algún cambio en el prerregistro (como cambios en los criterios de elegibilidad, en los límites de pertenencia al grupo o en los procedimientos experimentales)? + +**_Sección de resultados y discusión_** + +
+ +El manuscrito… + +(8) distingue explícitamente entre la "confirmación" (es decir, preestablecido) y "exploratorio" (es decir, no preestablecidos). + +**_Sección de disponibilidad de datos, código y materiales_** + +
+ +Se han hecho públicas las siguientes… + +(9) los datos (procesados) en los que se han basado los análisis del manuscrito. + +(10) todo el código y el software (que no esté protegido por derechos de autor). + +(11) todas las instrucciones, los estímulos y los materiales de las pruebas (que no estén protegidos por derechos de autor). + +(12) El manuscrito incluye una declaración sobre la disponibilidad y localización de todos los elementos de la investigación, incluidos los datos, materiales y códigos pertinentes para su estudio. + +Tanto la versión completa de 36 ítems, cómo la recortada de 12 están disponibles para rellenar en línea. [Aquí](http://www.shinyapps.org/apps/TransparencyChecklist/){target="_blank"} se puede encontrar la lista online, es una aplicación de uso simple, además que permite generar el reporte final de manera automática. diff --git a/docs/02d-anexos.md b/docs/02d-anexos.md new file mode 100644 index 0000000..a2ca3d5 --- /dev/null +++ b/docs/02d-anexos.md @@ -0,0 +1,141 @@ +## Anexos + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
(\#tab:tabqrp)Algunas situaciones de QRP
Dimensión Práctica
Diseño y procesamiento Ignorar ciertos aspectos de los requerimientos de las personas participantes.
Pasar por alto el uso de datos cuestionables o de interpretaciones cuestionables que otros hacen.
Cambiar partes de un estudio como respuesta a la presión de una fuente de financiación
Eliminar observaciones de los análisis basados en la intuición de que eran inexactos.
Redondear un valor p (por ejemplo, reportar que un p-value de 0,054 es menor a 0,05)
Eliminación, adición o alteración de datos después de pruebas de hipótesis.
Supresión selectiva o adición de variables.
Invertir la dirección o reformular hipótesis para respaldar los datos
Redacción, reporte y publicación Ampliar de manera innecesaria la bibliografía de un estudio.
Tergiversar los logros de la investigación.
Exagerar la importancia y la relevancia práctica de los resultados.
Retener detalles de la metodología de investigación (e.g. no reportar todas las variables dependientes de un estudio)
Retener resultados de la investigación (e.g. no presentar datos que contradicen una propia investigación previa).
Establecer publicaciones o brindar apoyo a publicaciones que no cumplen el proceso de control de calidad de la investigación
Publicar los mismos datos o resultados en dos o más publicaciones.
Selectivamente reportar estudios que "funcionaron".
Reportar hallazgos inesperados como previstos desde el principio.
Afirmar que los resultados no se ven afectados por variables demográficas cuando uno no está realmente seguro (o sabe que lo hacen).
Citación y autoría Manipular la autoría o denigrar el papel de otros investigadores en las publicaciones.
Asignar inapropiadamente los crédios de autoría.
Volver a publicar partes sustanciales de publicaciones propias anteriores, incluidas las traducciones, sin citar debidamente el original ("autoplagio").
Citar de forma selectiva para mejorar los propios resultados o para complacer a los editores, los revisores o los colegas.
Usar ideas de otros sin obtener permiso o dar crédito
Uso no autorizado de información confidencial en relación con la propia investigación.
Relaciones con otros Permitir que los patrocinadores pongan en peligro la independencia en el proceso de investigación con el fin de introducir sesgos.
Acusar a un investigador de conducta indebida u otras infracciones de forma maliciosa.
Retrasar u obstaculizar inadecuadamente el trabajo de otros investigadores.
Emplear la experiencia profesional propia para alentar a que se incumpla la integridad de la investigación.
Ignorar supuestos incumplimientos de la integridad de la investigación cometidos por terceros o encubrir reacciones inadecuadas a conductas indebidas.
No divulgar adecuadamente la participación en empresas cuyos productos se basan en la investigación de uno.
Relaciones con estudiantes, sujetos de investigación o clientes que pueden ser interpretadas como cuestionables.
diff --git a/docs/03-datosabiertos.md b/docs/03-datosabiertos.md deleted file mode 100644 index 38cc349..0000000 --- a/docs/03-datosabiertos.md +++ /dev/null @@ -1,3 +0,0 @@ -# Datos abiertos - - diff --git a/docs/03-herramientas-para-publicar.md b/docs/03-herramientas-para-publicar.md deleted file mode 100644 index 418b207..0000000 --- a/docs/03-herramientas-para-publicar.md +++ /dev/null @@ -1,12 +0,0 @@ -# Herramientas para publicar - -## Repositorios - -- Opciones para publicar con open-access - - Opciones para publicar con acceso abierto - - Internacionales (ejemplo): Directory of Open Access Journals (DOAJ), Gates Open research, SOCArvix - - Institucionales: El Uchile - -## Otras herramientas - - - Herramientas de *rOpensci*, blogdown diff --git a/docs/03-transparencia.md b/docs/03-transparencia.md deleted file mode 100644 index da69116..0000000 --- a/docs/03-transparencia.md +++ /dev/null @@ -1,12 +0,0 @@ -# Transparencia - -## Problema - -## Solución - - -# Reproducibilidad - -## Problema - -## Solución diff --git a/docs/04-pasos-publicar.md b/docs/04-pasos-publicar.md deleted file mode 100644 index 53e6672..0000000 --- a/docs/04-pasos-publicar.md +++ /dev/null @@ -1,7 +0,0 @@ -# Pasos para publicar libre - -- Pasos para publicar en repositorio - - - Article - - Code + data (repositorios) - - Github pages y blogdown diff --git a/docs/04-publibres.md b/docs/04-publibres.md deleted file mode 100644 index 0325a05..0000000 --- a/docs/04-publibres.md +++ /dev/null @@ -1,5 +0,0 @@ -# Publicaciones libres - -## Problema - -## Solución diff --git a/docs/04-reproducibilidad.md b/docs/04-reproducibilidad.md deleted file mode 100644 index 4814338..0000000 --- a/docs/04-reproducibilidad.md +++ /dev/null @@ -1 +0,0 @@ -# Análisis reproducible diff --git a/docs/04a-analisis-reproducible.md b/docs/04a-analisis-reproducible.md new file mode 100644 index 0000000..fc92305 --- /dev/null +++ b/docs/04a-analisis-reproducible.md @@ -0,0 +1,151 @@ +# Análisis reproducibles + +En la discusión sobre los problemas de transparencia en torno a los procedimientos de investigación, se vuelve necesario precisar de qué manera es entendido el concepto de reproducibilidad en la ciencia. En esta línea, la laxitud en que ha se ha empleado el término ha llevado a definiciones poco claras, lo cual ha generado una tendencia a confundir lo que refiere a la transparencia de un proceso único que ya ha sido realizado, con un proceso nuevo y que puede realizarse de manera reiterativa, obteniendo los mismos resultados. Por este motivo, esta sección propone dar luces respecto a cómo entendemos el concepto de reproducibilidad, en contraste con el replicabilidad en la ciencias sociales. + +La discusión en torno a cómo se entiende la **reproducibilidad**, habitualmente lleva al contraste respecto al concepto de **replicabilidad**. Al respecto @earth_Reproducibility_2019 menciona que con el incremento de las herramientas computacionales a principios de los años 90’, el término de "investigación reproducible" era concebido como las investigaciones que proveían un compendio detallado de la documentación, código y datos que permitieran obtener los mismos resultados publicados por los autores, enfatizando que los análisis fueran transparentes y claros con el objetivo de ser verificados por sus pares. Por otro lado, los autores sostienen que en otras disciplinas, el concepto de reproducibilidad era asociado a investigaciones independientes entre sí en términos de los datos empleados, los materiales, métodos e implementación de un estudio, lo cual estaría orientado a robustecer o cuestionar la evidencia previa [@earth_Reproducibility_2019, pp 33-34]. Actualmente, a esta práctica se la entiende como replicabilidad de una investigación y no debe ser confundida con el concepto de reproducibilidad [@barba_Terminologies_2018]. + +@barba_Terminologies_2018 sugiere que la confusión entre reproducibilidad y replicabilidad ha contribuido a obstaculizar las prácticas en ambas dimensiones. En una revisión reciente realizada por la autora se han identificado al menos tres escenarios o versiones de cómo se entienden ambos conceptos en una amplia gama de disciplinas que van desde las ciencias sociales hasta estudios clínicos en las ciencias médicas. El primer escenario (A), y a la vez el más común, es donde el uso de ambos conceptos es indistinto, contribuyendo a la ya mencionada confusión. El segundo escenario (B1) es cuando la reproducibilidad es entendida como la situación que los datos originales y el código de análisis son empleados para **regenerar** los resultados originales, mientras que la replicabilidad es entendida cuando investigadores o equipos independientes utilizan datos nuevos para obtener los mismos resultados que la investigación previa. Finalmente, un tercer escenario (B2) es cuando la reproducibilidad es entendida cuando investigadores o equipos independientes obtienen los mismos resultados empleando sus propios datos y métodos, mientras que la replicabilidad es entendida cuando investigadores o equipos independientes llegan a los mismos resultados empleando los artefactos digitales [^1] originales del autor con menores o mayores modificaciones, los cuales han sido puestos previamente a disposición de sus pares. La Figura \@ref(fig:scenarios) ilustra cómo podemos entender los escenarios B1 y B2 en relación a la distinción entre reproducibilidad y replicabilidad. El color rojo, tanto en los datos como en los métodos, indica que los componentes empleados son idénticos a los del estudio original. Por otro lado, el color azul, indica que tanto los datos como los métodos son distintos a los del estudio original. Finalmente, el color morado en los métodos se entiende como un punto intermedio y refiere cuando se han empleado métodos que siguen las indicaciones del estudio original, pero que han incorporado modificaciones, nuevos métodos u otras innovaciones metodológicas (p. ej. métodos nuevos, pruebas robustez u otros). + + +[^1]: @barba_Terminologies_2018 lo define como un compendio que detallar la estrategia de medición, diseño del estudio o código de análisis originales de un autor + +
+Escenarios B1 y B2 en reproducibilidad y replicabilidad. +

(\#fig:scenarios)Escenarios B1 y B2 en reproducibilidad y replicabilidad.

+
+En las ciencias sociales, el debate en torno a la investigación reproducible y la replicabilidad no ha estado ausente. Como fue reseñado en el capítulo de transparencia, existen casos icónicos en torno a prácticas cuestionables de investigación que han afectado la confianza en la investigación científica, lo cual ha contribuido a incrementar los esfuerzos por una ciencia social abierta y reproducible [@breznau_does_2021; @nosek_Promoting_2015]. En los tres escenarios descritos por @barba_Terminologies_2018, las ciencias sociales han experimentado de manera diversa el ajuste hacia una cultura de mayor apertura y precisión en torno a los problemas de la crisis de reproducibilidad, principalmente a través del estudio sistemático de dicha problemática, dentro de lo cual la psicología ha sido un pionera en proveer evidencia para este debate [e.g. @opensciencecollaboration_Estimating_2015; @gilbert_Comment_2016]. Al respecto @bishop_Rein_2019 sostiene que una de las principales amenazas para el progreso de la ciencia en general ha sido a la falta de reproducibilidad de los resultados (_irreproducibility_), lo cual ha afectado principalmente la robustez y credibilidad de la evidencia reportada por las investigaciones, problema que también ha sido identificado en las ciencias sociales, principalmente por la falta de precisión en los procedimientos y las barreras de acceso a materiales clave del proceso de análisis [@freese_Replication_2017]. + +Entonces, retomando la distinción clave entre lo que entendemos por **reproducibilidad** y **replicabilidad**, en su revisión, @barba_Terminologies_2018 sugiere que una manera de entender y distinguir ambos conceptos de manera minimalista puede descansar en el carácter de los _datos_ y los _métodos_. Al respecto @nosek_Promoting_2015 sostiene que en lo que refiere a estas dos dimensiones, los niveles en que una publicación los incorpora es gradual y puede entenderse como un continuo o espectro [@peng_Reproducible_2011], y por tanto, el nivel en que se cumplen con determinados criterios nos permite definir el carácter de una investigación en términos de su reproducibilidad. Por ejemplo, la Figura N° \@ref(fig:espectro) nos muestra cómo podemos caracterizar una investigación publicada en torno al acceso y vinculación entre código y datos. Por un lado, se observa que en el polo donde únicamente disponemos de la publicación, se entiende como la ausencia de reproducibilidad. Por otro lado, en la medida que incrementa el acceso a los materiales, y se explicita el enlace entre ellos, se puede caracterizar a una publicación como reproducible. [^2] + +[^2]: En la figura original, @peng_Reproducible_2011 muestra el polo derecho como el mejor escenario y lo clasifica como *Full replication*, sugiriendo que el mejor estándar para poner a prueba los hallazgos de una investigación científica es la replicación, pero en la ausencia de dicha posibilidad la reproducibilidad de los resultados debiese ser un estándar mínimo + +
+Espectro de Reproducibilidad. Traducción propia en base a @peng_Reproducible_2011 +

(\#fig:espectro)Espectro de Reproducibilidad. Traducción propia en base a @peng_Reproducible_2011

+
+Como sugiere @nosek_Promoting_2015, el problema de la ausencia o falta de reproducibilidad debe ser abordado a través de un cambio en las prácticas de investigación, para lo cual se requiere, por un lado, de una disposición por parte de la comunidad científica, es decir a que se le atribuya un _sentido_ positivo a estas prácticas. Sin embargo, @peng_Reproducible_2011 sostiene que una de las principales barreras para promover estas prácticas ha sido la falta de mecanismos que faciliten la distribución de la investigación reproducible, como también la poca claridad respecto de los estándares asociados a ello. Siguiendo esta autocrítica de algunos sectores dentro de la comunidad científica, dentro de los últimos años han surgido iniciativas, por ejemplo, como el Open Science Framework, al alero del [Center for Open Science](https://www.cos.io/), desde donde se busca contribuir con herramientas para el entrenamiento y educación de la comunidad científica en general, como también proveer de una infraestructura tecnológica que facilite la transición cultural hacia una ciencia abierta, transparente y reproducible [@nosek_Promoting_2015]. Por este motivo, proponemos revisar tres iniciativas internacionales que han puesto sus esfuerzos en la promoción de estos principios, con particular atención en la reproducibilidad de la investigación científica, y en particular de las ciencias sociales empíricas cuantitativas. Dentro de estas iniciativas encontraremos esfuerzos orientados a la educación y entrenamiento, herramientas tecnológicas y fortalecimiento de redes de colaboración. + +## ¿Qué se ha hecho? + +### Berkeley Initiative for Transparency in the Social Sciences + + + +#### Objetivos y visión {-} + +Esta iniciativa busca promover la credibilidad en la evidencia generada por las ciencias sociales a través de mecanismos de avanzada para la transparencia, reproducibilidad y prácticas éticas en la investigación social empírica. Desde esta premisa, ha desarrollado y puesto a disposición de la comunidad científica una serie de herramientas en colaboración con estudiantes, investigadores, entidades académicas y fundaciones de la sociedad civil al alero de tres principios orientadores. + +Generar evidencia en torno a problemas y soluciones a través de los investigadores y la comunidad de BITSS quienes han liderado investigaciones meta-analíticas con atención en las ciencias sociales. +Incrementar el acceso a la enseñanza de la ciencia abierta, a través del fortalecimiento de prácticas para reconocer y conducir investigación social transparente y reproducible a través del entrenamiento de investigadores jóvenes, acceso a materiales, apoyo financiero y la consolidación de una red de colaboración. +Fortalecer el ecosistema científico, estableciendo condiciones para investigadores e instituciones para contribuir a un cambio efectivo y equitativo en las normas que permitan una consolidación de una política interna orientada a la ciencia abierta y al desarrollo de protocolos en esta dirección. + +Como se ha señalado, esta iniciativa se orienta bajo estos tres ámbitos o principios. Desde sus inicios, se han desarrollado una serie de componentes que buscan promover y dar soluciones a los problemas de transparencia y reproducibilidad en las ciencias sociales. En particular, nos interesa destacar algunas de las contribuciones en este ámbito que serán presentadas a continuación las cuales se pueden resumir en Evidencia, Educación y Recursos. + +#### Contribución {-} + +En el ámbito de Evidencia, desde BITSS se ha realizado un esfuerzo por producir y sistematizar evidencia centralizadamente. En este contexto existe la [Research Library](https://www.bitss.org/research-library/), una base de datos de publicaciones científicas que engloba una serie de investigaciones meta-analíticas en el ámbito de las ciencias sociales, contribuyendo con un cuerpo de evidencia sistemática en torno a los problemas y soluciones sobre transparencia y reproducibilidad en las ciencias sociales sin precedentes. En este apartado, tanto los colaboradores como investigadores de BITSS ponen a disposición de la comunidad científica las investigaciones que han sido financiadas a través de las Social Science Meta-Analysis and Research Transparency ([SSMART](https://www.bitss.org/ssmart-grants/)) grants, las cuales constituyen fondos orientados a contribuir a la investigación empírica en torno a la transparencia y reproducibilidad en disciplinas como la economía, ciencia política, psicología y ciencias sociales afines. + +Desde la Educación y Entrenamiento podemos identificar la articulación de una serie de _Training activities_ desarrolladas por BITSS. Dentro de los objetivos de estas actividades podemos encontrar dos aspectos que se buscan abordar desde esta dimensión. Por un lado se encuentra el promover una visión crítica de los investigadores en las ciencias sociales, esto considera un entendimiento de los principales problemas asociados a la investigación social de calidad al alero de los principios de la ciencia abierta, dentro de lo cual podemos encontrar los sesgos y prácticas referidas a las presiones por publicar, prácticas cuestionables de investigación, reproducibilidad y privacidad de datos. Por otro lado, se han propuesto promover el manejo de técnicas de investigación para la transparencia y reproducibilidad, principalmente a través de actividades de entrenamiento con un foco en el aprendizaje e implementación de herramientas y métodos. En esta línea destacan dos contribuciones que se fundamentan en estos principios, las cuales serán descritas a continuación. + +**Research Transparency and Reproducibility Training** + +Una de las contribuciones señaladas es el Research Transparency and Reproducibility Training (RT2), el cual constituye uno de los principales eventos académicos realizados anualmente por BITSS, teniendo por objetivo el poner a disposición de estudiantes e investigadores una mirada general de las herramientas y prácticas actuales para la transparencia y la reproducibilidad en la investigación empírica en ciencias sociales. Los contenidos de RT2 abordan una serie de tópicos de manera transversal que pueden ilustrados en seis puntos: + +* **Amenazas** para la credibilidad en la ciencia y la reproducibilidad, junto con su relación con el _ethos_ científico: Conducta y valores en la ciencia. +* **Mejoras** en las especificaciones de los diseños de investigación: pre-registros y plan de pre-analysis en investigación con datos experimentales y observacionales. +* **Ética e investigación abierta**: estándares éticos para la ciencia abierta, manejo de datos y autoría de fuentes de información abiertas (citación). +* **Herramientas y métodos** para la investigación reproducible y colaboración: control de versiones y reportes dinámicos. +* **Sistematización de evidencia**, reproducibilidad e interpretación: métodos para investigación meta-analítica y revisiones sistemáticas, transparencia y reproducibilidad usando datos administrativos; y replicabilidad en la investigación. +* **Software** para la Ciencia Abierta e innovaciones metodológicas. + +**MOOC: Transparent and Open Social Science Research** + +Otra de las contribuciones es el Transparent and Open Social Science Research corresponde a un curso gratuito online de cinco semanas el cual aborda los fundamentos conceptuales y las principales herramientas para promover una ciencia social abierta y transparente. La Tabla \@ref(tab:mooc) muestra el contenido de las sesiones, las cuales se basan en un curso de nivel de grado dictado por el director de BITSS Ted Miguel en la Universidad de California Berkeley. + +| Semana | Contenido | +|--------|-----------------------------------------------------------------------------------------------------------------------------------------------| +| 1 | [Introducción a la transparencia y reproducibilidad de la investigación](http://bitss.org/week-1/) | +| 2 | [Sesgo de publicación](http://www.bitss.org/week-2-publication-bias/) | +| 3 | [Pre-registro, Plan de Pre-Análisis; y Meta-análisis](http://www.bitss.org/week-3-pre-registration-pre-analysis-plans-and-meta-analysis/) | +| 4 | [Replicación y Datos Abiertos](http://www.bitss.org/week-4-replication-and-open-data/) | +| 5 | [Visualización de Datos transparente y Viendo hacia adelante](http://www.bitss.org/week-5-transparent-data-visualization-and-looking-forward) | +Table: (\#tab:mooc) Cursos por semana en el MOOC de BITSS + +Una de las principales características de este curso introductorio es la sistematización de aspectos claves para la ciencia abierta con un foco particular en las ciencias sociales. Adicionalmente, tiene el objetivo de introducir conceptualmente a los problemas que se han visto presentes en las ciencias y busca dar respuestas prácticas a través de herramientas y métodos concretos para solucionarlo. Finalmente, constituye un esfuerzo breve y preciso, dado que las sesiones semanales poseen una duración promedio de unos treinta minutos y se encuentran dosificadas en videos de corta duración subtitulados. + +En el ámbito de los Recursos que provee BITTS, podemos encontrar librería de recursos o simplemente la [_Resource Library_](https://www.bitss.org/resource-library/ ), la cual incluye una multiplicidad de recursos de aprendizaje digitales en torno a la transparencia y reproducibilidad, ordenados según (i) Tópico, (ii) Tipo y (iii) Disciplina de las ciencias sociales. La Figura \@ref(fig:resources) muestra cómo se visualizan los tópicos disponibles en la librería, lo cual puede ser ordenado según tipo y disciplina. + + +
+Librería de Recursos de BITSS +

(\#fig:resources)Librería de Recursos de BITSS

+
+ +### Proyecto TIER (Teaching Integrity in Empirical Research) + + + +#### Objetivos y visión {-} + +El proyecto TIER es una iniciativa respaldada por la [Fundación Alfred Sloan](https://sloan.org/) que se propone contribuir a un cambio en las normas y conducta profesionales en torno a la transparencia y reproducibilidad en la investigación empírica en las ciencias sociales. + +Uno de los principios orientadores de sus actividades es el proveer formación en herramientas para la documentación oportuna de procedimientos que involucren datos estadísticos a través de rutinas y referencias que garanticen la **reproducibilidad** de estos. La idea subyacente que motiva estas acciones es que los autores puedan concebir la documentación como un componente esencial de la **comunicación** de sus resultados con sus pares, como también el público no especializado, de modo tal que estas medidas contribuyan a incrementar la confianza y credibilidad en la evidencia científica. En esta línea, su declaración de principios sostiene que su objetivo se puede considerar como logrado cuando: + +> (...) no proporcionar documentación de replicación para un estudio empírico se considere tan **aberrante** como escribir un artículo teórico que no contenga pruebas de las proposiciones, un artículo experimental que no describa las condiciones de tratamiento o un artículo de revisión de leyes que no cite los estatutos legales o las decisiones judiciales. (traducción propia) + +#### Contribución {-} + +Es necesario tener presente que uno de los principales campos de acción del proyecto TIER es la **Educación** y **Entrenamiento**, hacia cientistas sociales en formación, tomando en consideración que es en el ciclo formativo inicial donde se deben impulsar la adopción de prácticas integrales para la investigación social empírica. En esta línea, uno de los elementos destacables es la sección de herramientas para la enseñanza titulada “TIER in the Classroom”, sus contenidos referidos a temas de **reproducibilidad** pueden resumir de la siguiente manera: + +* [**_Soup-to-Nuts Exercises_**](https://www.projecttier.org/tier-classroom/soup-nuts-exercises/): No existe una traducción en el español, no obstante la expresión “Soup-to-Nuts” refiere a un proceso de “inicio-a-fin”. Como lo dice, esta sección muestra ejercicios orientados a la reproducibilidad de los análisis pasando por (1) los datos, (2) procesamiento, (3) análisis y (4) reporte. La idea fuerza de este ejercicio es introducir a estudiantes a los principios y prácticas fundamentales de la investigación social transparente y reproducible para que los implementen en sus tareas o informes. +* [**Materiales para clases**](https://www.projecttier.org/tier-classroom/course-materials/): Esta sección está fuertemente orientada al análisis estadístico y a los métodos cuantitativos. Se presentan una serie de veinticuatro cursos de pregrado y postgrado que incorporan en su currículum los principios de transparencia y reproducibilidad en la enseñanza de los métodos de manera transversal. Los materiales de cada curso se encuentran disponibles para libre descarga, incorporando ejercicios de análisis estadístico (R, Stata, SPSS), reportes dinámicos (R Markdown, Markstat) y sus respectivos _ syllabus_. + +* [**Trabajos estudiantiles**](https://www.projecttier.org/tier-classroom/student-work/#student-papers): En este sección se incorporan una serie de trabajos estudiantiles/papers, los cuales están acompañados de una completa documentación basada en el [Protocolo TIER (ver detalle abajo)](https://www.projecttier.org/tier-protocol/). El objetivo es presentar modelos de trabajos realizados con análisis reproducibles, de modo tal que quien esté interesado en emplear la estructura de un proyecto pueda observar un trabajo real e, idealmente, logre reproducir completamente sus resultados. + +Una de las contribuciones más relevantes del proyecto TIER es la elaboración de **estándares** para la **organización**, **publicación** y **comunicación** de proyectos de investigación empírica cuantitativa reproducible. Al respecto, existen dos esfuerzos orientados a este fin: + +Por un lado tenemos el [Protocolo TIER](https://www.projecttier.org/tier-protocol/specifications-3-0/#overview-of-the-documentation), el cual constituye una serie de especificaciones respecto a los contenidos de la documentación para la replicación de un estudio, el cual está orientado a ser empleado para la enseñanza de la investigación que incorpore la reproducibilidad de los análisis. En este caso es importante precisar, como ya hemos identificado en un principio, que el concepto de **replicación** se emplea como sinónimo de **reproducibilidad**, entendiendo este último como la conjunción de datos y métodos originales que nos permitan **regenerar** los resultados de un estudio que ha sido publicado. Por lo tanto, cuando en TIER se habla de replicación se refiere a esta idea. La documentación debe incluir una serie de elementos descritos a continuación. + +* Datos empleados por el proyecto +* Rutinas de código escrito en el software empleado para la preparación y análisis estadístico. Esto se incluye dado que el objetivo es proveer los datos brutos a procesar, junto con todas las instrucciones que permiten **regenerar** los resultados reportados en el estudio. +* Fuentes de información que contribuyan a comprender detalladamente cada sección del estudio de inicio a fin. + +Por otro lado tenemos el [Protocolo DRESS](https://www.projecttier.org/tier-protocol/dress-protocol/) (Documenting Research in the Empirical Social Sciences). Al igual que el Protocolo TIER, se incorporan los mismos estándares para la documentación para una investigación transparente que incorpore la reproducibilidad de los análisis. Sin embargo, este se encuentra adaptado a los propósitos de los **investigadores profesionales**, más que para el uso de los estudiantes durante su formación en investigación. + +### UK Reproducibility Network (UKRN) + + + +#### Objetivos y visión {-} + +La UK Reproducibility Network (UKRN) es un consorcio institucional del Reino Unido que tiene por objetivo promover los principios y prácticas de la ciencia abierta con una mirada local, es decir, en las instituciones nacionales y sus investigadores. Para contribuir a este objetivo se realizan esfuerzos en torno a la investigación de los factores que determinan una investigación abierta y robusta, promoviendo el entrenamiento a través de actividades abiertas y diseminando las buenas prácticas para una ciencia abierta. En particular, se proponen a profundizar en los factores que determinan la carencia de **reproducibilidad** y **replicabilidad**, para lo cual se busca: + +* Desarrollar aproximaciones que contrarresten esta falta de transparencia. +* Incrementar la confianza y la calidad de la investigación científica. +* Abordar de manera transversal estos problemas en las distintas disciplinas científicas. +* Avanzar hacia un cambio cultural en la ciencia y transformar las prácticas de quienes la desarrollan. + +En la UKRN se caracteriza por un trabajo en red, es decir por un importante componente de vinculación entre instituciones de investigación vinculadas a universidades como también a oficinas gubernamentales que desarrollan investigación (ver [External Stakeholders](https://www.ukrn.org/stakeholders/)) . En esta línea, existen diversas iniciativas apoyadas por la UKRN que promueven el entrenamiento, metodologías y recursos tecnológicos para la ciencia abierta. A continuación se presentarán algunas de las contribuciones más relevantes realizadas por la red, como también algunas de las iniciativas externas que han sido respaldadas por la UKRN. + +#### Contribución {-} + +En el ámbito de la **Educación** y **Entrenamiento**, es posible identificar, por un lado, las contribuciones realizadas directamente por la UKRN, y por otro lado, las iniciativas que son respaldadas por la red y que promueven la formación en torno a los principios y prácticas de la ciencia abierta, particularmente en la etapa temprana de la carrera de investigación. + +Respecto a una de las iniciativas elaboradas por los académicos e investigadores involucrados en la UKRN, encontramos unos de los principales recursos virtuales en un breve curso online que aborda una serie de tópicos relevantes para la promoción de la ciencia abierta, dentro de lo cual encontramos el uso de pre-prints, autorías, registered reports, datos abiertos y reproducibilidad. A continuación se puede observar la lista de sesiones que han sido desarrolladas en torno a estos temas. + + +Junto con las sesiones, existe una serie de recursos compartidos a través de un proyecto abierto en el [Open Science Framework](https://osf.io/x8j9q/). Aquí es posible acceder a documentos breves que abordan los tópicos de cada sesión, además de [recursos adicionales](https://osf.io/qw9ck/) sobre uso de software de código abierto y repositorios. + +Un ámbito de desarrollo ha sido la disposición de **recursos tecnológicos** que promuevan y faciliten las prácticas en ciencia abierta. Una de las iniciativas impulsadas es el [**Open Research Calendar**](https://openresearchcalendar.org/), el cual consiste en una instrumento colaborativo y abierto que busca brindar a la comunidad de investigadores interesados en temas relacionados a la ciencia abierta un flujo constante de actualizaciones en torno a workshops y conferencias a nivel mundial que abordan tópicos sobre ciencia abierta unificados en un calendario. El carácter **colaborativo** de esta herramienta permite que usuarios previamente registrados y validados puedan contribuir con información que se centraliza en el calendario de eventos, precisando los contenidos y redireccionando a la inscripción y/o enlace para las actividades que se realizan a través de internet. Para facilitar la experiencia de usuario, el calendario se integra con Google Calendar el cual puede sincronizarse con la agenda personal, los cuales se van actualizando automáticamente. + +Otra herramienta tecnológica patrocinada por la UKRN es la plataforma [Octopus](https://science-octopus.org/). A la fecha, la plataforma se presenta como una aplicación en desarrollo y abierta a comentarios de los usuarios. En términos generales se propone ser una alternativa para contribuir a la apertura de publicaciones. El detalle se presenta así: + +> (...) sustituir a las revistas y los artículos como lugar para establecer la prioridad y registrar su trabajo con todo detalle, Octopus es de uso gratuito y publica todo tipo de trabajos científicos, ya sea una hipótesis, un método, datos, un análisis o una revisión por pares (traducción propia). + +La Figura \@ref(fig:octopus) ilustra un ejemplo de cómo se ve un proyecto en Octopus. Vemos que existen siete componentes que buscan representar el flujo de una investigación. Entendiendo que los procesos de investigación no son lineales y tienden a existir iteraciones en entre teoría y métodos, la virtud de la registro y publicación de un proyecto permite que otros puedan conocer y evaluar nuestras hipótesis, plan de análisis, resultados y versiones de un artículo, así como también la vinculación entre cada sección. + +
+Ejemplo de un trabajo registrado en desarrollo en octopus.org +

(\#fig:octopus)Ejemplo de un trabajo registrado en desarrollo en octopus.org

+
+Para publicar debemos [logearnos](https://science-octopus.org/publish) con una cuenta de ORCID. Si no tienes una cuenta puedes crear un perfil [aquí](https://orcid.org/). Luego, se deben seguir tres pasos. El primero es elegir qué tipo de componente se desea publicar (Problema, Hipótesis, Métodos, etc). Segundo, dar detalles sobre el componente y con qué otros proyectos se relaciona. Y finalmente, contribuir con un borrador de escritura que luego será publicado. diff --git a/docs/04b-herramientas.md b/docs/04b-herramientas.md new file mode 100644 index 0000000..28c33d0 --- /dev/null +++ b/docs/04b-herramientas.md @@ -0,0 +1,216 @@ +## Herramientas para los análisis reproducibles + +Generalmente, cuando se habla de reproducibilidad se toma en consideración su dimensión computacional, esto es, el trabajo con código. Como investigadores de las ciencias sociales empíricas y promotores de la ciencia abierta creemos que efectivamente este es el núcleo de la reproducibilidad, sin embargo no es su única acepción. La mera existencia de un código de análisis no nos garantiza que un proyecto sea reproducible _per se_, dado que es importante tener en consideración _cómo_ es que distintos elementos del proyecto se relacionan entre sí para *regenerar* los resultados de un trabajo publicado. Considerando esto, es que dividiremos esta sección presentando un _flujo de trabajo reproducible_ con cuatro características: + +1. Estructura del proyecto +2. Documentos dinámicos +3. Control de versiones +4. Prácticas de código + +Veamos cada uno de ellos. + +### Estructura del proyecto + +Una de las principales cosas que debemos considerar al elaborar un proyecto es su estructura de carpetas y archivos, esta nos permita entender e identificar los archivos existentes y rol en el flujo de trabajo. En este sentido, una de las herramientas que han sido desarrolladas son los denominados **Protocolos** (p. ej. TIER, DRESS, IPO), los cuales brindan una serie de orientaciones referentes a estructura digital de carpetas, documentación de archivos y rutinas para conseguir el anhelado objetivo de los **análisis reproducibles**. Para esto, es posible mencionar una serie de orientaciones generales referentes a dichos procedimientos, por ejemplo en el Proyecto TIER [(TIER, 2020)](https://www.projecttier.org/tier-protocol/protocol-4-0/){target="_blank"} se han desarrollado protocolos orientados a la reproducibilidad de los análisis, los cuales se fundamentan en tres principios que se describen a continuación. + +(i) _Reproducibilidad_: La documentación debe permitir regenerar completamente los resultados del estudio original. En primer lugar, se debe comenzar con los datos originales brutos idénticos a aquellos con los que el autor comenzó la investigación, Luego, la posibilidad de realizar las mismas rutinas de código para preparar los datos finales para el análisis. Finalmente, se debe disponer de las rutinas de código que permitan regenerar los mismos resultados publicados, por ejemplo, las tablas o figuras presentes en la investigación. + +(ii) _Independencia_: Toda la información necesaria para regenerar los resultados del estudio debe estar presente en la documentación. Esto refiere a que no debe ser necesario solicitar ninguna información adicional al autor original. + +(iii) _Realismo_: La documentación debe estar organizada y presentada con suficiente claridad para que bajo un criterio realista, sea factible que un investigador independiente con un nivel de expertise razonable tenga la posibilidad de regenerar completa e independientemente los resultados del estudio sin mayores dificultades. + +Teniendo en cuenta lo anterior, la forma en que se encuentran **organizadas** las partes de un proyecto es fundamental para cumplir a cabalidad con lo que se propone cada principio. Como vimos en la sección previa, es posible entender la reproducibilidad como un _espectro_ que involucra una tríada de tres elementos: Datos, Métodos y Resultados. + +[ESQUEMA: Datos - Métodos - Resultados]() + +Este esquema es una síntesis que hacemos de algunos de los protocolos más usados en las ciencias sociales. Más que proponer un protocolo nuevo, buscamos describir los elementos fundamentales que contiene una estructura de proyecto reproducible y que están presentes de alguna u otra forma en la mayoría de los protocolos. + + +#### Carpeta raíz + +Antes de detallar los tres elementos que se deben considerar para avanzar en el espectro de reproducibilidad, es importante partir de una base. Esta es la que en distintos protocolos y otras herramientas para la reproducibilidad se conoce como la carpeta raíz _(root)_. La carpeta raíz es donde se alberga toda la documentación de referencia general para el proyecto, lo que abarca desde bases de datos, hasta el cuestionario u otros documentos similares. La carpeta raíz es el punto de partida para poder emplear otras prácticas para la reproducibilidad. + +A modo de ir avanzando en el espectro de reproducibilidad, es importante tener en consideración dos principios en relación a la carpeta raíz: **documentar** y **orientar**. La documentación implica exponer ordenadamente el contenido del proyecto completo de manera jerárquica, es decir, el contenido de subcarpetas y su funciones. En cambio, orientar implica conducir una correcta ejecución de las rutinas que permitan regenerar los resultados de la investigación. Una carpeta base que logre considerar estos principios debe tener los siguientes contenidos: + +1. Detalle de la base y las subcarpetas organizadas según su contenido. Una manera amigable de representar esta estructura es a través de un [“árbol de directorios”](https://www.youtube.com/watch?v=clGMdaMiJ_0){target="_blank"}, el cual ilustra la jerarquía de las carpetas y los principales archivos contenidos. + +2. Instrucciones para la configuración del paquete estadístico necesario para ejecutar las rutinas de código. Esto considera el número de versión del software, los complementos necesarios que sean adicionales al paquete estándar y cualquier otra información especial sobre el software que el lector necesite conocer para reproducir los resultados del estudio. + +3. Instrucciones de “inicio-a-fin” para regenerar los resultados a través de referencias directas al uso de los archivos de procesamiento de datos en la preparación y análisis. En este apartado se deben incluir detalladamente de los objetivos de cada rutina de código de manera independiente. + +Los contenidos descritos deben incluir en un archivo que lleve de nombre “readme.md/txt/pdf”. Una sugerencia de estructura interna de este documento es la siguiente: + +1. Estructura y contenido del proyecto reproducible + * Esquema tipo "Árbol de directorios" + * Descripción de cada subcarpeta, sus archivo y roles +2. Instrucciones y rutinas de ejecución de resultados + * Instrucciones para configuración del software + * Instrucciones para la ejecución de rutinas de código de "inicio-a-fin" + +Con este archivo “readme.md/txt/pdf” ya contamos con el primer gran paso hacia la reproducibilidad: nuestra carpeta raíz está bien documentada y logra orientar bien cualquier tercero que quiera reproducir nuestra investigación. Con esto descrito, pasaremos a detallar los tres elementos a considerar para adoptar un enfoque reproducible en un proyecto (Datos-Método-Resultados) + +#### Datos + +En la ciencia trabajamos con datos, ya sean cualitativos o cuantitativos, primarios o secundarios, si nos desempeñamos como científicos analizaremos datos con tal de sacar conclusiones relevantes para el avance del conocimiento. Es por esto que, el cómo albergamos y documentamos los datos para nuestro estudio es uno de los primeros puntos a considerar para adoptar un enfoque orientado hacia la reproducibilidad. El objetivo es que cualquier persona sea capaz de comprender nuestros datos y utilizarlos para reproducir nuestros análisis. + +Si bien los protocolos varían de acuerdo a cómo se organizan los datos dentro de la carpeta raíz (i.e. en qué carpeta se alojan), algo que suele ser común entre los protocolos y que relevante de recalcar acá es la diferenciación entre los datos originales o "crudos" (_raw data_) y los datos procesados. Los datos originales son aquellos que no han sufrido ningún tipo de modificación, en contraste a los datos procesados. El albergar ambas bases de datos permite comprender de mejor forma las modificaciones que se hicieron y las decisiones que se tomaron. + +Al igual que con la carpeta raíz, sugerimos ciertas prácticas de documentación y orientación para que el proyecto sea reproducible. Presentamos el detalle para los datos originales y los datos procesados. + +Para toda fuente de **datos original**, se debe proveer la siguiente información: + +a. Citación bibliográfica en un formato estándar (p. ej. American Psychological Association, Chicago, etc). Sugerimos revisar el componente de [“Datos Abiertos”](https://lisa-coes.netlify.app/02componentes/ ) para la publicación de datos. + +b. La fecha de creación de la base de datos o el día en que se accedió por primera vez por parte del autor (en caso de que sean datos secundarios. + +c. Una descripción respecto a cómo se puede acceder a una copia de esta base de datos. Se debe ser lo suficientemente claro como para que un usuario independiente pueda acceder a los datos sin requerir información adicional. + +d. Un libro de códigos de todas las variables de la base de datos. Sugerimos revisar el apartado [“¿Cómo hacer un libro de códigos?”](https://lisa-coes.netlify.app/como-hacer-codebook/). + +Para toda fuente de **datos procesada**, es posible identificar dos tipos: + +* Base de datos intermedia, la cual contiene información que, por un lado, puede ser complementaria con una base de datos principal. Por ejemplo, tenemos una base de datos con información de individuos pertenecientes a zonas/territorios (regiones o países), a la cual necesitamos incorporar información adicional que proviene de fuentes externas. En este caso, podemos generar una base procesada intermedia, para luego proceder a combinar ambas fuentes de datos. + +* Base de datos final, es una versión final de una base de datos que contiene las variables completamente procesadas para realizar los análisis. + +En estos casos se sugiere proveer la siguiente información: + +a. Libro de códigos de la base procesada. Para ello, las variables deben estar correctamente etiquetadas. +b. Fecha de creación y versión de la base de datos procesada. + +#### Métodos + +Con los métodos nos referimos a toda información del proyecto relacionada al trabajo con los datos, específicamente al procesamiento y el análisis de datos. Ambas actividades pueden ser albergadas en un mismo archivo, no obstante e independiente del protocolo que se use, sugerimos separar ambas actividades en documentos distintos. Esto hará mucho más fácil la lectura del proceso de toma de decisiones, especialmente si son archivos de código. De esta manera, cualquier tercero podrá entender el proceso, evitando a lo más posible que emerjan preguntas tipo _¿y de dónde salió esta variable?_. En esta sección presentamos un flujo tanto para el documento de procesamiento como para el de análisis. Independiente del software estadístico que usted esté utilizando, será capaz de adherir a este flujo para hacer estas actividades de forma más ordenada. + +El **procesamiento de los datos** cumple una función muy importante para el desarrollo de un artículo: la de procesar los datos que darán paso a los análisis del estudio. Considerando eso, el objetivo final de este documento es generar una **base de datos procesada**, que contenga solamente los datos importantes para analizar. El flujo puede ser: + +1. **Cargar la base de datos original:** Cargar la base de datos original es el punto de partida para el procesamiento de los datos, y cómo tal, es muy importante que esta acción sea reproducible. En softwares como R, podemos hacer esta acción de manera reproducible al cargar los datos directamente de la web. Si esta no es una opción, podemos dejar bien documentado la forma en que se debe cargar la base de datos. + +2. **Revisar la base de datos:** Una vez cargada la base de datos original, recomendamos siempre revisar para que todo esté en orden. Cuando decimos "ver que todo esté en orden" nos referimos a diagnosticar si la base ha sido correctamente cargada. Por ejemplo, a veces podría suceder que la base de datos está en formato .csv con las columnas separadas por punto y coma (";") y nosotros la cargamos en el formato tradicional (","). + +3. **Seleccionar las variables que se utilizarán:** Generalmente no ocupamos todas las variables dentro de una base de datos, en especial en la investigación basada en encuestas con datos secundarios. Es por eso que el comienzo del procesamiento de datos consta de seleccionar las variables que utilizaremos para los análisis. + +4. **Renombrar las variables:** Si bien no es estrictamente necesario renombrar las variables, sí se recomienda para facilitar tanto el propio trabajo cómo el de alguien que vaya a emplear el mismo código. Generalmente, en la investigación de encuestas con datos secundarios nos encontramos con grandes bases de datos, con nombres técnicos y poco autoexplicativos. La principal recomendación aquí es cambiar estos nombres por nombres **cortos** y **autoexplicativos**. + +**Procedimientos a realizar por cada variable:** + +Una vez hemos cumplido con los aspectos generales del procesamiento, podemos pasar a la revisión de variable a variable. Aquí proponemos el siguiente flujo: + +* **Descriptivo inicial:** calcular una tabla de frecuencias o de medidas de tendencia central y dispersión para conocer el estado de la variable previo a cualquier modificación. + +* **Recodificación:** aquí se toman las decisiones respecto a la recodificación de los datos perdidos y otro tipo de valores a modificar (e.g. errores de tipeo). Es importante que las decisiones sobre la recodificación queden bien estipuladas y transparentadas. Por ejemplo, en caso de hacer imputación en alguna variable, dejarlo comentado en el código. + +* **Etiquetado:** el etiquetado es una forma simple y eficiente de poder dar más información acerca de una variable. En el caso de bases de datos sobre encuestas, generalmente una base bien documentada trae etiquetas predeterminadas que hacen alusión a las preguntas del cuestionario. Es importante tener en consideración que no todos los softwares soportan el etiquetado en las bases de datos, en esos casos es útil elaborar un libro de códigos para nuestra base de datos procesada. + +* **Descriptivo final:** recomendamos que, posterior a haber hecho las recodificaciones correspondientes, revisar de nuevo las frecuencias o las medidas de tendencia central de las variables, para diagnosticar que no hemos cometido errores en el procesamiento. Por dar un ejemplo, un error común, es etiquetar mal las categorías de la variable, lo tendría un impacto directo en la interpretación de los datos. + +* **Otros ajustes:** en esta última parte del flujo por variable, recomendamos efectuar toda modificación específica y relevante para la forma que analizaremos los datos. Por ejemplo, si fuésemos a construir un índice con algunas de las variables. + +El seguir este flujo de manera sistemática facilitará la lectura tanto para terceros, como para nosotros mismos en el futuro. + +Una vez contamos con nuestra base de datos procesada podemos analizar los datos. En el documento de **análisis de datos** se procede a elaborar todas las tablas, gráficos, pruebas estadísticas etc. que vayan a ser introducidos en el artículo final. Es importante que se piense en este documento cómo un reporte de análisis en sí mismo, es decir, debe estar dirigido al público y no solo ser un documento de trabajo interno para el equipo de investigación. + +Al igual que para la sección de procesamiento de datos, aquí también recomendamos un flujo de trabajo para hacer el trabajo -y el código- reproducible y eficiente. Dividimos el flujo en dos secciones, primero, una que contenga los análisis necesarios para probar las hipótesis de investigación. Segundo, una sección con análisis secundarios y/o exploratorios que sean relevantes para lo que el artículo busca plantear. + +1. Efectuar análisis descriptivos univariados de los datos. Es ideal una tabla única que sintetice el comportamiento de las variables de interés. +2. Efectuar análisis correlacional de los datos. Es una primera aproximación a las hipótesis, además de ser esquemático. Por ejemplo, el uso de matrices de correlación o de nubes de puntos. +3. Efectuar análisis multivariados. Modelos que suelen ser la principal herramienta para poner a prueba las hipótesis. +4. Efectuar análisis exploratorios. Esto en el caso que se quieran explorar relaciones o patrones que no fueron previamente hipotetizados. + +**Documentación** + +Para una correcta comprensión de los documentos de procesamiento y análisis es importante tener una descripción adecuada de cada una de sus partes, o dicho de otra forma, una correcta **documentación**. Es relevante precisar de qué manera estos documentos se vinculan con otros archivos dentro del proyecto, para lo cual podemos tomar el ejemplo del protocolo IPO. Por un lado, el documento de preparación requiere de una fuente de datos inicial, por tanto está directamente relacionada con la carpeta Input y la subcarpeta de datos originales. Por otro lado, el documento de análisis requiere de una fuente de datos procesada, por tanto está directamente relacionada con la carpeta Input y la subcarpeta de datos procesados. + +Para una correcta ejecución de las rutinas de código, es importante describir adecuadamente la **relación** entre los archivos de preparación y análisis. Para ello, se sugiere incorporar un archivo de nombre “readme-proc.md/txt/pdf”, en donde se describa brevemente dicha vinculación. Para ello sugerimos los siguientes puntos a describir: + +1. Para la ejecución de la preparación, precisar la ubicación de la o las fuentes de datos originales. (p.ej. “input/data/original/original-data.dta”) +2. Para el cierre de la preparación, precisar la ruta donde se deben almacenar la base de datos procesada y su extensión (p.ej. “input/data/original/proc-data.RData”) +3. Para la ejecución de los análisis se debe precisar el origen de la base procesada que fue creada en el punto 2. +4. Para los archivos de resultados provenientes del análisis de los datos, tales como figuras o tablas, debemos precisar la ruta donde se almacenarán y su nombre. + +#### Resultados + +Con los resultados, nos referimos a las figuras, gráficos o tablas que son producto de nuestro análisis y que serán relevantes de alguna forma para el estudio. Comúnmente, los protocolos para la organización de las carpetas proponen que todo lo que esté relacionado a los resultados se guarde en una carpeta a parte. Por ejemplo, el protocolo IPO propone albergar tablas y figuras en las subcarpetas _tables_ e _images_ dentro de la carpeta _output_. + +Tomando como ejemplo el uso del protocolo IPO, sugerimos que para una correcta identificación de cada archivo se sigan las siguientes indicaciones: + +a. Para las imágenes, sugerimos usar nombres breves e incorporar numeración. Por ejemplo “figura01.png”, según el orden de aparición en la publicación. + +b. Para el caso de los cuadros o tablas, existen distintas extensiones para almacenarlas como archivos independientes (tex/txt/md/html/xls). Para ello, sugerimos emplear nombres cortos e incorporar numeración. Por ejemplo, “tabla01.xls”, según el orden de aparición en la publicación. + + +### Texto plano y documentos dinámicos + +Adoptar ciertas prácticas en lo que respecta a la estructura de un proyecto es el primer paso en el espectro de reproducibilidad. El segundo paso que proponemos acá es el uso de texto plano y documentos dinámicos. + +Probablemente, el programa que más se ha utilizado para la escritura, desde la formación de pregrado hasta el trabajo cotidiano como investigador, sea Microsoft Word. Sin duda, es una herramienta sumamente útil, cuenta varias funciones que permiten ordenar y hacer más estéticos nuestros documentos, no obstante, no es reproducible. Aunque Microsoft Word sea un formato de archivo ampliamente conocido, necesitamos algún tipo de lector asociado al formato .docx (u otro similar) para poder leer los archivos. Esto implica que solamente las personas que tengan instalado algún lector para este tipo de documentos serán capaces de acceder al contenido, lo cual va en contra de la idea de reproducibilidad. + +Ahora, también es cierto que el formato de Word está tan extendido, que es realmente difícil que alguien no tenga disponible un lector de este tipo de archivos. Sin embargo, el real problema está con quien es dueño de ese contenido. Acá no nos inmiscuimos en temas de propiedad intelectual, pero sí es importante hacerse la pregunta sobre quién es dueño de lo que escribimos si el medio por donde estamos escribiendo no es propiedad nuestra. Es cosa de imaginarse que, de un día para otro, todo programa asociado a Microsoft desapareciera por alguna razón, todos nuestros documentos quedarían obsoletos. Aquí es donde entra el texto plano. + +El texto plano es, simplemente, un tipo de texto que se puede leer independiente del lector que se use. Un ejemplo simple es escribir en el bloc de notas de Windows. El texto plano es importante cuando buscamos avanzar hacia la reproducibiliad por dos razones. Primero, es un tipo de texto universal, lo que da la ventaja de que, en principio, cualquier persona será capaz de leer algo escrito en este formato. Segundo, sienta las bases para que surjan lenguajes que permiten sofisticar el formato de los documentos, pero que sigan teniendo el carácter universal del texto plano. Los ejemplos más conoocidos son LaTeX y Markdown. + +La descripción en detalle del lenguaje LaTeX y Markdown no son objetivo de este capitulo, pero si es importante tenerlos en cuenta ya que han dado paso a una de las herramientas más utilizadas en la ciencia abierta: los documentos dinámicos. Estos son documentos que incluyen, a la par, texto plano y código. Es decir, ya no es necesario que utilicemos una hoja de código para generar un gráfico y luego pegarlo en un documento Word para escribir nuestro artículo, sino que podemos hacer todo esto en un mismo archivo. Además de hacer nuestro flujo de trabajo más eficiente, también hace más fácil reproducir los archivos. Por ejemplo, si quisiéramos que un colega revisara nuestro artículo, bastaría con que le enviáramos el documento dinámico que contiene tanto el código como el escrito. Así, él podría revisar la escritura del documento, y además, evaluar si los análisis han sido efectuados correctamente. + +Las distintas formas de documentos dinámicos dependen del software que se vaya a emplear para la programación del código. Según @schindler_investigating_2021, los softwares más usados en las ciencias sociales actualmente son R y Stata, por lo que presentaremos un resumen de sus respectivos formatos de documentos dinámicos: RMarkdown y Stata Markdown. También, Python ha sido indiscutiblemente uno de los lenguajes de programación más utilizados en el último tiempo y no solo por científicos sociales. Es por esto que también presentaremos su versión de documento dinámico: Jupyter Notebook. + + +**RMarkdown** + +RMarkdown es un tipo de documento dinámico que combina código de R con lenguaje marcado tipo Markdown (para aprender a usar Markdown click [aquí](https://markdown.es/sintaxis-markdown/)). En los documentos de RMarkdown, todo lo que escribamos en el documento el software asumirá que está en formato Markdown, por lo que si utilizamos alguna de las marcas (e.g. usar negrita en alguna palabra) en el documento final esa marca se hará efectiva. Cuando queremos utilizar código debemos escribirlo en bloques o _chunks_. Los chunks de código tienen distintas opciones, solo por dar un ejemplo, podemos escribir un código para elaborar un gráfico, pero no queremos que el código que se utilizó para elaborar el gráfico pues, los chunks nos dan la opción para lograr eso. Caso contrario, si queremos mostrar tanto el gráfico como el código para elaborarlo -por ejemplo, para que alguien revisé si hemos cometido algún error-, los chunks de código también tienen una opción para eso. En suma, podemos utilizar las distintas marcas de edición que nos ofrece Markdown, así como las distintas opciones para los chunks de código, con tal de elaborar un documento tal y cómo nosotros lo queremos. Para más información sobre RMarkdown, ver el enlace [aquí](https://rmarkdown.rstudio.com/). + +La característica más importante de RMarkdown, es que la combinación del lenguaje marcado y el código se da en un documento _renderizado_. Renderizado significa que pasa por un proceso en el que se reconocen las distintas indicaciones de marcas y código, dando como resultado final un documento html, pdf o word. La herramienta encargada de este proceso es Pandoc, un convertidor de documentos universal (para más info ver: https://pandoc.org/) + +**Stata Markdown** + +Sí bien en Stata han emergidos varios paquetes que buscan apoyar la elaboración de documentos dinamicos (e.g. ver [aquí](https://www.stata.com/meeting/italy14/abstracts/materials/it14_haghish.pdf)), el comando Markstat es quizás el más conocido. Al igual que otros tipos de documentos dinámicos, Markstat combina lenguaje Markdown con código de Stata, la principal diferencia con RMarkdown es que el código no se ejecuta en _chunks_, sino que está separado del texto plano con indentaciones. Es importante tener en cuenta que para ejecutar Markstat debemos tener instalado Pandoc. Para más información sobre cómo utilizar Markstat ver [aquí](https://data.princeton.edu/stata/markdown). + + +**Jupyter Notebook** + +Jupyter Notebook es un tipo de documento dinámico que combina lenguaje marcado tipo Markdown con código de Python. Al igual que RMarkdown, todo lo que escribamos en los Jupyter Notebook será considerado como lenguaje marcado. La diferencia que tiene con RMarkdown es que el documento va renderizando las marcas e indicaciones de código en tiempo real. Es decir, si escribimos en negrita, títulos de distinta jerarquía o añadimos gráficos o tablas el documento lo mostrará inmediatamente. Para más información sobre cómo utilizar Jupyter Notebook ver [aquí](https://jupyter-notebook.readthedocs.io/en/stable/). + + +### Control de versiones + +El control de versiones es la tercera herramienta para la reproducibilidad que queremos presentar. Esas son herramientas de software para gestionar los cambios en los documentos. ¿Alguna vez has utilizado Google Docs para trabajar colaborativamente? Pues, este es un ejemplo cotidiano del control de versiones. Google Docs permite rastrear quién hizo qué cambio y cuándo. Además, permite restaurar un documento de una versión anterior. Sin embargo, Google Docs no es tan útil cuando el trabajo que debemos realizar es programar código. + +Para el control de versiones de códigos existen distintas herramientas, donde quizás la más conocida en el mundo de la programación es Git. Git es un sistema de control de versiones gratuito y abierto, tiene por objetivo hacer más eficiente el flujo de trabajo para proyectos grandes y pequeños. A la par existe Github, el cual es una plataforma colaborativa para el trabajo con código. Distintas disciplinas tanto de ingeniería y software, cómo relacionadas al ámbito científico utilizan Github cómo un centro de organización para el trabajo. Se utilizan repositorios, los cuales albergan todo lo relacionado a un proyecto, en el caso de la ciencia, a un proyecto de investigación. + +Recomendamos el uso de Git y Github cómo flujo de trabajo para aquellos cientificos sociales que trabajan con datos cuantitativos, especialmente cuando son grandes equipos de investigación o son proyectos con varias colaboraciones. Para más información sobre Git y Github ver [aquí](https://guides.github.com/introduction/git-handbook/) + +### Prácticas de código + +Hasta ahora, hemos procurado que la presentación de la información sea lo más general posible y que no esté relacionada a un software estadístico único. Bajo esa idea, hemos presentado lo que es una estructura reproducible de un proyecto, aludiendo a los elementos comunes que se encuentran en distintos protocolos. También, revisamos como el control de versiones y el trabajo con documentos dinámicos pueden ser herramientas para la reproducibilidad. No obstante, no hemos abordado lo que, desde un principio, establecimos como el núcleo de la reproducibilidad: el trabajo con código. + +Este capítulo busca ser una primera aproximación y enseñar lo básico respecto a reproducibilidad. Con tal de mantenernos bajo esa idea, trataremos el trabajo con código de forma abstracta, sin introducirnos a trabajar con un software en particular. Específicamente, veremos algunas **prácticas de código** que contribuyen a hacer un trabajo más reproducible. Estas son aplicables a distintos software que utilicen código, y cuando nos estemos refiriendo a un software específico lo señalaremos. + +- **Nunca hacer trabajo manual.** El objetivo de la reproducibilidad es que cualquier persona pueda regenerar nuestro trabajo, y el trabajo manual es un obstáculo para el cumplimiento de ese objetivo. Trabajar con código permite automatizar los procesos de tratamiento y análisis de datos, es cómo establecer un guión paso a paso sobre lo que se ha hecho para llegar a los resultados del artículo, en contraste, documentar un proceso de análisis manual (e.g. en una planilla de datos) es una tarea sumamente compleja. Si bien, es posible escribir un guión detallado de cada paso, esto tomaría una cantidad de tiempo y energía considerables, más aún teniendo en cuenta la cantidad de decisiones que tiene que tomar un equipo de investigación en el proceso de análisis de datos. Es por eso que la recomendación base es no hacer trabajo manual y trabajar con código, lo que implica evitar software como Microsoft Excel y otros relacionados. + +- **Asegurarse que el código siempre produzca el mismo resultado**. Nuestra hoja de código será la receta que otro seguirá para poder elaborar el mismo producto, por lo que tenemos que asegurarnos que esta produzca siempre lo mismo. Un ejemplo es cuando por algún tipo de análisis se necesitan generar números aleatorios. En R, para poder reproducir la generación de esos números aleatorios se utiliza la función `set.seed()`. + +- **Trabajar con scripts**. Para poder automatizar el procesamiento y análisis de los datos, la principal recomendación es trabajar con documentos “script” que albergan el código y permiten su rápida ejecución. En el caso de R, se pueden utilizar documentos .R. + +- **Escribir con minúscula, sin espacios, sin ñ y sin tildes.** Gran parte de los software disponibles para análisis de datos traen el inglés como idioma nativo, por lo que existe una alta probabilidad de que tengamos problemas si utilizamos caracteres especiales que no se encuentran en ese idioma. Respecto al uso de mayúsculas, existen software que diferencian cuando un código incluye mayúsculas y cuándo no, esto es una característica conocida como _case sensitive_. Sin embargo, no todos los software cuentan con esta característica, por lo que es mejor evitar su uso. + +- **Indentar el código**. La indentación es una característica del trabajo con código en general (no solo a nivel de software estadístico) y se refiere a la jerarquía en los niveles del código. Indentar permite una lectura más fácil del código, ya que permite comprenbder visualmente el orden y la estructura del código. Uno de los ejemplos más conocidos es la elaboración de funciones condicionales de tipo `if-else`. + +- **Comentar el código**. Comentar el código es sustancial para que cualquier persona no asociada al proyecto (o incluso uno mismo en el futuro) pueda entender para qué sirve cada función y reproducir el documento sin problemas. Aquí el lema es: nunca es mucho cuando se refiere a comentar el código. Mientras mejor explicado esté qué hace cada cosa y por qué, la receta será más fácil de seguir. + +- **Especificar las versiones de paquetes.** Gran parte de los software estadísticos trabajan en base a la idea de _paquetes_. Estos son un conjunto de herramientas que facilitan el trabajo con datos. Existen paquetes tanto para tareas simples como el tratamiento de bases de datos o la generación de gráficos, así como para técnicas estadísticas avanzadas. No obstante, una característica a tener en cuenta es que los paquetes tienen versiones, ya que van mejorando día tras día. Esto ocurre especialmente en software de código abierto como R o Python. A raíz de esto, es que una de las recomendaciones para la reproducibilidad es conocer con qué versión de los paquetes se está trabajando y documentarlo. Inclusive, en software como R existen herramientas que permiten facilitar esta tarea (ver [groundhog]( https://groundhogr.com/)) + +- **Elaborar código autocontenido.** Existen dos formas de trabajar con código. La primera es el trabajo tipo "cascada", donde el código es como agua que fluye desde arriba hacia abajo. Esta metáfora significa que cada código es parte de un todo interdependiente, y como tal, cada bloque depende del anterior. Un ejemplo simple es que con un bloque de código se carga una base de datos y con otro se presenta un gráfico de la misma. En contraste a esta forma de trabajo, existe una segunda de tipo "autocontenida". Esta forma implica que, en vez de que el código sea interdependiente entre sí, cada bloque de código es una tarea que inicia y finaliza en el mismo bloque. Siguiendo el ejemplo, esto implicaría que cargar la base de datos y mostrar un gráfico de ella es una tarea que comienza y termina en el mismo bloque de código. Si bien ya el trabajar con código ya es un avance hacia la reproducibilidad, trabajar de manera autocontenida es un paso mucho mayor, ya que minimiza la probabilidad de que el código no pueda ser reproducido por un tercero. + +- **Nombrar variables de manera óptima.** Como se señaló anteriormente, muchas veces los nombres de las variables en las bases de datos siguen una lógica más técnica que sustantiva. Es por eso que, para poder trabajar de manera óptima y que, al mismo tiempo, el código sea más fácil de leer se sugiere renombrar las variables de forma _sustantiva_ y _corta_. Por ejemplo, si una variable de _edad_ de una encuesta tiene por nombre `m01`, sugerimos cambiarlo a `edad`. + +- **Etiquetado o buen diccionario de variables**. Además de renombrar las variables, recomendamos etiquetar de forma sustantiva las variables que se utilizarán y/o hacer un buen diccionario de ellas. Esto tiene por objetivo que la base de datos que hayamos elaborado para nuestros análisis sea más fácil de leer y reproducir. + +- **Utilizar UTF8**. Como señalamos, recomendamos evitar el uso de caracteres especiales en trabajo con código, esto implica el uso de tildes o ñ. No obstante, para ciertas situaciones será indispensable que escribamos en nuestro idioma nativo (en este caso español), y por ende utilizar caracteres especiales. Un ejemplo es cuando establecemos los títulos y categorías de una tabla o un gráfico. En estos casos, sugerimos establecer el formato del documento de código en formato UTF-8. Este formato es de tipo universal y acepta todo tipo de caracteres, incluyendo los especiales. + +- **Trabajar con rutas relativas**. Las rutas relativas son una ubicación en el computador que es relativa a un directorio base o carpeta raíz. En el caso del trabajo con datos, generalmente la carpeta raíz es la que alberga todos los documentos que refieren a ese proyecto y las rutas relativas son direcciones hacia distintos archivos teniendo como base la carpeta raíz. Esta es una forma reproducible de ordenar los archivos ya que no depende de quién está trabajando. + +- **Uso de software libre.** Con los nuevos avances en la tecnología y en el acceso a ella han emergido iniciativas colaborativas de desarrollo de software. Esto implica que en vez de estar centralizado por una compañía, quién está detrás de los avances en el desarrollo del software es una comunidad activa de usuarios. Software como R y Python son ejemplos de este tipo de iniciativas. Recomendamos el uso de software libre porque, además de alinearse con los principios de la ciencia abierta, proveen un ambiente y herramientas mucho más propenso a adoptar prácticas que avancen hacia la reproducibilidad. + +- **Estar en contacto con la comunidad de investigadores y/o desarrolladores de herramientas computacionales**. Más que una práctica relacionada al código, es una recomendación respecto a cómo hacer más óptimo nuestro trabajo. Con internet y las nuevas herramientas computacionales, existen varias comunidades a las cuales recurrir en caso de necesitar ayuda con el desarrollo del código. Por ejemplo, +Stack Overflow es un foro donde programadores, ingenieros y en general cualquier persona que utiliza código en su día a día puede hacer o responder preguntas respecto a código. Es una gran herramienta para cuando los códigos no funcionan o cuando queremos conocer formas más eficientes de hacer una tarea. Incluimos esta recomendación porque participar de estos foros y ser parte activa de la comunidad implica adoptar prácticas para la reproducibilidad, con tal de que otros puedan entender nuestras preguntas y respuestas. + + diff --git a/docs/05-conclusiones.md b/docs/05-conclusiones.md deleted file mode 100644 index 8bf3132..0000000 --- a/docs/05-conclusiones.md +++ /dev/null @@ -1,4 +0,0 @@ -# Conclusiones - - -Palabras finales... diff --git a/docs/05-publibres.md b/docs/05-publibres.md deleted file mode 100644 index 8b7b018..0000000 --- a/docs/05-publibres.md +++ /dev/null @@ -1,4 +0,0 @@ -# Publicaciones libres - - -Palabras finales... diff --git a/docs/05-referencias.md b/docs/05-referencias.md deleted file mode 100644 index 8f89b88..0000000 --- a/docs/05-referencias.md +++ /dev/null @@ -1,3 +0,0 @@ - -# Referencias {-} - diff --git a/docs/05a-publicaciones-libres.md b/docs/05a-publicaciones-libres.md new file mode 100644 index 0000000..125b172 --- /dev/null +++ b/docs/05a-publicaciones-libres.md @@ -0,0 +1,12 @@ +# Publicaciones libres + + +
Un agricultor hace uso de sus *herramientas, talentos y conocimientos* para aprovechar lo mejor posible las ventajas del bien común que es la tierra. Una vez que termina la temporada, el agricultor entrega la cosecha a un distribuidor que se encarga de comercializar el fruto de su trabajo y el de otros agricultores. ¿Cuánto recibe realmente el agricultor por su trabajo? *¿Cuáles son las posibilidades reales que tiene la ciudadanía de acceder al bien común de manera autónoma?* + +El problema del agricultor, el distribuidor y la ciudadanía no es una historia del pasado. El producto de un trabajo que hace uso de un bien común, y el cómo este se distribuye y retribuye dentro de la sociedad, es un tema que cada vez suscita más interés no solo en los gobiernos y la ciudadanía, sino que también en la ciencia, pues como el agricultor elaboró cosechas a partir de la tierra, el científico construirá evidencia nueva a partir de conocimientos previos. Ambos crean productos que son bienes esenciales para la ciudadanía, a partir de bienes comunes de la humanidad. El problema para ambos está que parte de ese quehacer ha sido privatizado, restringiendo a la ciudadanía del libre acceso a tales bienes. + +Los prejuicios de esto no solo son extrapolables a la situación que está ocurriendo con las patentes de las *vacunas de COVID-19*, donde gran parte de [los organismos internacionales llaman a que estas sean consideradas *bienes públicos*](https://en.unesco.org/news/unesco-calls-covid-19-vaccines-be-considered-global-public-good){target="_blank"}. Así como la privatización al acceso de un conocimiento médico produce no solo desigualdad entre los países más ricos y menos ricos, el conocimiento de la sociedad - evidencia de cómo mejorar el cumplimiento de las medidas de cuidado, por ejemplo - implica un daño invaluable en cómo producimos cada vez mejor información para combatir la pandemia. + +Así, a pesar de que con *la globalización y la era digital* la labor científica ha podido crear conocimientos con mayor facilidad y divulgarlos de manera inmediata, el desconocimiento y los mitos sobre las leyes que amparan la propiedad intelectual han sido el principal obstáculo para dar el paso hacia la apertura de la creación científica [@fernandez_derechos_2018]. El miedo a ser sancionado por la editorial, el temor al plagio y la pérdida de reconocimiento autoral, destacan entre las principales razones, sin mencionar el dominio que poseen las revistas científicas sobre el conocimiento que se genera y que son publicados por las mismas. Dicho esto, la apuesta por destinar los esfuerzo hacia una libre circulación del conocimiento apunta a la necesidad de reapropiarse de los beneficios, resultados y saberes científicos. En este sentido, @banzato_soberania_2019 hace un llamado a los organismos de América Latina para generar espacios de evaluación y difusión que sirvan para la democratización del conocimiento, siendo esta un estrategia cultural y política que busca promover los procesos de producción y reproducción social del saber. + +La apertura de nuestras investigaciones traen más beneficios que dificultades: no solo contribuimos a nutrir el conocimiento colectivo sobre un problema, sino que incluso podemos alcanzar mejor visibilidad de nuestro trabajo científico. Por eso, en el siguiente capítulo te presentaremos aspectos de debes considerar para lograr una exitosa apertura de tus publicaciones y resultados de investigación.
diff --git a/docs/05b-propiedad-oa.md b/docs/05b-propiedad-oa.md new file mode 100644 index 0000000..65117a3 --- /dev/null +++ b/docs/05b-propiedad-oa.md @@ -0,0 +1,68 @@ +## Propiedad intelectual {#propiedad} + +
Esta sección busca comprender la importancia de la propiedad intelectual abordando los elementos centrales de la producción científica y su resguardo legal. Es importante conocer los elementos que nos servirán al momento de definir el carácter y el modo en que permitiremos que nuestras creaciones sean utilizadas y difundidas. La propiedad intelectual no es un elemento accesorio, pues *"nos habla de facultades exclusivas que posee el autor sobre su obra y que le permiten gozar de su uso y explotación"* [@loredo_derecho_2012]. Para nuestros efectos, se concibe como el peldaño inicial para abordar los esfuerzos hacia la publicación libre.
+ +### Sobre la Propiedad Intelectual y las Licencias + +
La *Propiedad Intelectual (PI)* es una normativa que permite el reconocimiento autoral de toda invención de la mente humana [@worldintelectualpropietyorganization_what_2020], su objetivo es fomentar la creación e innovación, al mismo tiempo en el que regula el uso y difusión de las obras. La PI es un tipo de ley cuya rigurosidad varia según el país y funciona en base a dos grandes ascepciones: + +1. **Common Law**: rige en *Estados Unidos e Inglaterra* y regula la reproducción (copia) de la obra, su distribución, su exhibición pública y su transformación ya sea traducida o adaptada [@fernandez_derechos_2009]. A partir de @omatos_aspectos_2013 se comprende que es una facultad que poseen los autores y su particularidad es que puede ser transferida ya sea por voluntad propia o por prescripción, siendo así ampliados los derechos del uso de la obra bajo distintos tipos de licencias de *Copyrigth, Creative Commons, Copyleft y Dominio Público*. + +2. **Derechos de autor**: rige en *Europa continental y Latinoamérica* y regula las facultades patrimoniales y el derecho moral que posee el autor sobre su obra, esto quiere decir que se reconoce la paternidad sobre la creación y se protege la integridad original del trabajo [@loredo_derecho_2012]. El derecho moral, a diferencia del Common Law es irrenunciable e inalienable, por lo que no se puede traspasar. + +A modo de contexto, en el caso de Chile este se ha suscrito a tratados internacionales que permimten el resguardo internacional de cualquier obra intelectual que se haya elaborado en territorio nacional, los más importantes son dos: + +1. **Tratado de Berna** (rectificado en 1973): establece indicaciones a los países asociados para resguardar las obras internacionales en el propio territorio. + +2. **Convenio de OMPI** (rectificado en 1975): establece una suerte de guía a los países adherentes, esta sirve para la elaboración de leyes que atiendan el resguardo de la propiedad intelectual dentro del mundo digital [@fernandez_derechos_2009].
+ +### Tipos de Licencias + +
Las licencias sobre la propiedad intelectual regulan los derechos patrimoniales de la obra y establecen las *reglas* para su uso. Las licencias más conocidas son: + +1. **Copyright:** Esta licencia permite que el autor se reserve todos los derechos sobre la obra y solo se puede hacer uso de ella bajo permiso del mismo. + +2. **Creative Commons (CC):** Esta licencia inspirada en la General Public License - GPL (Licencia Pública General en español)[^1] tiene el propósito de desarrollar herramientas digitales estandarizadas que faciliten la distribución de la obra, pues entrega al autor, empresa o institución la responsabilidad de autorizar reglamentadamente el modo de uso, difusión y citación de su obra. Existen seis tipos de licencias CC (Véase figura n° \@ref(fig:licencias)) y cada una de ellas tiene como base la *CC-BY* que permite hacer uso de la obra con la correspondiente atribución, el resto de licencias funcionan a modo de capas que se superponen a la pricipal, de este modo cada capa entrega una especificidad sobre como utilizar la obra @creativecommons_cc_2019. + +
+Capas de las licencias Creative Commons. Elaboración propia. +

(\#fig:licencias)Capas de las licencias Creative Commons. Elaboración propia.

+
+ +3. **Copyleft:** Este tipo de licencia proviene del movimiento [*Open Access*](https://open-access.net/en/information-on-open-access/history-of-the-open-access-movement){target="_blank"} y se orienta a abrir el uso, aplicación, distribución y creación de obras. Además de permitir el uso libre, indica la obligación de que todo proyecto que nazca a partir del original contenga los principios del acceso abierto. + +4. **Dominio Público:** Si bien no corresponde a una licencia como tal, es un estado en el que la obra no posee protección patrimonial pues ha prescrito el plazo de su protección.
+ +### El conocimiento es poder pero ¿De quién? + +
Tanto organismos de investigación pública como universidades crean conocimiento científico por medio de la investigación y la docencia con el fin de aportar al bien público. Si bien, la apertura de las publicaciones puede ser lo ideal para tales objetivos, en ocasiones la confidencialidad de los resultados científicos permite a sus autores obtener beneficios económicos de su trabajo. Sin importar cuál sea el camino, la propiedad intelectual juega un papel importante al orientar la toma de decisiones en torno al desarrollo, difusión y utilización del conocimiento intelectual [@wipo_frequently_2020]. Por ello contar con una política intelectual de calidad es el primer paso para gestionar estratégicamente la difusión y transferencia de los resultados científicos. + +A continuación, se presentan dos experiencias chilenas que se consideran como buenas prácticas en términos de políticas institucionales, pues promueven la apertura de publicaciones. + +#### **Política de Acceso Abierto de ANID** {-} + +La [*Agencia Nacional de Investigación y Desarrollo (ANID)*](https://www.anid.cl/){target="_blank"} que nace en 2020 como una estructura que reemplaza a la *Comisión Nacional de Investigación Científica y Tecnológica (CONICYT)*, es hoy la institución que encabeza el *Ministerio de Ciencia, Tecnología, Conocimiento e Innovación*. Siguiendo el legado de su antecesora, su objetivo es apoyar con recursos al desarrollo de la ciencia y la innovación en Chile. Desde el 2021, bajo el principio de que todo conocimiento generado con fondos públicos debe resultar en beneficios para la sociedad, ANID ha implementado una *Política de Acceso Abierto* con el objetivo de asegurar la disponibilidad del conocimiento científico que resulte de investigaciones financiadas por la institución [@agencianacionaldeinvestigacionydesarrollo_consulta_2020]. Esta política busca ser un curso de acción *progresivo* implementado en dos fases: + +* **Fase I**: En el plazo inicial de dos años se pretende incentivar la apertura de las publicaciones y sus datos. Esta primera fase servirá para la recopilación de antecedentes sobre el uso y gastos asociados a la investigación abierta. En esta primera etapa de la política toman gran relevancia los principios *FAIR*. FAIR es la abreviatura en lengua inglesa para referirse a Findability, Accessibility, Interoperability y Reusability (Encontrable, Accesible, Interoperable y Reutilizable). El diseño de estos principios tienen el objetivo de ser una guía medible para que los investigadores realicen una eficaz gestión de los datos, para que posteriormente puedan ser replicados [@wilkinson_fair_2016]. + +* **Fase II**: Los resultados de la primera fase servirán para que en la segunda se implemente - de manera más rigurosa - la publicación libre mediante la *"Ruta Dorada"*, la cual corresponde a un formato de publicación que permite eliminar los periodos de embargo, dejando las publicaciones disponibles en acceso abierto de manera inmediata tras el pago del *Article Processing Charges - APC* a las editoriales. El APC es una tarifa que costea el procesamiento del artículo final para que se adapte al diseño de la revista y en ocasiones, son las propias instituciones públicas las que costean el APC, devolviendo así un monto no menor a las editoriales. En la sección de [Herramientas Para Públicar](https://lisa-coes.github.io/open-access/herramientas-para-publicar.html) profundizaremos en ello. + +ANID ha detectado de manera temprana el conflicto que acarrea la industria editorial, la cual lidera un mercado donde los conocimientos se tranzan como un bien, beneficiendo principalmente a las editoriales con un alto margen de ganancias y es por ello que en el documento mismo se especifica: + +> *"Esta política busca ser un curso de acción que esté en constante revisión y que permita, de manera progresiva, avanzar hacia un sistema transparente y abierto, donde el acceso, la re-utilización y la constante oferta de nueva información y datos científicos contribuyan de manera real y concreta al desarrollo social, cultural, científico y económico de Chile"* [@anid_propuesta_2020]. + +#### **Repositorio Institucional, Universidad de Chile** {-} + +La Universidad de Chile es la institución de educación superior pionera en desarrollar un repositorio institucional abierto. Este recoge documentos digitales e impresos con previa autorización, tales como tesis de pregrado y postgrado, pre y post-print, libros y capítulos, material didáctico y presentaciones, informes técnicos, recursos audiovisuales e imágenes. El [Repositorio Académico de la Universidad de Chile](http://repositorio.uchile.cl/){target="_blank"} conserva, difunde y proporciona acceso a material científico generado por docentes e investigadores de la institución y cuenta actualmente con más de 68.000 publicaciones. + +Este repositorio académico hace uso de un protocolo de interoperabilidad que permite que se conecte con otros, ello con el propósito de incrementar la visibilidad de los documentos y bajo este objetivo, los autores deben proteger sus obras con licencias *Creative-Commons*, de este modo aseguran el reconocimiento e identificación de la propiedad intelectual y favorece la visibilidad del trabajo. + +Ambos ejemplos de políticas institucionales proveen una exitosa colaboración entre el mundo científico y el público general, ya que orientan la toma de decisiones al finalizar el ejercicio investigativo y permiten la apertura del conocimiento. Según @alperin_indicadores_2014, en América Latina se ha desarrollado el ejercicio del Open Access mediante el financiamiento - casi exclusivo - de agencias estatales y agencias de cooperación internacional. Sus resultados se publican principalmente en revistas locales o repositorios regionales, un ejemplo de ello es Argentina, país donde el 80% de los artículos científicos se encuentran indexados en revistas locales [@alperin_indicadores_2014], ya que la nación se ha inclinado en promover políticas de autoarchivo como la *Ley Nacional de Repositorios* promulgada en 2013 y la creación del *Sistema Nacional de Repositorios Digitales* creado en 2011 [@monti_acceso_2020]. + +La evidencia de cuenta de que para el caso Latinoamericano, son los organismos universitarios y de investigación pública los responsables de desarrollar eficaces políticas de ciencia abierta con el objetivo de aportar a la libre circulación de los resultados científicos, pues dentro de sus beneficios como se ilustra en la figura n° \@ref(fig:beneficios) no solo se evidencia la mayor exposición de los trabajos científicos, también existe un aporte en terminos de desarrollo a nivel país, influencia de políticas, entre otros aspectos positivos.
+ +
+ Beneficios del Open Access. Traducción propia en base a Kingsley, D. & Brown, S. (2021). +

(\#fig:beneficios) Beneficios del Open Access. Traducción propia en base a Kingsley, D. & Brown, S. (2021).

+
+[^1]: La *General Public License* es una licencia elaborada por el sistema operativo [GNU](https://www.gnu.org/licenses/){target="_blank"} y su objetivo es permitir el uso de software y códigos de libre acceso. GNU es un sistema libre que busca ser compatible con Unix, otro sistema operativo que se caracteriza por ser portable, multitarea y multiusuario [@blanca_informatica_2019]. diff --git a/docs/05c-openaccess.md b/docs/05c-openaccess.md new file mode 100644 index 0000000..8a0739b --- /dev/null +++ b/docs/05c-openaccess.md @@ -0,0 +1,78 @@ +## Formas open access + +
El quehacer científico de las ciencias sociales es una arena de lucha continua, donde investigadores deben mantenerse en constante entrenamiento para no perder el reconocimiento académico que brinda la posibilidad de oportunidades laborales y estatus social. *Publica o perece* es más una realidad que una frase retórica, pues los científicos sociales están en la obligación de investigar y publicar para mantener su carrera laboral a flote. Este agotador panorama da pie a lo que muchos investigadores de las ciencias sociales han denominado como la *crisis de la ciencia* [@breznau_does_2021], un nuevo panorama donde el conocimiento científico es menos confiable producto de prácticas antiéticas en el proceso de investigación. Falta de consistencia, sesgos no controlados, presión editorial, entre otros factores son los que influyen en un tipo de ciencia con problemas de credibilidad, como es el emblemático caso de Diederik Stapel, exponente de la psicología que realizó alrededor de 58 artículos basados en evidencia falsificada. + +Quizás muchos confiarán la solución de la crisis a las instituciones revisoras de las revistas, quienes aplican rigurosos métodos de control de calidad. Sin embargo, del papel a la práctica hay un gran trecho. La falta de transparencia en la manipulación de información, los métodos de análisis y la recolección de datos hacen imposible corroborar la veracidad total de un trabajo. Actualmente, muchas editoriales han abordado el problema mediante la adopción del Open Access para promover la transparencia de los datos y la apertura de las publicaciones, pues con esto se permite usar la reproducción de los procesos como un mecanismo de control. Por ello en esta sección conoceremos las particularidades del Open Access, las rutas por las cuales compartir publicaciones, los repositorios y las revistas que recomendamos.
+ +### ¿Qué es el Open Access? + +
*Open Access - OA* (Acceso Abierto en español) es un movimiento cuyo objetivo es promover el acceso libre a la producción de conocimiento científico digital y hacer uso de él sin restricciones de copyright. Esto a la base de estándares internacionales que permiten instalar la posibilidad de que cualquier persona pueda reutilizar la información de la investigación en cuanto datos, procesos y resultados. + +Hace algún tiempo, científicos advirtieron del problema asociado al oligopolio del conocimiento científico del que disfrutan revistas y editoriales de gran renombre, sin mencionar conflictos entre investigadores en torno a la competencia de estatus académico, la manipulación de resultados, los problemas de intersubjetividad y la falta de transparencia en el proceso de investigación [@breznau_observing_2021]. De este modo, los primeros vestigios del Open Access aparecieron a la par con la creación del internet, pero no fue hasta el 2002 con la declaración de [Budapest](https://www.budapestopenaccessinitiative.org/translations/spanish-translation/){target="_blank"} que se definió el concepto de Open Access y que posteriormente sería reforzado con las declaraciones que dieron lugar en [Bethesda 2003](https://ictlogy.net/articles/bethesda_es.html){target="_blank"} y [Berlín 2003](https://openaccess.mpg.de/67627/Berlin_sp.pdf){target="_blank"}. Uno de los aspectos destacables de la primera declaración indica que: + +> *Retirar las barreras de acceso a esta literatura acelerará la investigación, enriquecerá la educación, compartirá el aprendizaje de los ricos con los pobres y el de los pobres con el de los ricos, hará esta literatura tan útil como sea posible y sentará los cimientos para unir a la humanidad en una conversación intelectual común y búsqueda del conocimiento* [@budapestopenaccessinitiative_diez_2012]. + +Según @melero_revistas_2008, las causas que gatillan el desarrollo del Open Access son principalmente dos: + +1. La constitución del internet y las nuevas tecnologías como el medio para la divulgación científica permitió abaratar costos de impresión y acelerar el transporte de los conocimientos. + +2. Los elevados precios de suscripción a revistas científicas digitales se presentaron como barreras económicas y de copyright para acceder al conocimiento y resultados de investigaciones.
+ +#### ¿Por qué hacer uso del Open Access en mis publicaciones? {-} + +
El estudio de @piwowar_future_2019 demuestra que desde la década de los noventa ha habido un aumento constante de publicaciones que se adscriben al Open Access, y si bien el fenómeno se desarrolla en mayor medida dentro de las ciencias exactas, las ciencias sociales no se quedan atrás [@swan_directrices_2013]. Según @hernandez_por_2016, los beneficios atribuídos a las prácticas científicas de carácter abierto no difieren sobre la disciplina y traen consigo efectos positivos ligados a: + +- *Mayor accesibilidad y conservación de los productos científicos.* +- *Difusión rápida e inmediata de las publicaciones.* +- *Facilita la comunicación directa de los conocimientos científicos ayudando a avanzar en el mejoramiento de la calidad en la investigación.* +- *Abre la posibilidad de reutilizar información, datos y procesos para nuevos proyectos.*
+ +### Las distintas rutas para publicar de manera abierta + +
@swan_directrices_2013 - representante de UNESCO - define dos rutas principales (tipos de repositorios) donde depositar publicaciones con el rótulo del Open Access (Dorado y Verde), pero en la práctica se pueden diferenciar en cinco. Según @universoabierto_rutas_2019 las principales características de cada una son: + +1. **Repositorios de Ruta Dorada**: Corresponden a repositorios que publican trabajos de investigación en forma gratuita para el lector, por lo que se puede leer cualquier artículo inmediatamente después de ser publicado. Cabe destacar que para su publicación, detrás hay un cobro *Article Processing Charges - APC (Cargo por Procesamiento de Artículo en español)* cuyo costo es pagado por los autores o las instituciones les financian. + +2. **Repositorios de Ruta Híbrida**: Gran parte de las editoriales académicas utilizan este modelo con el objetivo de ofrecer Acceso Abierto al mismo tiempo en el que mantienen su modelo de negocio habitual basado en suscripciones. Esto permite a los autores optar por pagar una cuota de publicación y tener sus artículos con Acceso Abierto en revistas por suscripción. + +3. **Repositorios de Ruta Verde**: Consiste en un proceso de "auto-archivo o auto-depósito" donde los autores comparten sus post-print (artículo final) en sus páginas personales o en revistas que no son gratuitas, pero que poseen repositorios de acceso libre. Estos repositorios antes mencionados se adhieren a un conjunto de reglas y técnicas de inter-operación, formando una red interconectada de bases de datos. + +4. **Repositorios de Ruta Diamante**: Es un modelo que intenta dar solución a los inconvenientes que surgen en las rutas anteriores. Este posibilita la revisión por pares de los trabajos enviados por medio de investigadores que trabajan como voluntarios, obteniendo de esta forma reconocimiento académico y social. Esta ruta es considerada como el único modelo que garantiza la sostenibilidad de la publicación de acceso abierto. + +5. **Repositorios de Ruta Bronce**: Según @piwowar_future_2019 esta es una nueva categoría donde los editores alojan artículos embargados en sitios web de su preferencia, de modo que los trabajos carecen de licencias que permitan su uso autorizado. + +
+Proyección de la cantidad de visitas y artículos publicados por cada ruta del Open Access. Traducción propia en base al estudio de @piwowar_future_2019. +

(\#fig:FutureOA)Proyección de la cantidad de visitas y artículos publicados por cada ruta del Open Access. Traducción propia en base al estudio de @piwowar_future_2019.

+
+ +La figura n° \@ref(fig:FutureOA) ilustra el modelo elaborado por @piwowar_future_2019, este estudio se basa en el análisis de 70 millones de artículos publicados entre 1950 y 2019 que comparten el rasgo de haber sido publicados en abierto y estar alojados en la base de datos de [Unpaywall](https://unpaywall.org/){target="_blank"}. La técnica utilizada permitió estimar la trayectoria de los artículos hasta el 2025, poniendo énfasis en el porcentaje de visitas y el porcentaje de artículos publicados según cada ruta. De esta manera, en la figura n° \@ref(fig:FutureOA) se proyecta que para el 2025, los artículos publicados por la vía dorada alcanzarán un aumento de sus visitas en un 33%, la ruta verde un 19% y la ruta híbirda un 10%; mientras que la ruta bronce seguirá la misma trayectoria pero en menor medida. + +En cuanto al porcentaje de artículos publicados en abierto, el gráfico indica que tanto la ruta verde, dorada e híbirida tendran un aumento desde el 2019 al 2025, mientras que la ruta bronce en sus categorías inmediata y retrasada se mantendrán uniforme sin aumento ni descenso. Lo importante aquí es un notable aumento de la publicación en abierto en 13 puntos porcentuales, mientras que se estima el descenso de la publicación cerrada en 13 puntos porcentuales.
+ +### ResearchGate, Academia.edu y Sci-Hub: ¿Plataformas de aceso abierto? + +
De seguro conoces las plataformas de *ResearchGate y Academia.edu* o quizás en alguna ocasión has recurrido a estas páginas para compartir tus publicaciones o descargar archivos científicos para uso personal. Sobre estas plataformas hay que mencionar que *no* son un ejemplo de Open Acess debido a que funcionan como redes sociales similares a *Facebook o LinkedIn*, pues su objetivo es crear redes de contactos entre colegas e investigadores con intereses afines. Según @fortney_social_2015, ResearchGate y Academia.edu al ser empresas con fines de lucro no cumplen con la característica principal de los repositorios de Open Access, los cuales son administrados por universidades, agencias gubernamentales, asociaciones internacionales o editoriales que persigan el objetivo de poner los conocimientos al servicio y a la disponibilidad pública. + +Estas páginas al ser de tipo auto-archivo presentan similitudes con los repositorios de ruta verde, ya que los documentos se guardan en sitios personales creados por el propio autor, sin embargo, dadas las características de ResearchGate y Academia.edu, estas no permiten corroborar los estándares de calidad y seguridad de las publicaciones, ni tampoco se asegura su permanencia perpetua. Dicho lo anterior, publicar la producción científica en cualquier plataforma digital no implica estar desarrollado prácticas acordes al Open Access. + +Las restricciones de pago empujaron al desarrollo de sitios piratas que funcionan como bases de datos integrando diversas publicaciones, estos son denominados como *la vía negra del Acceso Abierto* que buscan hacer frente a las barreras de pago [@bjork_gold_2017]. Un claro ejemplo es el sitio web *Sci-Hub* que desde el 2011 posibilita el libre acceso a literatura científica (tanto pagada como libre) y para el 2021 alberga más de 85 millones de documentos. Su slogan *Sci-Hub para remover todas las barreras en el camino de la ciencia* se instaura bajo tres principios: (1) El conocimiento es para todos, (2) No al Copyright y (3) Apoyo al Open Access. Sin embargo, @monti_acceso_2020 indica que el carácter *"ilegal"* del sitio es la razón de que exponentes de la ciencia lo restrinjan, dado que no tiene la injerencia para modificar los aspectos legales de las publicaciones, trasgrede los derechos de explotación indicados por los autores y puede conducir a un despretigio del Open Access. Es evidente que lo atractivo de estos sitios es la posibilidad de acceder de manera libre a las publicaciones, un hecho corroborable en la investigación de @bohannon_who_2016, en ella se ha concluído que el 25% de los países que registran la mayor cantidad de descargas desde Sci-hub, corresponden a las naciones más ricas del mundo en Europa y Estados Unidos. @bjork_gold_2017 es el primer autor en considerar la plataforma como una vía dentro del Acceso Abierto, y es quizás una reflexión de orden ético-moral la decisión de integrar (o no) los sitios con estas características dentro del Open Access.
+ +### Revistas de acceso abierto: + +
Con la invención del internet también aumentaron las oportunidades de divulgación científica, y si bien el concepto de Open Access no fue precisado hasta los 2000, en la década anterior ya venían gestándose proyectos como *The public-access computer systems review (1990)*. Una revista electrónica tipo boletín que era distribuida por correo electrónico. Posteriormente, en 1991 revistas como *Surfaces y Psycoloquy* fueron pioneras en instalar la metodología de acceso gratuito a sus publicaciones. Hoy en día son muchos los sitios de repositorios que cumplen con políticas de Acceso Abierto, pero con licencias particulares que es necesario conocer para adentrarnos en su uso. Uno de los sitios que se recomienda usar es el de [SocArxiv](https://socopen.org/){target="_blank"}, pues cuenta con un servicio gratuito de acceso, una base de datos completa y que permite a los autores obtener un DOI para su publicación. Sin mencionar la posibilidad de un contador de descargas y otras particularidades que no poseen las plataformas de ResearchGate y Academia.edu (véase tabla n° \@ref(tab:coom)). En la siguiente sección abordaremos en mayor profundidad su uso.
+ +
+| Características | ResearchGate, Academia.edu | Sitio web personal | Repositorio Institucional | SocArXiv | +|----------------------------------------|----------------------------|---------------------------|----------------------------|----------------------------| +| Acceso libre para leer | Requiere Registro | Si | Si | Si | +| Servicio de acceso publico - sin lucro | No | Solo si es alojado por tu universidad |Solo si es alojado por tu universidad | Si | +| Metadatos completos, incluidos coautores, DOI, ORCID, etc. | Quizás | No | Quizás | Si | +| Enlace para el repositorio para base de datos, codigo, etc. | No | Solo si tu lo construyes | Quizás | Si | +| Url persistente en todas las versiones | - | No | No | Si | +| Entrega DOI para el paper | - | No | Solo Algunos | Si | +| Contador de descargas | Solo Algunos | Quizás | Quizás | Si | +| Contribuye al futuro de la comunicación académica abierta | No | Débilmente | Quizás | Si | +Table: (\#tab:coom) Tabla comparativa del uso de SocArXiv versus otros sitios + +
Fuente: Traducción propia a partir de tabla comparativa de [SocArXiv](https://socopen.org/frequently-asked-questions/){target="_blank"}.
diff --git a/docs/05d-herramientas.md b/docs/05d-herramientas.md new file mode 100644 index 0000000..2ccc1a5 --- /dev/null +++ b/docs/05d-herramientas.md @@ -0,0 +1,82 @@ +## Herramientas para publicar + +
Imagine que usted es parte de un equipo de investigación que finalizó un estudio sobre las repercusiones socio-económicas que tuvo la pandemia de Covid-19 en el país, desarrollando un aporte significativo para la toma de decisiones en materias de políticas económicas y levantando las bases para nuevas líneas de investigación. Dado el aporte que significan los resultados para el bien público, es necesaria su divulgación inmediata, pero es una realidad que la publicación regular en cualquier editorial toma un periodo largo de revisión y aceptación, es por ello que una alternativa es la pre-publicación del documento en un repositorio de Acceso Abierto y en la siguiente guía abordaremos un marco de referencia para empezar a adoptar prácticas ligadas al Open Access.
+ +### El camino hacia la publicación + +
Todo proyecto de investigación tiene la potencialidad de ser publicado pero como ya se ha ido ilustrando en las secciones anteriores, publicar de manera abierta trae consigo beneficios de visibilidad e impacto social. Para desarrollar una estrategia eficaz de publicación abierta hay que seguir un flujo que se divide tres pasos, como se ilustra en la figura n° \@ref(fig:flujo) y este inicia con la elección de la revista de Acceso Abierto, sigue con la identifiación de la etapa del artículo y finaliza con la selección del servicio de publicación. + +
+Guía paso a paso para publicar libre (Elaboración propia). +

(\#fig:flujo)Guía paso a paso para publicar libre (Elaboración propia).

+
+ +#### Paso 1: Pre-rint (Pre-publicación) {-} +Es lo que conocemos comúnmente como el borrador del artículo, el mismo que enviamos al proceso de revisión por pares. Este documento tiene la posibilidad de ser publicado en cualquier repositorio de ruta verde (*pre-print server*) con el objetivo de ser difundido abiertamente para permitir su disponibilidad inmediata. + +La gran particularidad de este método de pre-publicación es que se obtiene un código alfanumérico que identifica y ubica el documento dentro del Internet, esto se conoce como un *Digital Object Identifier - DOI* (Identificador de Objeto Digital en español), por lo que se convierte de manera inmediata en un documento referenciable y sin posibilidad de plagio. Algunas personas tendrán el temor de que al pre-publicar un informe de investigación, las posibilidades de que el documento sea aceptado y posteriormente publicado en una revista es menor. Sin embargo, los datos empíricos demuestran que en la realidad, esto no es un impedimento para su posterior publicación. En la investigación de @abdill_tracking_2019 que analizó cerca de 37.648 pre-print alojados en bioRxiv -una extensión centrada en biología del sitio ArXiv-, una de las grandes conclusiones tiene que ver con que la tasa de preprints publicados en 2018 alcanzó un máximo de 2,100 por mes y de manera más específica, en la figura n° \@ref(fig:preprint) se puede identificar a las diez principales revistas que han publicado la mayor cantidad de pre-print. En esta figura, cada barra indica la cantidad de documentos publicados por cada revista. + +
+Destino final de los Preprint. Traducción propia en base al estudio de @abdill_tracking_2019 +

(\#fig:preprint)Destino final de los Preprint. Traducción propia en base al estudio de @abdill_tracking_2019

+
+ +Para el caso de las ciencias sociales, el servicio de pre-print que recomendamos utilizar es [**SocArxiv**](https://socopen.org/){target="_blank"} y particularmente para la discilina de la psicología [PsyArxiv](https://psyarxiv.com/){target="_blank"}. Estos servicios permiten subir archivos PDF desde la plataforma [Open Science Framework - OSF](https://help.osf.io/hc/en-us/categories/360001530554-Preprints){target="_blank"} (Marco de Ciencia Abierta en español) - un software de código abierto que permite la reproducibilidad de los procesos - y de este modo se obtiene el beneficio de acceder a un DOI que asegure su correcta citación. Ambos repositorios son extensiones de [ArXiv](https://arxiv.org/){target="_blank"}, la plataforma pionera de acceso abierto que en la actualidad alberga alrededor de dos millones de artículos categorizados en ocho áreas temáticas. ArXiv no posee tarifas asociadas a la publicación de los artículos, puesto a que los documentos se someten a un proceso de clasificación y no a una revisión por pares. + +#### Paso 2: Post-print {-} +Es la segunda etapa que es clave para el camino hacia la publicación, pues el post-print corresponde al artículo aceptado tras la revisión por pares, pero cuyo formato de presentación no ha sido adaptado al requerido, por lo que no ha sido publicado de manera oficial por la revista y para lograr ello, interviene un equipo especializado de la editorial que se encarga de tales aspectos ya sean márgenes, tipos de citación, estructura, entre otros. + +Hoy en día si bien son varias las editoriales que entregan la posibilidad de publicar el post-print en cualquier repositorio abierto, esto es solo tras el periodo de embargo, el cual consiste en un tiempo determinado donde la editorial se reserva los derechos patrimoniales del artículo para su distribución. Dicho esto, recomendamos tener conocimiento de la posibilidades que tiene el autor de publicar un documento previo a la publicación oficial. + +#### Paso 3: Print {-} +En la última etapa del flujo, recomendamos optar por abrir la publicación del *Print* (artículo final). El artículo final que es publicado oficialmente por una revista permite que la editorial conserve para sí los beneficios de los derechos patrimoniales de la obra, mientras que los equipos de investigación solo conservan el derecho al reconocimiento. Publicar en una revista de reconocimiento que integre políticas de acceso abierto brinda la posibilidad de que una vez finalizado el periodo de embargo, los autores puedan abrir sus artículos, pero no todas las revistas tienen las mismas políticas y directrices, por ello plantean formas y periodos distintos para el depósito del artículo en un repositorio abierto. + +Al momento de realizar el envío de un artículo a una revista cualquiera, puede ocurrir que el autor tenga que firmar un *Acuerdo de Transferencia de Derechos (CTA por sus siglas en inglés)*, transfiriéndole al editor todo derecho sobre la obra y por lo tanto, imposibilitando toda acción posterior del propio creador sobre la investigación. Para que la publicación dentro de una revista no afecte a la posterior decisión de abrir el acceso a una investigación, en ocasiones las editoriales plantean periodos de embargo en cuyo tiempo gozan de los beneficios económicos sobre la obra, pero al finalizar, el autor es libre de difundir en abierto su publicación. En estos casos los editores tienen una licencia que sirve únicamente para publicar, mientras que los autores deben retener para sí los derechos sobre la obra. En síntesis, para que cualquier recurso científico sea abierto, este debe contener una licencia que explicite a sus usuarios las acciones que pueden realizar sobre la obra e indicar la correcta acreditación de la fuente @swan_directrices_2013.
+ +### Revistas para publicar con Open Access + +
Por lo general, cuando llevamos tiempo investigando y publicando tenemos ciertas nociones de las revistas a las que les puede interesar los temas que estamos trabajando o incluso tenemos ciertas certezas de las posibles revistas en las cuales nuestro proyecto tiene mayores chances de ser publicado. El paso lógico para la publicación es elegir aquella editorial donde queremos que aparezca nuestro trabajo, ya sea por reconocimiento, por recomendaciones, por el tema que trabajamos o por cualquier otro motivo que tengamos. Una vez elegida la revista, se recomienda revisar las políticas de autoarchivo y para ello recomendamos acceder a [Sherpa Romeo](https://v2.sherpa.ac.uk/romeo/){target="_blank"} y buscar la revista escogida. Sherpa Romeo es un sitio web que funciona como una base de datos que recopila la información básica sobre las políticas de autoría y acceso abierto de las principales revistas científicas de todo el mundo que utiliza un código de cuatro colores para diferenciar los tipos de políticas de cada revista, los que se definen en: + +
+Etiquetas de colores de Sherma Romeo según tipo de acceso abierto (Elaborción propia). +

(\#fig:unnamed-chunk-1)Etiquetas de colores de Sherma Romeo según tipo de acceso abierto (Elaborción propia).

+
+ +El mundo del Open Access es bastante grande y en ocasiones costoso, toda revista de ruta dorada posee costos de APC que deben ser financiados por los investigadores o sus patrocinantes, lo que se vuelve una barrera económica para los equipos de investigación que deseen abrir sus publicaciones, por ello el proceso de autoarchivo surge como una alternativa al alcance de cualquiera y en su mayoría, cientistas sociales utilizan la vía verde y la diamante para depositar sus manuscritos o tesis en repositorios como [Dialnet](https://soporte.dialnet.unirioja.es/portal/es/kb/articles/el-acceso-abierto-a-la-literatura-cient%C3%ADfica){target="_blank"}, [Latindex](https://www.latindex.org/latindex/descripcion){target="_blank"}, [Scielo](https://scielo.org/es/sobre-el-scielo/declaracion-de-accesso-abierto/){target="_blank"}, [Redalyc](https://www.redalyc.org/){target="_blank"} y [CLACSO](http://biblioteca.clacso.edu.ar/accesoabierto/){target="_blank"}. Adicionalmente, existen revistas de ciencias sociales cuyo foco se encuentra en el diseño de metodologías de investigación cualitativa y que además, poseen un alto factor de impacto como las resumidas en la tabla n° \@ref(tab:revc), pues son indexadas a Scopus @ulloa_tendencias_2017.
+ +
+| Revista | País | Asunto o Categoría | +|----------------------------------------------------------------------------------------------------------|-------------------------|----------------------------------------| +| [Qualitative Sociology Review](http://www.qualitativesociologyreview.org){target="_blank"} | Polonia | Ciencias Sociales diversas | +| [The International Journal Qualitative Methods](https://journals.sagepub.com/home/ijq ){target="_blank"} | Canadá | Educación | +| [Forum Qualitative Sozialforscung](https://www.qualitative-research.net/index.php/fqs ){target="_blank"} | Alemania | Ciencias Sociales diversas | +Table: (\#tab:revc) Descripción de Revistas de Open Access de orden Cualitativo + +
Fuente: Adaptación propia a partir de tabla extraída del estudio de @ulloa_tendencias_2017.
+ +
+ +### Pagos asociados a la publicación abierta + +
El Open Access está redefiniendo la forma en que el capital científico se define, se moviliza y se trata. Este es un nuevo paradigma que choca con las reglas de un mercado académico que por décadas ha mantenido el monopolio económico del conocimiento científico por medio de barreras de pago, un modelo que no siempre es receptivo a alteraciones y novedades @sadaba_acceso_2014, pero que ha tenido la obligación de adaptarse al nuevo panorama cibernético digital. + +El modelo de suscripción se presenta como un muro de pago que al ser costeado permite acceder al material científico. Detrás de cada ejemplar físico existe un costo de adaptación, impresión y envío, lo que obligaba a las editoriales a publicar una cantidad determinada. Sin embargo, con el advenimiento del internet, la digitalización y la inmediatez de la información, las razones y argumentos que daban sustento al modelo se volvieron obsoletas. La era digital permitió avanzar a pasos agigantados en el desarrollo de nuevos conocimientos, en la difusión masiva e instantánea de los trabajos académicos y por consecuencia, abrió paso al cuestionamiento de las suscripciones pagadas como método de acceso al conocimiento. En este sentido, la declaración que tuvo lugar en @bethesda_declaracion_2003 fue precisa en indicar que *"Internet ha cambiado fundamentalmente las realidades prácticas y económicas relacionadas con la distribución del conocimiento científico y el patrimonio cultural"*. + +En la nueva era digital, el modelo de suscripción sigue estando presente, pero convive con el paradigma del open access, el que intenta superar las barreras de pago poniendo la responsabilidad de la apertura del conocimiento en el propio autor. Algunos repositorios de ruta dorada e híbrida solicitan un pago de APC para publicar en acceso abierto, esto corresponde a un modelo de negocios cuyo propósito es financiar los gastos asociados la gestión de la publicación. En estricto rigor, no existe un monto estandarizado del APC, por lo que su costo dependerá únicamente de la revista y que fluctúa según el pago de impuestos adicionales, lo que se puede evidenciar en la tabla n° \@ref(tab:precio). Según @socha_cuanto_2018, de las revistas de mayor renombre en la industria académica como [Elsevier](https://www.elsevier.com/open-science){target="_blank"}, [Springer](https://www.springer.com/la/open-access){target="_blank"}, [Wiley](https://authorservices.wiley.com/author-resources/Journal-Authors/open-access/index.html){target="_blank"} y [Taylor & Francis](https://authorservices.taylorandfrancis.com/publishing-open-access/){target="_blank"} se han adscrito al acceso abierto cobrando a los autores un costo de APC pero manteniendo su modelo de suscripción.
+ +
+| Repositorio | APC mínimo | APC máximo | ¿Open Acces o Híbrido? | +|------------------|-------------|-------------|------------------------| +| ELSEVIER | $100 | $5.000 | Híbrido | +| SPRINGER | $3.000 | $3.000 | Híbrido | +| WILEY | $1.300 | $5.200 | Híbrido | +| Taylor y Francis | $500 | $2.950 | Open Access | +Table: (\#tab:precio) Fluctuación del precio en dolares del APC en las principales revistas científicas + +
Fuente: Adaptación propia a partir de información recopilada en [University of Cambridge (2018)](https://www.openaccess.cam.ac.uk/publishing-open-access/how-much-do-publishers-charge-open-access){target="_blank"}.
+ +
@spinak_revistas_2019 indica que tanto en Estados Unidos como en países Europeos ha habido un aumento exponencial del costo del APC a través de los años. A modo de ejemplo, el *APC promedio de 319 revistas* de asociadas a las editoriales *BMC, Frontiers, MDPI e Hindawi* aumentó entre 2,5 y 6 veces la inflación entre el 2012 y el 2018, al alero de un considerable crecimiento en la cantidad de volúmenes que paso de 58.007 hasta 127.528 en aquellos años. Los editores han admitido que el costo del APC lo fijan según el valor económico de la revista que es atribuido según el valor de impacto. + +La introducción de un sistema de pagos por procesamiento de artículos hace frente al modelo de suscripción, pero no logra reemplazarlo. En cambio, funciona de manera paralela dentro del mercado científico, presentándose como una nueva barrera que obstaculiza la decisión de abrir las publicaciones de aquellas investigaciones que son autónomas o que dispongan de un presupuesto acotado. Los APC tienen sus propios cuestionamientos y uno de ellos refiere a que el pago no tiene mucho que ver con el procesamiento y posterior publicación del artículo, sino que más bien los equipos de investigación pagan por el reconocimiento de ser publicados en una revista de alto factor de impacto @velterop_suscripciones_2018. Pareciera ser que el nuevo ciclo de la ciencia que apuntaba a la democratización del conocimiento se vio inmerso en las lógicas económicas en donde las editoriales obtienen los principales beneficios monetarios. + +*¿Pagar por hacer ciencia o pagar por reconocimiento?* Claro esta que existen otras vías gratuitas para publicar de manera abierta, sin embargo la ciencia -y principalmente las ligadas a la medicina, la física y las matemáticas- ha tenido la necesidad imperiosa de ser creíble, reconocida y citada, y por ello existe una mayor competencia en torno al reconocimiento que otroga la publicación en revistas de alto impacto. Sin embargo, el quehacer en pos del conocimiento y su disposición como bien público para la sociedad y su desarrollo, poco tiene que ver con una distinción simbólica que sirve dentro del mundo científico. La ciencia social, a diferencia de las ciencias exactas, se ha podido desarrollar con mayor libertad por medio de las vías gratuitas en importantes repositorios de ruta verde, como es el ejemplo del caso latinoamericano que profundizaremos en la siguiente sección.
diff --git a/docs/05e-final.md b/docs/05e-final.md new file mode 100644 index 0000000..94e2bb0 --- /dev/null +++ b/docs/05e-final.md @@ -0,0 +1,22 @@ +## ¿Cuál es el destino de las ciencias sociales en el mundo del Open Access? + +
La dicotomía entre ciencias naturales y sociales es una discusión epistemológica de años que no solo remite al objeto de estudio, sino que también a las metodologías de investigación, a los criterios de validez y quizás lo más importante, a la reflexión en torno al carácter objetivo de la propia ciencia. Es claro que el movimiento del Open Access no pretende dar respuestas ni reflexiones profundas sobre este tipo de cuestionamientos de orden epistemológico, y aunque se abre en extenso como una herramienta que sirve para la libre difusión de los conocimientos en el plano del Internet, una cosa es clara y es que las ciencias sociales han llegado algo tarde en comparación a las ciencias exactas [@sadaba_acceso_2014]. La comunidad científica ligada al campo de lo social ha hecho los esfuerzos por adquirir prácticas abiertas y de este modo, han comenzado a trazar una próspera trayectoria en el campo del Open Access con un fuerte componente político. + +Las barreras de pago no son el único obstáculo que enfrenta la libre circulación del conocimiento científico, @banzato_soberania_2019 indica que la industria editorial ha instalado la idea de una ciencia del centro o bien denominada *mainstream*, un concepto consolidado globalmente gracias al trabajo hecho por los servicios de [Web Of Science WoS](https://clarivate.com/webofsciencegroup/release-notes/wos/new-wos-admin-faq/){target="_blank"} y [Scopus](https://www.elsevier.com/solutions/scopus?dgcid=RN_AGCM_Sourced_300005030){target="_blank"} que han creado indicadores bibliométricos que segmentan a las investigaciones científicas, fomentan el uso del inglés como la lengua ilustre de la ciencia, entregan prestigio a aquellos trabajos que siguen los estándares de publicación y son indexadas en las revistas de gran renombre. En suma, generan un sistema restrictivo donde existe poca representatividad de las revistas de ciencias sociales. Según [@beigel_relaciones_2018], las bases de datos comerciales no solo contribuyeron en la ilusión de una ciencia del *centro*, también desarrollaron la idea de un tipo de ciencia *"Periférica"* que refiere al trabajo que se reclusa en el terreno de la academia regional-local-como es el caso Latinoamericano-, este se indexa en revistas subvaloradas y comprendidas como endogámicas y debaja calidad, pues en su gran mayoría producen y re-producen el conocimiento dentro de la propia región, teniendo así un rol subsidiario en el desarrollo de la ciencia y no protagónico como es el caso anterior. + +La apuesta del Open Access de hacer frente al oligopolio de la industria editorial y lograr un cambio sociocultural en la ciencia, a menudo tiene que luchar con condiciones sociales, culturales y económicas que terminan modelando la forma en que los cambios tecnológicos se convierten en cambios sociales, por ello el Open Access es un proceso diferencial no solo entre las disciplinas, sino que también entre las zonas geográficas y las distintas regiones del mundo [@sadaba_acceso_2014]. La globalización y el auge del Internet por sí mismos no democratizan ni permiten la distribución equitativa del conocimiento, por ello es importante adscribir a las palabras de @babini_universidades_2014, coordinadora del programa de acceso abierto de CLACSO, quién hace un llamado la comunidad científica de tomar responsabilidad por gestionar comunicaciones académicas no comerciales, cuyo objetivo sea permitir que el conocimiento se convierta en un **bien público** y por lo tanto, se gestione como tal. + +La experiencia latinoamericana ha logrado arribar en el puerto de la ruta verde de una forma similar al contexto anglosajón, en el estudio de @piwowar_future_2019 se evidencia que tanto en ciencias sociales como en psicología se utiliza mayoritariamente la ruta verde para la publicación abierta (Véase figura n° \@ref(fig:piwowar2019)). Para el caso Latinoamericano, se ha creado una estructura no comercial donde la publicación libre es manejada por institutos de investigación sin fines de lucro o por universidades estatales, dando forma a un ecosistema sustentado por [Open Journals Systems](https://openjournalsystems.com/){target="_blank"} (Sistema de Revistas Abiertas en español), un software libre que entrega herramientas para la administración de plataformas digitales como [Latindex](https://www.latindex.org/latindex/inicio){target="_blank"}, [Redalyc](https://www.redalyc.org/){target="_blank"} y [Scielo](https://scielo.org/es/){target="_blank"}, los principales exponentes del Open Access en la región según @becerrilgarcia_end_2019. Estas plataformas sirvieron de trampolín para el desarrollo de la ciencia abierta de tipo *no comercial*, una distinción propia de Latinoamerica [@beigel_america_2021]. + +
+Piwowar, H. et al. (2019). Porcentaje de diferentes tipos de acceso de una muestra aleatoria de artículos y reseñas de WoS con un DOI publicado entre 2009 y 2015 por disciplina (Traducción propia). +

(\#fig:piwowar2019)Piwowar, H. et al. (2019). Porcentaje de diferentes tipos de acceso de una muestra aleatoria de artículos y reseñas de WoS con un DOI publicado entre 2009 y 2015 por disciplina (Traducción propia).

+
+ +Algunas personas ligaran de manera exclusiva el Open Acces a metodologías de carácter cuantitativo, desconfiando del uso de estas técnicas para la investigación cualitativa con el temor de la pérdida de confidencialidad o el reproche sobre la toma de decisiones metodológicas. La evidencia levantada por @mardones_usos_2018 demuestra que existen experiencias cualitativas de trabajos publicados en abierto que no tienen repercusiones negativas, aún cuando estos declaran y describen sus diseños. Ello demuestra que la publicación abierta no afecta la particularidad y flexibilidad del diseño, siempre y cuando este se dirija con el fin de develar el fenómeno de estudio. + +@taylor_altmetric_2020 realizó un análisis sistemático de la publicación en abierto de libros y capítulos en el área de las ciencias sociales, pues ha habido una falta de atención en la publicación de libros en abierto, muy por el contrario al análisis que se realiza casi por completo a artículos y revistas. Este estudio comprende la existencia de un gran número de científicos sociales que se abocan publicar en libros y dentro de los resultados de la investigación, se evidencia que el número de libros y capítulos publicados en acceso abierto es mucho más bajo que el de los artículos, pero a través de los años ha ido en un ligero incremento, siendo estos en su gran mayoría de las disciplinas de la psicología y la economía, y en último lugar, textos del área de la filosofía. Lo anterior no solo evidencia un auge constante de la publicación de libros y capítulos en abierto, también da cuenta de que al igual que en el panorama general, dentro de las humanidades y las ciencias sociales ocurre una dicotomía entre las disciplinas. + +Las revistas académicas y los repositorios antes mencionados son administrados, dirigidos y financiados por instituciones académicas o por organismos no gubernamentales sin fines de lucro -como es el caso del Centro Latinoamericano de Ciencias Sociales (CLACSO)-, por lo que no se incluyen tarifas ni para autores ni para lectores. América Latina ha desarrollado una suerte de *ecosistema en red*, que se configura cómo un espacio virtual donde los miembros de las universidades ponen a disposición el contenido intelectual en repositorios de sus casas de estudio, los cuales a su vez se encuentran interconectados a otros repositorios académicos. Un ejemplo claro de ello es [LaReferencia](https://www.lareferencia.info/es/){target="_blank"} que integra más de 1.3 millones de archivos según @becerrilgarcia_end_2019. En términos de políticas públicas, los organismos estatales han desarrollado leyes que promueven el uso de prácticas abiertas en el desarrollo de investigaciones con fondos estatales, sin embargo por lo que señala @becerrilgarcia_end_2019, los mandatos tienden a ser aún muy débiles y operan como sugerencias más que como obligaciones metodológicas. Otra debilidad indicada por el mismo estudio da cuenta de que la mayoría de los sistemas de validación social de las investigaciones descansan en el renombre de la revista, aún cuando estas se encuentren lejos de las discusiones locales o bien ajenas a los contextos latinoamericanos. + +El destino de las ciencias sociales en el mundo del Open Access es bastante amplio. Los beneficios que entrega este paradigma no solo contribuyen a la difusión y amplio reconocimiento de la obra y de su autoría, también aportan a la apertura del conocimiento científico que sirve a nivel local en la toma de decisiones, en la consecución de estrategias políticas y a nivel regional en tanto aporta al desarrollo cultural y económico de la sociedad en su conjunto. Sin duda, el camino que han trazado otras personas sigue su curso e invita no solo a investigadores a incurrir en este tipo de prácticas, sino que también pone la responsabilidad en las instituciones universitarias y gubernamentales en proporcionar las herramientas, guías y conocimientos necesarios para que el Open Access sea una alternativa viable por la cual la ciencia y el conocimiento se transformen.
diff --git a/docs/05e-pasos-publicar.md b/docs/05e-pasos-publicar.md new file mode 100644 index 0000000..87830d0 --- /dev/null +++ b/docs/05e-pasos-publicar.md @@ -0,0 +1,22 @@ +# ¿Cuál es el destino de las ciencias sociales en el mundo del Open Access? + +
La dicotomía entre ciencias naturales y sociales es una discusión epistemológica de años que no solo remite al objeto de estudio, sino que también a las metodologías de investigación, a los criterios de validez y quizás lo más importante, a la reflexión en torno al carácter objetivo de la propia ciencia. Es claro que el movimiento del Open Access no pretende dar respuestas ni reflexiones profundas sobre este tipo de cuestionamientos de orden epistemológico, y aunque se abre en extenso como una herramienta que sirve para la libre difusión de los conocimientos en el plano del Internet, una cosa es clara y es que las ciencias sociales han llegado algo tarde en comparación a las ciencias exactas [@sadaba_acceso_2014]. La comunidad científica ligada al campo de lo social ha hecho los esfuerzos por adquirir prácticas abiertas y de este modo, han comenzado a trazar una próspera trayectoria en el campo del Open Access con un fuerte componente político. + +Las barreras de pago no son el único obstáculo que enfrenta la libre circulación del conocimiento científico, @banzato_soberania_2019 indica que la industria editorial ha instalado la idea de una ciencia del centro o bien denominada *mainstream*, un concepto consolidado globalmente gracias al trabajo hecho por los servicios de [Web Of Science WoS](https://clarivate.com/webofsciencegroup/release-notes/wos/new-wos-admin-faq/){target="_blank"} y [Scopus](https://www.elsevier.com/solutions/scopus?dgcid=RN_AGCM_Sourced_300005030){target="_blank"} que han creado indicadores bibliométricos que segmentan a las investigaciones científicas, fomentan el uso del inglés como la lengua ilustre de la ciencia, entregan prestigio a aquellos trabajos que siguen los estándares de publicación y son indexadas en las revistas de gran renombre. En suma, generan un sistema restrictivo donde existe poca representatividad de las revistas de ciencias sociales. Según [@beigel_relaciones_2018], las bases de datos comerciales no solo contribuyeron en la ilusión de una ciencia del *centro*, también desarrollaron la idea de un tipo de ciencia *"Periférica"* que refiere al trabajo que se reclusa en el terreno de la academia regional-local-como es el caso Latinoamericano-, este se indexa en revistas subvaloradas y comprendidas como endogámicas y debaja calidad, pues en su gran mayoría producen y re-producen el conocimiento dentro de la propia región, teniendo así un rol subsidiario en el desarrollo de la ciencia y no protagónico como es el caso anterior. + +La apuesta del Open Access de hacer frente al oligopolio de la industria editorial y lograr un cambio sociocultural en la ciencia, a menudo tiene que luchar con condiciones sociales, culturales y económicas que terminan modelando la forma en que los cambios tecnológicos se convierten en cambios sociales, por ello el Open Access es un proceso diferencial no solo entre las disciplinas, sino que también entre las zonas geográficas y las distintas regiones del mundo [@sadaba_acceso_2014]. La globalización y el auge del Internet por sí mismos no democratizan ni permiten la distribución equitativa del conocimiento, por ello es importante adscribir a las palabras de @babini_universidades_2014, coordinadora del programa de acceso abierto de CLACSO, quién hace un llamado la comunidad científica de tomar responsabilidad por gestionar comunicaciones académicas no comerciales, cuyo objetivo sea permitir que el conocimiento se convierta en un **bien público** y por lo tanto, se gestione como tal. + +La experiencia latinoamericana ha logrado arribar en el puerto de la ruta verde de una forma similar al contexto anglosajón, en el estudio de @piwowar_future_2019 se evidencia que tanto en ciencias sociales como en psicología se utiliza mayoritariamente la ruta verde para la publicación abierta (Véase figura n° \@ref(fig:piwowar2019)). Para el caso Latinoamericano, se ha creado una estructura no comercial donde la publicación libre es manejada por institutos de investigación sin fines de lucro o por universidades estatales, dando forma a un ecosistema sustentado por [Open Journals Systems](https://openjournalsystems.com/){target="_blank"} (Sistema de Revistas Abiertas en español), un software libre que entrega herramientas para la administración de plataformas digitales como [Latindex](https://www.latindex.org/latindex/inicio){target="_blank"}, [Redalyc](https://www.redalyc.org/){target="_blank"} y [Scielo](https://scielo.org/es/){target="_blank"}, los principales exponentes del Open Access en la región según @becerrilgarcia_end_2019. Estas plataformas sirvieron de trampolín para el desarrollo de la ciencia abierta de tipo *no comercial*, una distinción propia de Latinoamerica [@beigel_america_2021]. + +
+Piwowar, H. et al. (2019). Porcentaje de diferentes tipos de acceso de una muestra aleatoria de artículos y reseñas de WoS con un DOI publicado entre 2009 y 2015 por disciplina (Traducción propia). +

(\#fig:piwowar2019)Piwowar, H. et al. (2019). Porcentaje de diferentes tipos de acceso de una muestra aleatoria de artículos y reseñas de WoS con un DOI publicado entre 2009 y 2015 por disciplina (Traducción propia).

+
+ +Algunas personas ligaran de manera exclusiva el Open Acces a metodologías de carácter cuantitativo, desconfiando del uso de estas técnicas para la investigación cualitativa con el temor de la pérdida de confidencialidad o el reproche sobre la toma de decisiones metodológicas. La evidencia levantada por @mardones_usos_2018 demuestra que existen experiencias cualitativas de trabajos publicados en abierto que no tienen repercusiones negativas, aún cuando estos declaran y describen sus diseños. Ello demuestra que la publicación abierta no afecta la particularidad y flexibilidad del diseño, siempre y cuando este se dirija con el fin de develar el fenómeno de estudio. + +@taylor_altmetric_2020 realizó un análisis sistemático de la publicación en abierto de libros y capítulos en el área de las ciencias sociales, pues ha habido una falta de atención en la publicación de libros en abierto, muy por el contrario al análisis que se realiza casi por completo a artículos y revistas. Este estudio comprende la existencia de un gran número de científicos sociales que se abocan publicar en libros y dentro de los resultados de la investigación, se evidencia que el número de libros y capítulos publicados en acceso abierto es mucho más bajo que el de los artículos, pero a través de los años ha ido en un ligero incremento, siendo estos en su gran mayoría de las disciplinas de la psicología y la economía, y en último lugar, textos del área de la filosofía. Lo anterior no solo evidencia un auge constante de la publicación de libros y capítulos en abierto, también da cuenta de que al igual que en el panorama general, dentro de las humanidades y las ciencias sociales ocurre una dicotomía entre las disciplinas. + +Las revistas académicas y los repositorios antes mencionados son administrados, dirigidos y financiados por instituciones académicas o por organismos no gubernamentales sin fines de lucro -como es el caso del Centro Latinoamericano de Ciencias Sociales (CLACSO)-, por lo que no se incluyen tarifas ni para autores ni para lectores. América Latina ha desarrollado una suerte de *ecosistema en red*, que se configura cómo un espacio virtual donde los miembros de las universidades ponen a disposición el contenido intelectual en repositorios de sus casas de estudio, los cuales a su vez se encuentran interconectados a otros repositorios académicos. Un ejemplo claro de ello es [LaReferencia](https://www.lareferencia.info/es/){target="_blank"} que integra más de 1.3 millones de archivos según @becerrilgarcia_end_2019. En términos de políticas públicas, los organismos estatales han desarrollado leyes que promueven el uso de prácticas abiertas en el desarrollo de investigaciones con fondos estatales, sin embargo por lo que señala @becerrilgarcia_end_2019, los mandatos tienden a ser aún muy débiles y operan como sugerencias más que como obligaciones metodológicas. Otra debilidad indicada por el mismo estudio da cuenta de que la mayoría de los sistemas de validación social de las investigaciones descansan en el renombre de la revista, aún cuando estas se encuentren lejos de las discusiones locales o bien ajenas a los contextos latinoamericanos. + +El destino de las ciencias sociales en el mundo del Open Access es bastante amplio. Los beneficios que entrega este paradigma no solo contribuyen a la difusión y amplio reconocimiento de la obra y de su autoría, también aportan a la apertura del conocimiento científico que sirve a nivel local en la toma de decisiones, en la consecución de estrategias políticas y a nivel regional en tanto aporta al desarrollo cultural y económico de la sociedad en su conjunto. Sin duda, el camino que han trazado otras personas sigue su curso e invita no solo a investigadores a incurrir en este tipo de prácticas, sino que también pone la responsabilidad en las instituciones universitarias y gubernamentales en proporcionar las herramientas, guías y conocimientos necesarios para que el Open Access sea una alternativa viable por la cual la ciencia y el conocimiento se transformen.
diff --git a/docs/06-conclusiones.md b/docs/06-conclusiones.md deleted file mode 100644 index 8bf3132..0000000 --- a/docs/06-conclusiones.md +++ /dev/null @@ -1,4 +0,0 @@ -# Conclusiones - - -Palabras finales... diff --git a/docs/anexos.html b/docs/anexos.html new file mode 100644 index 0000000..38fee0c --- /dev/null +++ b/docs/anexos.html @@ -0,0 +1,457 @@ + + + + + + + 2.6 Anexos | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
+ +
+ +
+ +
+
+ + +
+
+ +
+ + + + + + + + + +
+ +
+
+

2.6 Anexos

+ + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
+Tabla 2.2: Algunas situaciones de QRP +
+Dimensión + +Práctica +
+Diseño y procesamiento + +Ignorar ciertos aspectos de los requerimientos de las personas participantes. +
+Pasar por alto el uso de datos cuestionables o de interpretaciones cuestionables que otros hacen. +
+Cambiar partes de un estudio como respuesta a la presión de una fuente de financiación +
+Eliminar observaciones de los análisis basados en la intuición de que eran inexactos. +
+Redondear un valor p (por ejemplo, reportar que un p-value de 0,054 es menor a 0,05) +
+Eliminación, adición o alteración de datos después de pruebas de hipótesis. +
+Supresión selectiva o adición de variables. +
+Invertir la dirección o reformular hipótesis para respaldar los datos +
+Redacción, reporte y publicación + +Ampliar de manera innecesaria la bibliografía de un estudio. +
+Tergiversar los logros de la investigación. +
+Exagerar la importancia y la relevancia práctica de los resultados. +
+Retener detalles de la metodología de investigación (e.g. no reportar todas las variables dependientes de un estudio) +
+Retener resultados de la investigación (e.g. no presentar datos que contradicen una propia investigación previa). +
+Establecer publicaciones o brindar apoyo a publicaciones que no cumplen el proceso de control de calidad de la investigación +
+Publicar los mismos datos o resultados en dos o más publicaciones. +
+Selectivamente reportar estudios que “funcionaron”. +
+Reportar hallazgos inesperados como previstos desde el principio. +
+Afirmar que los resultados no se ven afectados por variables demográficas cuando uno no está realmente seguro (o sabe que lo hacen). +
+Citación y autoría + +Manipular la autoría o denigrar el papel de otros investigadores en las publicaciones. +
+Asignar inapropiadamente los crédios de autoría. +
+Volver a publicar partes sustanciales de publicaciones propias anteriores, incluidas las traducciones, sin citar debidamente el original (“autoplagio”). +
+Citar de forma selectiva para mejorar los propios resultados o para complacer a los editores, los revisores o los colegas. +
+Usar ideas de otros sin obtener permiso o dar crédito +
+Uso no autorizado de información confidencial en relación con la propia investigación. +
+Relaciones con otros + +Permitir que los patrocinadores pongan en peligro la independencia en el proceso de investigación con el fin de introducir sesgos. +
+Acusar a un investigador de conducta indebida u otras infracciones de forma maliciosa. +
+Retrasar u obstaculizar inadecuadamente el trabajo de otros investigadores. +
+Emplear la experiencia profesional propia para alentar a que se incumpla la integridad de la investigación. +
+Ignorar supuestos incumplimientos de la integridad de la investigación cometidos por terceros o encubrir reacciones inadecuadas a conductas indebidas. +
+No divulgar adecuadamente la participación en empresas cuyos productos se basan en la investigación de uno. +
+Relaciones con estudiantes, sujetos de investigación o clientes que pueden ser interpretadas como cuestionables. +
+ +
+ +
+ +
+
+
+ Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
+ Para más información puedes contactárnos en nuestro correo +
+
+ +
+ +
+
+
+ + +
+
+ + + + + + + + + + + + + + diff --git "a/docs/an\303\241lisis-reproducible.html" "b/docs/an\303\241lisis-reproducible.html" deleted file mode 100644 index 3a31e37..0000000 --- "a/docs/an\303\241lisis-reproducible.html" +++ /dev/null @@ -1,186 +0,0 @@ - - - - - - - Capítulo 4 Análisis reproducible | Ciencia Social Abierta - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
- -
- -
- -
-
- - -
-
- -
- - - - - - - - - -
- -
-
-

Capítulo 4 Análisis reproducible

- -
-
-
-
- Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) -
- Para más información puedes contactárnos en nuestro correo -
-
- -
- -
-
-
- - -
-
- - - - - - - - - - - - - - diff --git "a/docs/an\303\241lisis-reproducibles.html" "b/docs/an\303\241lisis-reproducibles.html" new file mode 100644 index 0000000..761de32 --- /dev/null +++ "b/docs/an\303\241lisis-reproducibles.html" @@ -0,0 +1,323 @@ + + + + + + + Capítulo 3 Análisis reproducibles | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
+ +
+ +
+ +
+
+ + +
+
+ +
+ + + + + + + + + +
+ +
+
+

Capítulo 3 Análisis reproducibles

+

En la discusión sobre los problemas de transparencia en torno a los procedimientos de investigación, se vuelve necesario precisar de qué manera es entendido el concepto de reproducibilidad en la ciencia. En esta línea, la laxitud en que ha se ha empleado el término ha llevado a definiciones poco claras, lo cual ha generado una tendencia a confundir lo que refiere a la transparencia de un proceso único que ya ha sido realizado, con un proceso nuevo y que puede realizarse de manera reiterativa, obteniendo los mismos resultados. Por este motivo, esta sección propone dar luces respecto a cómo entendemos el concepto de reproducibilidad, en contraste con el replicabilidad en la ciencias sociales.

+

La discusión en torno a cómo se entiende la reproducibilidad, habitualmente lleva al contraste respecto al concepto de replicabilidad. Al respecto Earth y Behavioral (2019) menciona que con el incremento de las herramientas computacionales a principios de los años 90’, el término de “investigación reproducible” era concebido como las investigaciones que proveían un compendio detallado de la documentación, código y datos que permitieran obtener los mismos resultados publicados por los autores, enfatizando que los análisis fueran transparentes y claros con el objetivo de ser verificados por sus pares. Por otro lado, los autores sostienen que en otras disciplinas, el concepto de reproducibilidad era asociado a investigaciones independientes entre sí en términos de los datos empleados, los materiales, métodos e implementación de un estudio, lo cual estaría orientado a robustecer o cuestionar la evidencia previa (Earth y Behavioral 2019, pp 33-34). Actualmente, a esta práctica se la entiende como replicabilidad de una investigación y no debe ser confundida con el concepto de reproducibilidad (Barba 2018).

+

Barba (2018) sugiere que la confusión entre reproducibilidad y replicabilidad ha contribuido a obstaculizar las prácticas en ambas dimensiones. En una revisión reciente realizada por la autora se han identificado al menos tres escenarios o versiones de cómo se entienden ambos conceptos en una amplia gama de disciplinas que van desde las ciencias sociales hasta estudios clínicos en las ciencias médicas. El primer escenario (A), y a la vez el más común, es donde el uso de ambos conceptos es indistinto, contribuyendo a la ya mencionada confusión. El segundo escenario (B1) es cuando la reproducibilidad es entendida como la situación que los datos originales y el código de análisis son empleados para regenerar los resultados originales, mientras que la replicabilidad es entendida cuando investigadores o equipos independientes utilizan datos nuevos para obtener los mismos resultados que la investigación previa. Finalmente, un tercer escenario (B2) es cuando la reproducibilidad es entendida cuando investigadores o equipos independientes obtienen los mismos resultados empleando sus propios datos y métodos, mientras que la replicabilidad es entendida cuando investigadores o equipos independientes llegan a los mismos resultados empleando los artefactos digitales1 originales del autor con menores o mayores modificaciones, los cuales han sido puestos previamente a disposición de sus pares. La Figura 3.1 ilustra cómo podemos entender los escenarios B1 y B2 en relación a la distinción entre reproducibilidad y replicabilidad. El color rojo, tanto en los datos como en los métodos, indica que los componentes empleados son idénticos a los del estudio original. Por otro lado, el color azul, indica que tanto los datos como los métodos son distintos a los del estudio original. Finalmente, el color morado en los métodos se entiende como un punto intermedio y refiere cuando se han empleado métodos que siguen las indicaciones del estudio original, pero que han incorporado modificaciones, nuevos métodos u otras innovaciones metodológicas (p. ej. métodos nuevos, pruebas robustez u otros).

+
+Escenarios B1 y B2 en reproducibilidad y replicabilidad. +

+Figura 3.1: Escenarios B1 y B2 en reproducibilidad y replicabilidad. +

+
+

En las ciencias sociales, el debate en torno a la investigación reproducible y la replicabilidad no ha estado ausente. Como fue reseñado en el capítulo de transparencia, existen casos icónicos en torno a prácticas cuestionables de investigación que han afectado la confianza en la investigación científica, lo cual ha contribuido a incrementar los esfuerzos por una ciencia social abierta y reproducible (Breznau 2021; B. A. Nosek et al. 2015). En los tres escenarios descritos por Barba (2018), las ciencias sociales han experimentado de manera diversa el ajuste hacia una cultura de mayor apertura y precisión en torno a los problemas de la crisis de reproducibilidad, principalmente a través del estudio sistemático de dicha problemática, dentro de lo cual la psicología ha sido un pionera en proveer evidencia para este debate (e.g. Open Science Collaboration 2015; Gilbert et al. 2016). Al respecto Bishop (2019) sostiene que una de las principales amenazas para el progreso de la ciencia en general ha sido a la falta de reproducibilidad de los resultados (irreproducibility), lo cual ha afectado principalmente la robustez y credibilidad de la evidencia reportada por las investigaciones, problema que también ha sido identificado en las ciencias sociales, principalmente por la falta de precisión en los procedimientos y las barreras de acceso a materiales clave del proceso de análisis (Freese y Peterson 2017).

+

Entonces, retomando la distinción clave entre lo que entendemos por reproducibilidad y replicabilidad, en su revisión, Barba (2018) sugiere que una manera de entender y distinguir ambos conceptos de manera minimalista puede descansar en el carácter de los datos y los métodos. Al respecto B. A. Nosek et al. (2015) sostiene que en lo que refiere a estas dos dimensiones, los niveles en que una publicación los incorpora es gradual y puede entenderse como un continuo o espectro (Peng 2011), y por tanto, el nivel en que se cumplen con determinados criterios nos permite definir el carácter de una investigación en términos de su reproducibilidad. Por ejemplo, la Figura N° 3.2 nos muestra cómo podemos caracterizar una investigación publicada en torno al acceso y vinculación entre código y datos. Por un lado, se observa que en el polo donde únicamente disponemos de la publicación, se entiende como la ausencia de reproducibilidad. Por otro lado, en la medida que incrementa el acceso a los materiales, y se explicita el enlace entre ellos, se puede caracterizar a una publicación como reproducible.2

+
+Espectro de Reproducibilidad. Traducción propia en base a @peng_Reproducible_2011 +

+Figura 3.2: Espectro de Reproducibilidad. Traducción propia en base a Peng (2011) +

+
+

Como sugiere B. A. Nosek et al. (2015), el problema de la ausencia o falta de reproducibilidad debe ser abordado a través de un cambio en las prácticas de investigación, para lo cual se requiere, por un lado, de una disposición por parte de la comunidad científica, es decir a que se le atribuya un sentido positivo a estas prácticas. Sin embargo, Peng (2011) sostiene que una de las principales barreras para promover estas prácticas ha sido la falta de mecanismos que faciliten la distribución de la investigación reproducible, como también la poca claridad respecto de los estándares asociados a ello. Siguiendo esta autocrítica de algunos sectores dentro de la comunidad científica, dentro de los últimos años han surgido iniciativas, por ejemplo, como el Open Science Framework, al alero del Center for Open Science, desde donde se busca contribuir con herramientas para el entrenamiento y educación de la comunidad científica en general, como también proveer de una infraestructura tecnológica que facilite la transición cultural hacia una ciencia abierta, transparente y reproducible (B. A. Nosek et al. 2015). Por este motivo, proponemos revisar tres iniciativas internacionales que han puesto sus esfuerzos en la promoción de estos principios, con particular atención en la reproducibilidad de la investigación científica, y en particular de las ciencias sociales empíricas cuantitativas. Dentro de estas iniciativas encontraremos esfuerzos orientados a la educación y entrenamiento, herramientas tecnológicas y fortalecimiento de redes de colaboración.

+
+

Referencias

+
+
+Barba, Lorena A. 2018. «Terminologies for Reproducible Research». arXiv:1802.03311 [cs], febrero. http://arxiv.org/abs/1802.03311. +
+
+Bishop, Dorothy. 2019. «Rein in the Four Horsemen of Irreproducibility». Nature 568 (7753): 435-35. https://doi.org/10.1038/d41586-019-01307-2. +
+
+Blanca, José. 2019. «Informática para las ciencias de la vida: Unix y Python». Course. Bioinformatics at COMAV. +
+
+Breznau, Nate. 2021. «Does Sociology Need Open Science?». Societies 11 (1): 9. https://doi.org/10.3390/soc11010009. +
+
+Earth, Division on, y Cognitive Board on Behavioral. 2019. «Reproducibility and Replicability in Science». undefined. +
+
+Freese, Jeremy, y David Peterson. 2017. «Replication in Social Science». Annual Review of Sociology 43 (1): 147-65. https://doi.org/10.1146/annurev-soc-060116-053450. +
+
+Gilbert, D. T., G. King, S. Pettigrew, y T. D. Wilson. 2016. «Comment on "Estimating the Reproducibility of Psychological Science"». Science 351 (6277): 1037-37. https://doi.org/10.1126/science.aad7243. +
+
+Nosek, B. A., G. Alter, G. C. Banks, D. Borsboom, S. D. Bowman, S. J. Breckler, S. Buck, et al. 2015. «Promoting an Open Research Culture». Science 348 (6242): 1422-25. https://doi.org/10.1126/science.aab2374. +
+
+Open Science Collaboration. 2015. «Estimating the Reproducibility of Psychological Science». Science 349 (6251): aac4716-16. https://doi.org/10.1126/science.aac4716. +
+
+Peng, R. D. 2011. «Reproducible Research in Computational Science». Science 334 (6060): 1226-27. https://doi.org/10.1126/science.1213847. +
+
+
+
+
    +

  1. La General Public License es una licencia elaborada por el sistema operativo GNU y su objetivo es permitir el uso de software y códigos de libre acceso. GNU es un sistema libre que busca ser compatible con Unix, otro sistema operativo que se caracteriza por ser portable, multitarea y multiusuario (Blanca 2019).↩︎

    2. +

  2. En la figura original, Peng (2011) muestra el polo derecho como el mejor escenario y lo clasifica como Full replication, sugiriendo que el mejor estándar para poner a prueba los hallazgos de una investigación científica es la replicación, pero en la ausencia de dicha posibilidad la reproducibilidad de los resultados debiese ser un estándar mínimo↩︎

    3. +
+
+
+
+
+ Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
+ Para más información puedes contactárnos en nuestro correo +
+
+ +
+ +
+
+
+ + +
+
+ + + + + + + + + + + + + + diff --git a/docs/berkeley-initiative-for-transparency-in-the-social-sciences.html b/docs/berkeley-initiative-for-transparency-in-the-social-sciences.html new file mode 100644 index 0000000..c5c3706 --- /dev/null +++ b/docs/berkeley-initiative-for-transparency-in-the-social-sciences.html @@ -0,0 +1,352 @@ + + + + + + + 4.1 Berkeley Initiative for Transparency in the Social Sciences | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
+ +
+ +
+ +
+
+ + +
+
+ +
+ + + + + + + + + +
+ +
+
+

4.1 Berkeley Initiative for Transparency in the Social Sciences

+

+
+

Objetivos y visión

+

Esta iniciativa busca promover la credibilidad en la evidencia generada por las ciencias sociales a través de mecanismos de avanzada para la transparencia, reproducibilidad y prácticas éticas en la investigación social empírica. Desde esta premisa, ha desarrollado y puesto a disposición de la comunidad científica una serie de herramientas en colaboración con estudiantes, investigadores, entidades académicas y fundaciones de la sociedad civil al alero de tres principios orientadores.

+

Generar evidencia en torno a problemas y soluciones a través de los investigadores y la comunidad de BITSS quienes han liderado investigaciones meta-analíticas con atención en las ciencias sociales. +Incrementar el acceso a la enseñanza de la ciencia abierta, a través del fortalecimiento de prácticas para reconocer y conducir investigación social transparente y reproducible a través del entrenamiento de investigadores jóvenes, acceso a materiales, apoyo financiero y la consolidación de una red de colaboración. +Fortalecer el ecosistema científico, estableciendo condiciones para investigadores e instituciones para contribuir a un cambio efectivo y equitativo en las normas que permitan una consolidación de una política interna orientada a la ciencia abierta y al desarrollo de protocolos en esta dirección.

+

Como se ha señalado, esta iniciativa se orienta bajo estos tres ámbitos o principios. Desde sus inicios, se han desarrollado una serie de componentes que buscan promover y dar soluciones a los problemas de transparencia y reproducibilidad en las ciencias sociales. En particular, nos interesa destacar algunas de las contribuciones en este ámbito que serán presentadas a continuación las cuales se pueden resumir en Evidencia, Educación y Recursos.

+
+
+

Contribución

+

En el ámbito de Evidencia, desde BITSS se ha realizado un esfuerzo por producir y sistematizar evidencia centralizadamente. En este contexto existe la Research Library, una base de datos de publicaciones científicas que engloba una serie de investigaciones meta-analíticas en el ámbito de las ciencias sociales, contribuyendo con un cuerpo de evidencia sistemática en torno a los problemas y soluciones sobre transparencia y reproducibilidad en las ciencias sociales sin precedentes. En este apartado, tanto los colaboradores como investigadores de BITSS ponen a disposición de la comunidad científica las investigaciones que han sido financiadas a través de las Social Science Meta-Analysis and Research Transparency (SSMART) grants, las cuales constituyen fondos orientados a contribuir a la investigación empírica en torno a la transparencia y reproducibilidad en disciplinas como la economía, ciencia política, psicología y ciencias sociales afines.

+

Desde la Educación y Entrenamiento podemos identificar la articulación de una serie de Training activities desarrolladas por BITSS. Dentro de los objetivos de estas actividades podemos encontrar dos aspectos que se buscan abordar desde esta dimensión. Por un lado se encuentra el promover una visión crítica de los investigadores en las ciencias sociales, esto considera un entendimiento de los principales problemas asociados a la investigación social de calidad al alero de los principios de la ciencia abierta, dentro de lo cual podemos encontrar los sesgos y prácticas referidas a las presiones por publicar, prácticas cuestionables de investigación, reproducibilidad y privacidad de datos. Por otro lado, se han propuesto promover el manejo de técnicas de investigación para la transparencia y reproducibilidad, principalmente a través de actividades de entrenamiento con un foco en el aprendizaje e implementación de herramientas y métodos. En esta línea destacan dos contribuciones que se fundamentan en estos principios, las cuales serán descritas a continuación.

+

Research Transparency and Reproducibility Training

+

Una de las contribuciones señaladas es el Research Transparency and Reproducibility Training (RT2), el cual constituye uno de los principales eventos académicos realizados anualmente por BITSS, teniendo por objetivo el poner a disposición de estudiantes e investigadores una mirada general de las herramientas y prácticas actuales para la transparencia y la reproducibilidad en la investigación empírica en ciencias sociales. Los contenidos de RT2 abordan una serie de tópicos de manera transversal que pueden ilustrados en seis puntos:

+
    +
  • Amenazas para la credibilidad en la ciencia y la reproducibilidad, junto con su relación con el ethos científico: Conducta y valores en la ciencia.
    • +
  • Mejoras en las especificaciones de los diseños de investigación: pre-registros y plan de pre-analysis en investigación con datos experimentales y observacionales.
    • +
  • Ética e investigación abierta: estándares éticos para la ciencia abierta, manejo de datos y autoría de fuentes de información abiertas (citación).
    • +
  • Herramientas y métodos para la investigación reproducible y colaboración: control de versiones y reportes dinámicos.
    • +
  • Sistematización de evidencia, reproducibilidad e interpretación: métodos para investigación meta-analítica y revisiones sistemáticas, transparencia y reproducibilidad usando datos administrativos; y replicabilidad en la investigación.
    • +
  • Software para la Ciencia Abierta e innovaciones metodológicas.
    • +
+

MOOC: Transparent and Open Social Science Research

+

Otra de las contribuciones es el Transparent and Open Social Science Research corresponde a un curso gratuito online de cinco semanas el cual aborda los fundamentos conceptuales y las principales herramientas para promover una ciencia social abierta y transparente. La Tabla 4.1 muestra el contenido de las sesiones, las cuales se basan en un curso de nivel de grado dictado por el director de BITSS Ted Miguel en la Universidad de California Berkeley.

+ + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
Tabla 4.1: Cursos por semana en el MOOC de BITSS
SemanaContenido
1Introducción a la transparencia y reproducibilidad de la investigación
2Sesgo de publicación
3Pre-registro, Plan de Pre-Análisis; y Meta-análisis
4Replicación y Datos Abiertos
5Visualización de Datos transparente y Viendo hacia adelante
+

Una de las principales características de este curso introductorio es la sistematización de aspectos claves para la ciencia abierta con un foco particular en las ciencias sociales. Adicionalmente, tiene el objetivo de introducir conceptualmente a los problemas que se han visto presentes en las ciencias y busca dar respuestas prácticas a través de herramientas y métodos concretos para solucionarlo. Finalmente, constituye un esfuerzo breve y preciso, dado que las sesiones semanales poseen una duración promedio de unos treinta minutos y se encuentran dosificadas en videos de corta duración subtitulados.

+

En el ámbito de los Recursos que provee BITTS, podemos encontrar librería de recursos o simplemente la Resource Library, la cual incluye una multiplicidad de recursos de aprendizaje digitales en torno a la transparencia y reproducibilidad, ordenados según (i) Tópico, (ii) Tipo y (iii) Disciplina de las ciencias sociales. La Figura 4.1 muestra cómo se visualizan los tópicos disponibles en la librería, lo cual puede ser ordenado según tipo y disciplina.

+
+Librería de Recursos de BITSS +

+Figura 4.1: Librería de Recursos de BITSS +

+
+
+
+
+
+
+ Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
+ Para más información puedes contactárnos en nuestro correo +
+
+ +
+ +
+
+
+ + +
+
+ + + + + + + + + + + + + + diff --git a/docs/conclusiones.html b/docs/conclusiones.html deleted file mode 100644 index 56acc3c..0000000 --- a/docs/conclusiones.html +++ /dev/null @@ -1,187 +0,0 @@ - - - - - - - Capítulo 6 Conclusiones | Ciencia Social Abierta - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
- -
- -
- -
-
- - -
-
- -
- - - - - - - - - -
- -
-
-

Capítulo 6 Conclusiones

-

Palabras finales…

- -
-
-
-
- Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) -
- Para más información puedes contactárnos en nuestro correo -
-
- -
- -
-
-
- - -
-
- - - - - - - - - - - - - - diff --git a/docs/control-de-versiones.html b/docs/control-de-versiones.html new file mode 100644 index 0000000..7a5c005 --- /dev/null +++ b/docs/control-de-versiones.html @@ -0,0 +1,280 @@ + + + + + + + 4.3 Control de versiones | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
+ +
+ +
+ +
+
+ + +
+
+ +
+ + + + + + + + + +
+ +
+
+

4.3 Control de versiones

+

El control de versiones es la tercera herramienta para la reproducibilidad que queremos presentar. Esas son herramientas de software para gestionar los cambios en los documentos. ¿Alguna vez has utilizado Google Docs para trabajar colaborativamente? Pues, este es un ejemplo cotidiano del control de versiones. Google Docs permite rastrear quién hizo qué cambio y cuándo. Además, permite restaurar un documento de una versión anterior. Sin embargo, Google Docs no es tan útil cuando el trabajo que debemos realizar es programar código.

+

Para el control de versiones de códigos existen distintas herramientas, donde quizás la más conocida en el mundo de la programación es Git. Git es un sistema de control de versiones gratuito y abierto, tiene por objetivo hacer más eficiente el flujo de trabajo para proyectos grandes y pequeños. A la par existe Github, el cual es una plataforma colaborativa para el trabajo con código. Distintas disciplinas tanto de ingeniería y software, cómo relacionadas al ámbito científico utilizan Github cómo un centro de organización para el trabajo. Se utilizan repositorios, los cuales albergan todo lo relacionado a un proyecto, en el caso de la ciencia, a un proyecto de investigación.

+

Recomendamos el uso de Git y Github cómo flujo de trabajo para aquellos cientificos sociales que trabajan con datos cuantitativos, especialmente cuando son grandes equipos de investigación o son proyectos con varias colaboraciones. Para más información sobre Git y Github ver aquí

+
+
+
+
+ Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
+ Para más información puedes contactárnos en nuestro correo +
+
+ +
+ +
+
+
+ + +
+
+ + + + + + + + + + + + + + diff --git "a/docs/cu\303\241l-es-el-destino-de-las-ciencias-sociales-en-el-mundo-del-open-access.html" "b/docs/cu\303\241l-es-el-destino-de-las-ciencias-sociales-en-el-mundo-del-open-access.html" new file mode 100644 index 0000000..7d503a7 --- /dev/null +++ "b/docs/cu\303\241l-es-el-destino-de-las-ciencias-sociales-en-el-mundo-del-open-access.html" @@ -0,0 +1,314 @@ + + + + + + + 4.4 ¿Cuál es el destino de las ciencias sociales en el mundo del Open Access? | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
+ +
+ +
+ +
+
+ + +
+
+ +
+ + + + + + + + + +
+ +
+
+

4.4 ¿Cuál es el destino de las ciencias sociales en el mundo del Open Access?

+
+

La dicotomía entre ciencias naturales y sociales es una discusión epistemológica de años que no solo remite al objeto de estudio, sino que también a las metodologías de investigación, a los criterios de validez y quizás lo más importante, a la reflexión en torno al carácter objetivo de la propia ciencia. Es claro que el movimiento del Open Access no pretende dar respuestas ni reflexiones profundas sobre este tipo de cuestionamientos de orden epistemológico, y aunque se abre en extenso como una herramienta que sirve para la libre difusión de los conocimientos en el plano del Internet, una cosa es clara y es que las ciencias sociales han llegado algo tarde en comparación a las ciencias exactas (Sadaba 2014). La comunidad científica ligada al campo de lo social ha hecho los esfuerzos por adquirir prácticas abiertas y de este modo, han comenzado a trazar una próspera trayectoria en el campo del Open Access con un fuerte componente político.

+

Las barreras de pago no son el único obstáculo que enfrenta la libre circulación del conocimiento científico, Banzato (2019) indica que la industria editorial ha instalado la idea de una ciencia del centro o bien denominada mainstream, un concepto consolidado globalmente gracias al trabajo hecho por los servicios de Web Of Science WoS y Scopus que han creado indicadores bibliométricos que segmentan a las investigaciones científicas, fomentan el uso del inglés como la lengua ilustre de la ciencia, entregan prestigio a aquellos trabajos que siguen los estándares de publicación y son indexadas en las revistas de gran renombre. En suma, generan un sistema restrictivo donde existe poca representatividad de las revistas de ciencias sociales. Según (Beigel 2018), las bases de datos comerciales no solo contribuyeron en la ilusión de una ciencia del centro, también desarrollaron la idea de un tipo de ciencia “Periférica” que refiere al trabajo que se reclusa en el terreno de la academia regional-local-como es el caso Latinoamericano-, este se indexa en revistas subvaloradas y comprendidas como endogámicas y debaja calidad, pues en su gran mayoría producen y re-producen el conocimiento dentro de la propia región, teniendo así un rol subsidiario en el desarrollo de la ciencia y no protagónico como es el caso anterior.

+

La apuesta del Open Access de hacer frente al oligopolio de la industria editorial y lograr un cambio sociocultural en la ciencia, a menudo tiene que luchar con condiciones sociales, culturales y económicas que terminan modelando la forma en que los cambios tecnológicos se convierten en cambios sociales, por ello el Open Access es un proceso diferencial no solo entre las disciplinas, sino que también entre las zonas geográficas y las distintas regiones del mundo (Sadaba 2014). La globalización y el auge del Internet por sí mismos no democratizan ni permiten la distribución equitativa del conocimiento, por ello es importante adscribir a las palabras de Babini (2014), coordinadora del programa de acceso abierto de CLACSO, quién hace un llamado la comunidad científica de tomar responsabilidad por gestionar comunicaciones académicas no comerciales, cuyo objetivo sea permitir que el conocimiento se convierta en un bien público y por lo tanto, se gestione como tal.

+

La experiencia latinoamericana ha logrado arribar en el puerto de la ruta verde de una forma similar al contexto anglosajón, en el estudio de Piwowar, Priem, y Orr (2019) se evidencia que tanto en ciencias sociales como en psicología se utiliza mayoritariamente la ruta verde para la publicación abierta (Véase figura n° 4.7). Para el caso Latinoamericano, se ha creado una estructura no comercial donde la publicación libre es manejada por institutos de investigación sin fines de lucro o por universidades estatales, dando forma a un ecosistema sustentado por Open Journals Systems (Sistema de Revistas Abiertas en español), un software libre que entrega herramientas para la administración de plataformas digitales como Latindex, Redalyc y Scielo, los principales exponentes del Open Access en la región según Becerril García y Aguado López (2019). Estas plataformas sirvieron de trampolín para el desarrollo de la ciencia abierta de tipo no comercial, una distinción propia de Latinoamerica (Beigel 2021).

+
+Piwowar, H. et al. (2019). Porcentaje de diferentes tipos de acceso de una muestra aleatoria de artículos y reseñas de WoS con un DOI publicado entre 2009 y 2015 por disciplina (Traducción propia). +

+Figura 4.7: Piwowar, H. et al. (2019). Porcentaje de diferentes tipos de acceso de una muestra aleatoria de artículos y reseñas de WoS con un DOI publicado entre 2009 y 2015 por disciplina (Traducción propia). +

+
+

Algunas personas ligaran de manera exclusiva el Open Acces a metodologías de carácter cuantitativo, desconfiando del uso de estas técnicas para la investigación cualitativa con el temor de la pérdida de confidencialidad o el reproche sobre la toma de decisiones metodológicas. La evidencia levantada por Mardones, Ulloa, y Salas (2018) demuestra que existen experiencias cualitativas de trabajos publicados en abierto que no tienen repercusiones negativas, aún cuando estos declaran y describen sus diseños. Ello demuestra que la publicación abierta no afecta la particularidad y flexibilidad del diseño, siempre y cuando este se dirija con el fin de develar el fenómeno de estudio.

+

Taylor (2020) realizó un análisis sistemático de la publicación en abierto de libros y capítulos en el área de las ciencias sociales, pues ha habido una falta de atención en la publicación de libros en abierto, muy por el contrario al análisis que se realiza casi por completo a artículos y revistas. Este estudio comprende la existencia de un gran número de científicos sociales que se abocan publicar en libros y dentro de los resultados de la investigación, se evidencia que el número de libros y capítulos publicados en acceso abierto es mucho más bajo que el de los artículos, pero a través de los años ha ido en un ligero incremento, siendo estos en su gran mayoría de las disciplinas de la psicología y la economía, y en último lugar, textos del área de la filosofía. Lo anterior no solo evidencia un auge constante de la publicación de libros y capítulos en abierto, también da cuenta de que al igual que en el panorama general, dentro de las humanidades y las ciencias sociales ocurre una dicotomía entre las disciplinas.

+

Las revistas académicas y los repositorios antes mencionados son administrados, dirigidos y financiados por instituciones académicas o por organismos no gubernamentales sin fines de lucro -como es el caso del Centro Latinoamericano de Ciencias Sociales (CLACSO)-, por lo que no se incluyen tarifas ni para autores ni para lectores. América Latina ha desarrollado una suerte de ecosistema en red, que se configura cómo un espacio virtual donde los miembros de las universidades ponen a disposición el contenido intelectual en repositorios de sus casas de estudio, los cuales a su vez se encuentran interconectados a otros repositorios académicos. Un ejemplo claro de ello es LaReferencia que integra más de 1.3 millones de archivos según Becerril García y Aguado López (2019). En términos de políticas públicas, los organismos estatales han desarrollado leyes que promueven el uso de prácticas abiertas en el desarrollo de investigaciones con fondos estatales, sin embargo por lo que señala Becerril García y Aguado López (2019), los mandatos tienden a ser aún muy débiles y operan como sugerencias más que como obligaciones metodológicas. Otra debilidad indicada por el mismo estudio da cuenta de que la mayoría de los sistemas de validación social de las investigaciones descansan en el renombre de la revista, aún cuando estas se encuentren lejos de las discusiones locales o bien ajenas a los contextos latinoamericanos.

+El destino de las ciencias sociales en el mundo del Open Access es bastante amplio. Los beneficios que entrega este paradigma no solo contribuyen a la difusión y amplio reconocimiento de la obra y de su autoría, también aportan a la apertura del conocimiento científico que sirve a nivel local en la toma de decisiones, en la consecución de estrategias políticas y a nivel regional en tanto aporta al desarrollo cultural y económico de la sociedad en su conjunto. Sin duda, el camino que han trazado otras personas sigue su curso e invita no solo a investigadores a incurrir en este tipo de prácticas, sino que también pone la responsabilidad en las instituciones universitarias y gubernamentales en proporcionar las herramientas, guías y conocimientos necesarios para que el Open Access sea una alternativa viable por la cual la ciencia y el conocimiento se transformen. +
+ + +
+ +

Referencias

+
+
+Babini, Dominique. 2014. «Universidades y acceso abierto: hora de tomar protagonismo». En Foro Revista Iberoamericana de Ciencia, Tecnología y Sociedad, 1-3. 2015. +
+
+Banzato, Guillermo. 2019. «Soberanía del conocimiento para superar inequidades: políticas de Acceso Abierto para revistas científicas en América Latina». Mecila Working Paper Series 18: 1-18. +
+
+Becerril García, Arianna, y Eduardo Aguado López. 2019. «The End of a Centralized Open Access Project and the Beginning of a Community-Based Sustainable Infrastructure for Latin America». OpenEdition Press, 41-55. https://doi.org/10.4000/books.oep. 9003. +
+
+Beigel, Fernanda. 2018. «Las relaciones de poder en la ciencia mundial». Nueva Sociedad 274: 13-28. +
+
+———. 2021. «América Latina podría convertirse en líder mundial de la ciencia abierta no comercial». Scientific Blog. The Conversation. +
+
+Mardones, Rodolfo, Jorge Ulloa, y Gonzálo Salas. 2018. «Usos del diseño metodológico cualitativo en artículos de acceso abierto de alto impacto en ciencias sociales». Forum: Qualitative Social Research 19, n: 1-18. +
+
+Piwowar, Heather, Jason Priem, y Richard Orr. 2019. «The Future of OA: A Large-Scale Analysis Projecting Open Access Publication and Readership». BioRxiv, 795310. +
+
+Sadaba, Igor. 2014. «EL ACCESO ABIERTO EN CIENCIAS SOCIALES: NOTAS SOCIOLÓGICAS SOBRE PUBLICACIONES, COMUNIDADES Y CAMPOS» 17: 93-113. +
+
+Taylor, Michael. 2020. «An Altmetric Attention Advantage for Open Access Books in the Humanities and Social Sciences». Scientometrics 125: 2523-43. https://doi.org/10.1007/s11192-020-03735-8. +
+
+
+
+
+ Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
+ Para más información puedes contactárnos en nuestro correo +
+
+ +
+ +
+
+
+ + +
+
+ + + + + + + + + + + + + + diff --git "a/docs/c\303\263mo.html" "b/docs/c\303\263mo.html" new file mode 100644 index 0000000..c3c7dad --- /dev/null +++ "b/docs/c\303\263mo.html" @@ -0,0 +1,329 @@ + + + + + + + 2.3 ¿Cómo? | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
+ +
+ +
+ +
+
+ + +
+
+ +
+ + + + + + + + + +
+ +
+
+

2.3 ¿Cómo?

+
+ +

Una buena forma de introducir el cómo adoptar la transparencia son las Transparency and Openess Promotion (TOP) Guidelines (Guías para la Promoción de la Transparencia y la Accesibilidad). Las TOP Guidelines son una iniciativa del Centro para la Ciencia Abierta (COS, por sus siglas en inglés) que busca fomentar la ciencia abierta a partir de la adopción de distintos principios. Su objetivo es que tanto los investigadores cómo las revistas científicas adhieran a prácticas transparentes. Los principios van desde temas de citación, hasta la replicabilidad (ver el detalle sobre esta propuesta en https://osf.io/9f6gx/). Sí bien esta es una iniciativa que incluye principios que escapan el enfoque de este capítulo, es un buen punto de partida ya que permite situar la transparencia en el diseño de investigación y el uso de preregistros como parte de una red de principios más grandes a instalar en la ciencia. Además, permite dar cuenta de que ya existe un conjunto de actores preocupados por temáticas de ciencia abierta, que han reconocido la transparencia en los diseños de investigación cómo un principio importante a adoptar. En lo que sigue, revisaremos cómo los preregistros logran fomentar la transparencia en los diseños de investigación.

+
+

2.3.1 Preregistros

+
+ +

Los preregistros son una marca temporal sobre las decisiones del diseño, el método y el análisis de un artículo científico y se suelen hacer antes del levantamiento de datos (Stewart et al. 2020). Básicamente, preregistrar un estudio implica que un grupo de investigadores dejarán por escrito una pauta de investigación a la cual seguirá cuando desarrollen la investigación, especialmente la recopilación y el análisis de los datos. El objetivo del preregistro es reducir el margen de flexibilidad que tienen los investigadores a la hora de analizar los datos. El que exista una guía sobre qué hipótesis probar y qué análisis hace menos probable que los científicos caigan en prácticas cómo el sesgo de publicación, p haking o el HARKing.

+
+ +

Cómo vimos el sesgo de publicación se trata de publicar selectivamente los resultados de investigación: resultados que no hayan sido significativos, o hipótesis que “no funcionaron” simplemente se omiten. Sin embargo, cuando existe un documento como un preregistro, el cual deja estipulado claramente las hipótesis que deben ponerse a prueba y los análisis que se emplearan para ello, se torna más difícil reportar selectivamente los resultados. Dicho de otra forma, cuando existe una pauta a la cual apegarse, la discrecionalidad en el reporte de los resultados disminuye.

+
+ +

En el caso del p-hacking, el efecto del preregistro es parecido. El p-hacking consiste en abusar de las pruebas estadísticas para obtener resultados significativos. “Abusar” en el sentido de buscar toda vía posible para obtener un valor p que confirme las hipótesis planteadas. El hecho de preregistrar el plan de análisis y el procesamiento que se le efectuara a las variables permite evitar este tipo de búsqueda intencionada: como hay una guía que seguir, cualquier desviación debe ser justificada. En esta misma línea, un preregistro evita el HARKing ya que las hipótesis están previamente planteadas y no es posible cambiarlas una vez que se han visto los resultados. En suma, el plantear un registro a priori de la investigación, disminuye la flexibilidad que suele dar paso a las QRP.

+
+ +

Existen resquemores respecto del uso de preregistros de los que es preciso hacerse cargo. Una de las principales preocupaciones es que el uso de preregistros tendería a coartar la creatividad y la producción de conocimiento exploratoria (Moore 2016). La lógica es que, como cada parte de la investigación debe ser registrada detalladamente previo a la recopilación, no queda espacio para la espontaneidad durante el análisis de datos. Sin embargo, más que inhibir la investigación exploratoria, el objetivo de preregistar un estudio es separar la investigación confirmatoria (pruebas de hipótesis) y la exploratoria (generación de hipótesis) (Brian A. Nosek et al. 2018). En ese sentido, es posible la investigación exploratoria bajo el modelo de preregistros, solo que hay que especificarla como tal.

+
+ +

Una segunda creencia es que realizar un preregistro añade un nivel de escrutinio mayor del necesario, es decir, como se conoce cada detalle, la investigación se vuelve un blanco fácil de críticas. Sin embargo, la situación es todo lo contrario (Moore 2016). Por ejemplo, haber preregistrado un plan de análisis para una regresión logística binaria con datos que originalmente eran ordinales hará más creíble los resultados, ya que quienes evalúen la investigación tendrán pruebas de que el nivel de medición no se cambió solo para obtener resultados significativos. Una tercera idea en torno a los preregistros es que conllevan una gran inversión de tiempo y energía. Si bien es cierto que se añade un paso más al proceso de investigación, el avance en la temática ha logrado que existan una variedad de plantillas que hacen el proceso más rápido y eficiente. Desde una lógica racional, el tiempo que toma este paso nuevo en la investigación es un costo bajo en contraste a los beneficios que trae.

+
+ +

La característica más importante de los preregistros es que sean elaborados previo al análisis de datos y ojalá previo a su recopilación. Este requisito es lo que permite asegurar la credibilidad de los resultados, ya que, si no hay datos que alterar, entonces las probabilidades de que ocurra una QRP son básicamente nulas. Generalmente, para las ciencias médicas o la psicología experimental (disciplinas donde cada vez se usan más los preregistros), esto no suele ser un problema ya que se utilizan diseños experimentales. Estos se apegan al método científico clásico: se plantean hipótesis basadas en la teoría, se diseña un experimento para probar esas hipótesis y luego se recopilan y analizan los datos para ver si dan soporte a las hipótesis planteadas. Sin embargo, en muchas disciplinas de las ciencias sociales los diseños experimentales son una pequeña fracción del conjunto de la literatura (e.g. según Card, DellaVigna, y Malmendier 2011 en 2010, solo un 3% de los artículos en las mejores revistas de economía eran experimentales), y lo que prima son los diseños observacionales con datos secundarios. A diferencia de los estudios experimentales, en los estudios con datos preexistentes se afecta el principal componente de credibilidad de los preregistros. Nada puede asegurar que los datos fueron analizados antes de la escritura del preregistro y que, por ejemplo, las hipótesis se están planteando una vez conocidos los patrones significativos (HARKing). De ahí que nace la pregunta sobre la posibilidad de utilizar preregistros en estudios con datos preexistentes.

+
+ +

En la literatura sobre preregistros se han discutido los desafíos que implica preregistrar estudios que utilicen datos preexistentes (e.g. Editors 2014). Existen posturas que proponen que, en realidad, no existe una forma creíble para preregistrar este tipo de estudios (G. Christensen y Miguel 2018). No obstante, otras posturas han profundizado en las situaciones en las que aún es posible preregistrar estudios con datos elaborados previamente. Burlig (2018) propone tres escenarios donde el preregistro de datos observacionales es valioso. El primero es, básicamente, cuando los investigadores que diseñaron la investigación generan sus propios datos, en este caso, los investigadores sí pueden elaborar un preregistro previo a la recolección de datos. El segundo escenario se da cuando se preregistra un estudio que tiene como objeto de interés un suceso que aún no ha ocurrido, lo que se conoce como estudios prospectivos. Por ejemplo, un grupo de investigadores puede estar interesado en el efecto que tendrá la introducción de una ley en las prácticas sociales, o el efecto de un tratado en las variaciones del PIB. Para esos casos, el preregistro aún mantiene su validez original ya que, si bien los datos ya existen, no es posible hacer los análisis antes del preregistro porque el evento de interés no ha ocurrido. El tercer escenario ocurre cuando los datos existen, pero no están abiertos al público. En estos casos, es la accesibilidad lo que determina la credibilidad del preregistro. Por ejemplo, el grupo de investigadores que elaboraron los datos pueden establecer que serán accesibles con previo contacto y que se solicitará un preregistro. Por ende, en orden de analizar los datos, los investigadores interesados deberán elaborar un preregistro para utilizar los datos.

+
+ +

Conforme a lo anterior, Mertens y Krypotos (2019) proponen dos prácticas para asegurar la credibilidad de un preregistro con datos secundarios. Primero, que el grupo de investigadores que analiza los datos sea distinto e independiente de quien propuso el diseño de investigación y segundo, que el equipo realice sintaxis de análisis con datos simulados, con tal de demostrar que las hipótesis ya existían previas a acceder a los datos. Estas propuestas muestran que el requisito sobre la temporalidad del preregistro puede.

+
+ +

La recomendación más transversal y a la vez simple para preregistrar análisis con datos secundarios, es ser sincero y claro respecto a lo que se ha hecho y lo que no (Lindsay 2020 ; Brian A. Nosek et al. 2018). Por ejemplo, reportar si es que se ha leído el reporte descriptivo sobre la base de datos o se tiene conocimiento de algún tipo de patrón de los datos. Es preciso transparentar cualquier tipo de aproximación a los datos previo haberlos analizado. Para lograr este nivel de detalle y ser eficiente con los tiempos y la comunicación hacia otros investigadores, es que existen plantillas predeterminadas para preregistrar distintos tipos de artículos en diferentes situaciones. En la siguiente sección presentaremos las plantillas más usadas.

+ +
+
+

Referencias

+
+
+Burlig, Fiona. 2018. «Improving Transparency in Observational Social Science Research: A Pre-Analysis Plan Approach». Economics Letters 168 (julio): 56-60. https://doi.org/10.1016/j.econlet.2018.03.036. +
+
+Card, David, Stefano DellaVigna, y Ulrike Malmendier. 2011. «The Role of Theory in Field Experiments». Journal of Economic Perspectives 25 (3): 39-62. https://doi.org/10.1257/jep.25.3.39. +
+
+Christensen, Garret, y Edward Miguel. 2018. «Transparency, Reproducibility, and the Credibility of Economics Research». Journal of Economic Literature 56 (3): 920-80. https://doi.org/10.1257/jel.20171350. +
+
+Editors, The PLOS Medicine. 2014. «Observational Studies: Getting Clear about Transparency». PLOS Medicine 11 (8): e1001711. https://doi.org/10.1371/journal.pmed.1001711. +
+
+Lindsay, D. Stephen. 2020. «Seven Steps toward Transparency and Replicability in Psychological Science.». Canadian Psychology/Psychologie canadienne 61 (4): 310-17. https://doi.org/10.1037/cap0000222. +
+
+Mertens, Gaëtan, y Angelos-Miltiadis Krypotos. 2019. «Preregistration of Analyses of Preexisting Data». Psychologica Belgica 59 (1): 338-52. https://doi.org/10.5334/pb.493. +
+
+Moore, Don A. 2016. «Preregister If You Want To». The American Psychologist 71 (3): 238-39. https://doi.org/10.1037/a0040195. +
+
+Nosek, Brian A., Charles R. Ebersole, Alexander C. DeHaven, y David T. Mellor. 2018. «The Preregistration Revolution». Proceedings of the National Academy of Sciences 115 (11): 2600-2606. https://doi.org/10.1073/pnas.1708274114. +
+
+Stewart, Suzanne, Eike Mark Rinke, Ronan McGarrigle, Dermot Lynott, Carole Lunny, Alexandra Lautarescu, Matteo M. Galizzi, Emily K. Farran, y Zander Crook. 2020. «Pre-Registration and Registered Reports: A Primer from UKRN». OSF Preprints. https://doi.org/10.31219/osf.io/8v2n7. +
+
+
+
+
+ Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
+ Para más información puedes contactárnos en nuestro correo +
+
+ +
+ +
+
+
+ + +
+
+ + + + + + + + + + + + + + diff --git a/docs/datos-abiertos.html b/docs/datos-abiertos.html deleted file mode 100644 index 5dfec27..0000000 --- a/docs/datos-abiertos.html +++ /dev/null @@ -1,186 +0,0 @@ - - - - - - - Capítulo 3 Datos abiertos | Ciencia Social Abierta - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
- -
- -
- -
-
- - -
-
- -
- - - - - - - - - -
- -
-
-

Capítulo 3 Datos abiertos

- -
-
-
-
- Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) -
- Para más información puedes contactárnos en nuestro correo -
-
- -
- -
-
-
- - -
-
- - - - - - - - - - - - - - diff --git "a/docs/dise\303\261o-transparente.html" "b/docs/dise\303\261o-transparente.html" index 2ffbe82..2ade622 100644 --- "a/docs/dise\303\261o-transparente.html" +++ "b/docs/dise\303\261o-transparente.html" @@ -30,8 +30,8 @@ - - + + @@ -51,9 +51,33 @@ + + + @@ -73,11 +97,67 @@
  • Presentación
  • 1 Introducción
    • -
  • 2 Diseño transparente
    • -
  • 3 Datos abiertos
    • -
  • 4 Análisis reproducible
    • -
  • 5 Publicaciones libres
    • -
  • 6 Conclusiones
    • +
  • 2 Diseño transparente +
    • +
  • 3 Análisis reproducibles +
    • +
  • 4 Publicaciones libres +
  • Referencias
  • LISA-COES
    • @@ -113,7 +193,24 @@

    Capítulo 2 Diseño transparente

    +
    + +

    La transparencia es un concepto multidimensional. Elliott (2020) proponen entender la transparencia en torno a cuatro preguntas: ¿por qué?, ¿quién? ¿qué? y ¿cómo? (ver Figura N° 2.1). Cada una de estas preguntas se relaciona a una dimensión. La primera pregunta (¿por qué?) se refiere a las razones y propósitos por los cuales es necesario adoptar la transparencia; la segunda pregunta (¿quién?) apunta a la audiencia que está recibiendo la información; la tercera pregunta (¿qué?) hace alusión al contenido qué es transparentado y la cuarta pregunta (¿cómo?) consiste en cuatro dimensiones distintas sobre cómo adoptar la transparencia: actores, mecanismos, tiempo y espacios. También, esta taxonomía estipula una dimensión sobre las amenazas que podrían afectar a las iniciativas que busquen promover la transparencia. A raíz de estas dimensiones podemos comprender qué tipo de prácticas y situaciones caben dentro del concepto de transparencia.

    +
    +Taxonomía de Transparencia +

    +Figura 2.1: Taxonomía de Transparencia +

    +
    +
    +

    Basándonos en esta taxonomía, presentaremos una propuesta sobre qué se entiende por transparencia en las ciencias sociales y cómo podemos adquirir prácticas orientadas a ese principio. Nuestra propuesta es entender la transparencia como la apertura pública del diseño de investigación, lo que incluye todo tipo de información importante para la ejecución del estudio, desde las hipótesis hasta los planes de análisis. Esto permitirá que las personas que lean los hallazgos de investigación (ya sean científicos o la ciudadanía) puedan evaluar la credibilidad de estos y descartar la influencia de prácticas cuestionables de investigación. Para llevar a la práctica esta propuesta, presentaremos los preregistros cómo una herramienta que contribuyen a hacer público el diseño, además de otras que complementan su uso.

    +
    +

    Referencias

    +
    +
    +Elliott, Kevin C. 2020. «A Taxonomy of Transparency in Science». Canadian Journal of Philosophy, 1-14. https://doi.org/10.1017/can.2020.21. +
    @@ -130,7 +227,7 @@

    Capítulo 2 Diseño transparente<

    - +
    diff --git "a/docs/el-camino-hacia-la-publicaci\303\263n.html" "b/docs/el-camino-hacia-la-publicaci\303\263n.html" new file mode 100644 index 0000000..65a0974 --- /dev/null +++ "b/docs/el-camino-hacia-la-publicaci\303\263n.html" @@ -0,0 +1,311 @@ + + + + + + + 5.1 El camino hacia la publicación | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    5.1 El camino hacia la publicación

    +
    +

    Todo proyecto de investigación tiene la potencialidad de ser publicado pero como ya se ha ido ilustrando en las secciones anteriores, publicar de manera abierta trae consigo beneficios de visibilidad e impacto social. Para desarrollar una estrategia eficaz de publicación abierta hay que seguir un flujo que se divide tres pasos, como se ilustra en la figura n° 5.1 y este inicia con la elección de la revista de Acceso Abierto, sigue con la identifiación de la etapa del artículo y finaliza con la selección del servicio de publicación.

    +
    +Guía paso a paso para publicar libre (Elaboración propia). +

    +Figura 5.1: Guía paso a paso para publicar libre (Elaboración propia). +

    +
    +
    +

    Paso 1: Pre-rint (Pre-publicación)

    +

    Es lo que conocemos comúnmente como el borrador del artículo, el mismo que enviamos al proceso de revisión por pares. Este documento tiene la posibilidad de ser publicado en cualquier repositorio de ruta verde (pre-print server) con el objetivo de ser difundido abiertamente para permitir su disponibilidad inmediata.

    +

    La gran particularidad de este método de pre-publicación es que se obtiene un código alfanumérico que identifica y ubica el documento dentro del Internet, esto se conoce como un Digital Object Identifier - DOI (Identificador de Objeto Digital en español), por lo que se convierte de manera inmediata en un documento referenciable y sin posibilidad de plagio. Algunas personas tendrán el temor de que al pre-publicar un informe de investigación, las posibilidades de que el documento sea aceptado y posteriormente publicado en una revista es menor. Sin embargo, los datos empíricos demuestran que en la realidad, esto no es un impedimento para su posterior publicación. En la investigación de Abdill y Blekhman (2019) que analizó cerca de 37.648 pre-print alojados en bioRxiv -una extensión centrada en biología del sitio ArXiv-, una de las grandes conclusiones tiene que ver con que la tasa de preprints publicados en 2018 alcanzó un máximo de 2,100 por mes y de manera más específica, en la figura n° 5.2 se puede identificar a las diez principales revistas que han publicado la mayor cantidad de pre-print. En esta figura, cada barra indica la cantidad de documentos publicados por cada revista.

    +
    +Destino final de los Preprint. Traducción propia en base al estudio de @abdill_tracking_2019 +

    +Figura 5.2: Destino final de los Preprint. Traducción propia en base al estudio de Abdill y Blekhman (2019) +

    +
    +

    Para el caso de las ciencias sociales, el servicio de pre-print que recomendamos utilizar es SocArxiv y particularmente para la discilina de la psicología PsyArxiv. Estos servicios permiten subir archivos PDF desde la plataforma Open Science Framework - OSF (Marco de Ciencia Abierta en español) - un software de código abierto que permite la reproducibilidad de los procesos - y de este modo se obtiene el beneficio de acceder a un DOI que asegure su correcta citación. Ambos repositorios son extensiones de ArXiv, la plataforma pionera de acceso abierto que en la actualidad alberga alrededor de dos millones de artículos categorizados en ocho áreas temáticas. ArXiv no posee tarifas asociadas a la publicación de los artículos, puesto a que los documentos se someten a un proceso de clasificación y no a una revisión por pares.

    +
    +
    +

    Paso 2: Post-print

    +

    Es la segunda etapa que es clave para el camino hacia la publicación, pues el post-print corresponde al artículo aceptado tras la revisión por pares, pero cuyo formato de presentación no ha sido adaptado al requerido, por lo que no ha sido publicado de manera oficial por la revista y para lograr ello, interviene un equipo especializado de la editorial que se encarga de tales aspectos ya sean márgenes, tipos de citación, estructura, entre otros.

    +

    Hoy en día si bien son varias las editoriales que entregan la posibilidad de publicar el post-print en cualquier repositorio abierto, esto es solo tras el periodo de embargo, el cual consiste en un tiempo determinado donde la editorial se reserva los derechos patrimoniales del artículo para su distribución. Dicho esto, recomendamos tener conocimiento de la posibilidades que tiene el autor de publicar un documento previo a la publicación oficial.

    +
    +
    +

    Paso 3: Print

    +

    En la última etapa del flujo, recomendamos optar por abrir la publicación del Print (artículo final). El artículo final que es publicado oficialmente por una revista permite que la editorial conserve para sí los beneficios de los derechos patrimoniales de la obra, mientras que los equipos de investigación solo conservan el derecho al reconocimiento. Publicar en una revista de reconocimiento que integre políticas de acceso abierto brinda la posibilidad de que una vez finalizado el periodo de embargo, los autores puedan abrir sus artículos, pero no todas las revistas tienen las mismas políticas y directrices, por ello plantean formas y periodos distintos para el depósito del artículo en un repositorio abierto.

    +Al momento de realizar el envío de un artículo a una revista cualquiera, puede ocurrir que el autor tenga que firmar un Acuerdo de Transferencia de Derechos (CTA por sus siglas en inglés), transfiriéndole al editor todo derecho sobre la obra y por lo tanto, imposibilitando toda acción posterior del propio creador sobre la investigación. Para que la publicación dentro de una revista no afecte a la posterior decisión de abrir el acceso a una investigación, en ocasiones las editoriales plantean periodos de embargo en cuyo tiempo gozan de los beneficios económicos sobre la obra, pero al finalizar, el autor es libre de difundir en abierto su publicación. En estos casos los editores tienen una licencia que sirve únicamente para publicar, mientras que los autores deben retener para sí los derechos sobre la obra. En síntesis, para que cualquier recurso científico sea abierto, este debe contener una licencia que explicite a sus usuarios las acciones que pueden realizar sobre la obra e indicar la correcta acreditación de la fuente Swan (2013). +
    + +
    +
    +

    Referencias

    +
    +
    +Abdill, Richard J., y Ran Blekhman. 2019. «Tracking the Popularity and Outcomes of All bioRxiv Preprints». bioRxiv, 515643. https://doi.org/10.1101/515643. +
    +
    +Swan, Alma. 2013. Directrices Para Políticasde Desarrollo y Promoción Del Acceso Abierto. UNESCO. +
    +
    +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git "a/docs/el-conocimiento-es-poder-pero-de-qui\303\251n.html" "b/docs/el-conocimiento-es-poder-pero-de-qui\303\251n.html" new file mode 100644 index 0000000..c47e69d --- /dev/null +++ "b/docs/el-conocimiento-es-poder-pero-de-qui\303\251n.html" @@ -0,0 +1,330 @@ + + + + + + + 6.3 El conocimiento es poder pero ¿De quién? | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    6.3 El conocimiento es poder pero ¿De quién?

    +
    +

    Tanto organismos de investigación pública como universidades crean conocimiento científico por medio de la investigación y la docencia con el fin de aportar al bien público. Si bien, la apertura de las publicaciones puede ser lo ideal para tales objetivos, en ocasiones la confidencialidad de los resultados científicos permite a sus autores obtener beneficios económicos de su trabajo. Sin importar cuál sea el camino, la propiedad intelectual juega un papel importante al orientar la toma de decisiones en torno al desarrollo, difusión y utilización del conocimiento intelectual (WIPO 2020). Por ello contar con una política intelectual de calidad es el primer paso para gestionar estratégicamente la difusión y transferencia de los resultados científicos.

    +

    A continuación, se presentan dos experiencias chilenas que se consideran como buenas prácticas en términos de políticas institucionales, pues promueven la apertura de publicaciones.

    +
    +

    Política de Acceso Abierto de ANID

    +

    La Agencia Nacional de Investigación y Desarrollo (ANID) que nace en 2020 como una estructura que reemplaza a la Comisión Nacional de Investigación Científica y Tecnológica (CONICYT), es hoy la institución que encabeza el Ministerio de Ciencia, Tecnología, Conocimiento e Innovación. Siguiendo el legado de su antecesora, su objetivo es apoyar con recursos al desarrollo de la ciencia y la innovación en Chile. Desde el 2021, bajo el principio de que todo conocimiento generado con fondos públicos debe resultar en beneficios para la sociedad, ANID ha implementado una Política de Acceso Abierto con el objetivo de asegurar la disponibilidad del conocimiento científico que resulte de investigaciones financiadas por la institución (Agencia Nacional de Investigación y Desarrollo 2020). Esta política busca ser un curso de acción progresivo implementado en dos fases:

    +
      +

    • Fase I: En el plazo inicial de dos años se pretende incentivar la apertura de las publicaciones y sus datos. Esta primera fase servirá para la recopilación de antecedentes sobre el uso y gastos asociados a la investigación abierta. En esta primera etapa de la política toman gran relevancia los principios FAIR. FAIR es la abreviatura en lengua inglesa para referirse a Findability, Accessibility, Interoperability y Reusability (Encontrable, Accesible, Interoperable y Reutilizable). El diseño de estos principios tienen el objetivo de ser una guía medible para que los investigadores realicen una eficaz gestión de los datos, para que posteriormente puedan ser replicados (Wilkinson y Dumontier 2016).

      • +

    • Fase II: Los resultados de la primera fase servirán para que en la segunda se implemente - de manera más rigurosa - la publicación libre mediante la “Ruta Dorada”, la cual corresponde a un formato de publicación que permite eliminar los periodos de embargo, dejando las publicaciones disponibles en acceso abierto de manera inmediata tras el pago del Article Processing Charges - APC a las editoriales. El APC es una tarifa que costea el procesamiento del artículo final para que se adapte al diseño de la revista y en ocasiones, son las propias instituciones públicas las que costean el APC, devolviendo así un monto no menor a las editoriales. En la sección de Herramientas Para Públicar profundizaremos en ello.

      • +
    +

    ANID ha detectado de manera temprana el conflicto que acarrea la industria editorial, la cual lidera un mercado donde los conocimientos se tranzan como un bien, beneficiendo principalmente a las editoriales con un alto margen de ganancias y es por ello que en el documento mismo se especifica:

    +
    +

    “Esta política busca ser un curso de acción que esté en constante revisión y que permita, de manera progresiva, avanzar hacia un sistema transparente y abierto, donde el acceso, la re-utilización y la constante oferta de nueva información y datos científicos contribuyan de manera real y concreta al desarrollo social, cultural, científico y económico de Chile” (ANID 2020).

    +
    +
    +
    +

    Repositorio Institucional, Universidad de Chile

    +

    La Universidad de Chile es la institución de educación superior pionera en desarrollar un repositorio institucional abierto. Este recoge documentos digitales e impresos con previa autorización, tales como tesis de pregrado y postgrado, pre y post-print, libros y capítulos, material didáctico y presentaciones, informes técnicos, recursos audiovisuales e imágenes. El Repositorio Académico de la Universidad de Chile conserva, difunde y proporciona acceso a material científico generado por docentes e investigadores de la institución y cuenta actualmente con más de 68.000 publicaciones.

    +

    Este repositorio académico hace uso de un protocolo de interoperabilidad que permite que se conecte con otros, ello con el propósito de incrementar la visibilidad de los documentos y bajo este objetivo, los autores deben proteger sus obras con licencias Creative-Commons, de este modo aseguran el reconocimiento e identificación de la propiedad intelectual y favorece la visibilidad del trabajo.

    +

    Ambos ejemplos de políticas institucionales proveen una exitosa colaboración entre el mundo científico y el público general, ya que orientan la toma de decisiones al finalizar el ejercicio investigativo y permiten la apertura del conocimiento. Según Alperin, Babini, y Fischman (2014), en América Latina se ha desarrollado el ejercicio del Open Access mediante el financiamiento - casi exclusivo - de agencias estatales y agencias de cooperación internacional. Sus resultados se publican principalmente en revistas locales o repositorios regionales, un ejemplo de ello es Argentina, país donde el 80% de los artículos científicos se encuentran indexados en revistas locales (Alperin, Babini, y Fischman 2014), ya que la nación se ha inclinado en promover políticas de autoarchivo como la Ley Nacional de Repositorios promulgada en 2013 y la creación del Sistema Nacional de Repositorios Digitales creado en 2011 (Monti y Unzurrunzaga 2020).

    +La evidencia de cuenta de que para el caso Latinoamericano, son los organismos universitarios y de investigación pública los responsables de desarrollar eficaces políticas de ciencia abierta con el objetivo de aportar a la libre circulación de los resultados científicos, pues dentro de sus beneficios como se ilustra en la figura n° 6.2 no solo se evidencia la mayor exposición de los trabajos científicos, también existe un aporte en terminos de desarrollo a nivel país, influencia de políticas, entre otros aspectos positivos. +
    + +
    + Beneficios del Open Access. Traducción propia en base a Kingsley, D. & Brown, S. (2021). +

    +Figura 6.2: Beneficios del Open Access. Traducción propia en base a Kingsley, D. & Brown, S. (2021). +

    +
    + +
    +
    + +

    Referencias

    +
    +
    +Agencia Nacional de Investigación y Desarrollo, (ANID). 2020. «Consulta Pública: Política Acceso Abierto a Información Científica». +
    +
    +Alperin, Juan Pablo, Dominique Babini, y Gustavo Fischman. 2014. Indicadores de acceso abierto y comunicaciones académicas en América Latina. Juan Pablo Alperin. Vol. 1. Buenos Aires, Argentina: Consejo Latinoamericano de Ciencias Sociales, CLACSO. +
    +
    +ANID. 2020. «Propuesta de Política de Acceso Abierto a La Información Científica y Adatos de Investigaciónfinanciados Con Fondos Públicos de La ANID». ANID. +
    +
    +Monti, Carolina, y Carolina Unzurrunzaga. 2020. «Acceso a la literatura científica desde Sci-Hub: Análisis y reflexión de las descargas en Argentina». Revista Hipertextos 8 (14): 111-16. https://doi.org/10.24215/23143924e022. +
    +
    +Wilkinson, Mark, y Michel Dumontier. 2016. «The FAIR Guiding Principles for Scientific Data Management and Stewardship» 3 (160018). https://doi.org/10.1038/sdata.2016.18. +
    +
    +WIPO. 2020. «Frequently Asked Questions: IP Policies for Universities and Research Institutions». Science Organization. World Intelectual Property Organization. +
    +
    +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git a/docs/estructura-del-proyecto.html b/docs/estructura-del-proyecto.html new file mode 100644 index 0000000..c07a32a --- /dev/null +++ b/docs/estructura-del-proyecto.html @@ -0,0 +1,380 @@ + + + + + + + 4.1 Estructura del proyecto | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    4.1 Estructura del proyecto

    +

    Una de las principales cosas que debemos considerar al elaborar un proyecto es su estructura de carpetas y archivos, esta nos permita entender e identificar los archivos existentes y rol en el flujo de trabajo. En este sentido, una de las herramientas que han sido desarrolladas son los denominados Protocolos (p. ej. TIER, DRESS, IPO), los cuales brindan una serie de orientaciones referentes a estructura digital de carpetas, documentación de archivos y rutinas para conseguir el anhelado objetivo de los análisis reproducibles. Para esto, es posible mencionar una serie de orientaciones generales referentes a dichos procedimientos, por ejemplo en el Proyecto TIER (TIER, 2020) se han desarrollado protocolos orientados a la reproducibilidad de los análisis, los cuales se fundamentan en tres principios que se describen a continuación.

    +
      +

    1. Reproducibilidad: La documentación debe permitir regenerar completamente los resultados del estudio original. En primer lugar, se debe comenzar con los datos originales brutos idénticos a aquellos con los que el autor comenzó la investigación, Luego, la posibilidad de realizar las mismas rutinas de código para preparar los datos finales para el análisis. Finalmente, se debe disponer de las rutinas de código que permitan regenerar los mismos resultados publicados, por ejemplo, las tablas o figuras presentes en la investigación.

      2. +

    2. Independencia: Toda la información necesaria para regenerar los resultados del estudio debe estar presente en la documentación. Esto refiere a que no debe ser necesario solicitar ninguna información adicional al autor original.

      3. +

    3. Realismo: La documentación debe estar organizada y presentada con suficiente claridad para que bajo un criterio realista, sea factible que un investigador independiente con un nivel de expertise razonable tenga la posibilidad de regenerar completa e independientemente los resultados del estudio sin mayores dificultades.

      4. +
    +

    Teniendo en cuenta lo anterior, la forma en que se encuentran organizadas las partes de un proyecto es fundamental para cumplir a cabalidad con lo que se propone cada principio. Como vimos en la sección previa, es posible entender la reproducibilidad como un espectro que involucra una tríada de tres elementos: Datos, Métodos y Resultados.

    +

    ESQUEMA: Datos - Métodos - Resultados

    +

    Este esquema es una síntesis que hacemos de algunos de los protocolos más usados en las ciencias sociales. Más que proponer un protocolo nuevo, buscamos describir los elementos fundamentales que contiene una estructura de proyecto reproducible y que están presentes de alguna u otra forma en la mayoría de los protocolos.

    +
    +

    4.1.1 Carpeta raíz

    +

    Antes de detallar los tres elementos que se deben considerar para avanzar en el espectro de reproducibilidad, es importante partir de una base. Esta es la que en distintos protocolos y otras herramientas para la reproducibilidad se conoce como la carpeta raíz (root). La carpeta raíz es donde se alberga toda la documentación de referencia general para el proyecto, lo que abarca desde bases de datos, hasta el cuestionario u otros documentos similares. La carpeta raíz es el punto de partida para poder emplear otras prácticas para la reproducibilidad.

    +

    A modo de ir avanzando en el espectro de reproducibilidad, es importante tener en consideración dos principios en relación a la carpeta raíz: documentar y orientar. La documentación implica exponer ordenadamente el contenido del proyecto completo de manera jerárquica, es decir, el contenido de subcarpetas y su funciones. En cambio, orientar implica conducir una correcta ejecución de las rutinas que permitan regenerar los resultados de la investigación. Una carpeta base que logre considerar estos principios debe tener los siguientes contenidos:

    +
      +

    1. Detalle de la base y las subcarpetas organizadas según su contenido. Una manera amigable de representar esta estructura es a través de un “árbol de directorios”, el cual ilustra la jerarquía de las carpetas y los principales archivos contenidos.

      2. +

    2. Instrucciones para la configuración del paquete estadístico necesario para ejecutar las rutinas de código. Esto considera el número de versión del software, los complementos necesarios que sean adicionales al paquete estándar y cualquier otra información especial sobre el software que el lector necesite conocer para reproducir los resultados del estudio.

      3. +

    3. Instrucciones de “inicio-a-fin” para regenerar los resultados a través de referencias directas al uso de los archivos de procesamiento de datos en la preparación y análisis. En este apartado se deben incluir detalladamente de los objetivos de cada rutina de código de manera independiente.

      4. +
    +

    Los contenidos descritos deben incluir en un archivo que lleve de nombre “readme.md/txt/pdf”. Una sugerencia de estructura interna de este documento es la siguiente:

    +
      +
    1. Estructura y contenido del proyecto reproducible +
        +
      • Esquema tipo “Árbol de directorios”
        • +
      • Descripción de cada subcarpeta, sus archivo y roles
        • +
      2. +
    2. Instrucciones y rutinas de ejecución de resultados +
        +
      • Instrucciones para configuración del software
        • +
      • Instrucciones para la ejecución de rutinas de código de “inicio-a-fin”
        • +
      3. +
    +

    Con este archivo “readme.md/txt/pdf” ya contamos con el primer gran paso hacia la reproducibilidad: nuestra carpeta raíz está bien documentada y logra orientar bien cualquier tercero que quiera reproducir nuestra investigación. Con esto descrito, pasaremos a detallar los tres elementos a considerar para adoptar un enfoque reproducible en un proyecto (Datos-Método-Resultados)

    +
    +
    +

    4.1.2 Datos

    +

    En la ciencia trabajamos con datos, ya sean cualitativos o cuantitativos, primarios o secundarios, si nos desempeñamos como científicos analizaremos datos con tal de sacar conclusiones relevantes para el avance del conocimiento. Es por esto que, el cómo albergamos y documentamos los datos para nuestro estudio es uno de los primeros puntos a considerar para adoptar un enfoque orientado hacia la reproducibilidad. El objetivo es que cualquier persona sea capaz de comprender nuestros datos y utilizarlos para reproducir nuestros análisis.

    +

    Si bien los protocolos varían de acuerdo a cómo se organizan los datos dentro de la carpeta raíz (i.e. en qué carpeta se alojan), algo que suele ser común entre los protocolos y que relevante de recalcar acá es la diferenciación entre los datos originales o “crudos” (raw data) y los datos procesados. Los datos originales son aquellos que no han sufrido ningún tipo de modificación, en contraste a los datos procesados. El albergar ambas bases de datos permite comprender de mejor forma las modificaciones que se hicieron y las decisiones que se tomaron.

    +

    Al igual que con la carpeta raíz, sugerimos ciertas prácticas de documentación y orientación para que el proyecto sea reproducible. Presentamos el detalle para los datos originales y los datos procesados.

    +

    Para toda fuente de datos original, se debe proveer la siguiente información:

    +
      +

    1. Citación bibliográfica en un formato estándar (p. ej. American Psychological Association, Chicago, etc). Sugerimos revisar el componente de “Datos Abiertos” para la publicación de datos.

      2. +

    2. La fecha de creación de la base de datos o el día en que se accedió por primera vez por parte del autor (en caso de que sean datos secundarios.

      3. +

    3. Una descripción respecto a cómo se puede acceder a una copia de esta base de datos. Se debe ser lo suficientemente claro como para que un usuario independiente pueda acceder a los datos sin requerir información adicional.

      4. +

    4. Un libro de códigos de todas las variables de la base de datos. Sugerimos revisar el apartado “¿Cómo hacer un libro de códigos?”.

      5. +
    +

    Para toda fuente de datos procesada, es posible identificar dos tipos:

    +
      +

    • Base de datos intermedia, la cual contiene información que, por un lado, puede ser complementaria con una base de datos principal. Por ejemplo, tenemos una base de datos con información de individuos pertenecientes a zonas/territorios (regiones o países), a la cual necesitamos incorporar información adicional que proviene de fuentes externas. En este caso, podemos generar una base procesada intermedia, para luego proceder a combinar ambas fuentes de datos.

      • +

    • Base de datos final, es una versión final de una base de datos que contiene las variables completamente procesadas para realizar los análisis.

      • +
    +

    En estos casos se sugiere proveer la siguiente información:

    +
      +
    1. Libro de códigos de la base procesada. Para ello, las variables deben estar correctamente etiquetadas.
      2. +
    2. Fecha de creación y versión de la base de datos procesada.
      3. +
    +
    +
    +

    4.1.3 Métodos

    +

    Con los métodos nos referimos a toda información del proyecto relacionada al trabajo con los datos, específicamente al procesamiento y el análisis de datos. Ambas actividades pueden ser albergadas en un mismo archivo, no obstante e independiente del protocolo que se use, sugerimos separar ambas actividades en documentos distintos. Esto hará mucho más fácil la lectura del proceso de toma de decisiones, especialmente si son archivos de código. De esta manera, cualquier tercero podrá entender el proceso, evitando a lo más posible que emerjan preguntas tipo ¿y de dónde salió esta variable?. En esta sección presentamos un flujo tanto para el documento de procesamiento como para el de análisis. Independiente del software estadístico que usted esté utilizando, será capaz de adherir a este flujo para hacer estas actividades de forma más ordenada.

    +

    El procesamiento de los datos cumple una función muy importante para el desarrollo de un artículo: la de procesar los datos que darán paso a los análisis del estudio. Considerando eso, el objetivo final de este documento es generar una base de datos procesada, que contenga solamente los datos importantes para analizar. El flujo puede ser:

    +
      +

    1. Cargar la base de datos original: Cargar la base de datos original es el punto de partida para el procesamiento de los datos, y cómo tal, es muy importante que esta acción sea reproducible. En softwares como R, podemos hacer esta acción de manera reproducible al cargar los datos directamente de la web. Si esta no es una opción, podemos dejar bien documentado la forma en que se debe cargar la base de datos.

      2. +

    2. Revisar la base de datos: Una vez cargada la base de datos original, recomendamos siempre revisar para que todo esté en orden. Cuando decimos “ver que todo esté en orden” nos referimos a diagnosticar si la base ha sido correctamente cargada. Por ejemplo, a veces podría suceder que la base de datos está en formato .csv con las columnas separadas por punto y coma (“;”) y nosotros la cargamos en el formato tradicional (“,”).

      3. +

    3. Seleccionar las variables que se utilizarán: Generalmente no ocupamos todas las variables dentro de una base de datos, en especial en la investigación basada en encuestas con datos secundarios. Es por eso que el comienzo del procesamiento de datos consta de seleccionar las variables que utilizaremos para los análisis.

      4. +

    4. Renombrar las variables: Si bien no es estrictamente necesario renombrar las variables, sí se recomienda para facilitar tanto el propio trabajo cómo el de alguien que vaya a emplear el mismo código. Generalmente, en la investigación de encuestas con datos secundarios nos encontramos con grandes bases de datos, con nombres técnicos y poco autoexplicativos. La principal recomendación aquí es cambiar estos nombres por nombres cortos y autoexplicativos.

      5. +
    +

    Procedimientos a realizar por cada variable:

    +

    Una vez hemos cumplido con los aspectos generales del procesamiento, podemos pasar a la revisión de variable a variable. Aquí proponemos el siguiente flujo:

    +
      +

    • Descriptivo inicial: calcular una tabla de frecuencias o de medidas de tendencia central y dispersión para conocer el estado de la variable previo a cualquier modificación.

      • +

    • Recodificación: aquí se toman las decisiones respecto a la recodificación de los datos perdidos y otro tipo de valores a modificar (e.g. errores de tipeo). Es importante que las decisiones sobre la recodificación queden bien estipuladas y transparentadas. Por ejemplo, en caso de hacer imputación en alguna variable, dejarlo comentado en el código.

      • +

    • Etiquetado: el etiquetado es una forma simple y eficiente de poder dar más información acerca de una variable. En el caso de bases de datos sobre encuestas, generalmente una base bien documentada trae etiquetas predeterminadas que hacen alusión a las preguntas del cuestionario. Es importante tener en consideración que no todos los softwares soportan el etiquetado en las bases de datos, en esos casos es útil elaborar un libro de códigos para nuestra base de datos procesada.

      • +

    • Descriptivo final: recomendamos que, posterior a haber hecho las recodificaciones correspondientes, revisar de nuevo las frecuencias o las medidas de tendencia central de las variables, para diagnosticar que no hemos cometido errores en el procesamiento. Por dar un ejemplo, un error común, es etiquetar mal las categorías de la variable, lo tendría un impacto directo en la interpretación de los datos.

      • +

    • Otros ajustes: en esta última parte del flujo por variable, recomendamos efectuar toda modificación específica y relevante para la forma que analizaremos los datos. Por ejemplo, si fuésemos a construir un índice con algunas de las variables.

      • +
    +

    El seguir este flujo de manera sistemática facilitará la lectura tanto para terceros, como para nosotros mismos en el futuro.

    +

    Una vez contamos con nuestra base de datos procesada podemos analizar los datos. En el documento de análisis de datos se procede a elaborar todas las tablas, gráficos, pruebas estadísticas etc. que vayan a ser introducidos en el artículo final. Es importante que se piense en este documento cómo un reporte de análisis en sí mismo, es decir, debe estar dirigido al público y no solo ser un documento de trabajo interno para el equipo de investigación.

    +

    Al igual que para la sección de procesamiento de datos, aquí también recomendamos un flujo de trabajo para hacer el trabajo -y el código- reproducible y eficiente. Dividimos el flujo en dos secciones, primero, una que contenga los análisis necesarios para probar las hipótesis de investigación. Segundo, una sección con análisis secundarios y/o exploratorios que sean relevantes para lo que el artículo busca plantear.

    +
      +
    1. Efectuar análisis descriptivos univariados de los datos. Es ideal una tabla única que sintetice el comportamiento de las variables de interés.
      2. +
    2. Efectuar análisis correlacional de los datos. Es una primera aproximación a las hipótesis, además de ser esquemático. Por ejemplo, el uso de matrices de correlación o de nubes de puntos.
      3. +
    3. Efectuar análisis multivariados. Modelos que suelen ser la principal herramienta para poner a prueba las hipótesis.
      4. +
    4. Efectuar análisis exploratorios. Esto en el caso que se quieran explorar relaciones o patrones que no fueron previamente hipotetizados.
      5. +
    +

    Documentación

    +

    Para una correcta comprensión de los documentos de procesamiento y análisis es importante tener una descripción adecuada de cada una de sus partes, o dicho de otra forma, una correcta documentación. Es relevante precisar de qué manera estos documentos se vinculan con otros archivos dentro del proyecto, para lo cual podemos tomar el ejemplo del protocolo IPO. Por un lado, el documento de preparación requiere de una fuente de datos inicial, por tanto está directamente relacionada con la carpeta Input y la subcarpeta de datos originales. Por otro lado, el documento de análisis requiere de una fuente de datos procesada, por tanto está directamente relacionada con la carpeta Input y la subcarpeta de datos procesados.

    +

    Para una correcta ejecución de las rutinas de código, es importante describir adecuadamente la relación entre los archivos de preparación y análisis. Para ello, se sugiere incorporar un archivo de nombre “readme-proc.md/txt/pdf”, en donde se describa brevemente dicha vinculación. Para ello sugerimos los siguientes puntos a describir:

    +
      +
    1. Para la ejecución de la preparación, precisar la ubicación de la o las fuentes de datos originales. (p.ej. “input/data/original/original-data.dta”)
      2. +
    2. Para el cierre de la preparación, precisar la ruta donde se deben almacenar la base de datos procesada y su extensión (p.ej. “input/data/original/proc-data.RData”)
      3. +
    3. Para la ejecución de los análisis se debe precisar el origen de la base procesada que fue creada en el punto 2.
      4. +
    4. Para los archivos de resultados provenientes del análisis de los datos, tales como figuras o tablas, debemos precisar la ruta donde se almacenarán y su nombre.
      5. +
    +
    +
    +

    4.1.4 Resultados

    +

    Con los resultados, nos referimos a las figuras, gráficos o tablas que son producto de nuestro análisis y que serán relevantes de alguna forma para el estudio. Comúnmente, los protocolos para la organización de las carpetas proponen que todo lo que esté relacionado a los resultados se guarde en una carpeta a parte. Por ejemplo, el protocolo IPO propone albergar tablas y figuras en las subcarpetas tables e images dentro de la carpeta output.

    +

    Tomando como ejemplo el uso del protocolo IPO, sugerimos que para una correcta identificación de cada archivo se sigan las siguientes indicaciones:

    +
      +

    1. Para las imágenes, sugerimos usar nombres breves e incorporar numeración. Por ejemplo “figura01.png”, según el orden de aparición en la publicación.

      2. +

    2. Para el caso de los cuadros o tablas, existen distintas extensiones para almacenarlas como archivos independientes (tex/txt/md/html/xls). Para ello, sugerimos emplear nombres cortos e incorporar numeración. Por ejemplo, “tabla01.xls”, según el orden de aparición en la publicación.

      3. +
    +
    +
    +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git a/docs/formas-open-access.html b/docs/formas-open-access.html index 2d62906..bde2c4c 100644 --- a/docs/formas-open-access.html +++ b/docs/formas-open-access.html @@ -1,27 +1,26 @@ - + - Capítulo 2 Formas open access | Open Access - - + 4.2 Formas open access | Ciencia Social Abierta + + - + - - + + - + - - + + - @@ -32,7 +31,7 @@ - + @@ -50,9 +49,36 @@ + + + + + + @@ -69,38 +95,70 @@
  • -
  • Punto de partida: la investigación abierta
    • -
  • 1 Propiedad intelectual +
  • Presentación
    • +
  • 1 Introducción
    • +
  • 2 Diseño transparente +
    • -
  • 2 Formas open access +
  • 3 Análisis reproducibles +
    • -
  • 2.4 ¿Qué pasa si no es de acceso abierto y quiero abrir igual? +
  • 4 Publicaciones libres +
    • -
  • 4 Pasos para publicar libre
    • -
  • Referencias
    • +
  • Referencias
  • LISA-COES
    • @@ -113,7 +171,7 @@
    @@ -133,90 +191,201 @@

    -
    -

    Capítulo 2 Formas open access

    +
    +

    4.2 Formas open access

    +
    +

    El quehacer científico de las ciencias sociales es una arena de lucha continua, donde investigadores deben mantenerse en constante entrenamiento para no perder el reconocimiento académico que brinda la posibilidad de oportunidades laborales y estatus social. Publica o perece es más una realidad que una frase retórica, pues los científicos sociales están en la obligación de investigar y publicar para mantener su carrera laboral a flote. Este agotador panorama da pie a lo que muchos investigadores de las ciencias sociales han denominado como la crisis de la ciencia (Breznau 2021), un nuevo panorama donde el conocimiento científico es menos confiable producto de prácticas antiéticas en el proceso de investigación. Falta de consistencia, sesgos no controlados, presión editorial, entre otros factores son los que influyen en un tipo de ciencia con problemas de credibilidad, como es el emblemático caso de Diederik Stapel, exponente de la psicología que realizó alrededor de 58 artículos basados en evidencia falsificada.

    +Quizás muchos confiarán la solución de la crisis a las instituciones revisoras de las revistas, quienes aplican rigurosos métodos de control de calidad. Sin embargo, del papel a la práctica hay un gran trecho. La falta de transparencia en la manipulación de información, los métodos de análisis y la recolección de datos hacen imposible corroborar la veracidad total de un trabajo. Actualmente, muchas editoriales han abordado el problema mediante la adopción del Open Access para promover la transparencia de los datos y la apertura de las publicaciones, pues con esto se permite usar la reproducción de los procesos como un mecanismo de control. Por ello en esta sección conoceremos las particularidades del Open Access, las rutas por las cuales compartir publicaciones, los repositorios y las revistas que recomendamos. +
    + +
    +

    4.2.1 ¿Qué es el Open Access?

    +
    +

    Open Access - OA (Acceso Abierto en español) es un movimiento cuyo objetivo es promover el acceso libre a la producción de conocimiento científico digital y hacer uso de él sin restricciones de copyright. Esto a la base de estándares internacionales que permiten instalar la posibilidad de que cualquier persona pueda reutilizar la información de la investigación en cuanto datos, procesos y resultados.

    +

    Hace algún tiempo, científicos advirtieron del problema asociado al oligopolio del conocimiento científico del que disfrutan revistas y editoriales de gran renombre, sin mencionar conflictos entre investigadores en torno a la competencia de estatus académico, la manipulación de resultados, los problemas de intersubjetividad y la falta de transparencia en el proceso de investigación (Breznau et al. 2021). De este modo, los primeros vestigios del Open Access aparecieron a la par con la creación del internet, pero no fue hasta el 2002 con la declaración de Budapest que se definió el concepto de Open Access y que posteriormente sería reforzado con las declaraciones que dieron lugar en Bethesda 2003 y Berlín 2003. Uno de los aspectos destacables de la primera declaración indica que:

    -

    Retirar las barreras de acceso a esta literatura acelerará la investigación, enriquecerá la educación, compartirá el aprendizaje de los ricos con los pobres y el de los pobres con el de los ricos, hará esta literatura tan útil como sea posible y sentará los cimientos para unir a la humanidad en una conversación intelectual común y búsqueda del conocimiento. (Budapest Open Access Initiative, 2012)

    +

    Retirar las barreras de acceso a esta literatura acelerará la investigación, enriquecerá la educación, compartirá el aprendizaje de los ricos con los pobres y el de los pobres con el de los ricos, hará esta literatura tan útil como sea posible y sentará los cimientos para unir a la humanidad en una conversación intelectual común y búsqueda del conocimiento (Initiative 12 de Septiembre, 2012).

    -
    -

    2.1 ¿Qué es open access?

    -

    Open Acces (OA) es un movimiento científico cuyo objetivo es promover el libre acceso a la producción científica digital y hacer uso de ella sin restricciones de copyright. Los primeros vestigios del OA aparecieron a la par con la creación del internet, pero no fue hasta el 2002 con la declaración de Budapest que se definió el concepto de OA. Posteriormente en 2003 las declaraciones de Bethesda y Berlín sumaron argumentos para el marco de referencia del OA. Las causas que gatillan el desarrollo de OA son principalmente dos: (Melero, R. y Abad, M. 2008)

    +

    Según Melero y Abad (2008), las causas que gatillan el desarrollo del Open Access son principalmente dos:

      -

    1. La constitución del internet y las nuevas tecnologías como el medeio para la divulgación cinetífica.

      2. -

    2. Los elevados precios de suscripción a revistas cinetíficas digitales se presentaron como barreras económicas y de copyright al acceso de publicaciones cinetíficas.

      3. +

    3. La constitución del internet y las nuevas tecnologías como el medio para la divulgación científica permitió abaratar costos de impresión y acelerar el transporte de los conocimientos.

      4. +

    4. Los elevados precios de suscripción a revistas científicas digitales se presentaron como barreras económicas y de copyright para acceder al conocimiento y resultados de investigaciones.

      +
      +
    -
    -
    -

    2.2 ¿Qué y cómo se publica en open access?

    -

    Cualquier contenido digital puede ser publicado con Aceso Abierto (OA), ya sea académico (pre-print, publicaciones finales, libros, capítulos de libros, bases de datos, softwares, etc.) como artístico-cultural (películas, música, literatura, etc.), sin embargo, esto no se encuentra excento de licencias y se recomienda el uso de CC-By.

    -
    -

    Esta licencia (CC-BY) permite que otros distribuyan, mezclen, adapten y construyan sobre su trabajo, incluso comercialmente, siempre que le reconozcan la creación original. Esta es la licencia más complaciente que se ofrece. Recomendado para la máxima difusión y uso de materiales con licencia. (Creative Commons, 2017)

    -
    -

    Cualquier tipo de producción cinetífica puede ser compartida libremente en plataformas digitales, pero a ello no se le atribuye como una práctica de Aceso Abierto. En 2013, UNESCO estableció dos tipos de repositorios, las cuales sirven como rutas formalmente aceptables para compartir publicaciones científicas con el rotulo de OA (Swan, A. 2013).

    -
      -

    1. Repositorios de Vía Verde: Consiste en un proceso de “auto-archivo o auto-depósito” donde los/as autores/as comparten sus post-print (Artículo final) en sus páginas personales o en revistas que no son gratuitas pero que poseen repositorios de acceso libre. Estos repositorios antes mencionados se adhieren a un conjunto de reglas técnicas de interoperación, por ello forman una red interconectada de bases de datos que pueden ser de tres tipos distintos:

      +
      +

      ¿Por qué hacer uso del Open Access en mis publicaciones?

      +
      +

      El estudio de Piwowar, Priem, y Orr (2019) demuestra que desde la década de los noventa ha habido un aumento constante de publicaciones que se adscriben al Open Access, y si bien el fenómeno se desarrolla en mayor medida dentro de las ciencias exactas, las ciencias sociales no se quedan atrás (Swan 2013). Según Hernández (2016), los beneficios atribuídos a las prácticas científicas de carácter abierto no difieren sobre la disciplina y traen consigo efectos positivos ligados a:

        -

      • Conocimientos destallados (específicos): Los repositorios de temas específicos se consolidan por medio de dos formas, cuando los/as autores/as transfieren directamente sus trabajos en el repositorio o estos recolectan publicaciones de otras colecciones para centralizarlos.

        • -

      • Institucionales: Corresponde a un repositorio particular de cada universidad o instituto de investigación.

        • -

      • De datos: Son plataformas que se dedican principalmente a la centralización de datos de investigación.

        • -
      2. -

    2. Repositorios de vía Dorada: corresponden a repositorios que publican trabajos de investigación en forma gratuita para el/la Lector/a. En este sentido, el cobro asociado a la publicación lo costean los/as autores/as o las instituciones a las que se asocian. Por lo general, se especializan mayormente en la publicación sobre temas de salud y georgrafía, siendo de tres tipos:

      -
        -

      • Revistas Pagadas: liberan el acceso de las publicaciones con previo pago del/la autor/a o de la institución que le respalde.

        • -

      • Revistas Libres: Refiere a cuando los productos científicos son compartidos en sitios públicos como páginas personales, sitios universitarios u otros. Sin embargo, estos sitios -en su mayoría- carecen de sistemas de etiquetado o bien, no cumplen con los estandares del protocolo OAI-PMH.

        • -

      • Revistas Híbridas: Gran parte de las editoriales académicas utilizan este modelo con el objetivo de ofrecer Acceso Abierto al mismo tiempo en el que mantienen su modelo de negocio habitual basado en suscripciones. Esto permite a los autores optar por pagar una cuota de publicación y tener sus artículos creados con Acceso Abierto en revistas por suscripción.

        • -
      3. -
    +
  • Mayor accesibilidad y conservación de los productos científicos.
    • +
  • Difusión rápida e inmediata de las publicaciones.
    • +
  • Facilita la comunicación directa de los conocimientos científicos ayudando a avanzar en el mejoramiento de la calidad en la investigación.
    • +
  • Abre la posibilidad de reutilizar información, datos y procesos para nuevos proyectos. +
    +
    • + +
    -
    -

    2.3 Revistas de acceso abierto:

    -
    -

    2.3.1 ResearchGate y Academia.edu: ¿Plataformas de aceso abierto?

    -

    Las plataformas de ResearchGate y Academia.edu son parte del conocimiento común de todo/a investigador/a y quizás en más de alguna ocasión hemos recurrido a estas páginas para recuperar archivos científicos para nuestro uso personal. Sin embargo, hay que mencionar que estas plataformas no son un ejemplo de Open Acess debido a dos principales características descritas por Fortney, K. y Gonder, J. (2015):

    +
    +

    4.2.2 Las distintas rutas para publicar de manera abierta

    +
    +

    Swan (2013) - representante de UNESCO - define dos rutas principales (tipos de repositorios) donde depositar publicaciones con el rótulo del Open Access (Dorado y Verde), pero en la práctica se pueden diferenciar en cinco. Según Abierto (2019) las principales características de cada una son:

      -

    1. ResearchGate y Academia.edu funcionan de forma similar a Facebook o LinkedIn, o sea como redes sociales académicas cuyo objetivo es conectar a investigadores/as con interes comunes y compartir copias de sus productos elaborados.

      2. -

    2. ResearchGate y Academia.edu son empresas con fines de lucro y por lo tanto, existe la posibilidad de que cierren en algún momento. Mientras que los repositorios de Aceso Abierto por lo general son administrados por universidades, agencias gubernamentales, asociaciones internacionales u cualquier otro organismo sin fines de lucro, cuyo objetivo se centra el poner los conocimietos al servicio público.

      3. +

    3. Repositorios de Ruta Dorada: Corresponden a repositorios que publican trabajos de investigación en forma gratuita para el lector, por lo que se puede leer cualquier artículo inmediatamente después de ser publicado. Cabe destacar que para su publicación, detrás hay un cobro Article Processing Charges - APC (Cargo por Procesamiento de Artículo en español) cuyo costo es pagado por los autores o las instituciones les financian.

      4. +

    4. Repositorios de Ruta Híbrida: Gran parte de las editoriales académicas utilizan este modelo con el objetivo de ofrecer Acceso Abierto al mismo tiempo en el que mantienen su modelo de negocio habitual basado en suscripciones. Esto permite a los autores optar por pagar una cuota de publicación y tener sus artículos con Acceso Abierto en revistas por suscripción.

      5. +

    5. Repositorios de Ruta Verde: Consiste en un proceso de “auto-archivo o auto-depósito” donde los autores comparten sus post-print (artículo final) en sus páginas personales o en revistas que no son gratuitas, pero que poseen repositorios de acceso libre. Estos repositorios antes mencionados se adhieren a un conjunto de reglas y técnicas de inter-operación, formando una red interconectada de bases de datos.

      6. +

    6. Repositorios de Ruta Diamante: Es un modelo que intenta dar solución a los inconvenientes que surgen en las rutas anteriores. Este posibilita la revisión por pares de los trabajos enviados por medio de investigadores que trabajan como voluntarios, obteniendo de esta forma reconocimiento académico y social. Esta ruta es considerada como el único modelo que garantiza la sostenibilidad de la publicación de acceso abierto.

      7. +

    7. Repositorios de Ruta Bronce: Según Piwowar, Priem, y Orr (2019) esta es una nueva categoría donde los editores alojan artículos embargados en sitios web de su preferencia, de modo que los trabajos carecen de licencias que permitan su uso autorizado.

    +
    +Proyección de la cantidad de visitas y artículos publicados por cada ruta del Open Access. Traducción propia en base al estudio de @piwowar_future_2019. +

    +Figura 4.3: Proyección de la cantidad de visitas y artículos publicados por cada ruta del Open Access. Traducción propia en base al estudio de Piwowar, Priem, y Orr (2019). +

    -
    -

    2.3.2 Repositorios de Revistas OA:

    -

    Con la invención del internet también aumentaron las oportunidades de divulgación científica, y si bien el concepto de OA no fue precisado hasta los 2000, en la década anterior ya venían gestandose proyectos como The public-access computer systems review (1990), una revista electrónica tipo boletín que era distribuída por correo electrónico. Posteriormente, en 1991 revistas como Surfaces y Psycoloquy fueron pioneras en instalar la metodología de acceso gratuito a sus publicaciones. Hoy en día son muchos los sitios de repositorios que cumplen con políticas de Aceso Abierto, pero con licencias particulares que es necesario conocer para adentrarnos en su uso.

    -

    revistas y politicas: (MDA de Gesis, etc). Sería bueno tener algún listado acotado de SOCArvix (buscador Sherpa) (!!!)

    +

    La figura n° 4.3 ilustra el modelo elaborado por Piwowar, Priem, y Orr (2019), este estudio se basa en el análisis de 70 millones de artículos publicados entre 1950 y 2019 que comparten el rasgo de haber sido publicados en abierto y estar alojados en la base de datos de Unpaywall. La técnica utilizada permitió estimar la trayectoria de los artículos hasta el 2025, poniendo énfasis en el porcentaje de visitas y el porcentaje de artículos publicados según cada ruta. De esta manera, en la figura n° 4.3 se proyecta que para el 2025, los artículos publicados por la vía dorada alcanzarán un aumento de sus visitas en un 33%, la ruta verde un 19% y la ruta híbirda un 10%; mientras que la ruta bronce seguirá la misma trayectoria pero en menor medida.

    +En cuanto al porcentaje de artículos publicados en abierto, el gráfico indica que tanto la ruta verde, dorada e híbirida tendran un aumento desde el 2019 al 2025, mientras que la ruta bronce en sus categorías inmediata y retrasada se mantendrán uniforme sin aumento ni descenso. Lo importante aquí es un notable aumento de la publicación en abierto en 13 puntos porcentuales, mientras que se estima el descenso de la publicación cerrada en 13 puntos porcentuales. +
    +
    +
    +

    4.2.3 ResearchGate, Academia.edu y Sci-Hub: ¿Plataformas de aceso abierto?

    +
    +

    De seguro conoces las plataformas de ResearchGate y Academia.edu o quizás en alguna ocasión has recurrido a estas páginas para compartir tus publicaciones o descargar archivos científicos para uso personal. Sobre estas plataformas hay que mencionar que no son un ejemplo de Open Acess debido a que funcionan como redes sociales similares a Facebook o LinkedIn, pues su objetivo es crear redes de contactos entre colegas e investigadores con intereses afines. Según Fortney y Gonder (2015), ResearchGate y Academia.edu al ser empresas con fines de lucro no cumplen con la característica principal de los repositorios de Open Access, los cuales son administrados por universidades, agencias gubernamentales, asociaciones internacionales o editoriales que persigan el objetivo de poner los conocimientos al servicio y a la disponibilidad pública.

    +

    Estas páginas al ser de tipo auto-archivo presentan similitudes con los repositorios de ruta verde, ya que los documentos se guardan en sitios personales creados por el propio autor, sin embargo, dadas las características de ResearchGate y Academia.edu, estas no permiten corroborar los estándares de calidad y seguridad de las publicaciones, ni tampoco se asegura su permanencia perpetua. Dicho lo anterior, publicar la producción científica en cualquier plataforma digital no implica estar desarrollado prácticas acordes al Open Access.

    +Las restricciones de pago empujaron al desarrollo de sitios piratas que funcionan como bases de datos integrando diversas publicaciones, estos son denominados como la vía negra del Acceso Abierto que buscan hacer frente a las barreras de pago (Björk 2017). Un claro ejemplo es el sitio web Sci-Hub que desde el 2011 posibilita el libre acceso a literatura científica (tanto pagada como libre) y para el 2021 alberga más de 85 millones de documentos. Su slogan Sci-Hub para remover todas las barreras en el camino de la ciencia se instaura bajo tres principios: (1) El conocimiento es para todos, (2) No al Copyright y (3) Apoyo al Open Access. Sin embargo, Monti y Unzurrunzaga (2020) indica que el carácter “ilegal” del sitio es la razón de que exponentes de la ciencia lo restrinjan, dado que no tiene la injerencia para modificar los aspectos legales de las publicaciones, trasgrede los derechos de explotación indicados por los autores y puede conducir a un despretigio del Open Access. Es evidente que lo atractivo de estos sitios es la posibilidad de acceder de manera libre a las publicaciones, un hecho corroborable en la investigación de Bohannon (2016), en ella se ha concluído que el 25% de los países que registran la mayor cantidad de descargas desde Sci-hub, corresponden a las naciones más ricas del mundo en Europa y Estados Unidos. Björk (2017) es el primer autor en considerar la plataforma como una vía dentro del Acceso Abierto, y es quizás una reflexión de orden ético-moral la decisión de integrar (o no) los sitios con estas características dentro del Open Access. +
    +
    -
    -

    2.4 ¿Qué pasa si no es de acceso abierto y quiero abrir igual?

    -

    En el capítulo 1 abordamos el rol de la propiedad intelectual en materias de investigación científica puesto a que, es la piedra angular para adentrarse en el Aceso Abierto y para negociar con las revistas los límites de acción de cada contraparte. Por lo general, al realizar el envío de un artículo a una revista, el/la autor/a firma un Acuerdo de Transferencia de Derechos (CTA), transfiriendole al editor/a los derechos de autor sobre la obra y por lo tanto, imposibilitando toda acción del propio/a creador/a sobre la investigación. Para que la decisión de publicar dentro de una revista no afecte a la posterior decisión de abrir la publicación, por una parte los editores deben tener una licencia que sirve únicamente para publicar (LTP) y, por otra parte, los/as autores/as deben retener para si los derechos sobre la obra.

    -

    En síntesis, para que cualquier recurso científico sea abierto, este debe contener una licencia que explicite a los/as usuarios/as las acciones que pueden realizar sobre la obra e indicar la correcta acreditación de la fuente (Swan, A. 2013).

    -
    -

    2.4.1 Razones para utilizar open-access (“el cierre de la triada”) (!!!)

    -

    El uso amplio de la ciencia abierta depende mucho de la disciplina, en el sentido de que las ciencias exactas ligadas al estudio de la tierra, la física y la salud lideran el ranking de publicaciones abiertas, siguiendole el paso las ciencias sociales (Swan, A. 2013). Sin embargo, los beneficios atribuídos a las practicas cientificas de caracter abierto no difieren sobre la disciplina. Según Hernández, E. (2016), el desarrollo del conocimiento científico dentro del marco del Acceso Abierto trae consigo múltiples beneficios que se asocian a:

    -
      -
    • Costos más bajos en relación a la impresión del documento y su envío.
      • -
    • Mayor accesibilidad y conservación de los productos científicos.
      • -
    • Difusión rápida e inmediata de la publicaciones.
      • -
    • Facilita la comunicación directa de los conocimientos científicos ayudando a avanzar un mejoramiento de la calidad en la investigación.
      • -
    • Posibilita reutilizar información, datos y procesos.
      • -
    -

    Discusión sobre los conocimientos comunes(!!!)

    +
    +

    4.2.4 Revistas de acceso abierto:

    +
    +Con la invención del internet también aumentaron las oportunidades de divulgación científica, y si bien el concepto de Open Access no fue precisado hasta los 2000, en la década anterior ya venían gestándose proyectos como The public-access computer systems review (1990). Una revista electrónica tipo boletín que era distribuida por correo electrónico. Posteriormente, en 1991 revistas como Surfaces y Psycoloquy fueron pioneras en instalar la metodología de acceso gratuito a sus publicaciones. Hoy en día son muchos los sitios de repositorios que cumplen con políticas de Acceso Abierto, pero con licencias particulares que es necesario conocer para adentrarnos en su uso. Uno de los sitios que se recomienda usar es el de SocArxiv, pues cuenta con un servicio gratuito de acceso, una base de datos completa y que permite a los autores obtener un DOI para su publicación. Sin mencionar la posibilidad de un contador de descargas y otras particularidades que no poseen las plataformas de ResearchGate y Academia.edu (véase tabla n° 4.1). En la siguiente sección abordaremos en mayor profundidad su uso. +
    + +
    + + +++++++ + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    Tabla 4.1: Tabla comparativa del uso de SocArXiv versus otros sitios
    CaracterísticasResearchGate, Academia.eduSitio web personalRepositorio InstitucionalSocArXiv
    Acceso libre para leerRequiere RegistroSiSiSi
    Servicio de acceso publico - sin lucroNoSolo si es alojado por tu universidadSolo si es alojado por tu universidadSi
    Metadatos completos, incluidos coautores, DOI, ORCID, etc.QuizásNoQuizásSi
    Enlace para el repositorio para base de datos, codigo, etc.NoSolo si tu lo construyesQuizásSi
    Url persistente en todas las versiones-NoNoSi
    Entrega DOI para el paper-NoSolo AlgunosSi
    Contador de descargasSolo AlgunosQuizásQuizásSi
    Contribuye al futuro de la comunicación académica abiertaNoDébilmenteQuizásSi
    +
    +Fuente: Traducción propia a partir de tabla comparativa de SocArXiv. +
    + +
    -
    -

    2.5 Referencias

    -

    Budapest Open Access Initiative (14 de Febrero 2002). Iniciativa de Budapest para el Acceso Abierto. (Trad.) En Budapest, HUngría.

    -

    Creative Commons (7 de Noviembre 2017). Sobre las licencias: Lo que nuestras licencias hacen.

    -

    Fortney, K. y Gonder, J. (1 de Diciembre 2015). A social networking site is not an open access repository. En Office of Scholarly Communication (web) - University of California

    -

    Hernández, E. (2016). ¿Por qué Open Acess?. Anestesia en México, 28(1), 2-3. ISSN 2448-8771

    -

    Melero, R. y Abad, M. (2008). Revistas open access : características, modelos económicos y tendencias. BiD: textos universitaris de biblioteconomia i documentació, núm. 20 (juny)

    -

    Swan, A. (2013). Directrices para Políticas de desarrollo y promoción del Aceso Abierto. UNESCO - ISBN 978-959-18-0928- 5

    +

    Referencias

    +
    +
    +Abierto, Universo. 2019. «Las 5 Rutas Para Llegar al Acceso Abierto: Verde, Dorada, Bronce, Híbrida y Diamante». Blog de la biblioteca de Traducción y Documentación de la Universidad de Salamanca.
    -
    @@ -257,6 +426,7 @@

    2.6 Otros link de interés

    "weibo": false, "instapaper": false, "vk": false, +"whatsapp": false, "all": false }, "fontsettings": { @@ -276,7 +446,7 @@

    2.6 Otros link de interés

    "link": null, "text": null }, -"download": ["open-access.pdf", "open-access.epub"], +"download": ["lisa-book.pdf", "lisa-book.epub"], "toc": { "collapse": "section" } diff --git "a/docs/herramientas-para-los-an\303\241lisis-reproducibles.html" "b/docs/herramientas-para-los-an\303\241lisis-reproducibles.html" new file mode 100644 index 0000000..4807ece --- /dev/null +++ "b/docs/herramientas-para-los-an\303\241lisis-reproducibles.html" @@ -0,0 +1,431 @@ + + + + + + + 3.2 Herramientas para los análisis reproducibles | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    3.2 Herramientas para los análisis reproducibles

    +

    Generalmente, cuando se habla de reproducibilidad se toma en consideración su dimensión computacional, esto es, el trabajo con código. Como investigadores de las ciencias sociales empíricas y promotores de la ciencia abierta creemos que efectivamente este es el núcleo de la reproducibilidad, sin embargo no es su única acepción. La mera existencia de un código de análisis no nos garantiza que un proyecto sea reproducible per se, dado que es importante tener en consideración cómo es que distintos elementos del proyecto se relacionan entre sí para regenerar los resultados de un trabajo publicado. Considerando esto, es que dividiremos esta sección presentando un flujo de trabajo reproducible con cuatro características:

    +
      +
    1. Estructura del proyecto
      2. +
    2. Documentos dinámicos
      3. +
    3. Control de versiones
      4. +
    4. Prácticas de código
      5. +
    +

    Veamos cada uno de ellos.

    +
    +

    3.2.1 Estructura del proyecto

    +

    Una de las principales cosas que debemos considerar al elaborar un proyecto es su estructura de carpetas y archivos, esta nos permita entender e identificar los archivos existentes y rol en el flujo de trabajo. En este sentido, una de las herramientas que han sido desarrolladas son los denominados Protocolos (p. ej. TIER, DRESS, IPO), los cuales brindan una serie de orientaciones referentes a estructura digital de carpetas, documentación de archivos y rutinas para conseguir el anhelado objetivo de los análisis reproducibles. Para esto, es posible mencionar una serie de orientaciones generales referentes a dichos procedimientos, por ejemplo en el Proyecto TIER (TIER, 2020) se han desarrollado protocolos orientados a la reproducibilidad de los análisis, los cuales se fundamentan en tres principios que se describen a continuación.

    +
      +

    1. Reproducibilidad: La documentación debe permitir regenerar completamente los resultados del estudio original. En primer lugar, se debe comenzar con los datos originales brutos idénticos a aquellos con los que el autor comenzó la investigación, Luego, la posibilidad de realizar las mismas rutinas de código para preparar los datos finales para el análisis. Finalmente, se debe disponer de las rutinas de código que permitan regenerar los mismos resultados publicados, por ejemplo, las tablas o figuras presentes en la investigación.

      2. +

    2. Independencia: Toda la información necesaria para regenerar los resultados del estudio debe estar presente en la documentación. Esto refiere a que no debe ser necesario solicitar ninguna información adicional al autor original.

      3. +

    3. Realismo: La documentación debe estar organizada y presentada con suficiente claridad para que bajo un criterio realista, sea factible que un investigador independiente con un nivel de expertise razonable tenga la posibilidad de regenerar completa e independientemente los resultados del estudio sin mayores dificultades.

      4. +
    +

    Teniendo en cuenta lo anterior, la forma en que se encuentran organizadas las partes de un proyecto es fundamental para cumplir a cabalidad con lo que se propone cada principio. Como vimos en la sección previa, es posible entender la reproducibilidad como un espectro que involucra una tríada de tres elementos: Datos, Métodos y Resultados.

    +

    ESQUEMA: Datos - Métodos - Resultados

    +

    Este esquema es una síntesis que hacemos de algunos de los protocolos más usados en las ciencias sociales. Más que proponer un protocolo nuevo, buscamos describir los elementos fundamentales que contiene una estructura de proyecto reproducible y que están presentes de alguna u otra forma en la mayoría de los protocolos.

    +
    +

    3.2.1.1 Carpeta raíz

    +

    Antes de detallar los tres elementos que se deben considerar para avanzar en el espectro de reproducibilidad, es importante partir de una base. Esta es la que en distintos protocolos y otras herramientas para la reproducibilidad se conoce como la carpeta raíz (root). La carpeta raíz es donde se alberga toda la documentación de referencia general para el proyecto, lo que abarca desde bases de datos, hasta el cuestionario u otros documentos similares. La carpeta raíz es el punto de partida para poder emplear otras prácticas para la reproducibilidad.

    +

    A modo de ir avanzando en el espectro de reproducibilidad, es importante tener en consideración dos principios en relación a la carpeta raíz: documentar y orientar. La documentación implica exponer ordenadamente el contenido del proyecto completo de manera jerárquica, es decir, el contenido de subcarpetas y su funciones. En cambio, orientar implica conducir una correcta ejecución de las rutinas que permitan regenerar los resultados de la investigación. Una carpeta base que logre considerar estos principios debe tener los siguientes contenidos:

    +
      +

    1. Detalle de la base y las subcarpetas organizadas según su contenido. Una manera amigable de representar esta estructura es a través de un “árbol de directorios”, el cual ilustra la jerarquía de las carpetas y los principales archivos contenidos.

      2. +

    2. Instrucciones para la configuración del paquete estadístico necesario para ejecutar las rutinas de código. Esto considera el número de versión del software, los complementos necesarios que sean adicionales al paquete estándar y cualquier otra información especial sobre el software que el lector necesite conocer para reproducir los resultados del estudio.

      3. +

    3. Instrucciones de “inicio-a-fin” para regenerar los resultados a través de referencias directas al uso de los archivos de procesamiento de datos en la preparación y análisis. En este apartado se deben incluir detalladamente de los objetivos de cada rutina de código de manera independiente.

      4. +
    +

    Los contenidos descritos deben incluir en un archivo que lleve de nombre “readme.md/txt/pdf”. Una sugerencia de estructura interna de este documento es la siguiente:

    +
      +
    1. Estructura y contenido del proyecto reproducible +
        +
      • Esquema tipo “Árbol de directorios”
        • +
      • Descripción de cada subcarpeta, sus archivo y roles
        • +
      2. +
    2. Instrucciones y rutinas de ejecución de resultados +
        +
      • Instrucciones para configuración del software
        • +
      • Instrucciones para la ejecución de rutinas de código de “inicio-a-fin”
        • +
      3. +
    +

    Con este archivo “readme.md/txt/pdf” ya contamos con el primer gran paso hacia la reproducibilidad: nuestra carpeta raíz está bien documentada y logra orientar bien cualquier tercero que quiera reproducir nuestra investigación. Con esto descrito, pasaremos a detallar los tres elementos a considerar para adoptar un enfoque reproducible en un proyecto (Datos-Método-Resultados)

    +
    +
    +

    3.2.1.2 Datos

    +

    En la ciencia trabajamos con datos, ya sean cualitativos o cuantitativos, primarios o secundarios, si nos desempeñamos como científicos analizaremos datos con tal de sacar conclusiones relevantes para el avance del conocimiento. Es por esto que, el cómo albergamos y documentamos los datos para nuestro estudio es uno de los primeros puntos a considerar para adoptar un enfoque orientado hacia la reproducibilidad. El objetivo es que cualquier persona sea capaz de comprender nuestros datos y utilizarlos para reproducir nuestros análisis.

    +

    Si bien los protocolos varían de acuerdo a cómo se organizan los datos dentro de la carpeta raíz (i.e. en qué carpeta se alojan), algo que suele ser común entre los protocolos y que relevante de recalcar acá es la diferenciación entre los datos originales o “crudos” (raw data) y los datos procesados. Los datos originales son aquellos que no han sufrido ningún tipo de modificación, en contraste a los datos procesados. El albergar ambas bases de datos permite comprender de mejor forma las modificaciones que se hicieron y las decisiones que se tomaron.

    +

    Al igual que con la carpeta raíz, sugerimos ciertas prácticas de documentación y orientación para que el proyecto sea reproducible. Presentamos el detalle para los datos originales y los datos procesados.

    +

    Para toda fuente de datos original, se debe proveer la siguiente información:

    +
      +

    1. Citación bibliográfica en un formato estándar (p. ej. American Psychological Association, Chicago, etc). Sugerimos revisar el componente de “Datos Abiertos” para la publicación de datos.

      2. +

    2. La fecha de creación de la base de datos o el día en que se accedió por primera vez por parte del autor (en caso de que sean datos secundarios.

      3. +

    3. Una descripción respecto a cómo se puede acceder a una copia de esta base de datos. Se debe ser lo suficientemente claro como para que un usuario independiente pueda acceder a los datos sin requerir información adicional.

      4. +

    4. Un libro de códigos de todas las variables de la base de datos. Sugerimos revisar el apartado “¿Cómo hacer un libro de códigos?”.

      5. +
    +

    Para toda fuente de datos procesada, es posible identificar dos tipos:

    +
      +

    • Base de datos intermedia, la cual contiene información que, por un lado, puede ser complementaria con una base de datos principal. Por ejemplo, tenemos una base de datos con información de individuos pertenecientes a zonas/territorios (regiones o países), a la cual necesitamos incorporar información adicional que proviene de fuentes externas. En este caso, podemos generar una base procesada intermedia, para luego proceder a combinar ambas fuentes de datos.

      • +

    • Base de datos final, es una versión final de una base de datos que contiene las variables completamente procesadas para realizar los análisis.

      • +
    +

    En estos casos se sugiere proveer la siguiente información:

    +
      +
    1. Libro de códigos de la base procesada. Para ello, las variables deben estar correctamente etiquetadas.
      2. +
    2. Fecha de creación y versión de la base de datos procesada.
      3. +
    +
    +
    +

    3.2.1.3 Métodos

    +

    Con los métodos nos referimos a toda información del proyecto relacionada al trabajo con los datos, específicamente al procesamiento y el análisis de datos. Ambas actividades pueden ser albergadas en un mismo archivo, no obstante e independiente del protocolo que se use, sugerimos separar ambas actividades en documentos distintos. Esto hará mucho más fácil la lectura del proceso de toma de decisiones, especialmente si son archivos de código. De esta manera, cualquier tercero podrá entender el proceso, evitando a lo más posible que emerjan preguntas tipo ¿y de dónde salió esta variable?. En esta sección presentamos un flujo tanto para el documento de procesamiento como para el de análisis. Independiente del software estadístico que usted esté utilizando, será capaz de adherir a este flujo para hacer estas actividades de forma más ordenada.

    +

    El procesamiento de los datos cumple una función muy importante para el desarrollo de un artículo: la de procesar los datos que darán paso a los análisis del estudio. Considerando eso, el objetivo final de este documento es generar una base de datos procesada, que contenga solamente los datos importantes para analizar. El flujo puede ser:

    +
      +

    1. Cargar la base de datos original: Cargar la base de datos original es el punto de partida para el procesamiento de los datos, y cómo tal, es muy importante que esta acción sea reproducible. En softwares como R, podemos hacer esta acción de manera reproducible al cargar los datos directamente de la web. Si esta no es una opción, podemos dejar bien documentado la forma en que se debe cargar la base de datos.

      2. +

    2. Revisar la base de datos: Una vez cargada la base de datos original, recomendamos siempre revisar para que todo esté en orden. Cuando decimos “ver que todo esté en orden” nos referimos a diagnosticar si la base ha sido correctamente cargada. Por ejemplo, a veces podría suceder que la base de datos está en formato .csv con las columnas separadas por punto y coma (“;”) y nosotros la cargamos en el formato tradicional (“,”).

      3. +

    3. Seleccionar las variables que se utilizarán: Generalmente no ocupamos todas las variables dentro de una base de datos, en especial en la investigación basada en encuestas con datos secundarios. Es por eso que el comienzo del procesamiento de datos consta de seleccionar las variables que utilizaremos para los análisis.

      4. +

    4. Renombrar las variables: Si bien no es estrictamente necesario renombrar las variables, sí se recomienda para facilitar tanto el propio trabajo cómo el de alguien que vaya a emplear el mismo código. Generalmente, en la investigación de encuestas con datos secundarios nos encontramos con grandes bases de datos, con nombres técnicos y poco autoexplicativos. La principal recomendación aquí es cambiar estos nombres por nombres cortos y autoexplicativos.

      5. +
    +

    Procedimientos a realizar por cada variable:

    +

    Una vez hemos cumplido con los aspectos generales del procesamiento, podemos pasar a la revisión de variable a variable. Aquí proponemos el siguiente flujo:

    +
      +

    • Descriptivo inicial: calcular una tabla de frecuencias o de medidas de tendencia central y dispersión para conocer el estado de la variable previo a cualquier modificación.

      • +

    • Recodificación: aquí se toman las decisiones respecto a la recodificación de los datos perdidos y otro tipo de valores a modificar (e.g. errores de tipeo). Es importante que las decisiones sobre la recodificación queden bien estipuladas y transparentadas. Por ejemplo, en caso de hacer imputación en alguna variable, dejarlo comentado en el código.

      • +

    • Etiquetado: el etiquetado es una forma simple y eficiente de poder dar más información acerca de una variable. En el caso de bases de datos sobre encuestas, generalmente una base bien documentada trae etiquetas predeterminadas que hacen alusión a las preguntas del cuestionario. Es importante tener en consideración que no todos los softwares soportan el etiquetado en las bases de datos, en esos casos es útil elaborar un libro de códigos para nuestra base de datos procesada.

      • +

    • Descriptivo final: recomendamos que, posterior a haber hecho las recodificaciones correspondientes, revisar de nuevo las frecuencias o las medidas de tendencia central de las variables, para diagnosticar que no hemos cometido errores en el procesamiento. Por dar un ejemplo, un error común, es etiquetar mal las categorías de la variable, lo tendría un impacto directo en la interpretación de los datos.

      • +

    • Otros ajustes: en esta última parte del flujo por variable, recomendamos efectuar toda modificación específica y relevante para la forma que analizaremos los datos. Por ejemplo, si fuésemos a construir un índice con algunas de las variables.

      • +
    +

    El seguir este flujo de manera sistemática facilitará la lectura tanto para terceros, como para nosotros mismos en el futuro.

    +

    Una vez contamos con nuestra base de datos procesada podemos analizar los datos. En el documento de análisis de datos se procede a elaborar todas las tablas, gráficos, pruebas estadísticas etc. que vayan a ser introducidos en el artículo final. Es importante que se piense en este documento cómo un reporte de análisis en sí mismo, es decir, debe estar dirigido al público y no solo ser un documento de trabajo interno para el equipo de investigación.

    +

    Al igual que para la sección de procesamiento de datos, aquí también recomendamos un flujo de trabajo para hacer el trabajo -y el código- reproducible y eficiente. Dividimos el flujo en dos secciones, primero, una que contenga los análisis necesarios para probar las hipótesis de investigación. Segundo, una sección con análisis secundarios y/o exploratorios que sean relevantes para lo que el artículo busca plantear.

    +
      +
    1. Efectuar análisis descriptivos univariados de los datos. Es ideal una tabla única que sintetice el comportamiento de las variables de interés.
      2. +
    2. Efectuar análisis correlacional de los datos. Es una primera aproximación a las hipótesis, además de ser esquemático. Por ejemplo, el uso de matrices de correlación o de nubes de puntos.
      3. +
    3. Efectuar análisis multivariados. Modelos que suelen ser la principal herramienta para poner a prueba las hipótesis.
      4. +
    4. Efectuar análisis exploratorios. Esto en el caso que se quieran explorar relaciones o patrones que no fueron previamente hipotetizados.
      5. +
    +

    Documentación

    +

    Para una correcta comprensión de los documentos de procesamiento y análisis es importante tener una descripción adecuada de cada una de sus partes, o dicho de otra forma, una correcta documentación. Es relevante precisar de qué manera estos documentos se vinculan con otros archivos dentro del proyecto, para lo cual podemos tomar el ejemplo del protocolo IPO. Por un lado, el documento de preparación requiere de una fuente de datos inicial, por tanto está directamente relacionada con la carpeta Input y la subcarpeta de datos originales. Por otro lado, el documento de análisis requiere de una fuente de datos procesada, por tanto está directamente relacionada con la carpeta Input y la subcarpeta de datos procesados.

    +

    Para una correcta ejecución de las rutinas de código, es importante describir adecuadamente la relación entre los archivos de preparación y análisis. Para ello, se sugiere incorporar un archivo de nombre “readme-proc.md/txt/pdf”, en donde se describa brevemente dicha vinculación. Para ello sugerimos los siguientes puntos a describir:

    +
      +
    1. Para la ejecución de la preparación, precisar la ubicación de la o las fuentes de datos originales. (p.ej. “input/data/original/original-data.dta”)
      2. +
    2. Para el cierre de la preparación, precisar la ruta donde se deben almacenar la base de datos procesada y su extensión (p.ej. “input/data/original/proc-data.RData”)
      3. +
    3. Para la ejecución de los análisis se debe precisar el origen de la base procesada que fue creada en el punto 2.
      4. +
    4. Para los archivos de resultados provenientes del análisis de los datos, tales como figuras o tablas, debemos precisar la ruta donde se almacenarán y su nombre.
      5. +
    +
    +
    +

    3.2.1.4 Resultados

    +

    Con los resultados, nos referimos a las figuras, gráficos o tablas que son producto de nuestro análisis y que serán relevantes de alguna forma para el estudio. Comúnmente, los protocolos para la organización de las carpetas proponen que todo lo que esté relacionado a los resultados se guarde en una carpeta a parte. Por ejemplo, el protocolo IPO propone albergar tablas y figuras en las subcarpetas tables e images dentro de la carpeta output.

    +

    Tomando como ejemplo el uso del protocolo IPO, sugerimos que para una correcta identificación de cada archivo se sigan las siguientes indicaciones:

    +
      +

    1. Para las imágenes, sugerimos usar nombres breves e incorporar numeración. Por ejemplo “figura01.png”, según el orden de aparición en la publicación.

      2. +

    2. Para el caso de los cuadros o tablas, existen distintas extensiones para almacenarlas como archivos independientes (tex/txt/md/html/xls). Para ello, sugerimos emplear nombres cortos e incorporar numeración. Por ejemplo, “tabla01.xls”, según el orden de aparición en la publicación.

      3. +
    +
    +
    +
    +

    3.2.2 Texto plano y documentos dinámicos

    +

    Adoptar ciertas prácticas en lo que respecta a la estructura de un proyecto es el primer paso en el espectro de reproducibilidad. El segundo paso que proponemos acá es el uso de texto plano y documentos dinámicos.

    +

    Probablemente, el programa que más se ha utilizado para la escritura, desde la formación de pregrado hasta el trabajo cotidiano como investigador, sea Microsoft Word. Sin duda, es una herramienta sumamente útil, cuenta varias funciones que permiten ordenar y hacer más estéticos nuestros documentos, no obstante, no es reproducible. Aunque Microsoft Word sea un formato de archivo ampliamente conocido, necesitamos algún tipo de lector asociado al formato .docx (u otro similar) para poder leer los archivos. Esto implica que solamente las personas que tengan instalado algún lector para este tipo de documentos serán capaces de acceder al contenido, lo cual va en contra de la idea de reproducibilidad.

    +

    Ahora, también es cierto que el formato de Word está tan extendido, que es realmente difícil que alguien no tenga disponible un lector de este tipo de archivos. Sin embargo, el real problema está con quien es dueño de ese contenido. Acá no nos inmiscuimos en temas de propiedad intelectual, pero sí es importante hacerse la pregunta sobre quién es dueño de lo que escribimos si el medio por donde estamos escribiendo no es propiedad nuestra. Es cosa de imaginarse que, de un día para otro, todo programa asociado a Microsoft desapareciera por alguna razón, todos nuestros documentos quedarían obsoletos. Aquí es donde entra el texto plano.

    +

    El texto plano es, simplemente, un tipo de texto que se puede leer independiente del lector que se use. Un ejemplo simple es escribir en el bloc de notas de Windows. El texto plano es importante cuando buscamos avanzar hacia la reproducibiliad por dos razones. Primero, es un tipo de texto universal, lo que da la ventaja de que, en principio, cualquier persona será capaz de leer algo escrito en este formato. Segundo, sienta las bases para que surjan lenguajes que permiten sofisticar el formato de los documentos, pero que sigan teniendo el carácter universal del texto plano. Los ejemplos más conoocidos son LaTeX y Markdown.

    +

    La descripción en detalle del lenguaje LaTeX y Markdown no son objetivo de este capitulo, pero si es importante tenerlos en cuenta ya que han dado paso a una de las herramientas más utilizadas en la ciencia abierta: los documentos dinámicos. Estos son documentos que incluyen, a la par, texto plano y código. Es decir, ya no es necesario que utilicemos una hoja de código para generar un gráfico y luego pegarlo en un documento Word para escribir nuestro artículo, sino que podemos hacer todo esto en un mismo archivo. Además de hacer nuestro flujo de trabajo más eficiente, también hace más fácil reproducir los archivos. Por ejemplo, si quisiéramos que un colega revisara nuestro artículo, bastaría con que le enviáramos el documento dinámico que contiene tanto el código como el escrito. Así, él podría revisar la escritura del documento, y además, evaluar si los análisis han sido efectuados correctamente.

    +

    Las distintas formas de documentos dinámicos dependen del software que se vaya a emplear para la programación del código. Según Schindler, Zapilko, y Krüger (2021), los softwares más usados en las ciencias sociales actualmente son R y Stata, por lo que presentaremos un resumen de sus respectivos formatos de documentos dinámicos: RMarkdown y Stata Markdown. También, Python ha sido indiscutiblemente uno de los lenguajes de programación más utilizados en el último tiempo y no solo por científicos sociales. Es por esto que también presentaremos su versión de documento dinámico: Jupyter Notebook.

    +

    RMarkdown

    +

    RMarkdown es un tipo de documento dinámico que combina código de R con lenguaje marcado tipo Markdown (para aprender a usar Markdown click aquí). En los documentos de RMarkdown, todo lo que escribamos en el documento el software asumirá que está en formato Markdown, por lo que si utilizamos alguna de las marcas (e.g. usar negrita en alguna palabra) en el documento final esa marca se hará efectiva. Cuando queremos utilizar código debemos escribirlo en bloques o chunks. Los chunks de código tienen distintas opciones, solo por dar un ejemplo, podemos escribir un código para elaborar un gráfico, pero no queremos que el código que se utilizó para elaborar el gráfico pues, los chunks nos dan la opción para lograr eso. Caso contrario, si queremos mostrar tanto el gráfico como el código para elaborarlo -por ejemplo, para que alguien revisé si hemos cometido algún error-, los chunks de código también tienen una opción para eso. En suma, podemos utilizar las distintas marcas de edición que nos ofrece Markdown, así como las distintas opciones para los chunks de código, con tal de elaborar un documento tal y cómo nosotros lo queremos. Para más información sobre RMarkdown, ver el enlace aquí.

    +

    La característica más importante de RMarkdown, es que la combinación del lenguaje marcado y el código se da en un documento renderizado. Renderizado significa que pasa por un proceso en el que se reconocen las distintas indicaciones de marcas y código, dando como resultado final un documento html, pdf o word. La herramienta encargada de este proceso es Pandoc, un convertidor de documentos universal (para más info ver: https://pandoc.org/)

    +

    Stata Markdown

    +

    Sí bien en Stata han emergidos varios paquetes que buscan apoyar la elaboración de documentos dinamicos (e.g. ver aquí), el comando Markstat es quizás el más conocido. Al igual que otros tipos de documentos dinámicos, Markstat combina lenguaje Markdown con código de Stata, la principal diferencia con RMarkdown es que el código no se ejecuta en chunks, sino que está separado del texto plano con indentaciones. Es importante tener en cuenta que para ejecutar Markstat debemos tener instalado Pandoc. Para más información sobre cómo utilizar Markstat ver aquí.

    +

    Jupyter Notebook

    +

    Jupyter Notebook es un tipo de documento dinámico que combina lenguaje marcado tipo Markdown con código de Python. Al igual que RMarkdown, todo lo que escribamos en los Jupyter Notebook será considerado como lenguaje marcado. La diferencia que tiene con RMarkdown es que el documento va renderizando las marcas e indicaciones de código en tiempo real. Es decir, si escribimos en negrita, títulos de distinta jerarquía o añadimos gráficos o tablas el documento lo mostrará inmediatamente. Para más información sobre cómo utilizar Jupyter Notebook ver aquí.

    +
    +
    +

    3.2.3 Control de versiones

    +

    El control de versiones es la tercera herramienta para la reproducibilidad que queremos presentar. Esas son herramientas de software para gestionar los cambios en los documentos. ¿Alguna vez has utilizado Google Docs para trabajar colaborativamente? Pues, este es un ejemplo cotidiano del control de versiones. Google Docs permite rastrear quién hizo qué cambio y cuándo. Además, permite restaurar un documento de una versión anterior. Sin embargo, Google Docs no es tan útil cuando el trabajo que debemos realizar es programar código.

    +

    Para el control de versiones de códigos existen distintas herramientas, donde quizás la más conocida en el mundo de la programación es Git. Git es un sistema de control de versiones gratuito y abierto, tiene por objetivo hacer más eficiente el flujo de trabajo para proyectos grandes y pequeños. A la par existe Github, el cual es una plataforma colaborativa para el trabajo con código. Distintas disciplinas tanto de ingeniería y software, cómo relacionadas al ámbito científico utilizan Github cómo un centro de organización para el trabajo. Se utilizan repositorios, los cuales albergan todo lo relacionado a un proyecto, en el caso de la ciencia, a un proyecto de investigación.

    +

    Recomendamos el uso de Git y Github cómo flujo de trabajo para aquellos cientificos sociales que trabajan con datos cuantitativos, especialmente cuando son grandes equipos de investigación o son proyectos con varias colaboraciones. Para más información sobre Git y Github ver aquí

    +
    +
    +

    3.2.4 Prácticas de código

    +

    Hasta ahora, hemos procurado que la presentación de la información sea lo más general posible y que no esté relacionada a un software estadístico único. Bajo esa idea, hemos presentado lo que es una estructura reproducible de un proyecto, aludiendo a los elementos comunes que se encuentran en distintos protocolos. También, revisamos como el control de versiones y el trabajo con documentos dinámicos pueden ser herramientas para la reproducibilidad. No obstante, no hemos abordado lo que, desde un principio, establecimos como el núcleo de la reproducibilidad: el trabajo con código.

    +

    Este capítulo busca ser una primera aproximación y enseñar lo básico respecto a reproducibilidad. Con tal de mantenernos bajo esa idea, trataremos el trabajo con código de forma abstracta, sin introducirnos a trabajar con un software en particular. Específicamente, veremos algunas prácticas de código que contribuyen a hacer un trabajo más reproducible. Estas son aplicables a distintos software que utilicen código, y cuando nos estemos refiriendo a un software específico lo señalaremos.

    +
      +

    • Nunca hacer trabajo manual. El objetivo de la reproducibilidad es que cualquier persona pueda regenerar nuestro trabajo, y el trabajo manual es un obstáculo para el cumplimiento de ese objetivo. Trabajar con código permite automatizar los procesos de tratamiento y análisis de datos, es cómo establecer un guión paso a paso sobre lo que se ha hecho para llegar a los resultados del artículo, en contraste, documentar un proceso de análisis manual (e.g. en una planilla de datos) es una tarea sumamente compleja. Si bien, es posible escribir un guión detallado de cada paso, esto tomaría una cantidad de tiempo y energía considerables, más aún teniendo en cuenta la cantidad de decisiones que tiene que tomar un equipo de investigación en el proceso de análisis de datos. Es por eso que la recomendación base es no hacer trabajo manual y trabajar con código, lo que implica evitar software como Microsoft Excel y otros relacionados.

      • +

    • Asegurarse que el código siempre produzca el mismo resultado. Nuestra hoja de código será la receta que otro seguirá para poder elaborar el mismo producto, por lo que tenemos que asegurarnos que esta produzca siempre lo mismo. Un ejemplo es cuando por algún tipo de análisis se necesitan generar números aleatorios. En R, para poder reproducir la generación de esos números aleatorios se utiliza la función set.seed().

      • +

    • Trabajar con scripts. Para poder automatizar el procesamiento y análisis de los datos, la principal recomendación es trabajar con documentos “script” que albergan el código y permiten su rápida ejecución. En el caso de R, se pueden utilizar documentos .R.

      • +

    • Escribir con minúscula, sin espacios, sin ñ y sin tildes. Gran parte de los software disponibles para análisis de datos traen el inglés como idioma nativo, por lo que existe una alta probabilidad de que tengamos problemas si utilizamos caracteres especiales que no se encuentran en ese idioma. Respecto al uso de mayúsculas, existen software que diferencian cuando un código incluye mayúsculas y cuándo no, esto es una característica conocida como case sensitive. Sin embargo, no todos los software cuentan con esta característica, por lo que es mejor evitar su uso.

      • +

    • Indentar el código. La indentación es una característica del trabajo con código en general (no solo a nivel de software estadístico) y se refiere a la jerarquía en los niveles del código. Indentar permite una lectura más fácil del código, ya que permite comprenbder visualmente el orden y la estructura del código. Uno de los ejemplos más conocidos es la elaboración de funciones condicionales de tipo if-else.

      • +

    • Comentar el código. Comentar el código es sustancial para que cualquier persona no asociada al proyecto (o incluso uno mismo en el futuro) pueda entender para qué sirve cada función y reproducir el documento sin problemas. Aquí el lema es: nunca es mucho cuando se refiere a comentar el código. Mientras mejor explicado esté qué hace cada cosa y por qué, la receta será más fácil de seguir.

      • +

    • Especificar las versiones de paquetes. Gran parte de los software estadísticos trabajan en base a la idea de paquetes. Estos son un conjunto de herramientas que facilitan el trabajo con datos. Existen paquetes tanto para tareas simples como el tratamiento de bases de datos o la generación de gráficos, así como para técnicas estadísticas avanzadas. No obstante, una característica a tener en cuenta es que los paquetes tienen versiones, ya que van mejorando día tras día. Esto ocurre especialmente en software de código abierto como R o Python. A raíz de esto, es que una de las recomendaciones para la reproducibilidad es conocer con qué versión de los paquetes se está trabajando y documentarlo. Inclusive, en software como R existen herramientas que permiten facilitar esta tarea (ver groundhog)

      • +

    • Elaborar código autocontenido. Existen dos formas de trabajar con código. La primera es el trabajo tipo “cascada”, donde el código es como agua que fluye desde arriba hacia abajo. Esta metáfora significa que cada código es parte de un todo interdependiente, y como tal, cada bloque depende del anterior. Un ejemplo simple es que con un bloque de código se carga una base de datos y con otro se presenta un gráfico de la misma. En contraste a esta forma de trabajo, existe una segunda de tipo “autocontenida”. Esta forma implica que, en vez de que el código sea interdependiente entre sí, cada bloque de código es una tarea que inicia y finaliza en el mismo bloque. Siguiendo el ejemplo, esto implicaría que cargar la base de datos y mostrar un gráfico de ella es una tarea que comienza y termina en el mismo bloque de código. Si bien ya el trabajar con código ya es un avance hacia la reproducibilidad, trabajar de manera autocontenida es un paso mucho mayor, ya que minimiza la probabilidad de que el código no pueda ser reproducido por un tercero.

      • +

    • Nombrar variables de manera óptima. Como se señaló anteriormente, muchas veces los nombres de las variables en las bases de datos siguen una lógica más técnica que sustantiva. Es por eso que, para poder trabajar de manera óptima y que, al mismo tiempo, el código sea más fácil de leer se sugiere renombrar las variables de forma sustantiva y corta. Por ejemplo, si una variable de edad de una encuesta tiene por nombre m01, sugerimos cambiarlo a edad.

      • +

    • Etiquetado o buen diccionario de variables. Además de renombrar las variables, recomendamos etiquetar de forma sustantiva las variables que se utilizarán y/o hacer un buen diccionario de ellas. Esto tiene por objetivo que la base de datos que hayamos elaborado para nuestros análisis sea más fácil de leer y reproducir.

      • +

    • Utilizar UTF8. Como señalamos, recomendamos evitar el uso de caracteres especiales en trabajo con código, esto implica el uso de tildes o ñ. No obstante, para ciertas situaciones será indispensable que escribamos en nuestro idioma nativo (en este caso español), y por ende utilizar caracteres especiales. Un ejemplo es cuando establecemos los títulos y categorías de una tabla o un gráfico. En estos casos, sugerimos establecer el formato del documento de código en formato UTF-8. Este formato es de tipo universal y acepta todo tipo de caracteres, incluyendo los especiales.

      • +

    • Trabajar con rutas relativas. Las rutas relativas son una ubicación en el computador que es relativa a un directorio base o carpeta raíz. En el caso del trabajo con datos, generalmente la carpeta raíz es la que alberga todos los documentos que refieren a ese proyecto y las rutas relativas son direcciones hacia distintos archivos teniendo como base la carpeta raíz. Esta es una forma reproducible de ordenar los archivos ya que no depende de quién está trabajando.

      • +

    • Uso de software libre. Con los nuevos avances en la tecnología y en el acceso a ella han emergido iniciativas colaborativas de desarrollo de software. Esto implica que en vez de estar centralizado por una compañía, quién está detrás de los avances en el desarrollo del software es una comunidad activa de usuarios. Software como R y Python son ejemplos de este tipo de iniciativas. Recomendamos el uso de software libre porque, además de alinearse con los principios de la ciencia abierta, proveen un ambiente y herramientas mucho más propenso a adoptar prácticas que avancen hacia la reproducibilidad.

      • +

    • Estar en contacto con la comunidad de investigadores y/o desarrolladores de herramientas computacionales. Más que una práctica relacionada al código, es una recomendación respecto a cómo hacer más óptimo nuestro trabajo. Con internet y las nuevas herramientas computacionales, existen varias comunidades a las cuales recurrir en caso de necesitar ayuda con el desarrollo del código. Por ejemplo, +Stack Overflow es un foro donde programadores, ingenieros y en general cualquier persona que utiliza código en su día a día puede hacer o responder preguntas respecto a código. Es una gran herramienta para cuando los códigos no funcionan o cuando queremos conocer formas más eficientes de hacer una tarea. Incluimos esta recomendación porque participar de estos foros y ser parte activa de la comunidad implica adoptar prácticas para la reproducibilidad, con tal de que otros puedan entender nuestras preguntas y respuestas.

      • +
    + +
    +
    + +

    Referencias

    +
    +
    +Schindler, David, Benjamin Zapilko, y Frank Krüger. 2021. «Investigating Software Usage in the Social Sciences: A Knowledge Graph Approach». arXiv:2003.10715 [cs], agosto. http://arxiv.org/abs/2003.10715. +
    +
    +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git "a/docs/herramientas-para-los-dise\303\261os-transparentes.html" "b/docs/herramientas-para-los-dise\303\261os-transparentes.html" new file mode 100644 index 0000000..53d8baf --- /dev/null +++ "b/docs/herramientas-para-los-dise\303\261os-transparentes.html" @@ -0,0 +1,418 @@ + + + + + + + 2.4 Herramientas para los diseños transparentes | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    2.4 Herramientas para los diseños transparentes

    +
    + +

    Nuestra principal apuesta para promover la transparencia en los diseños de investigación son los preregistros, por lo que es a lo que le dedicaremos más espacio de esta sección. De todos modos, también revisaremos un par de herramientas que pueden complementar el uso de pre-registros. Esperamos que, posterior a esta sección, el lector pueda ser capaz de utilizar estas herramientas para sus investigaciones.

    +
    +

    2.4.1 Plantillas de preregistro

    +
    + +

    En la práctica, preregistrar un artículo es básicamente sintetizar la información importante sobre nuestra investigación en una plantilla estandarizada y alojar ese documento en un lugar público. Por lo que el primer paso para elaborar un preregistro es elegir la plantilla correcta. Existen plantillas estandarizadas que están estructuradas de tal forma que son útiles para preregistrar estudios de cualquier disciplina, así como también existen plantillas dedicadas a una disciplina o a situaciones particulares. En este apartado presentaremos plantillas bajo cuatro categorías: a) plantillas genéricas, b) plantillas para experimentos y previas a recolección de datos, c) plantillas para datos existentes/secundarios, c) plantillas para estudios de replicación y d) plantillas para registered reports. Además de proveer una descripción de cada una, orientaremos al lector para elegir una plantilla de acuerdo al tipo de investigación que está desarrollando.

    +
    + +

    El Open Science Framework (OSF), que en español se traduce cómo un marco de trabajo para la ciencia abierta, actúa cómo una herramienta y un repositorio que alberga las plantillas que trataremos en esta sección (y más). Para ver todas las plantillas disponibles en OSF hacer clic en el siguiente enlace: https://osf.io/zab38/wiki/home/.

    +
    +

    2.4.1.1 Plantillas Genéricas

    +
    + +

    Las plantillas genéricas son aquellas que pueden ser utilizadas independiente de las características del estudio, ya que suelen incluir campos que abordan distintos tipos de situaciones (e.g. sí un estudio es experimental o observacional). Acá revisaremos dos plantillas genericas, la plantilla estándar de AsPredicted, y la plantilla estándar de OSF.

    +

    AsPredicted

    +

    La plantilla de AsPredicted es quizás una de las más conocidas para hacer preregistros, dado que está estandarizada y puede ser utilizada en cualquier disciplina. Recomendamos utilizarla cuando lo que se busque es optimizar tiempo y energías. La plantilla cuenta solamente con ocho preguntas clave que aplican a cualquier tipo de artículo. Esta plantilla la podemos encontrar tanto en OSF, como en la página de AsPredicted, en este caso, mostraremos cómo es el proceso en la página original.

    +
    + +

    Partimos por entrar a la página de AsPredicted, donde veremos algo como la Figura N° 2.5. Acá se nos da la opción de crear un preregistro, de ver los que ya hemos hecho (si es que ese es el caso) y también una breve descripción de AsPredicted. A grandes rasgos, la página nos dice que AsPredicted es una plataforma que busca facilitar el preregistro de estudios por parte de los investigadores a través de nueve simples preguntas. La página genera un documento .pdf y una URL asociada. También, cuenta cómo funciona el preregistro. Básicamente, un autor elabora un preregistro de un estudio y los coautores reciben un mail para aprobar ese preregistro. Una vez aprobado por todos los autores, el preregistro queda alojado en la plataforma de manera privada, y no cambia hasta que un autor decida hacerlo público. Además, en caso de que el estudio entre en revisión por pares, se puede enviar una versión anónima del preregistro. Por último, nos entrega una recomendación sobre qué hacer en el caso de que el proceso de investigación no haya podido apegarse totalmente a lo predicho.

    +
    +Botón para comenzar un preregistro +

    +Figura 2.5: Botón para comenzar un preregistro +

    +
    +
    + +

    Para elaborar un preregistro debemos hacer click en el rectángulo azul que dice Create. Una vez hecho eso, nos pedirá una dirección de email para continuar. Cuando ingresemos un email, nos enviará un enlace al email que hayamos ingresado, con ese enlace podremos comenzar el preregistro. Una vez hayamos entrado en el enlace, veremos la plantilla de preregistro. Lo primero que aparece es una sección donde debemos escribir los emails de los autores colaboradores del estudio. También, nos da la opción de añadir otros emails además del que hemos introducido. Una vez pasada esta parte, ya nos encontramos con las preguntas del preregistro, las cuales son las siguientes:

    +
    + +
      +
    1. Recogida de datos. ¿Se han recogido ya datos para este estudio?
      2. +
    2. Hipótesis. ¿Cuál es la pregunta principal que se plantea o la hipótesis que se pone a prueba en este estudio?
      3. +
    3. Variable dependiente. Describa la(s) variable(s) dependiente(s) clave especificando cómo se medirán.
      4. +
    4. Condiciones. ¿Cuántos y qué condiciones se asignarán a los participantes?
      5. +
    5. Análisis. Especifique exactamente qué análisis realizará para examinar la pregunta/hipótesis principal.
      6. +
    6. Valores atípicos y exclusiones. Describa exactamente cómo se definirán y tratarán los valores atípicos, así como su(s) regla(s) precisa(s) para excluir las observaciones.
      7. +
    7. Tamaño de la muestra. ¿Cuántas observaciones se recogerán o qué determinará el tamaño de la muestra?
      8. +
    8. Otros. ¿Hay algo más que quiera preinscribir?
      9. +
    9. Nombre. Poner un título a este preregistro de AsPredicted +Finalmente. A efectos de registro, indíquenos el tipo de estudio que está preinscribiendo.
      10. +
    +
    + +

    Las preguntas son bastante autoexplicativas, pero no está de más entregar algunos detalles adicionales. En la pregunta de recolección de datos, las opciones son tres: “Sí, se han recolectado datos”, “No, no se han recolectado datos” y “Es complicado”. Es importante mencionar que, en esta plantilla, la respuesta de que se han recolectado datos no es válida, por lo que si se está llevando a cabo un estudio con datos secundarios hay responder “Es complicado” y en la pregunta 8 de la plantilla especificar por qué este preregistro sigue siendo válido pese a que los datos son preexistentes. Otro detalle importante es que cada pregunta está pensada para ser respuesta en aproximadamente una oración. Esta plantilla tiene el objetivo de ser lo más eficiente posible, por lo que, en general, se recomienda que todo el documento no pase de los 3200 caracteres. Otro detalle que especificar es que la pregunta acerca del tipo de estudio que se está preregistrando también es semicerrada, tenemos las opciones de: “Proyecto de clase”, “Experimento”, “Encuesta”, “Estudio observacional” y “Otro”. Es responsabilidad de quien hace el preregistro el seleccionar la opción que más se asemeje a su situación. Por último, es importante señalar que el preregistro, al menos en la página de AsPredicted, solo puede ser rellenado en inglés, por lo que en caso de utilizar otro idioma solicitará traducirlo.

    +

    OSF Estándar

    +

    La plantilla estándar de OSF también es de carácter general y busca abarcar distintas situaciones y tipos de estudios. La diferencia que tiene con la plantilla de AsPredicted es que contiene más preguntas y más detalladas. Por ejemplo, contiene preguntas relativas a en qué momento específico se está efectuando el preregistro (i.e antes de recopilar los datos, antes de cualquier observación humana a los datos, antes de acceder a los datos etc) o sí se harán transformaciones de las variables y su nivel de medición. La plantilla puede verse en este enlace: https://osf.io/preprints/metaarxiv/epgjd/. A continuación, veremos el inicio del proceso para registrar en OSF, el cual sirve tanto para la plantilla estándar cómo para otras que veremos más adelante.

    +
    + +

    El primer paso es acceder a la sección específica de preregistros de la página de OSF, la cual se encuentra en el siguiente enlace: https://osf.io/prereg/ (para usar este servicio es necesario tener una cuenta). Si entramos al enlace, la apariencia de la página será algo como la Figura N° 2.6. Seleccionemos Start a new preregistration, le damos un nombre al proyecto y hacemos click en Continue. En la página siguiente, podemos ver que hemos creado un proyecto nuevo en OSF, el cual nos da la opción de preregistrarlo haciendo click en el botón New registration.

    +
    +Opciones para comenzar un preregistro en OSF +

    +Figura 2.6: Opciones para comenzar un preregistro en OSF +

    +
    +
    + +

    En la Figura N° 2.7 podemos ver dos cosas. Primero, la descripción de lo que está haciendo OSF al comenzar un nuevo preregistro, lo que en pocas palabras es una versión no modificable del proyecto al momento que hacemos el preregistro. En otras palabras, es una versión “congelada” del proyecto en OSF. Segundo, también se aprecia una serie de opciones para preregistrar, estas son las plantillas que mencionamos anteriormente. OSF nos ofrece distintas plantillas de acuerdo con el carácter que tiene nuestro estudio.

    +
    +Opciones de plantilla de pre-reistro +

    +Figura 2.7: Opciones de plantilla de pre-reistro +

    +
    +
    + +

    El primer paso es escoger la plantilla de acuerdo a la situación en la que nos encontremos. En este caso, seleccionamos la plantilla estándar de OSF. Una vez hayamos hecho eso, será necesario llenar los metadatos del estudio (e.g. Figura N° 2.8). Esta sección es transversal a todas las plantillas y consiste en registrar el título, descripción, contribuyentes, entre otras cosas que ayudan a identificar el proyecto.

    +
    +Ejemplo de campos de metadatos para rellenar +

    +Figura 2.8: Ejemplo de campos de metadatos para rellenar +

    +
    +
    + +

    Una vez hayamos rellenado los campos correspondientes a los metadatos, podemos rellenar la plantilla de preregistro. Con los campos rellenados podremos proceder a preregistrar nuestro proyecto.

    +
    +
    +

    2.4.1.2 Plantillas para diseños experimentales y previas a recolección de datos

    +
    + +

    Considerando que el sentido original de un preregistro es que sea elaborado previo a la recolección y análisis de los datos, en principio cualquier plantilla genérica podría servir. Por ejemplo, la plantilla estándar de OSF ofrece preguntas detalladas que refieren al uso de diseños experimentales (i.e. cuáles son las condiciones de tratamiento o quiénes están al tanto de las manipulaciones experimentales del estudio). Sin embargo, OSF ofrece una vía alternativa para preregistrar estudios previo a la recolección de datos a través de la plantilla “OSF-Standard Pre-Data Collection pre-registration”. Esta plantilla es un complemento de la plantilla estándar y se utiliza solamente sí es que el preregistro original está archivado en un documento. Esto quiere decir que, en el caso de que el equipo de investigación no haya usado el flujo de preregistro de OSF, sino que ya cuenta con un archivo que alberga el preregistro del estudio, entonces puede escoger esta plantilla de complemento para no efectuar todo el proceso de nuevo.

    +

    Esta plantilla agrega algunas preguntas cruciales sobre la recopilación de datos, siendo las siguientes:

    +
      +
    1. ¿Ha comenzado la recogida de datos para este proyecto?
      2. +
    +
      +
    • No, la recopilación de datos no ha comenzado
      • +
    • Sí, la recopilación de datos está en curso o se ha completado
      • +
    +
      +
    1. ¿Ha mirado los datos?
      2. +
    +
      +
    • Sí
      • +
    • No
      • +
    +
      +
    1. Otros comentarios
      2. +
    +
    +
    +

    2.4.1.3 Plantillas para datos secundarios

    +
    + +

    En el último tiempo se ha comenzado a considerar cómo es que investigadores de las ciencias sociales empíricas que trabajan con datos preexistentes pueden, de todas maneras, preregistrar sus estudios para asegurar la credibilidad de sus hallazgos. Sí bien OSF cuenta con una plantilla tipo para este tipo de situaciones (ver en https://osf.io/x4gzt/), nosotros recomendamos la plantilla de Mertens y Krypotos (2019) dada la simpleza y exhaustividad de sus preguntas. La plantilla de Mertens y Krypotos (2019) se puede ver en el siguiente enlace: ttps://osf.io/p26rq/.

    +
    + +

    Esta plantilla está dirigida a investigadores que usen datos secundarios. Hace más simple el proceso de preregistro al enfocarse en las preguntas que se asemejan realmente a la situación del investigador que trabaja con grandes encuestas o datos administrativos, lo cual es muchas veces el caso en disciplinas cómo sociología, ciencias políticas o economía.

    +
    + +

    Esta plantilla cuenta con las siguientes diez preguntas:

    +
      +

    1. ¿Cuál es la hipótesis que se investigará?

      2. +

    2. ¿Cómo se operacionalizarán las variables cruciales?

      3. +

    3. ¿Cuál es la fuente de los datos incluidos en los análisis?

      4. +

    4. ¿Cómo se obtendrán estos datos?

      5. +

    5. ¿Hay algún criterio de exclusión de los datos?

      6. +

    6. ¿Cuáles son los análisis estadísticos previstos?

      7. +

    7. ¿Cuáles son los criterios para confirmar y desconfirmar las hipótesis?

      8. +

    8. ¿Se han validado los análisis con un subconjunto de datos? En caso afirmativo, facilite los archivos de datos y la sintaxis de los mismos.

      9. +

    9. ¿Qué se sabe sobre los datos que podría ser relevante para las hipótesis probadas?

      10. +

    10. Facilite un breve calendario para los diferentes pasos del prerregistro.

      11. +
    +
    + +

    Cómo podemos ver, además de los campos que se pueden encontrar en cualquier plantilla cómo la especificación de las hipótesis del estudio o los criterios de exclusión de datos, esta plantilla hace preguntas relativas al nivel de conocimiento previo de los datos. Por ejemplo, en la pregunta 4 solicita especificar la fuente de los datos. Cómo son datos secundarios, esto implica detallar cómo se accederá o serán solicitados los datos: sí es que es necesario rellenar algún formulario o contactar a alguien en específico para obtener acceso. También, en la pregunta 9 se solicita describir cualquier conocimiento de algún patrón en los datos que sea relevante para la pregunta de investigación (e.g. la media o la mediana de una variable). Estos son ejemplos de preguntas que hacen esta plantilla útil para los investigadores que trabajen con datos preexistentes y que quieran preregistrar sus estudios.

    +
    +
    +

    2.4.1.4 Plantillas para estudios de replicación

    +
    + +

    Tratar en extenso qué es y cómo se hace un estudio de replicación escapa de los objetivos de de este capítulo, sin embargo, es una práctica de la ciencia abierta que no podemos dejar fuera ya que también cuenta con una plantilla para prerregistro. Replicar un estudio significa regenerar los hallazgos de un estudio, siguiendo sus hipótesis y plan de análisis, pero con datos distintos.

    +
    + +

    OSF ofrece dos plantillas para investigadores que tienen el objetivo de replicar un estudio. La primera es una plantilla para estudios de replicación previo a su ejecución, la cual incluye una serie de preguntas relativas al estudio original, por ejemplo, qué efecto se está buscando replicar, por qué es importante replicarlo o en qué área geográfica fue conducido el estudio original. Esta plantilla se puede ver en el siguiente enlace: https://osf.io/4jd46/. La segunda plantilla es para estudios de replicación que ya han sido completados. En este caso, las pvreguntas están relacionadas a los hallazgos del estudio de replicación, por ejemplo, cuál fue el efecto obtenido en la replicación y sí se considera que este efecto logra replicar los resultados originales o no. El enlace para esta plantilla se puede encontrar en este enlace: https://osf.io/9rp6j/.

    +
    +
    +

    2.4.1.5 Plantillas para registered reports

    +
    + +

    Cómo veremos en la siguiente sección, los registered reports son un modelo alternativo de publicación donde el diseño del estudio pasa por un proceso de revisión por pares, a diferencia del modelo tradicional donde el documento que pasa por revisión por pares es el artículo finalizado. La plantilla que ofrece OSF es para estudios que han sido aceptados en la revisión por pares en una revista académica que cuenta con el modelo de registered reports. El objetivo de esta plantilla es poder dejar un registro público sobre el artículo en proceso, por lo que la plantilla de preregistro consta de, básicamente, una sección para el título del artículo, la fecha de aceptación, el manuscrito y archivos complementarios. Esta plantilla se puede ver en este enlace: https://osf.io/gm36s/.

    +
    +
    +
    +

    Referencias

    +
    +
    +Mertens, Gaëtan, y Angelos-Miltiadis Krypotos. 2019. «Preregistration of Analyses of Preexisting Data». Psychologica Belgica 59 (1): 338-52. https://doi.org/10.5334/pb.493. +
    +
    +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git a/docs/herramientas-para-publicar.html b/docs/herramientas-para-publicar.html index 0874d99..6d74d2d 100644 --- a/docs/herramientas-para-publicar.html +++ b/docs/herramientas-para-publicar.html @@ -1,27 +1,26 @@ - + - Capítulo 3 Herramientas para publicar | Open Access - - + 4.3 Herramientas para publicar | Ciencia Social Abierta + + - + - - + + - + - - + + - @@ -31,8 +30,8 @@ - - + + @@ -50,9 +49,36 @@ + + + + + + @@ -69,38 +95,70 @@
  • -
  • Punto de partida: la investigación abierta
    • -
  • 1 Propiedad intelectual +
  • Presentación
    • +
  • 1 Introducción
    • +
  • 2 Diseño transparente
    • -
  • 2.5 Referencias
    • -
  • 2.6 Otros link de interés
    • +
  • 3 Análisis reproducibles +
    • -
  • 4 Pasos para publicar libre
    • -
  • Referencias
    • +
  • 4 Publicaciones libres +
    • +
  • Referencias
  • LISA-COES
    • @@ -113,7 +171,7 @@
    @@ -133,25 +191,179 @@

    -
    -

    Capítulo 3 Herramientas para publicar

    -
    -

    3.1 Repositorios

    -
      -
    • Opciones para publicar con open-access -
        -
      • Opciones para publicar con acceso abierto
        • -
      • Internacionales (ejemplo): Directory of Open Access Journals (DOAJ), Gates Open research, SOCArvix
        • -
      • Institucionales: El Uchile
        • -
      • -
    +
    +

    4.3 Herramientas para publicar

    +
    +Imagine que usted es parte de un equipo de investigación que finalizó un estudio sobre las repercusiones socio-económicas que tuvo la pandemia de Covid-19 en el país, desarrollando un aporte significativo para la toma de decisiones en materias de políticas económicas y levantando las bases para nuevas líneas de investigación. Dado el aporte que significan los resultados para el bien público, es necesaria su divulgación inmediata, pero es una realidad que la publicación regular en cualquier editorial toma un periodo largo de revisión y aceptación, es por ello que una alternativa es la pre-publicación del documento en un repositorio de Acceso Abierto y en la siguiente guía abordaremos un marco de referencia para empezar a adoptar prácticas ligadas al Open Access. +
    + +
    +

    4.3.1 El camino hacia la publicación

    +
    +

    Todo proyecto de investigación tiene la potencialidad de ser publicado pero como ya se ha ido ilustrando en las secciones anteriores, publicar de manera abierta trae consigo beneficios de visibilidad e impacto social. Para desarrollar una estrategia eficaz de publicación abierta hay que seguir un flujo que se divide tres pasos, como se ilustra en la figura n° 4.4 y este inicia con la elección de la revista de Acceso Abierto, sigue con la identifiación de la etapa del artículo y finaliza con la selección del servicio de publicación.

    +
    +Guía paso a paso para publicar libre (Elaboración propia). +

    +Figura 4.4: Guía paso a paso para publicar libre (Elaboración propia). +

    -
    -

    3.2 Otras herramientas

    -
      -
    • Herramientas de rOpensci, blogdown
      • -
    +
    +

    Paso 1: Pre-rint (Pre-publicación)

    +

    Es lo que conocemos comúnmente como el borrador del artículo, el mismo que enviamos al proceso de revisión por pares. Este documento tiene la posibilidad de ser publicado en cualquier repositorio de ruta verde (pre-print server) con el objetivo de ser difundido abiertamente para permitir su disponibilidad inmediata.

    +

    La gran particularidad de este método de pre-publicación es que se obtiene un código alfanumérico que identifica y ubica el documento dentro del Internet, esto se conoce como un Digital Object Identifier - DOI (Identificador de Objeto Digital en español), por lo que se convierte de manera inmediata en un documento referenciable y sin posibilidad de plagio. Algunas personas tendrán el temor de que al pre-publicar un informe de investigación, las posibilidades de que el documento sea aceptado y posteriormente publicado en una revista es menor. Sin embargo, los datos empíricos demuestran que en la realidad, esto no es un impedimento para su posterior publicación. En la investigación de Abdill y Blekhman (2019) que analizó cerca de 37.648 pre-print alojados en bioRxiv -una extensión centrada en biología del sitio ArXiv-, una de las grandes conclusiones tiene que ver con que la tasa de preprints publicados en 2018 alcanzó un máximo de 2,100 por mes y de manera más específica, en la figura n° 4.5 se puede identificar a las diez principales revistas que han publicado la mayor cantidad de pre-print. En esta figura, cada barra indica la cantidad de documentos publicados por cada revista.

    +
    +Destino final de los Preprint. Traducción propia en base al estudio de @abdill_tracking_2019 +

    +Figura 4.5: Destino final de los Preprint. Traducción propia en base al estudio de Abdill y Blekhman (2019) +

    +
    +

    Para el caso de las ciencias sociales, el servicio de pre-print que recomendamos utilizar es SocArxiv y particularmente para la discilina de la psicología PsyArxiv. Estos servicios permiten subir archivos PDF desde la plataforma Open Science Framework - OSF (Marco de Ciencia Abierta en español) - un software de código abierto que permite la reproducibilidad de los procesos - y de este modo se obtiene el beneficio de acceder a un DOI que asegure su correcta citación. Ambos repositorios son extensiones de ArXiv, la plataforma pionera de acceso abierto que en la actualidad alberga alrededor de dos millones de artículos categorizados en ocho áreas temáticas. ArXiv no posee tarifas asociadas a la publicación de los artículos, puesto a que los documentos se someten a un proceso de clasificación y no a una revisión por pares.

    +
    +
    +

    Paso 2: Post-print

    +

    Es la segunda etapa que es clave para el camino hacia la publicación, pues el post-print corresponde al artículo aceptado tras la revisión por pares, pero cuyo formato de presentación no ha sido adaptado al requerido, por lo que no ha sido publicado de manera oficial por la revista y para lograr ello, interviene un equipo especializado de la editorial que se encarga de tales aspectos ya sean márgenes, tipos de citación, estructura, entre otros.

    +

    Hoy en día si bien son varias las editoriales que entregan la posibilidad de publicar el post-print en cualquier repositorio abierto, esto es solo tras el periodo de embargo, el cual consiste en un tiempo determinado donde la editorial se reserva los derechos patrimoniales del artículo para su distribución. Dicho esto, recomendamos tener conocimiento de la posibilidades que tiene el autor de publicar un documento previo a la publicación oficial.

    +
    +
    +

    Paso 3: Print

    +

    En la última etapa del flujo, recomendamos optar por abrir la publicación del Print (artículo final). El artículo final que es publicado oficialmente por una revista permite que la editorial conserve para sí los beneficios de los derechos patrimoniales de la obra, mientras que los equipos de investigación solo conservan el derecho al reconocimiento. Publicar en una revista de reconocimiento que integre políticas de acceso abierto brinda la posibilidad de que una vez finalizado el periodo de embargo, los autores puedan abrir sus artículos, pero no todas las revistas tienen las mismas políticas y directrices, por ello plantean formas y periodos distintos para el depósito del artículo en un repositorio abierto.

    +Al momento de realizar el envío de un artículo a una revista cualquiera, puede ocurrir que el autor tenga que firmar un Acuerdo de Transferencia de Derechos (CTA por sus siglas en inglés), transfiriéndole al editor todo derecho sobre la obra y por lo tanto, imposibilitando toda acción posterior del propio creador sobre la investigación. Para que la publicación dentro de una revista no afecte a la posterior decisión de abrir el acceso a una investigación, en ocasiones las editoriales plantean periodos de embargo en cuyo tiempo gozan de los beneficios económicos sobre la obra, pero al finalizar, el autor es libre de difundir en abierto su publicación. En estos casos los editores tienen una licencia que sirve únicamente para publicar, mientras que los autores deben retener para sí los derechos sobre la obra. En síntesis, para que cualquier recurso científico sea abierto, este debe contener una licencia que explicite a sus usuarios las acciones que pueden realizar sobre la obra e indicar la correcta acreditación de la fuente Swan (2013). +
    + +
    +
    +
    +

    4.3.2 Revistas para publicar con Open Access

    +
    +

    Por lo general, cuando llevamos tiempo investigando y publicando tenemos ciertas nociones de las revistas a las que les puede interesar los temas que estamos trabajando o incluso tenemos ciertas certezas de las posibles revistas en las cuales nuestro proyecto tiene mayores chances de ser publicado. El paso lógico para la publicación es elegir aquella editorial donde queremos que aparezca nuestro trabajo, ya sea por reconocimiento, por recomendaciones, por el tema que trabajamos o por cualquier otro motivo que tengamos. Una vez elegida la revista, se recomienda revisar las políticas de autoarchivo y para ello recomendamos acceder a Sherpa Romeo y buscar la revista escogida. Sherpa Romeo es un sitio web que funciona como una base de datos que recopila la información básica sobre las políticas de autoría y acceso abierto de las principales revistas científicas de todo el mundo que utiliza un código de cuatro colores para diferenciar los tipos de políticas de cada revista, los que se definen en:

    +
    +Etiquetas de colores de Sherma Romeo según tipo de acceso abierto (Elaborción propia). +

    +Figura 4.6: Etiquetas de colores de Sherma Romeo según tipo de acceso abierto (Elaborción propia). +

    +
    +El mundo del Open Access es bastante grande y en ocasiones costoso, toda revista de ruta dorada posee costos de APC que deben ser financiados por los investigadores o sus patrocinantes, lo que se vuelve una barrera económica para los equipos de investigación que deseen abrir sus publicaciones, por ello el proceso de autoarchivo surge como una alternativa al alcance de cualquiera y en su mayoría, cientistas sociales utilizan la vía verde y la diamante para depositar sus manuscritos o tesis en repositorios como Dialnet, Latindex, Scielo, Redalyc y CLACSO. Adicionalmente, existen revistas de ciencias sociales cuyo foco se encuentra en el diseño de metodologías de investigación cualitativa y que además, poseen un alto factor de impacto como las resumidas en la tabla n° 4.2, pues son indexadas a Scopus Ulloa y Mardones (2017). +
    + +
    + + + + + + + + + + + + + + + + + + + + + + + + + + +
    Tabla 4.2: Descripción de Revistas de Open Access de orden Cualitativo
    RevistaPaísAsunto o Categoría
    Qualitative Sociology ReviewPoloniaCiencias Sociales diversas
    The International Journal Qualitative MethodsCanadáEducación
    Forum Qualitative SozialforscungAlemaniaCiencias Sociales diversas
    +
    +Fuente: Adaptación propia a partir de tabla extraída del estudio de Ulloa y Mardones (2017). +
    + +
    + +
    +
    +

    4.3.3 Pagos asociados a la publicación abierta

    +
    +

    El Open Access está redefiniendo la forma en que el capital científico se define, se moviliza y se trata. Este es un nuevo paradigma que choca con las reglas de un mercado académico que por décadas ha mantenido el monopolio económico del conocimiento científico por medio de barreras de pago, un modelo que no siempre es receptivo a alteraciones y novedades Sadaba (2014), pero que ha tenido la obligación de adaptarse al nuevo panorama cibernético digital.

    +

    El modelo de suscripción se presenta como un muro de pago que al ser costeado permite acceder al material científico. Detrás de cada ejemplar físico existe un costo de adaptación, impresión y envío, lo que obligaba a las editoriales a publicar una cantidad determinada. Sin embargo, con el advenimiento del internet, la digitalización y la inmediatez de la información, las razones y argumentos que daban sustento al modelo se volvieron obsoletas. La era digital permitió avanzar a pasos agigantados en el desarrollo de nuevos conocimientos, en la difusión masiva e instantánea de los trabajos académicos y por consecuencia, abrió paso al cuestionamiento de las suscripciones pagadas como método de acceso al conocimiento. En este sentido, la declaración que tuvo lugar en Bethesda (2003) fue precisa en indicar que “Internet ha cambiado fundamentalmente las realidades prácticas y económicas relacionadas con la distribución del conocimiento científico y el patrimonio cultural”.

    +En la nueva era digital, el modelo de suscripción sigue estando presente, pero convive con el paradigma del open access, el que intenta superar las barreras de pago poniendo la responsabilidad de la apertura del conocimiento en el propio autor. Algunos repositorios de ruta dorada e híbrida solicitan un pago de APC para publicar en acceso abierto, esto corresponde a un modelo de negocios cuyo propósito es financiar los gastos asociados la gestión de la publicación. En estricto rigor, no existe un monto estandarizado del APC, por lo que su costo dependerá únicamente de la revista y que fluctúa según el pago de impuestos adicionales, lo que se puede evidenciar en la tabla n° 4.3. Según Socha (2018), de las revistas de mayor renombre en la industria académica como Elsevier, Springer, Wiley y Taylor & Francis se han adscrito al acceso abierto cobrando a los autores un costo de APC pero manteniendo su modelo de suscripción. +
    + +
    + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    Tabla 4.3: Fluctuación del precio en dolares del APC en las principales revistas científicas
    RepositorioAPC mínimoAPC máximo¿Open Acces o Híbrido?
    ELSEVIER$100$5.000Híbrido
    SPRINGER$3.000$3.000Híbrido
    WILEY$1.300$5.200Híbrido
    Taylor y Francis$500$2.950Open Access
    +
    +Fuente: Adaptación propia a partir de información recopilada en University of Cambridge (2018). +
    + +
    +

    Spinak (2019) indica que tanto en Estados Unidos como en países Europeos ha habido un aumento exponencial del costo del APC a través de los años. A modo de ejemplo, el APC promedio de 319 revistas de asociadas a las editoriales BMC, Frontiers, MDPI e Hindawi aumentó entre 2,5 y 6 veces la inflación entre el 2012 y el 2018, al alero de un considerable crecimiento en la cantidad de volúmenes que paso de 58.007 hasta 127.528 en aquellos años. Los editores han admitido que el costo del APC lo fijan según el valor económico de la revista que es atribuido según el valor de impacto.

    +

    La introducción de un sistema de pagos por procesamiento de artículos hace frente al modelo de suscripción, pero no logra reemplazarlo. En cambio, funciona de manera paralela dentro del mercado científico, presentándose como una nueva barrera que obstaculiza la decisión de abrir las publicaciones de aquellas investigaciones que son autónomas o que dispongan de un presupuesto acotado. Los APC tienen sus propios cuestionamientos y uno de ellos refiere a que el pago no tiene mucho que ver con el procesamiento y posterior publicación del artículo, sino que más bien los equipos de investigación pagan por el reconocimiento de ser publicados en una revista de alto factor de impacto Velterop (2018). Pareciera ser que el nuevo ciclo de la ciencia que apuntaba a la democratización del conocimiento se vio inmerso en las lógicas económicas en donde las editoriales obtienen los principales beneficios monetarios.

    +¿Pagar por hacer ciencia o pagar por reconocimiento? Claro esta que existen otras vías gratuitas para publicar de manera abierta, sin embargo la ciencia -y principalmente las ligadas a la medicina, la física y las matemáticas- ha tenido la necesidad imperiosa de ser creíble, reconocida y citada, y por ello existe una mayor competencia en torno al reconocimiento que otroga la publicación en revistas de alto impacto. Sin embargo, el quehacer en pos del conocimiento y su disposición como bien público para la sociedad y su desarrollo, poco tiene que ver con una distinción simbólica que sirve dentro del mundo científico. La ciencia social, a diferencia de las ciencias exactas, se ha podido desarrollar con mayor libertad por medio de las vías gratuitas en importantes repositorios de ruta verde, como es el ejemplo del caso latinoamericano que profundizaremos en la siguiente sección. +
    + +
    +
    +

    Referencias

    +
    +
    +Abdill, Richard J., y Ran Blekhman. 2019. «Tracking the Popularity and Outcomes of All bioRxiv Preprints». bioRxiv, 515643. https://doi.org/10.1101/515643. +
    +
    +Bethesda. 2003. «Declaración de Bethesda Sobre Publicación de Acceso Abierto». +
    +
    +Sadaba, Igor. 2014. «EL ACCESO ABIERTO EN CIENCIAS SOCIALES: NOTAS SOCIOLÓGICAS SOBRE PUBLICACIONES, COMUNIDADES Y CAMPOS» 17: 93-113. +
    +
    +Socha, Beata. 2018. «Cuánto cobran los principales editores comerciales por tener un artículo en acceso abierto?». Universo Abierto. +
    +
    +Spinak, Ernesto. 2019. «Revistas que han aumentado el valor del APC han recibido más artículos». Scielo en Perspectiva. +
    +
    +Swan, Alma. 2013. Directrices Para Políticasde Desarrollo y Promoción Del Acceso Abierto. UNESCO. +
    +
    +Ulloa, Jorge, y Rodolfo Mardones. 2017. «Tendencias Paradigmáticas y Técnicas Conversacionales En Investigación Cualitativa En Ciencias Sociales». Perspectivas de la Comunicación, Universidad de La Frontera, 10, n: 213-35. +
    +
    +Velterop, Jan. 2018. «De suscripciones y Tasas de Procesamiento de Artículos». Scientific Blog. Scielo en Perspectiva.
    @@ -169,7 +381,7 @@

    3.2 Otras herramientas

    - +
    @@ -192,6 +404,7 @@

    3.2 Otras herramientas

    "weibo": false, "instapaper": false, "vk": false, +"whatsapp": false, "all": false }, "fontsettings": { @@ -211,7 +424,7 @@

    3.2 Otras herramientas

    "link": null, "text": null }, -"download": ["open-access.pdf", "open-access.epub"], +"download": ["lisa-book.pdf", "lisa-book.epub"], "toc": { "collapse": "section" } diff --git a/docs/images/BITSS_logo_horizontal.png b/docs/images/BITSS_logo_horizontal.png new file mode 100644 index 0000000..b4cc025 Binary files /dev/null and b/docs/images/BITSS_logo_horizontal.png differ diff --git a/docs/images/OpenAccess.png b/docs/images/OpenAccess.png new file mode 100644 index 0000000..0189f08 Binary files /dev/null and b/docs/images/OpenAccess.png differ diff --git a/docs/images/Piwowar_future.png b/docs/images/Piwowar_future.png new file mode 100644 index 0000000..9245137 Binary files /dev/null and b/docs/images/Piwowar_future.png differ diff --git a/docs/images/UKRN-Logo.png b/docs/images/UKRN-Logo.png new file mode 100644 index 0000000..d682653 Binary files /dev/null and b/docs/images/UKRN-Logo.png differ diff --git a/docs/images/colores_sherpa.png b/docs/images/colores_sherpa.png new file mode 100644 index 0000000..2e46127 Binary files /dev/null and b/docs/images/colores_sherpa.png differ diff --git a/docs/images/flujo_lisa.png b/docs/images/flujo_lisa.png new file mode 100644 index 0000000..128f04d Binary files /dev/null and b/docs/images/flujo_lisa.png differ diff --git a/docs/images/future_oa.png b/docs/images/future_oa.png new file mode 100644 index 0000000..1b5550c Binary files /dev/null and b/docs/images/future_oa.png differ diff --git a/docs/images/grad.png b/docs/images/grad.png new file mode 100644 index 0000000..9eb3886 Binary files /dev/null and b/docs/images/grad.png differ diff --git a/docs/images/licencias.png b/docs/images/licencias.png new file mode 100644 index 0000000..e911063 Binary files /dev/null and b/docs/images/licencias.png differ diff --git a/docs/images/nature_preprints.png b/docs/images/nature_preprints.png new file mode 100644 index 0000000..4aa0f56 Binary files /dev/null and b/docs/images/nature_preprints.png differ diff --git a/docs/images/octopus.PNG b/docs/images/octopus.PNG new file mode 100644 index 0000000..b6fb5ab Binary files /dev/null and b/docs/images/octopus.PNG differ diff --git a/docs/images/prereg1.png b/docs/images/prereg1.png new file mode 100644 index 0000000..e83cc8f Binary files /dev/null and b/docs/images/prereg1.png differ diff --git a/docs/images/prereg2.png b/docs/images/prereg2.png new file mode 100644 index 0000000..829a4f6 Binary files /dev/null and b/docs/images/prereg2.png differ diff --git a/docs/images/prereg3.png b/docs/images/prereg3.png new file mode 100644 index 0000000..ce2afed Binary files /dev/null and b/docs/images/prereg3.png differ diff --git a/docs/images/prereg4.png b/docs/images/prereg4.png new file mode 100644 index 0000000..0428ae4 Binary files /dev/null and b/docs/images/prereg4.png differ diff --git a/docs/images/rcr.png b/docs/images/rcr.png new file mode 100644 index 0000000..4264b64 Binary files /dev/null and b/docs/images/rcr.png differ diff --git a/docs/images/repro-spectrum.png b/docs/images/repro-spectrum.png new file mode 100644 index 0000000..7a43dfc Binary files /dev/null and b/docs/images/repro-spectrum.png differ diff --git a/docs/images/reproducibility.png b/docs/images/reproducibility.png new file mode 100644 index 0000000..a268cd4 Binary files /dev/null and b/docs/images/reproducibility.png differ diff --git a/docs/images/resource-library.PNG b/docs/images/resource-library.PNG new file mode 100644 index 0000000..65987e7 Binary files /dev/null and b/docs/images/resource-library.PNG differ diff --git a/docs/images/rr.png b/docs/images/rr.png new file mode 100644 index 0000000..5e78c2e Binary files /dev/null and b/docs/images/rr.png differ diff --git a/docs/images/taxonomy.png b/docs/images/taxonomy.png new file mode 100644 index 0000000..6076a0e Binary files /dev/null and b/docs/images/taxonomy.png differ diff --git a/docs/images/tier-logo.jpg b/docs/images/tier-logo.jpg new file mode 100644 index 0000000..b10a996 Binary files /dev/null and b/docs/images/tier-logo.jpg differ diff --git a/docs/index.html b/docs/index.html index 4b6f0b5..3a2c1b8 100644 --- a/docs/index.html +++ b/docs/index.html @@ -31,7 +31,7 @@ - + @@ -51,9 +51,33 @@ + + + @@ -73,11 +97,67 @@
  • Presentación
  • 1 Introducción
    • -
  • 2 Diseño transparente
    • -
  • 3 Datos abiertos
    • -
  • 4 Análisis reproducible
    • -
  • 5 Publicaciones libres
    • -
  • 6 Conclusiones
    • +
  • 2 Diseño transparente +
    • +
  • 3 Análisis reproducibles +
    • +
  • 4 Publicaciones libres +
  • Referencias
  • LISA-COES
    • @@ -113,7 +193,7 @@

    Presentación

    diff --git a/docs/index.md b/docs/index.md index 627b369..e18211b 100644 --- a/docs/index.md +++ b/docs/index.md @@ -2,7 +2,7 @@ title: "Ciencia Social Abierta" # subtitle: "
    Documento de trabajo
    " # author: "Investigador a cargo: Juan Carlos Castillo
    Asistente de investigación: Valentina Andrade
    Pasante: Vanessa Leyton" -date: "29 junio 2021" +date: "23 septiembre 2021" site: bookdown::bookdown_site documentclass: book bibliography: [book.bib, packages.bib] diff --git "a/docs/introducci\303\263n.html" "b/docs/introducci\303\263n.html" index 1916c6f..5c7f74a 100644 --- "a/docs/introducci\303\263n.html" +++ "b/docs/introducci\303\263n.html" @@ -31,7 +31,7 @@ - + @@ -51,9 +51,33 @@ + + + @@ -73,11 +97,67 @@
  • Presentación
  • 1 Introducción
    • -
  • 2 Diseño transparente
    • -
  • 3 Datos abiertos
    • -
  • 4 Análisis reproducible
    • -
  • 5 Publicaciones libres
    • -
  • 6 Conclusiones
    • +
  • 2 Diseño transparente +
    • +
  • 3 Análisis reproducibles +
    • +
  • 4 Publicaciones libres +
  • Referencias
  • LISA-COES
    • diff --git a/docs/las-distintas-rutas-para-publicar-de-manera-abierta.html b/docs/las-distintas-rutas-para-publicar-de-manera-abierta.html new file mode 100644 index 0000000..a091a5b --- /dev/null +++ b/docs/las-distintas-rutas-para-publicar-de-manera-abierta.html @@ -0,0 +1,300 @@ + + + + + + + 5.2 Las distintas rutas para publicar de manera abierta | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    5.2 Las distintas rutas para publicar de manera abierta

    +
    +

    Swan (2013) - representante de UNESCO - define dos rutas principales (tipos de repositorios) donde depositar publicaciones con el rótulo del Open Access (Dorado y Verde), pero en la práctica se pueden diferenciar en cinco. Según Abierto (2019) las principales características de cada una son:

    +
      +

    1. Repositorios de Ruta Dorada: Corresponden a repositorios que publican trabajos de investigación en forma gratuita para el lector, por lo que se puede leer cualquier artículo inmediatamente después de ser publicado. Cabe destacar que para su publicación, detrás hay un cobro Article Processing Charges - APC (Cargo por Procesamiento de Artículo en español) cuyo costo es pagado por los autores o las instituciones les financian.

      2. +

    2. Repositorios de Ruta Híbrida: Gran parte de las editoriales académicas utilizan este modelo con el objetivo de ofrecer Acceso Abierto al mismo tiempo en el que mantienen su modelo de negocio habitual basado en suscripciones. Esto permite a los autores optar por pagar una cuota de publicación y tener sus artículos con Acceso Abierto en revistas por suscripción.

      3. +

    3. Repositorios de Ruta Verde: Consiste en un proceso de “auto-archivo o auto-depósito” donde los autores comparten sus post-print (artículo final) en sus páginas personales o en revistas que no son gratuitas, pero que poseen repositorios de acceso libre. Estos repositorios antes mencionados se adhieren a un conjunto de reglas y técnicas de inter-operación, formando una red interconectada de bases de datos.

      4. +

    4. Repositorios de Ruta Diamante: Es un modelo que intenta dar solución a los inconvenientes que surgen en las rutas anteriores. Este posibilita la revisión por pares de los trabajos enviados por medio de investigadores que trabajan como voluntarios, obteniendo de esta forma reconocimiento académico y social. Esta ruta es considerada como el único modelo que garantiza la sostenibilidad de la publicación de acceso abierto.

      5. +

    5. Repositorios de Ruta Bronce: Según Piwowar, Priem, y Orr (2019) esta es una nueva categoría donde los editores alojan artículos embargados en sitios web de su preferencia, de modo que los trabajos carecen de licencias que permitan su uso autorizado.

      6. +
    +
    +Proyección de la cantidad de visitas y artículos publicados por cada ruta del Open Access. Traducción propia en base al estudio de @piwowar_future_2019. +

    +Figura 5.1: Proyección de la cantidad de visitas y artículos publicados por cada ruta del Open Access. Traducción propia en base al estudio de Piwowar, Priem, y Orr (2019). +

    +
    +

    La figura n° 5.1 ilustra el modelo elaborado por Piwowar, Priem, y Orr (2019), este estudio se basa en el análisis de 70 millones de artículos publicados entre 1950 y 2019 que comparten el rasgo de haber sido publicados en abierto y estar alojados en la base de datos de Unpaywall. La técnica utilizada permitió estimar la trayectoria de los artículos hasta el 2025, poniendo énfasis en el porcentaje de visitas y el porcentaje de artículos publicados según cada ruta. De esta manera, en la figura n° 5.1 se proyecta que para el 2025, los artículos publicados por la vía dorada alcanzarán un aumento de sus visitas en un 33%, la ruta verde un 19% y la ruta híbirda un 10%; mientras que la ruta bronce seguirá la misma trayectoria pero en menor medida.

    +En cuanto al porcentaje de artículos publicados en abierto, el gráfico indica que tanto la ruta verde, dorada e híbirida tendran un aumento desde el 2019 al 2025, mientras que la ruta bronce en sus categorías inmediata y retrasada se mantendrán uniforme sin aumento ni descenso. Lo importante aquí es un notable aumento de la publicación en abierto en 13 puntos porcentuales, mientras que se estima el descenso de la publicación cerrada en 13 puntos porcentuales. +
    + +
    +

    Referencias

    +
    +
    +Abierto, Universo. 2019. «Las 5 Rutas Para Llegar al Acceso Abierto: Verde, Dorada, Bronce, Híbrida y Diamante». Blog de la biblioteca de Traducción y Documentación de la Universidad de Salamanca. +
    +
    +Piwowar, Heather, Jason Priem, y Richard Orr. 2019. «The Future of OA: A Large-Scale Analysis Projecting Open Access Publication and Readership». BioRxiv, 795310. +
    +
    +Swan, Alma. 2013. Directrices Para Políticasde Desarrollo y Promoción Del Acceso Abierto. UNESCO. +
    +
    +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git a/docs/libs/header-attrs-2.8/header-attrs.js b/docs/libs/header-attrs-2.8/header-attrs.js deleted file mode 100644 index dd57d92..0000000 --- a/docs/libs/header-attrs-2.8/header-attrs.js +++ /dev/null @@ -1,12 +0,0 @@ -// Pandoc 2.9 adds attributes on both header and div. We remove the former (to -// be compatible with the behavior of Pandoc < 2.8). -document.addEventListener('DOMContentLoaded', function(e) { - var hs = document.querySelectorAll("div.section[class*='level'] > :first-child"); - var i, h, a; - for (i = 0; i < hs.length; i++) { - h = hs[i]; - if (!/^h[1-6]$/i.test(h.tagName)) continue; // it should be a header h1-h6 - a = h.attributes; - while (a.length > 0) h.removeAttribute(a[0].name); - } -}); diff --git a/docs/libs/header-attrs-2.7/header-attrs.js b/docs/libs/header-attrs-2.9/header-attrs.js similarity index 100% rename from docs/libs/header-attrs-2.7/header-attrs.js rename to docs/libs/header-attrs-2.9/header-attrs.js diff --git a/docs/libs/kePrint-0.0.1/kePrint.js b/docs/libs/kePrint-0.0.1/kePrint.js new file mode 100644 index 0000000..e6fbbfc --- /dev/null +++ b/docs/libs/kePrint-0.0.1/kePrint.js @@ -0,0 +1,8 @@ +$(document).ready(function(){ + if (typeof $('[data-toggle="tooltip"]').tooltip === 'function') { + $('[data-toggle="tooltip"]').tooltip(); + } + if ($('[data-toggle="popover"]').popover === 'function') { + $('[data-toggle="popover"]').popover(); + } +}); diff --git a/docs/libs/lightable-0.0.1/lightable.css b/docs/libs/lightable-0.0.1/lightable.css new file mode 100644 index 0000000..3be3be9 --- /dev/null +++ b/docs/libs/lightable-0.0.1/lightable.css @@ -0,0 +1,272 @@ +/*! + * lightable v0.0.1 + * Copyright 2020 Hao Zhu + * Licensed under MIT (https://github.com/haozhu233/kableExtra/blob/master/LICENSE) + */ + +.lightable-minimal { + border-collapse: separate; + border-spacing: 16px 1px; + width: 100%; + margin-bottom: 10px; +} + +.lightable-minimal td { + margin-left: 5px; + margin-right: 5px; +} + +.lightable-minimal th { + margin-left: 5px; + margin-right: 5px; +} + +.lightable-minimal thead tr:last-child th { + border-bottom: 2px solid #00000050; + empty-cells: hide; + +} + +.lightable-minimal tbody tr:first-child td { + padding-top: 0.5em; +} + +.lightable-minimal.lightable-hover tbody tr:hover { + background-color: #f5f5f5; +} + +.lightable-minimal.lightable-striped tbody tr:nth-child(even) { + background-color: #f5f5f5; +} + +.lightable-classic { + border-top: 0.16em solid #111111; + border-bottom: 0.16em solid #111111; + width: 100%; + margin-bottom: 10px; + margin: 10px 5px; +} + +.lightable-classic tfoot tr td { + border: 0; +} + +.lightable-classic tfoot tr:first-child td { + border-top: 0.14em solid #111111; +} + +.lightable-classic caption { + color: #222222; +} + +.lightable-classic td { + padding-left: 5px; + padding-right: 5px; + color: #222222; +} + +.lightable-classic th { + padding-left: 5px; + padding-right: 5px; + font-weight: normal; + color: #222222; +} + +.lightable-classic thead tr:last-child th { + border-bottom: 0.10em solid #111111; +} + +.lightable-classic.lightable-hover tbody tr:hover { + background-color: #F9EEC1; +} + +.lightable-classic.lightable-striped tbody tr:nth-child(even) { + background-color: #f5f5f5; +} + +.lightable-classic-2 { + border-top: 3px double #111111; + border-bottom: 3px double #111111; + width: 100%; + margin-bottom: 10px; +} + +.lightable-classic-2 tfoot tr td { + border: 0; +} + +.lightable-classic-2 tfoot tr:first-child td { + border-top: 3px double #111111; +} + +.lightable-classic-2 caption { + color: #222222; +} + +.lightable-classic-2 td { + padding-left: 5px; + padding-right: 5px; + color: #222222; +} + +.lightable-classic-2 th { + padding-left: 5px; + padding-right: 5px; + font-weight: normal; + color: #222222; +} + +.lightable-classic-2 tbody tr:last-child td { + border-bottom: 3px double #111111; +} + +.lightable-classic-2 thead tr:last-child th { + border-bottom: 1px solid #111111; +} + +.lightable-classic-2.lightable-hover tbody tr:hover { + background-color: #F9EEC1; +} + +.lightable-classic-2.lightable-striped tbody tr:nth-child(even) { + background-color: #f5f5f5; +} + +.lightable-material { + min-width: 100%; + white-space: nowrap; + table-layout: fixed; + font-family: Roboto, sans-serif; + border: 1px solid #EEE; + border-collapse: collapse; + margin-bottom: 10px; +} + +.lightable-material tfoot tr td { + border: 0; +} + +.lightable-material tfoot tr:first-child td { + border-top: 1px solid #EEE; +} + +.lightable-material th { + height: 56px; + padding-left: 16px; + padding-right: 16px; +} + +.lightable-material td { + height: 52px; + padding-left: 16px; + padding-right: 16px; + border-top: 1px solid #eeeeee; +} + +.lightable-material.lightable-hover tbody tr:hover { + background-color: #f5f5f5; +} + +.lightable-material.lightable-striped tbody tr:nth-child(even) { + background-color: #f5f5f5; +} + +.lightable-material.lightable-striped tbody td { + border: 0; +} + +.lightable-material.lightable-striped thead tr:last-child th { + border-bottom: 1px solid #ddd; +} + +.lightable-material-dark { + min-width: 100%; + white-space: nowrap; + table-layout: fixed; + font-family: Roboto, sans-serif; + border: 1px solid #FFFFFF12; + border-collapse: collapse; + margin-bottom: 10px; + background-color: #363640; +} + +.lightable-material-dark tfoot tr td { + border: 0; +} + +.lightable-material-dark tfoot tr:first-child td { + border-top: 1px solid #FFFFFF12; +} + +.lightable-material-dark th { + height: 56px; + padding-left: 16px; + padding-right: 16px; + color: #FFFFFF60; +} + +.lightable-material-dark td { + height: 52px; + padding-left: 16px; + padding-right: 16px; + color: #FFFFFF; + border-top: 1px solid #FFFFFF12; +} + +.lightable-material-dark.lightable-hover tbody tr:hover { + background-color: #FFFFFF12; +} + +.lightable-material-dark.lightable-striped tbody tr:nth-child(even) { + background-color: #FFFFFF12; +} + +.lightable-material-dark.lightable-striped tbody td { + border: 0; +} + +.lightable-material-dark.lightable-striped thead tr:last-child th { + border-bottom: 1px solid #FFFFFF12; +} + +.lightable-paper { + width: 100%; + margin-bottom: 10px; + color: #444; +} + +.lightable-paper tfoot tr td { + border: 0; +} + +.lightable-paper tfoot tr:first-child td { + border-top: 1px solid #00000020; +} + +.lightable-paper thead tr:last-child th { + color: #666; + vertical-align: bottom; + border-bottom: 1px solid #00000020; + line-height: 1.15em; + padding: 10px 5px; +} + +.lightable-paper td { + vertical-align: middle; + border-bottom: 1px solid #00000010; + line-height: 1.15em; + padding: 7px 5px; +} + +.lightable-paper.lightable-hover tbody tr:hover { + background-color: #F9EEC1; +} + +.lightable-paper.lightable-striped tbody tr:nth-child(even) { + background-color: #00000008; +} + +.lightable-paper.lightable-striped tbody td { + border: 0; +} + diff --git a/docs/lisa-book.epub b/docs/lisa-book.epub deleted file mode 100644 index 115c5db..0000000 Binary files a/docs/lisa-book.epub and /dev/null differ diff --git a/docs/lisa-book.pdf b/docs/lisa-book.pdf deleted file mode 100644 index c7a509b..0000000 Binary files a/docs/lisa-book.pdf and /dev/null differ diff --git a/docs/lisa-book.tex b/docs/lisa-book.tex deleted file mode 100644 index 9da4b3e..0000000 --- a/docs/lisa-book.tex +++ /dev/null @@ -1,118 +0,0 @@ -% Options for packages loaded elsewhere -\PassOptionsToPackage{unicode}{hyperref} -\PassOptionsToPackage{hyphens}{url} -% -\documentclass[ -]{book} -\usepackage{lmodern} -\usepackage{amsmath} -\usepackage{ifxetex,ifluatex} -\ifnum 0\ifxetex 1\fi\ifluatex 1\fi=0 % if pdftex - \usepackage[T1]{fontenc} - \usepackage[utf8]{inputenc} - \usepackage{textcomp} % provide euro and other symbols - \usepackage{amssymb} -\else % if luatex or xetex - \usepackage{unicode-math} - \defaultfontfeatures{Scale=MatchLowercase} - \defaultfontfeatures[\rmfamily]{Ligatures=TeX,Scale=1} -\fi -% Use upquote if available, for straight quotes in verbatim environments -\IfFileExists{upquote.sty}{\usepackage{upquote}}{} -\IfFileExists{microtype.sty}{% use microtype if available - \usepackage[]{microtype} - \UseMicrotypeSet[protrusion]{basicmath} % disable protrusion for tt fonts -}{} -\makeatletter -\@ifundefined{KOMAClassName}{% if non-KOMA class - \IfFileExists{parskip.sty}{% - \usepackage{parskip} - }{% else - \setlength{\parindent}{0pt} - \setlength{\parskip}{6pt plus 2pt minus 1pt}} -}{% if KOMA class - \KOMAoptions{parskip=half}} -\makeatother -\usepackage{xcolor} -\IfFileExists{xurl.sty}{\usepackage{xurl}}{} % add URL line breaks if available -\IfFileExists{bookmark.sty}{\usepackage{bookmark}}{\usepackage{hyperref}} -\hypersetup{ - pdftitle={Ciencia Social Abierta}, - hidelinks, - pdfcreator={LaTeX via pandoc}} -\urlstyle{same} % disable monospaced font for URLs -\usepackage{longtable,booktabs} -% Correct order of tables after \paragraph or \subparagraph -\usepackage{etoolbox} -\makeatletter -\patchcmd\longtable{\par}{\if@noskipsec\mbox{}\fi\par}{}{} -\makeatother -% Allow footnotes in longtable head/foot -\IfFileExists{footnotehyper.sty}{\usepackage{footnotehyper}}{\usepackage{footnote}} -\makesavenoteenv{longtable} -\usepackage{graphicx} -\makeatletter -\def\maxwidth{\ifdim\Gin@nat@width>\linewidth\linewidth\else\Gin@nat@width\fi} -\def\maxheight{\ifdim\Gin@nat@height>\textheight\textheight\else\Gin@nat@height\fi} -\makeatother -% Scale images if necessary, so that they will not overflow the page -% margins by default, and it is still possible to overwrite the defaults -% using explicit options in \includegraphics[width, height, ...]{} -\setkeys{Gin}{width=\maxwidth,height=\maxheight,keepaspectratio} -% Set default figure placement to htbp -\makeatletter -\def\fps@figure{htbp} -\makeatother -\setlength{\emergencystretch}{3em} % prevent overfull lines -\providecommand{\tightlist}{% - \setlength{\itemsep}{0pt}\setlength{\parskip}{0pt}} -\setcounter{secnumdepth}{5} -\usepackage{booktabs} -\ifluatex - \usepackage{selnolig} % disable illegal ligatures -\fi -\usepackage[]{natbib} -\bibliographystyle{apalike} - -\title{Ciencia Social Abierta} -\author{} -\date{\vspace{-2.5em}29 junio 2021} - -\begin{document} -\maketitle - -{ -\setcounter{tocdepth}{1} -\tableofcontents -} -\hypertarget{presentaciuxf3n}{% -\chapter*{Presentación}\label{presentaciuxf3n}} -\addcontentsline{toc}{chapter}{Presentación} - -\hypertarget{introducciuxf3n}{% -\chapter{Introducción}\label{introducciuxf3n}} - -Este trabajo se trata de\ldots{} - -\hypertarget{diseuxf1o-transparente}{% -\chapter{Diseño transparente}\label{diseuxf1o-transparente}} - -\hypertarget{datos-abiertos}{% -\chapter{Datos abiertos}\label{datos-abiertos}} - -\hypertarget{anuxe1lisis-reproducible}{% -\chapter{Análisis reproducible}\label{anuxe1lisis-reproducible}} - -\hypertarget{publicaciones-libres}{% -\chapter{Publicaciones libres}\label{publicaciones-libres}} - -Palabras finales\ldots{} - -\hypertarget{conclusiones}{% -\chapter{Conclusiones}\label{conclusiones}} - -Palabras finales\ldots{} - - \bibliography{book.bib,packages.bib} - -\end{document} diff --git a/docs/lisa.css b/docs/lisa.css deleted file mode 100644 index ba46edc..0000000 --- a/docs/lisa.css +++ /dev/null @@ -1,435 +0,0 @@ -@import url('https://fonts.googleapis.com/css?family=Abril+Fatface|Karla:400,400i,700,700i|Lora:400,400i,700,700i&display=swap'); - -p.caption { - color: #777; - margin-top: 10px; -} -p code { - white-space: inherit; -} -pre { - word-break: normal; - word-wrap: normal; -} -pre code { - white-space: inherit; -} - -/*---------------Hero Image------------------*/ - -/* next 3 rules are for setting large image at top of each page and pushing down the book content to appear beneath the image */ - -.hero-image-container { - position: absolute; - top: 0; - left: 0; - right: 0; - height: 390px; - background-image: url("images/lisa-complete.png"); - background-color: #c7254e; -} - -.hero-image { - width: 100%; - height: 390px; - object-fit: cover; -} - -.page-inner { - padding-top: 440px !important; -} - - -/* ------------Links------------------ */ - -.book .book-body .page-wrapper .page-inner section.normal a { - color: #c7254e; -} - - -/*------------- Body and header text---------------- */ - -.book.font-family-1 { - font-family: 'Karla', arial, sans-serif; -} - -h1, h2, h3, h4 { - font-family: 'Lora', arial, sans-serif; -} - - -.book .book-body .page-wrapper .page-inner section.normal h1, -.book .book-body .page-wrapper .page-inner section.normal h2, -.book .book-body .page-wrapper .page-inner section.normal h3, -.book .book-body .page-wrapper .page-inner section.normal h4, -.book .book-body .page-wrapper .page-inner section.normal h5, -.book .book-body .page-wrapper .page-inner section.normal h6 { - margin-top: 2.275em; - margin-bottom: 1em; -} - -.title { - font-family: 'Lora'; - font-size: 4em !important; - color: #c7254e; - margin-top: 0.275em !important; - margin-bottom: 0.35em !important; -} - -.subtitle { - font-family: 'Lora'; - color: #c7254e; -} - - -/*----------DROP CAPS--------------*/ - - -/*p:nth-child(2):first-letter { /* /* DROP-CAP FOR FIRST P BENEATH EACH H1 OR H2*/ /* - color: #c7254e; - float: left; - font-family: 'Abril Fatface', serif; - font-size: 7em; - line-height: 65px; - padding-top: 4px; - padding-right: 8px; - padding-left: 3px; - margin-bottom: 9px; -} -*/ - -.section.level1 > p:first-of-type:first-letter { /*drop cap for first p beneath level 1 headers only within class .section*/ - color: #fff; - float: left; - font-family: 'Abril Fatface', serif; - font-size: 7em; - line-height: 65px; - padding-top: 4px; - padding-right: 8px; - padding-left: 3px; - margin-bottom: 9px; -} - -/* add drop cap to first paragraph that follows the first 2nd level header*/ -/* -.section.level2:first-of-type > p:first-of-type:first-letter { - color: #c7254e; - float: left; - font-family: 'Abril Fatface', serif; - font-size: 7em; - line-height: 65px; - padding-top: 4px; - padding-right: 8px; - padding-left: 3px; - margin-bottom: 9px; -} -*/ - - - -/*------------ TOC --------------*/ - -.book .book-summary { - background: white; - border-right: none; -} - -.summary{ - font-family: 'Karla', sans-serif; -} - -/* all TOC list items, basically */ -.book .book-summary ul.summary li a, -.book .book-summary ul.summary li span { - padding-top: 8px; - padding-bottom: 8px; - padding-left: 15px; - padding-right: 15px; - color: #c7254e; -} - -.summary a:hover { - color: #3ea2aad9 !important; -} - -.book .book-summary ul.summary li.active>a { /*active TOC links*/ - color: #379fa7 !important; - border-left: solid 4px; - border-color: #379fa7; - padding-left: 11px !important; -} - - -li.appendix span, li.part span { /* for TOC part names */ - margin-top: 1em; - color: #000000; - opacity: .9 !important; - text-transform: uppercase; -} - -.part + li[data-level=""] { /* grabs first .chapter immediately after .part...but only those ch without numbers */ - text-transform: uppercase; -} - - -/* The next two rules make the horizontal line go straight across in top navbar */ - -.summary > li:first-child { - height: 50px; - padding-top: 10px; - border-bottom: 1px solid rgba(0,0,0,.07); -} - -.book .book-summary ul.summary li.divider { - height: 0px; -} - - -/*--- LOGO ---*/ - -.toc-logo { - width: 200px !important; - object-fit: contain; - margin: 0 auto; -} - -.toc-logo img { - max-width: 100%; - margin-bottom: 10px; -} - -.summary > li:first-child { - height: auto !important; -} - -/* --------------Two columns--------------- */ - -.col2 { - columns: 2 200px; /* number of columns and width in pixels*/ - -webkit-columns: 2 200px; /* chrome, safari */ - -moz-columns: 2 200px; /* firefox */ -} - - -.side-by-side { - display: flex; -} - -.side1 { - width: 40%; -} - -.side2 { - width: 58%; - margin-left: 1rem; -} - -/* --------------Even split- two columns--------------- */ - -.split { - display: flex; -} - -.split1 { - width: 50%; - padding-right: 20px; -} - -.split2 { - width: 50%; -} - - -/* Sidebar formating --------------------------------------------*/ -/* from r-pkgs.org*/ - -div.rstudio-tip, div.tip, div.gotcha, div.design, div.hat{ - border: 4px #aed6d963; - border-style: dashed solid; - padding: 1em; - margin: 1em 0; - padding-left: 100px; - background-size: 70px; - background-repeat: no-repeat; - background-position: 15px center; - min-height: 120px; - color: #2ea8b3; - background-color: #fcfcfc; -} - - -div.rstudio-tip { - background-image: url("../images/divs/rstudio.png"); -} - -div.tip { - background-image: url("../images/divs/lightbulb.png"); -} - -div.gotcha { - background-image: url("../images/divs/gotcha_2.png"); -} - -div.design { - background-image: url("../images/divs/design.png"); -} - -div.hat { - background-image: url("../images/divs/hat.png"); -} - -/* for fancy bookdown cookbook */ - -div.puzzle, div.fyi, div.demo, div.note { - padding: 1em; - margin: 1em 0; - padding-left: 100px; - background-size: 70px; - background-repeat: no-repeat; - background-position: 15px center; - min-height: 120px; - color: #1f5386; - background-color: #bed3ec; - border: solid 5px #dfedff; -} - -div.puzzle { - background-image: url("../images/illos/Your-turn.png"); -} - -div.fyi { - background-image: url("../images/illos/fyi.png"); -} - -div.demo { - background-image: url("../images/illos/Live-code.png"); -} - -div.note { - background-image: url("../images/illos/lightbulb2.png"); -} - - -/* .book .book-body .page-wrapper .page-inner section.normal is needed - to override the styles produced by gitbook, which are ridiculously - overspecified. Goal of the selectors is to ensure internal "margins" - controlled only by padding of container */ - -.book .book-body .page-wrapper .page-inner section.normal div.rstudio-tip > :first-child, -.book .book-body .page-wrapper .page-inner section.normal div.tip > :first-child { - margin-top: 0; -} - -.book .book-body .page-wrapper .page-inner section.normal div.rstudio-tip > :last-child, -.book .book-body .page-wrapper .page-inner section.normal div.tip > :last-child { - margin-bottom: 0; -} - -iframe { - -moz-transform-origin: top left; - -webkit-transform-origin: top left; - -o-transform-origin: top left; - -ms-transform-origin: top left; - transform-origin: top left; -} - -.iframe-container { - overflow: auto; - -webkit-overflow-scrolling: touch; - border: #ddd 2px solid; - box-shadow: #888 0px 5px 8px; - margin-bottom: 1em; -} - -.iframe-container > iframe { - border: none; -} - - -/* -------Clipboard copy button --------- */ -.copy { - width: inherit; - background-color: #e2e2e2 ; - border: none; - border-radius: 2px; - float: right; - font-size: 60%; - padding: 4px 4px 4px 4px; -} - -/* for new copy button */ - -.hasCopyButton { - position: relative; -} - -.btn-copy-ex { - position: absolute; - right: 0; - top: 0; - visibility: hidden; -} - -.hasCopyButton:hover button.btn-copy-ex { - visibility: visible; -} - - - -/* -----------Section anchors -------------*/ - -.book .book-body .page-wrapper .page-inner section.normal { - overflow: visible !important; /*so anchor link doesn't get cut off */ -} - -a.anchor { - margin-left: -30px; - padding-right: 3px; - display:inline-block; - width: 30px; - height: 30px; - /*visibility: hidden;*/ - background-image: url(https://image.flaticon.com/icons/svg/34/34735.svg) !important; - background-repeat: no-repeat !important; - background-size: 20px 20px !important; - background-position: center bottom !important; - opacity: 0; -} - - -.hasAnchor:hover a.anchor, -a.anchor:hover { - /*visibility: visible;*/ - opacity: 0.6; -} - -/* disable anchors for headers with "no-anchor" class */ -.no-anchor .hasAnchor:hover a.anchor, -.no-anchor a.anchor:hover { - opacity: 0 !important; -} - -@media (max-width: 1144px) { /* don't show anchor link on small screens */ - .hasAnchor:hover a.anchor { - visibility: hidden; - } -} - - -/*____Code Chunks____*/ - -.sourceCode { - margin-bottom: 0.85em; /* adds same amount of margin as a

    would */ -} - -.sourceCode pre { - margin: 0 !important; /* makes space above and below symmetrical*/ -} - -/* Footer */ - -.footer { - font-family: "Lora", serif; - font-size: .85em; - color: #2ea8b3; -} \ No newline at end of file diff --git a/docs/otras-herramientas.html b/docs/otras-herramientas.html new file mode 100644 index 0000000..be37cfd --- /dev/null +++ b/docs/otras-herramientas.html @@ -0,0 +1,360 @@ + + + + + + + 2.5 Otras herramientas | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +

    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    2.5 Otras herramientas

    +
    + +

    Sí bien los preregistros son una de las herramientas que más ha ido tomando protagonismo para promover la transparencia, existen otras. Específicamente, queremos mencionar dos de ellas: el modelo de registered reports (en español, informes registrados) y la transparency checklist (en español, lista de transparencia).

    +
    +

    2.5.1 Registered Reports

    +
    + +

    El modelo de registered reports es una alternativa al modelo tradicional de publicación. Consiste en que el artículo atraviesa una revisión por pares en etapas tempranas de la investigación, específicamente previo a la recolección de datos. Esta práctica tiene por objetivo que el estudio sea evaluado por su innovación y calidad del diseño de investigación, más que por resultados impactantes (Chambers et al. 2015). Además, busca dejar sin efecto prácticas cómo el sesgo de publicación, p-hacking y HARKing, ya que no solamente existe una marca temporal que avala el diseño de investigación del estudio (cómo es el caso de un preregistro), sino que también existe un grupo de científicos anónimos que están de acuerdo con que el artículo es un aporte al conocimiento (Chambers 2013; Brian A. Nosek y Lakens 2014; Marsden et al. 2018).

    +
    + +

    Los registered reports tienen dos características principales (Marsden et al. 2018). Primero, un manuscrito con la justificación del estudio, lo que incluye una introducción, revisión de antecedentes y una pregunta de investigación, dando la posibilidad de una aceptación preliminar (IPA, por sus siglas en inglés In principle acceptance). La segunda característica es que el IPA no puede revocarse en base a los resultados del estudio, esto evita que trabajos con resultados no significativos no sean publicados y así combatir el sesgo de publicación. Relacionado a ambas características, los informes registrados pasan por dos etapas de revisión, la primera es la del manuscrito, siendo este el determinante sí el estudio se acepta o no, y la segunda revisión que se da posterior a terminar la recolección y análisis de datos. El modelo, en comparación al sistema tradicional de publicaciones, se puede ver en la Figura N° 2.9.

    +
    +Método convencional y de registered reports para publicación cientifica +

    +Figura 2.9: Método convencional y de registered reports para publicación cientifica +

    +
    +
    + +

    Para enviar un artículo bajo el modelo de registered reports, primero se debe tener en conocimiento de cuáles son las revistas que cuentan con este tipo de revisión. El Centro para la Ciencia Abierta cuenta con una lista actualizada de revistas aquí. Una vez escogida una revista, el proceso no es tan distinto al método convencional, en el sentido de que los investigadores envían su manuscrito con la justificación del estudio y este puede ser aceptado o rechazado por el editor, ya sea directamente o después de la corrección de algunos comentarios. Una vez se cuenta con el IPA y se efectúa la revisión en la segunda etapa, los revisores se aseguran de que el estudio ha seguido el plan de análisis inicialmente planteado y sí sus conclusiones tienen sentido de acuerdo a los datos y resultados obtenidos, así cómo también que toda desviación del plan original sea debidamente justificada (Stewart et al. 2020). Desviaciones muy sustanciales y/o que no sean debidamente justificadas pueden conllevar el rechazo del artículo, aunque puede seguir el proceso en el método convencional de publicación (Stewart et al. 2020).

    +
    +
    +

    2.5.2 Transparency Checklist

    +
    + +

    La transparency checklist es una herramienta complementaria elaborada por Aczel et al. (2020) que busca acompañar el proceso de reportar un estudio, contribuyendo a que estos sean más transparentes. Esta lista ha sido elaborada específicamente para investigadores de las ciencias sociales y del comportamiento que trabajan con datos primarios, aunque puede ser útil para otros enfoques y disciplinas. La lista consta de 36 items divididos en cuatro categorías: preregistro, método, resultados y discusiones y accesibilidad de datos, donde cada ítem refiere a alguna característica de un reporte transparente, preguntando sí ha sido efectuada o no, o sea, las respuestas posibles de cada ítem son “Sí”, “No” y “N/A”. Existe una versión más corte de 12 items, los cuales son los siguientes:

    +

    Sección de preregistro:

    +
    + +
      +

    1. Antes de analizar el conjunto completo de datos, se publicó un prerregistro con sello de tiempo en un registro independiente de terceros para el plan de análisis de datos.

      2. +

    2. El estudio fue registrado…

      3. +
    +
      +
    • antes de que cualquier dato fuera recolectado
      • +
    • después de que algunos datos fueron recolectados, pero antes de explorarlos
      • +
    • después de que todos los datos fueron recolectados, pero antes de explorarlos
      • +
    • después de explorar los datos, pero antes de que cualquier análisis estadístico fuera efectuado
      • +
    • después de efectuar algunos análisis estadísticos, pero no todos
      • +
    • en otro momento, explicar:
      • +
    +
      +
    1. El análisis estadístico previsto para cada pregunta de investigación (esto puede requerir, por ejemplo, información sobre la unilateralidad de las pruebas, los criterios de inferencia, las correcciones para pruebas múltiples, los criterios de selección de modelos, las distribuciones previas, etc.).
      2. +
    +

    Sección de método

    +
    + +

    El manuscrito describe completamente…

    +
      +

    1. la justificación del tamaño de la muestra utilizado (por ejemplo, un análisis de potencia a priori).

      2. +

    2. el diseño, los procedimientos y los materiales del estudio para permitir una réplica independiente.

      3. +

    3. las medidas de interés (por ejemplo, la amabilidad) y sus operacionalizaciones (por ejemplo, un cuestionario que mide la amabilidad).

      4. +

    4. ¿algún cambio en el prerregistro (como cambios en los criterios de elegibilidad, en los límites de pertenencia al grupo o en los procedimientos experimentales)?

      5. +
    +

    Sección de resultados y discusión

    +
    + +

    El manuscrito…

    +
      +
    1. distingue explícitamente entre la “confirmación” (es decir, preestablecido) y “exploratorio” (es decir, no preestablecidos).
      2. +
    +

    Sección de disponibilidad de datos, código y materiales

    +
    + +

    Se han hecho públicas las siguientes…

    +
      +

    1. los datos (procesados) en los que se han basado los análisis del manuscrito.

      2. +

    2. todo el código y el software (que no esté protegido por derechos de autor).

      3. +

    3. todas las instrucciones, los estímulos y los materiales de las pruebas (que no estén protegidos por derechos de autor).

      4. +

    4. El manuscrito incluye una declaración sobre la disponibilidad y localización de todos los elementos de la investigación, incluidos los datos, materiales y códigos pertinentes para su estudio.

      5. +
    +

    Tanto la versión completa de 36 ítems, cómo la recortada de 12 están disponibles para rellenar en línea. Aquí se puede encontrar la lista online, es una aplicación de uso simple, además que permite generar el reporte final de manera automática.

    + +
    +
    +

    Referencias

    +
    +
    +Aczel, Balazs, Barnabas Szaszi, Alexandra Sarafoglou, Zoltan Kekecs, Šimon Kucharský, Daniel Benjamin, Christopher D. Chambers, et al. 2020. «A Consensus-Based Transparency Checklist». Nature Human Behaviour 4 (1): 4-6. https://doi.org/10.1038/s41562-019-0772-6. +
    +
    +Chambers, Christopher D. 2013. «Registered Reports: A New Publishing Initiative at Cortex». Cortex 49 (3): 609-10. https://doi.org/10.1016/j.cortex.2012.12.016. +
    +
    +Chambers, Christopher D., Zoltan Dienes, Robert D. McIntosh, Pia Rotshtein, y Klaus Willmes. 2015. «Registered Reports: Realigning Incentives in Scientific Publishing». Cortex; a Journal Devoted to the Study of the Nervous System and Behavior 66: A1-2. https://doi.org/10.1016/j.cortex.2015.03.022. +
    +
    +Marsden, Emma, Kara Morgan-Short, Pavel Trofimovich, y Nick C. Ellis. 2018. «Introducing Registered Reports at Language Learning: Promoting Transparency, Replication, and a Synthetic Ethic in the Language Sciences». Language Learning 68 (2): 309-20. https://doi.org/10.1111/lang.12284. +
    +
    +Nosek, Brian A., y Daniël Lakens. 2014. «Registered Reports: A Method to Increase the Credibility of Published Results». Social Psychology 45 (3): 137-41. https://doi.org/10.1027/1864-9335/a000192. +
    +
    +Stewart, Suzanne, Eike Mark Rinke, Ronan McGarrigle, Dermot Lynott, Carole Lunny, Alexandra Lautarescu, Matteo M. Galizzi, Emily K. Farran, y Zander Crook. 2020. «Pre-Registration and Registered Reports: A Primer from UKRN». OSF Preprints. https://doi.org/10.31219/osf.io/8v2n7. +
    +
    +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git "a/docs/pagos-asociados-a-la-publicaci\303\263n-abierta.html" "b/docs/pagos-asociados-a-la-publicaci\303\263n-abierta.html" new file mode 100644 index 0000000..30f9b5d --- /dev/null +++ "b/docs/pagos-asociados-a-la-publicaci\303\263n-abierta.html" @@ -0,0 +1,344 @@ + + + + + + + 5.3 Pagos asociados a la publicación abierta | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    5.3 Pagos asociados a la publicación abierta

    +
    +

    El Open Access está redefiniendo la forma en que el capital científico se define, se moviliza y se trata. Este es un nuevo paradigma que choca con las reglas de un mercado académico que por décadas ha mantenido el monopolio económico del conocimiento científico por medio de barreras de pago, un modelo que no siempre es receptivo a alteraciones y novedades Sadaba (2014), pero que ha tenido la obligación de adaptarse al nuevo panorama cibernético digital.

    +

    El modelo de suscripción se presenta como un muro de pago que al ser costeado permite acceder al material científico. Detrás de cada ejemplar físico existe un costo de adaptación, impresión y envío, lo que obligaba a las editoriales a publicar una cantidad determinada. Sin embargo, con el advenimiento del internet, la digitalización y la inmediatez de la información, las razones y argumentos que daban sustento al modelo se volvieron obsoletas. La era digital permitió avanzar a pasos agigantados en el desarrollo de nuevos conocimientos, en la difusión masiva e instantánea de los trabajos académicos y por consecuencia, abrió paso al cuestionamiento de las suscripciones pagadas como método de acceso al conocimiento. En este sentido, la declaración que tuvo lugar en Bethesda (2003) fue precisa en indicar que “Internet ha cambiado fundamentalmente las realidades prácticas y económicas relacionadas con la distribución del conocimiento científico y el patrimonio cultural”.

    +En la nueva era digital, el modelo de suscripción sigue estando presente, pero convive con el paradigma del open access, el que intenta superar las barreras de pago poniendo la responsabilidad de la apertura del conocimiento en el propio autor. Algunos repositorios de ruta dorada e híbrida solicitan un pago de APC para publicar en acceso abierto, esto corresponde a un modelo de negocios cuyo propósito es financiar los gastos asociados la gestión de la publicación. En estricto rigor, no existe un monto estandarizado del APC, por lo que su costo dependerá únicamente de la revista y que fluctúa según el pago de impuestos adicionales, lo que se puede evidenciar en la tabla n° 5.2. Según Socha (2018), de las revistas de mayor renombre en la industria académica como Elsevier, Springer, Wiley y Taylor & Francis se han adscrito al acceso abierto cobrando a los autores un costo de APC pero manteniendo su modelo de suscripción. +
    + +
    + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    Tabla 5.2: Fluctuación del precio en dolares del APC en las principales revistas científicas
    RepositorioAPC mínimoAPC máximo¿Open Acces o Híbrido?
    ELSEVIER$100$5.000Híbrido
    SPRINGER$3.000$3.000Híbrido
    WILEY$1.300$5.200Híbrido
    Taylor y Francis$500$2.950Open Access
    +
    +Fuente: Adaptación propia a partir de información recopilada en University of Cambridge (2018). +
    + +
    +

    Spinak (2019) indica que tanto en Estados Unidos como en países Europeos ha habido un aumento exponencial del costo del APC a través de los años. A modo de ejemplo, el APC promedio de 319 revistas de asociadas a las editoriales BMC, Frontiers, MDPI e Hindawi aumentó entre 2,5 y 6 veces la inflación entre el 2012 y el 2018, al alero de un considerable crecimiento en la cantidad de volúmenes que paso de 58.007 hasta 127.528 en aquellos años. Los editores han admitido que el costo del APC lo fijan según el valor económico de la revista que es atribuido según el valor de impacto.

    +

    La introducción de un sistema de pagos por procesamiento de artículos hace frente al modelo de suscripción, pero no logra reemplazarlo. En cambio, funciona de manera paralela dentro del mercado científico, presentándose como una nueva barrera que obstaculiza la decisión de abrir las publicaciones de aquellas investigaciones que son autónomas o que dispongan de un presupuesto acotado. Los APC tienen sus propios cuestionamientos y uno de ellos refiere a que el pago no tiene mucho que ver con el procesamiento y posterior publicación del artículo, sino que más bien los equipos de investigación pagan por el reconocimiento de ser publicados en una revista de alto factor de impacto Velterop (2018). Pareciera ser que el nuevo ciclo de la ciencia que apuntaba a la democratización del conocimiento se vio inmerso en las lógicas económicas en donde las editoriales obtienen los principales beneficios monetarios.

    +¿Pagar por hacer ciencia o pagar por reconocimiento? Claro esta que existen otras vías gratuitas para publicar de manera abierta, sin embargo la ciencia -y principalmente las ligadas a la medicina, la física y las matemáticas- ha tenido la necesidad imperiosa de ser creíble, reconocida y citada, y por ello existe una mayor competencia en torno al reconocimiento que otroga la publicación en revistas de alto impacto. Sin embargo, el quehacer en pos del conocimiento y su disposición como bien público para la sociedad y su desarrollo, poco tiene que ver con una distinción simbólica que sirve dentro del mundo científico. La ciencia social, a diferencia de las ciencias exactas, se ha podido desarrollar con mayor libertad por medio de las vías gratuitas en importantes repositorios de ruta verde, como es el ejemplo del caso latinoamericano que profundizaremos en la siguiente sección. +
    + + +
    + +

    Referencias

    +
    +
    +Bethesda. 2003. «Declaración de Bethesda Sobre Publicación de Acceso Abierto». +
    +
    +Sadaba, Igor. 2014. «EL ACCESO ABIERTO EN CIENCIAS SOCIALES: NOTAS SOCIOLÓGICAS SOBRE PUBLICACIONES, COMUNIDADES Y CAMPOS» 17: 93-113. +
    +
    +Socha, Beata. 2018. «Cuánto cobran los principales editores comerciales por tener un artículo en acceso abierto?». Universo Abierto. +
    +
    +Spinak, Ernesto. 2019. «Revistas que han aumentado el valor del APC han recibido más artículos». Scielo en Perspectiva. +
    +
    +Velterop, Jan. 2018. «De suscripciones y Tasas de Procesamiento de Artículos». Scientific Blog. Scielo en Perspectiva. +
    +
    +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git a/docs/pasos-para-publicar-libre.html b/docs/pasos-para-publicar-libre.html deleted file mode 100644 index 4da4c11..0000000 --- a/docs/pasos-para-publicar-libre.html +++ /dev/null @@ -1,215 +0,0 @@ - - - - - - - Capítulo 4 Pasos para publicar libre | Open Access - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
    - -
    - -
    - -
    -
    - - -
    -
    - -
    - - - - - - - - - -
    - -
    -
    -

    Capítulo 4 Pasos para publicar libre

    -
      -

    • Pasos para publicar en repositorio

      -
        -
      • Article
        • -
      • Code + data (repositorios)
        • -
      • Github pages y blogdown
        • -
      • -
    - -
    -
    -
    -
    - Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) -
    - Para más información puedes contactárnos en nuestro correo -
    -
    - -
    - -
    -
    -
    - - -
    -
    - - - - - - - - - - - - - - diff --git "a/docs/por-qu\303\251.html" "b/docs/por-qu\303\251.html" new file mode 100644 index 0000000..4d08155 --- /dev/null +++ "b/docs/por-qu\303\251.html" @@ -0,0 +1,560 @@ + + + + + + + 2.1 ¿Por qué? | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    2.1 ¿Por qué?

    +
    + +

    La pregunta del por qué es necesario avanzar hacia la transparencia encuentra su respuesta en la existencia de prácticas de investigación que merman la credibilidad de los hallazgos científicos. A modo de entender qué es lo problemático de ciertas prácticas, es que Steneck (2006) proponen el concepto de Conducta Responsable de Investigación (RCR, por sus siglas en inglés) cómo un ideal que engloba prácticas éticas e integras dentro de la investigación científica (ver Figura N° 2.2). Según los autores, la distinción entre la ética y la integridad recae en que la primera tiene que ver con seguir principios morales dentro de la investigación (e.g. usar consentimientos informados), en cambio, la segunda está más relacionada el seguimiento de códigos de conductas y estándares profesionales (Abril Ruiz 2019).

    +
    +Conducta Responsable de Investigación. Imagen de @abrilruiz_Manzanas_2019 basada en @steneck_Fostering_2006 +

    +Figura 2.2: Conducta Responsable de Investigación. Imagen de Abril Ruiz (2019) basada en Steneck (2006) +

    +
    +
    + +

    Las prácticas de investigación se pueden evaluar en un continuo que representa cuánto adhieren los investigadores a los principios de integridad científica (Steneck 2006). La Figura N° 2.3 esquematiza esta idea mostrando dos extremos, donde a la izquierda está el mejor comportamiento (RCR), y a la derecha el peor comportamiento (FFP). Las FPP son una abreviación en lengua inglesa para referirse a Fabrication, Falsification, Plagiarism (Invención, Falsificación y Plagio), también conocidas como mala conducta académica-. En el medio del continuo están las prácticas cuestionables de investigación (QRP, por sus siglas en inglés) las cuáles refieren a “acciones que violan los valores tradicionales de la empresa de investigación y que pueden ser perjudiciales para el proceso de investigación” (National Academies of Science 1992 en Steneck 2006, 58). Las QRP se caracterizan porque tienen el potencial de dañar la ciencia, en tanto las FFP la dañan directamente.

    +
    +Gradación del comportamiento integro en investigación. Imagen de @abrilruiz_Manzanas_2019 basada en @steneck_Fostering_2006 +

    +Figura 2.3: Gradación del comportamiento integro en investigación. Imagen de Abril Ruiz (2019) basada en Steneck (2006) +

    +
    +
    + +

    La mala conducta académica implica la violación de los principios de integridad científica. Esto implica el falseamiento de datos de cualquier forma: invención de datos, alteración de gráficos o tablas, etc. El caso de Diderik Stapel presentado en la introducción de este capítulo es un ejemplo que cabe dentro del concepto de mala conducta académica. Según la literatura, la prevalencia de este tipo de prácticas no es alta (e.g. Fanelli 2009; John, Loewenstein, y Prelec 2012), sino que más bien son casos aislados (ver Abril Ruiz 2019, 23-128 para una revisión). En contraste, las QRP han demostrado ser más prevalentes.

    +
    +

    2.1.1 Prácticas cuestionables de investigación (QRP)

    +
    + +

    Existen una serie de estudios que han intentado medir directamente la prevalencia de estas prácticas a través de encuestas. Fanelli (2009) hizo un metaanálisis que tenía por objetivo sistematizar los resultados de estudios que hasta esa fecha habían abordado las prácticas de investigación desde encuestas cuantitativas. Los resultados mostraron que un 1.97% de investigadores había inventado datos al menos una vez (FFP) y que un 33.7% había realizado alguna vez una QRP como “borrar puntos de los datos basados en un sentimiento visceral”. Unos años más tarde, John, Loewenstein, y Prelec (2012) efectuaron otro estudio similar, demostrando que un 36.6% de quienes participaron alguna vez habían practicado alguna QRP. En detalle, analizando los porcentajes práctica a práctica se halló que el 50% de los psicólogos encuestados alguna vez reportaron selectivamente estudios que apoyaran su hipótesis; un 35% alguna vez reportaron resultados inesperados como esperados; y un 2% alguna vez reportó datos falsos. Este estudio ha sido replicado en Italia (Agnoli et al. 2017), en Alemania (Fiedler y Schwarz 2016) y en Brasil (Rabelo et al. 2020).

    +
    + +

    Más recientemente, han emergido estudios similares en otras áreas disciplinarias. Por ejemplo, a través de encuestas online Makel et al. (2021) logran constatar que existe una prevalencia considerable de las QRP en el campo de investigación educacional. De los participantes de la muestra un 10% admitió haber rellenado datos faltantes (NA’s) y un 67% señaló alguna vez haber omitido ciertos análisis de manera intencional. Siguiendo el mismo método, en el campo de la investigación comunicacional se ha encontrado evidencia parecida: 9% de los encuestados señala haber imputado datos faltantes sin reportarlo, un 34% declaró alguna vez haber excluido casos extremos de forma arbitraria y un 60% señala no haber reportado análisis con variables clave que no funcionaron. Del mismo modo, en los estudios cuantitativos sobre criminología existe un uso extendido de las QRP: un 87% de la muestra de Chin et al. (2021) ha utilizado múltiples QRP, siendo el reporte selectivo de resultados el más común (53%). Por último, fuera del área de las ciencias sociales, pero siguiendo la misma línea, Fraser et al. (2018) también hallan evidencia a favor de la existencia de distintas QRP en el campo de la ecología y evolución.

    +
    + +

    Los estudios mencionados arriba corresponden a la evidencia existente sobre la medición de QRP a través de encuestas. A modo de resumen, la Tabla N° 2.1 adaptada del trabajo de Chin et al. (2021) agrupa la información que hemos revisado (y más), ordenándose por prácticas, campos de estudio y los artículos correspondientes a cada campo de estudio. Los números dentro de las casillas representan el porcentaje de prevalencia de cada práctica reportado por los participantes del estudio, y entre paréntesis el número de casos de la muestra. Los guiones significan que este estudio no incluyó esa práctica en el cuestionario.

    + + ++++++++++ + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    Tabla 2.1: Porcentajes de prevelanecia por QRP según distintos trabajos..
    PrácticaPsicologíaPsicologíaPsicologíaEcologíaEvoluciónEducaciónComunicación
    John, Loewenstein, y Prelec (2012)Agnoli et al. (2017)Rabelo et al. (2020)Fraser et al. (2018)Fraser et al. (2018)Makel et al. (2021)Bakker et al. (2020)
    Omitir estudios o variables ni significativas46 (485)40 (217)55 (232)--62 (783)60
    Subreportar resultados63 (486)48 (219)22 (232)646467 (871)64
    Subreportar condiciones28 (484)16 (219)35 (232)----
    Muestreo selectivo56 (490)53 (221)22 (232)375129 (806)23
    Excluir datos selectivamente38 (484)40 (219)20 (232)242425 (806)34
    Excluir covariables selectivamente-----42 (773)46
    Cambiar análisis selectivamente-----50 (811)45
    HARK27 (489)37 (219)9 (232)495446 (880)46
    Redondear valores p22 (499)22 (221)18 (232)271829 (806)24
    Mal orientar respecto a los efectos de sociodemográficos3 (499)3 (223)4 (232)----
    Esconder problemas-----24 (889)-
    Esconder imputaciones1 (495)2 (220)1 (232)5210 (898)9
    +
    + +

    Cómo se puede ver en la Tabla N° 2.1, las encuestas sobre QRP han incluido varias prácticas relativas al tratamiento y análisis de los datos. No obstante, consideramos que exiten tres términos que, en su mayoría, logran sintetizar esta tabla y que están relacionados a la transparencia en los diseños de investigación. Estas son: 1) los sesgos de publicación, 2) el p-hacking y el 3) HARKing.

    +

    Sesgo de publicación

    +
    + +

    El sesgo de publicación ocurre cuando el criterio determinante para que un artículo sea publicado es que sus resultados sean significativos, en desmedro de la publicación de resultados no significativos. Un ejemplo ilustrativo que usan G. S. Christensen, Freese, y Miguel (2019) para explicar esta práctica es el cómic xkcd títulado Significant. En el comic (Figura N 2.4) se puede observar que un personaje corre gritando que las gominolas (jellybeans) causan acné, a lo que el otro personaje llama a los científicos para que prueben esta hipótesis, resultando no significativa. Ante esto, nuevamente el personaje inicial plantea que podría depender del tipo de gominola, y es aquí donde se aprecia lo ilustrativo del cómic: aparecen 20 paneles, cada uno representando una prueba de hipótesis entre una gominola de determinado color y al acné. 19 de las pruebas resultan no significativas, y una (el color verde) resulta significativa. El cómic termina con una portada con el titular de la única prueba de hipótesis que arrojó resultados significativos.

    +
    +Comic _Significant_ de xkcd +

    +Figura 2.4: Comic Significant de xkcd +

    +
    +
    + +

    El cómic anterior muestra cómo es que un hallazgo de investigación sufre del sesgo de publicación. Al publicarse únicamente el resultado significativo e ignorándose los otros 19 no significativos, cualquier lector tendería a pensar que efectivamente las gominolas verdes causan acné, cuando probablemente sea una coincidencia. Rosenthal (1979) fue de los primeros trabajos en llamar la atención respecto de esta práctica, adjudicando el concepto de file drawer problem (en español: problema del cajón de archivos), el que hace alusión a los resultados que se pierden o quedan “archivados” dentro de un cuerpo de literatura. Desde ese estudio en adelante varios autores han contribuido con evidencia empírica sobre el sesgo de publicación. Por ejemplo, el estudio de Franco, Malhotra, y Simonovits (2014) logra cuantificar esta situación encontrando que los resultados nulos tienen un 40% menos de probabilidades de ser publicados en revistas científicas, en comparación a estudios con resultados significativos. Es más, muchas veces los resultados nulos ni siquiera llegan a ser escritos: más de un 60% de los experimentos que componen la muestra del estudio de Franco, Malhotra, y Simonovits (2014) nunca llegaron a ser escritos, en contraste al menos del 10% de resultados significativos.

    +
    + +

    El principal problema del sesgo de publicación es que puede impactar en la credibilidad de cuerpos enteros de literatura. Por ejemplo, en economía se han hecho varios metaanálisis que han buscado estimar el sesgo de publicación en distintos cuerpos de literatura (e.g. Brodeur et al. 2016; Vivalt 2015; Viscusi 2014). Uno de los trabajos más concluyentes es el de Doucouliagos y Stanley (2013), quienes efectúan un meta análisis de 87 artículos de meta análisis en economía. En este trabajo encuentran que más de la mitad de los cuerpos de literatura revisados sufren de un sesgo “sustancial” o “severo”. Sí bien en economía se ha avanzado mucho en este tipo de estudios, también a partir del desarrollo de distintos métodos de detección, se ha podido diagnosticar el sesgo de publicación en importantes revistas en sociología y ciencias políticas (A. S. Gerber y Malhotra 2008; A. Gerber y Malhotra 2008).

    +

    P-hacking

    +
    + +

    Otra práctica bastante cuestionada es el p-hacking. El p-hacking suele englobar muchas de las prácticas que vimos en un inicio, especialmente las que refieren al manejo de datos: excluir datos arbitrariamente, redondear un valor p, recolectar más datos posterior a hacer pruebas de hipótesis etc. Lo que tienen todas estas prácticas en común y lo que define el p-hacking es que se da cuando el procesamiento de los datos tiene por objetivo obtener resultados significativos. Si el sesgo de publicación afecta la credibilidad de un cuerpo de literatura, el p-hacking afecta a la credibilidad de los artículos mismos, ya que al forzar la significancia estadística la probabilidad de que en realidad estemos frente a un falso positivo aumenta. Un trabajo que da sustento a esta idea es el de Simmons, Nelson, y Simonsohn (2011), quienes calculan la posibilidad de obtener un falso positivo (error Tipo I) de acuerdo con el nivel de grados de libertad que son utilizados por parte de los investigadores. El resultado principal es que a medida que aumenta el uso de grados de libertad, la posibilidad de obtener un falso positivo aumenta progresivamente.

    +
    + +

    El p-hacking también contribuye a sesgar cuerpos enteros de literatura. Para diagnosticar esto se ha utilizado una herramienta denominada p-curve, la cual “describe la densidad de los p-values reportados en una literatura, aprovechando el hecho de que si la hipótesis nula no se rechaza (es decir, sin efecto), los p-values deben distribuirse uniformemente entre 0 y 1” (G. S. Christensen, Freese, y Miguel 2019, 67.). De esta manera, en cuerpos de literatura que no sufran de p-hacking, la distribución de valors p debería estar cargada a la izquierda (siendo precisos, asimétrica a la derecha), en cambio, si existe sesgo por p-hacking la distribución de p-values estaría cargada a la derecha (asimetría a la izquierda). Simonsohn, Nelson, y Simmons (2014) proponen esta herramienta y la prueban en dos muestras de artículos de la Journal of Personality and Social Psychology (JPSP). Las pruebas estadísticas consistieron en confirmar que la primera muestra de artículos (que presentaban signos de p-hacking) estaba sesgada, en cambio la segunda muestra (sin indicios de p-hacking), no lo estaba. Los resultados corroboraron las hipótesis, esto es: los artículos que presentaban solamente resultados con covariables resultaron tener una p-curve cargada a la derecha (asimétrica a la izquierda).

    +

    HARKing

    +
    + +

    Por último, pero no menos importante está la práctica del HARKing. El nombre es una nomenclatura en lengua inglesa: Hypothesizing After the Results are Known, que literalmente significa establecer las hipótesis del estudio una vez que se conocen los resultados (Kerr 1998). El principal problema de esta práctica es que confunde los dos tipos de razonamiento que están a la base de la ciencia: el exploratorio y el confirmatorio. El objetivo principal del razonamiento exploratorio es plantear hipótesis a partir del análisis de los datos, en cambio, el razonamiento confirmatorio busca plantear hipótesis basado en teoría y contrastar esas hipótesis con datos empíricos. Como señala Brian A. Nosek et al. (2018), cuando se confunden ambos tipos de análisis y se hace pasar un razonamiento exploratorio como confirmatorio se está cometiendo un sesgo inherente, ya que se está generando un razonamiento circular: se plantean hipótesis a partir del comportamiento de los datos y se confirman las hipótesis con esos mismos datos

    +
    +
    +

    Referencias

    +
    +
    +Abril Ruiz, Angel. 2019. Manzanas podridas: Malas prácticas de investigación y ciencia descuidada. +
    +
    +Agnoli, Franca, Jelte M. Wicherts, Coosje L. S. Veldkamp, Paolo Albiero, y Roberto Cubelli. 2017. «Questionable Research Practices among Italian Research Psychologists». PLOS ONE 12 (3): e0172792. https://doi.org/10.1371/journal.pone.0172792. +
    +
    +Bakker, Bert N., Kokil Jaidka, Timothy Dörr, Neil Fasching, y Yphtach Lelkes. 2020. «Questionable and Open Research Practices: Attitudes and Perceptions among Quantitative Communication Researchers». PsyArXiv. https://doi.org/10.31234/osf.io/7uyn5. +
    +
    +Brodeur, Abel, Mathias Lé, Marc Sangnier, y Yanos Zylberberg. 2016. «Star Wars: The Empirics Strike Back». American Economic Journal: Applied Economics 8 (1): 1-32. https://doi.org/10.1257/app.20150044. +
    +
    +Chin, Jason M., Justin T. Pickett, Simine Vazire, y Alex O. Holcombe. 2021. «Questionable Research Practices and Open Science in Quantitative Criminology». Journal of Quantitative Criminology. https://doi.org/10.1007/s10940-021-09525-6. +
    +
    +Christensen, Garret S., Jeremy Freese, y Edward Miguel. 2019. Transparent and Reproducible Social Science Research: How to Do Open Science. Oakland, California: University of California Press. +
    +
    +Doucouliagos, Chris, y T. D. Stanley. 2013. «Are All Economic Facts Greatly Exaggerated? Theory Competition and Selectivity». Journal of Economic Surveys 27 (2): 316-39. https://doi.org/10.1111/j.1467-6419.2011.00706.x. +
    +
    +Fanelli, Daniele. 2009. «How Many Scientists Fabricate and Falsify Research? A Systematic Review and Meta-Analysis of Survey Data». PLOS ONE 4 (5): e5738. https://doi.org/10.1371/journal.pone.0005738. +
    +
    +Fiedler, Klaus, y Norbert Schwarz. 2016. «Questionable Research Practices Revisited». Social Psychological and Personality Science 7 (1): 45-52. https://doi.org/10.1177/1948550615612150. +
    +
    +Franco, A., N. Malhotra, y G. Simonovits. 2014. «Publication Bias in the Social Sciences: Unlocking the File Drawer». Science 345 (6203): 1502-5. https://doi.org/10.1126/science.1255484. +
    +
    +Fraser, Hannah, Tim Parker, Shinichi Nakagawa, Ashley Barnett, y Fiona Fidler. 2018. «Questionable Research Practices in Ecology and Evolution». PLOS ONE 13 (7): e0200303. https://doi.org/10.1371/journal.pone.0200303. +
    +
    +Gerber, Alan S., y Neil Malhotra. 2008. «Publication Bias in Empirical Sociological Research: Do Arbitrary Significance Levels Distort Published Results?». Sociological Methods & Research 37 (1): 3-30. https://doi.org/10.1177/0049124108318973. +
    +
    +Gerber, Alan, y Neil Malhotra. 2008. «Do Statistical Reporting Standards Affect What Is Published? Publication Bias in Two Leading Political Science Journals». Quarterly Journal of Political Science 3 (3): 313-26. https://doi.org/10.1561/100.00008024. +
    +
    +John, Leslie K., George Loewenstein, y Drazen Prelec. 2012. «Measuring the Prevalence of Questionable Research Practices With Incentives for Truth Telling». Psychological Science 23 (5): 524-32. https://doi.org/10.1177/0956797611430953. +
    +
    +Kerr, Norbert L. 1998. «HARKing: Hypothesizing After the Results Are Known». Personality and Social Psychology Review 2 (3): 196-217. https://doi.org/10.1207/s15327957pspr0203_4. +
    +
    +Makel, Matthew C., Jaret Hodges, Bryan G. Cook, y Jonathan A. Plucker. 2021. «Both Questionable and Open Research Practices Are Prevalent in Education Research». Educational Researcher, marzo, 0013189X211001356. https://doi.org/10.3102/0013189X211001356. +
    +
    +Nosek, Brian A., Charles R. Ebersole, Alexander C. DeHaven, y David T. Mellor. 2018. «The Preregistration Revolution». Proceedings of the National Academy of Sciences 115 (11): 2600-2606. https://doi.org/10.1073/pnas.1708274114. +
    +
    +Rabelo, André L. A., Jéssica E. M. Farias, Maurício M. Sarmet, Teresa C. R. Joaquim, Raquel C. Hoersting, Luiz Victorino, João G. N. Modesto, y Ronaldo Pilati. 2020. «Questionable Research Practices among Brazilian Psychological Researchers: Results from a Replication Study and an International Comparison». International Journal of Psychology 55 (4): 674-83. https://doi.org/10.1002/ijop.12632. +
    +
    +Rosenthal, Robert. 1979. «The File Drawer Problem and Tolerance for Null Results.». Psychological Bulletin 86 (3): 638-41. https://doi.org/10.1037/0033-2909.86.3.638. +
    +
    +Simmons, Joseph P., Leif D. Nelson, y Uri Simonsohn. 2011. «False-Positive Psychology: Undisclosed Flexibility in Data Collection and Analysis Allows Presenting Anything as Significant». Psychological Science 22 (11): 1359-66. https://doi.org/10.1177/0956797611417632. +
    +
    +Simonsohn, Uri, Leif D. Nelson, y Joseph P. Simmons. 2014. «P-Curve: A Key to the File-Drawer». Journal of Experimental Psychology: General 143 (2): 534-47. https://doi.org/10.1037/a0033242. +
    +
    +Steneck, Nicholas H. 2006. «Fostering Integrity in Research: Definitions, Current Knowledge, and Future Directions». Science and Engineering Ethics 12 (1): 53-74. https://doi.org/10.1007/PL00022268. +
    +
    +Viscusi, W. Kip. 2014. «The Role of Publication Selection Bias in Estimates of the Value of a Statistical Life». Working Paper 20116. Working Paper Series. National Bureau of Economic Research. https://doi.org/10.3386/w20116. +
    +
    +Vivalt, Eva. 2015. «Heterogeneous Treatment Effects in Impact Evaluation». American Economic Review 105 (5): 467-70. https://doi.org/10.1257/aer.p20151015. +
    +
    +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git a/docs/propiedad.html b/docs/propiedad.html index 43ac9ac..2efd301 100644 --- a/docs/propiedad.html +++ b/docs/propiedad.html @@ -4,24 +4,23 @@ - Capítulo 1 Propiedad intelectual | Open Access - - + 4.1 Propiedad intelectual | Ciencia Social Abierta + + - + - - + + - + - - + + - @@ -30,9 +29,9 @@ - + - + @@ -50,9 +49,36 @@ + + + + + + @@ -69,38 +95,70 @@
  • -
  • Punto de partida: la investigación abierta
    • -
  • 1 Propiedad intelectual +
  • Presentación
    • +
  • 1 Introducción
    • +
  • 2 Diseño transparente +
    • -
  • 2 Formas open access +
  • 3 Análisis reproducibles
    • -
  • 3 Herramientas para publicar +
  • 4 Publicaciones libres
    • +
  • Referencias
  • LISA-COES
    • @@ -113,7 +171,7 @@
    @@ -133,90 +191,129 @@

    -
    -

    Capítulo 1 Propiedad intelectual

    -
    -

    1.1 ¿Qué es la propiedad intelectual y las licencias?

    -
    -

    La propiedad intelectual nos habla de facultades exclusivas que posee el autor sobre su obra y que le permiten gozar de su uso y explotación (Loredo 2006).

    -
    -

    Existen dos normativas jurídicas (licencias) que buscan otorgar protección y regularización para la difusión de obras:

    +
    +

    4.1 Propiedad intelectual

    +
    +Esta sección busca comprender la importancia de la propiedad intelectual abordando los elementos centrales de la producción científica y su resguardo legal. Es importante conocer los elementos que nos servirán al momento de definir el carácter y el modo en que permitiremos que nuestras creaciones sean utilizadas y difundidas. La propiedad intelectual no es un elemento accesorio, pues “nos habla de facultades exclusivas que posee el autor sobre su obra y que le permiten gozar de su uso y explotación” (Loredo 2012). Para nuestros efectos, se concibe como el peldaño inicial para abordar los esfuerzos hacia la publicación libre. +
    + +
    +

    4.1.1 Sobre la Propiedad Intelectual y las Licencias

    +
    +

    La Propiedad Intelectual (PI) es una normativa que permite el reconocimiento autoral de toda invención de la mente humana (World Intelectual Propiety Organization 2020), su objetivo es fomentar la creación e innovación, al mismo tiempo en el que regula el uso y difusión de las obras. La PI es un tipo de ley cuya rigurosidad varia según el país y funciona en base a dos grandes ascepciones:

      -

    1. (Common Law): normativa que rige en Estados Unidos e Inglaterra y que regula la reproducción (copia) de la obra, su distribución, su exhibición pública y su transformación ya sea traducida o adaptada (Férnandez, 2009). Tienen la particularidad de que pueden ser transferidos ya sea por voluntad propia o por prescripción, siendo así ampliados los derechos bajo distintos tipos de licencias de Copyrigth, Creative Commons, Copyleft y Dominio Público. (Omatos, A. 2013)

      2. -

    2. Derechos de autor: normativa que rige en Europa continental y Latinoamérica, y que además de regular las facultades patrimoniales, *incluyen el derecho moral irrenunciable e inalienable que posee el autor sobre su obra (Loredo, A. 2012), reconociendo la paternidad del autor sobre su creación y la integridad de su trabajo.

      3. +

    3. Common Law: rige en Estados Unidos e Inglaterra y regula la reproducción (copia) de la obra, su distribución, su exhibición pública y su transformación ya sea traducida o adaptada (Fernández 2009). A partir de Omatos (2013) se comprende que es una facultad que poseen los autores y su particularidad es que puede ser transferida ya sea por voluntad propia o por prescripción, siendo así ampliados los derechos del uso de la obra bajo distintos tipos de licencias de Copyrigth, Creative Commons, Copyleft y Dominio Público.

      4. +

    4. Derechos de autor: rige en Europa continental y Latinoamérica y regula las facultades patrimoniales y el derecho moral que posee el autor sobre su obra, esto quiere decir que se reconoce la paternidad sobre la creación y se protege la integridad original del trabajo (Loredo 2012). El derecho moral, a diferencia del Common Law es irrenunciable e inalienable, por lo que no se puede traspasar.

    -
    -

    Actualmente Chile se ha suscrito a tratados internacionales que permimten el resguardo intelectual en otras naciones, los más importantes son dos:

    -
    -
    -
    +

    A modo de contexto, en el caso de Chile este se ha suscrito a tratados internacionales que permimten el resguardo internacional de cualquier obra intelectual que se haya elaborado en territorio nacional, los más importantes son dos:

      -
    1. Tratado de Berna (rectificado en 1973): establece indicaciones a los países asociados para resguardar sus obras en su territorio como si fuesen propias.
      2. -
    2. Convenio de OMPI (rectificado en 1975): establece a los países adherentes una suerte de guía para la elaboración de leyes que atiendan el fenómeno dentro de la era digital (Férnandez, J. 2009).
      3. +

    3. Tratado de Berna (rectificado en 1973): establece indicaciones a los países asociados para resguardar las obras internacionales en el propio territorio.

      4. +

    4. Convenio de OMPI (rectificado en 1975): establece una suerte de guía a los países adherentes, esta sirve para la elaboración de leyes que atiendan el resguardo de la propiedad intelectual dentro del mundo digital (Fernández 2009).

      +
      +
    -
    -
    -
    -

    1.2 Tipos de Licencias

    -

    Las licencias sobre la propiedad intelectual regulan los derechos patrimoniales de la obra, de modo que establecen las reglas para su uso. Las licencias más conocidas son:

    +
    +

    4.1.2 Tipos de Licencias

    +
    +

    Las licencias sobre la propiedad intelectual regulan los derechos patrimoniales de la obra y establecen las reglas para su uso. Las licencias más conocidas son:

      -

    1. Copyright: “Todos los derechos reservados”. La utilización de la obra solo puede ser bajo permiso del autor.

      2. -

    2. Creative Commons: “Algunos derechos reservados”. Esta licencia se inspira en la GPL (General Public License) que es una licencia que permite el uso de software y códigos de libre acceso. Su propósito es ahondar en herramientas digitales que faciliten la distribución de la obra por medio de la autorización reglamentada dictada por el autor, tales como:

      -
        -

      • Reconocimiento: condición obligatoria, todo trabajo que haga uso de una obra debe reconocerla.

        • -

      • Uso No Comercial: El uso de la obra y divulgación de la obra no puede sostenerse en fines comerciales.

        • -

      • Sin obra Derivada: permite la copia y distribución de la obra pero sin la posibilidad de crear un derivado de esta.

        • -

      • Compartir igual: se permiten crear trabajos a partir de la obra original bajo la condición de que mantengan las mismas licencias.

        • -
      3. -

    3. Copyleft: libre uso de la obra y de las que le prosigan. Este tipo de licencia proviene del movimiento Open Access y se orientan al uso, aplicación, distribución y creación de obras de libre acceso.

      4. -

    4. Dominio Público: si bien no corresponde a una licencia como tal, es un estado en el que la obra no posee protección patrimonial pues ha prescrito el plazo de su protección.

      5. +

    5. Copyright: Esta licencia permite que el autor se reserve todos los derechos sobre la obra y solo se puede hacer uso de ella bajo permiso del mismo.

      6. +

    6. Creative Commons (CC): Esta licencia inspirada en la General Public License - GPL (Licencia Pública General en español)3 tiene el propósito de desarrollar herramientas digitales estandarizadas que faciliten la distribución de la obra, pues entrega al autor, empresa o institución la responsabilidad de autorizar reglamentadamente el modo de uso, difusión y citación de su obra. Existen seis tipos de licencias CC (Véase figura n° 4.1) y cada una de ellas tiene como base la CC-BY que permite hacer uso de la obra con la correspondiente atribución, el resto de licencias funcionan a modo de capas que se superponen a la pricipal, de este modo cada capa entrega una especificidad sobre como utilizar la obra Creative Commons (2019).

    +
    +Capas de las licencias Creative Commons. Elaboración propia. +

    +Figura 4.1: Capas de las licencias Creative Commons. Elaboración propia. +

    -
    -

    1.3 Educación sobre propiedad intelectual y licencia

    -

    ¿A quién pertenece el reconocimiento legal de una tesis de pregrado, magister o doctorado? ¿A su autor/a, a la unviersidad, es de dominio público? ¿Cuáles son los desafíos que presenta la regulación actual de la ciencia? Inicialmente las respuestas a estas preguntas nos entrampan en la incerteza del poder autoral y de las posibilidades que tenemos como investigadores/as de hacer uso de otros trabajos, por ello el paradigma de la Ciencia Abierta busca ser un aporte tanto para responder a las preguntas como para dar paso al fortalecimiento de la transparencia de conocimientos. En países como Estados Unidos la educación sobre propiedad intelectual y el desarrollo de la ciencia abierta es más extendido (por universidades y bibliotecas), en Chile estos conocimientos han empezado a tomar poco a poco mayor fuerza aunque aún a un nivel inferior. A continuación, se presentan las principales iniciativas que buscan promover la apertura de datos:

    -
      -
    1. LA Referencia: Es una red latinoamericana de repositorios de acceso abierto. Esta se basa en acuerdos técnicos y organizativos que permite a organismos públicos de ciencia y tecnología y a la Cooperación Latinoamericana de Redes Avanzadas (RedCLARA) trabajar en conjunto. Nació entre 2010 y 2013 como un proyecto coordinado por RedCLARA y que hoy promueve el desarrollo y fortalecimiento de estrategias de Acceso Abierto en la elaboración de artículos científicos y tesis en Argentina, Brasil, Chile, Colombia, Costa Rica, Ecuador, El Salvador, España, Panamá, Perú y Uruguay.
      2. +
        +

      1. Copyleft: Este tipo de licencia proviene del movimiento Open Access y se orienta a abrir el uso, aplicación, distribución y creación de obras. Además de permitir el uso libre, indica la obligación de que todo proyecto que nazca a partir del original contenga los principios del acceso abierto.

        2. +

      2. Dominio Público: Si bien no corresponde a una licencia como tal, es un estado en el que la obra no posee protección patrimonial pues ha prescrito el plazo de su protección.

        +
        +
      -
      -

      “Global Open Policy Report” es un estudio desarrollado por Creative Commons y Open Policy Network que para su publicación del 2017 destaco el trabajo de Chile y Argentina, catalogándolos como líderes mundiales en el desarrollo de políticas abiertas. Conicyt, 9 de enero 2017

      -
      -
        -

      1. Anid: Desde el 2021 la Agencia Nacional de Investigación y Desarrollo (ANID) ha comenzado a implementar una Política de Acceso Abierto cuyo objetivo es asegurar la disponibilidad del conocimiento científico que resulte de la elaboración de investigaciones financiadas por ANID. Actualmente, se encuentra abierta una convoctoria para que las universidades chilenas interesadas logren desarrollas capacidades que les permitan alinearse con los estándares internacionales de la Ciencia Abierta.

        2. -

      2. Dirección de Servicios de Información y Bibliotecas (SISIB) - Universidad de Chile:

        3. -
      -
        -

      • Red de Repositorios Latinoamericanos: surge en 2006 gracias a la labor de SISIB. Su objetivo es ser una herramienta de fácil acceso a las publicaciones electrónicas de diferentes repositorios de los países de América Latina. Hoy en día el avance es tal que cuenta con más de 2.515.000 publicaciones, de más de 163 instituciones de 21 países. Además, gracias al protocolo Open Archives Initiative’s Protocol for Metadata Harvesting (OAI-PMH) permite operar entre los diferentes servidores y repositorios de los 21 países. Red de Repositorios Latinoamericanos, 2021

        • -

      • 7° Congreso de Bibliotecas Universitarias y Especializadas: En enero del 2021 SISIB organizó el evento que reunió a más de mil asistentes de más de 20 países durante tres jornadas. Las principales conclusiones del evento indican que Universidad de Chile, 18 de enero, 2021 :

        +
    +
    +

    4.1.3 El conocimiento es poder pero ¿De quién?

    +
    +

    Tanto organismos de investigación pública como universidades crean conocimiento científico por medio de la investigación y la docencia con el fin de aportar al bien público. Si bien, la apertura de las publicaciones puede ser lo ideal para tales objetivos, en ocasiones la confidencialidad de los resultados científicos permite a sus autores obtener beneficios económicos de su trabajo. Sin importar cuál sea el camino, la propiedad intelectual juega un papel importante al orientar la toma de decisiones en torno al desarrollo, difusión y utilización del conocimiento intelectual (WIPO 2020). Por ello contar con una política intelectual de calidad es el primer paso para gestionar estratégicamente la difusión y transferencia de los resultados científicos.

    +

    A continuación, se presentan dos experiencias chilenas que se consideran como buenas prácticas en términos de políticas institucionales, pues promueven la apertura de publicaciones.

    +
    +

    Política de Acceso Abierto de ANID

    +

    La Agencia Nacional de Investigación y Desarrollo (ANID) que nace en 2020 como una estructura que reemplaza a la Comisión Nacional de Investigación Científica y Tecnológica (CONICYT), es hoy la institución que encabeza el Ministerio de Ciencia, Tecnología, Conocimiento e Innovación. Siguiendo el legado de su antecesora, su objetivo es apoyar con recursos al desarrollo de la ciencia y la innovación en Chile. Desde el 2021, bajo el principio de que todo conocimiento generado con fondos públicos debe resultar en beneficios para la sociedad, ANID ha implementado una Política de Acceso Abierto con el objetivo de asegurar la disponibilidad del conocimiento científico que resulte de investigaciones financiadas por la institución (Agencia Nacional de Investigación y Desarrollo 2020). Esta política busca ser un curso de acción progresivo implementado en dos fases:

      -

    • La pandemia ha demostrado que el avance instantaneo de los conocimientos ha sido gracias a los datos abiertos, la publicación de prepints y la reducción de tiempos para publicar.

      • -

    • El actual sistema de comunicación científica presenta serios problemas ligados a la sostenibilidad, equidad e inclusión, de modo que las universidades deben tomar un rol protagónico para apoyar la gestión de un cambio en el paradigma científico.

      • -

    • La ciencia abierta se convertirá pronto en el marco conceptual para toda investigación, lo que implica reorientar la labor cinetífica hacia la apertura de todas las fases del proceso investigativo para asegurar transparencia y evitar fraudes.

      • -

    • Patricia Muñoz, Subdirectora de Redes, Estrategia y Conocimiento de ANID enfatizó en la responsabilidad de los y las bibliotecarios/as de fomentar la gestión y depósito de datos abiertos.

      • -
    +

  • Fase I: En el plazo inicial de dos años se pretende incentivar la apertura de las publicaciones y sus datos. Esta primera fase servirá para la recopilación de antecedentes sobre el uso y gastos asociados a la investigación abierta. En esta primera etapa de la política toman gran relevancia los principios FAIR. FAIR es la abreviatura en lengua inglesa para referirse a Findability, Accessibility, Interoperability y Reusability (Encontrable, Accesible, Interoperable y Reutilizable). El diseño de estos principios tienen el objetivo de ser una guía medible para que los investigadores realicen una eficaz gestión de los datos, para que posteriormente puedan ser replicados (Wilkinson y Dumontier 2016).

    • +

  • Fase II: Los resultados de la primera fase servirán para que en la segunda se implemente - de manera más rigurosa - la publicación libre mediante la “Ruta Dorada”, la cual corresponde a un formato de publicación que permite eliminar los periodos de embargo, dejando las publicaciones disponibles en acceso abierto de manera inmediata tras el pago del Article Processing Charges - APC a las editoriales. El APC es una tarifa que costea el procesamiento del artículo final para que se adapte al diseño de la revista y en ocasiones, son las propias instituciones públicas las que costean el APC, devolviendo así un monto no menor a las editoriales. En la sección de Herramientas Para Públicar profundizaremos en ello.

    • +

    ANID ha detectado de manera temprana el conflicto que acarrea la industria editorial, la cual lidera un mercado donde los conocimientos se tranzan como un bien, beneficiendo principalmente a las editoriales con un alto margen de ganancias y es por ello que en el documento mismo se especifica:

    +
    +

    “Esta política busca ser un curso de acción que esté en constante revisión y que permita, de manera progresiva, avanzar hacia un sistema transparente y abierto, donde el acceso, la re-utilización y la constante oferta de nueva información y datos científicos contribuyan de manera real y concreta al desarrollo social, cultural, científico y económico de Chile” (ANID 2020).

    +
    -
    -

    1.4 Referencias

    -

    ANID (1 de junio de 2020). Consulta Pública: Política Acceso Abierto a Información Científica

    -

    Conicyt (9 de enero de 2017). Chile y Argentina son destacados como ejemplos de políticas de acceso abierto a la información

    -

    Departamento de Derechos Intelectuales (Sin fecha). Tratados internacionales. Ministerio de las Artes y el Patrimonio Cultural

    -

    Férnandez, J. (18 de septiembre de 2009). Derechos de autor en plataformas e-learning.

    -

    Fernández, J; Graziosi, E. & Martínez, D. (2018). Derechos de autor y ciencia abierta: el papel de la biblioteca universitaria. En VII Conferencia Biredial-ISTEC, Lima - Perú.

    -

    Loredo, O. (3 de diciembre de 2012). Derecho comparado: Derecho de Autor y Copyright. Dos Caminos que se encuentran.

    -

    Red de Repositorios Latinoamericanos (2021). Presentacion

    -

    Restrepo, O. (2014). Problemas de propiedad Intelectual en el entorno Universitario. Un acercamiento General. En Estudios de Derecho -Estud. Derecho- Vol. LXXI. N.º 158, Medellín - Colombia.

    -

    Universidad de Chile (18 de enero, 2021). Ciencia abierta y comunicación científica fueron ejes en el 7º Congreso de Bibliotecas Universitarias y Especializadas

    -

    Omatos, A. (4 de octubre de 2013). Aspectos Legales en la Educación.

    +
    +

    Repositorio Institucional, Universidad de Chile

    +

    La Universidad de Chile es la institución de educación superior pionera en desarrollar un repositorio institucional abierto. Este recoge documentos digitales e impresos con previa autorización, tales como tesis de pregrado y postgrado, pre y post-print, libros y capítulos, material didáctico y presentaciones, informes técnicos, recursos audiovisuales e imágenes. El Repositorio Académico de la Universidad de Chile conserva, difunde y proporciona acceso a material científico generado por docentes e investigadores de la institución y cuenta actualmente con más de 68.000 publicaciones.

    +

    Este repositorio académico hace uso de un protocolo de interoperabilidad que permite que se conecte con otros, ello con el propósito de incrementar la visibilidad de los documentos y bajo este objetivo, los autores deben proteger sus obras con licencias Creative-Commons, de este modo aseguran el reconocimiento e identificación de la propiedad intelectual y favorece la visibilidad del trabajo.

    +

    Ambos ejemplos de políticas institucionales proveen una exitosa colaboración entre el mundo científico y el público general, ya que orientan la toma de decisiones al finalizar el ejercicio investigativo y permiten la apertura del conocimiento. Según Alperin, Babini, y Fischman (2014), en América Latina se ha desarrollado el ejercicio del Open Access mediante el financiamiento - casi exclusivo - de agencias estatales y agencias de cooperación internacional. Sus resultados se publican principalmente en revistas locales o repositorios regionales, un ejemplo de ello es Argentina, país donde el 80% de los artículos científicos se encuentran indexados en revistas locales (Alperin, Babini, y Fischman 2014), ya que la nación se ha inclinado en promover políticas de autoarchivo como la Ley Nacional de Repositorios promulgada en 2013 y la creación del Sistema Nacional de Repositorios Digitales creado en 2011 (Monti y Unzurrunzaga 2020).

    +La evidencia de cuenta de que para el caso Latinoamericano, son los organismos universitarios y de investigación pública los responsables de desarrollar eficaces políticas de ciencia abierta con el objetivo de aportar a la libre circulación de los resultados científicos, pues dentro de sus beneficios como se ilustra en la figura n° 4.2 no solo se evidencia la mayor exposición de los trabajos científicos, también existe un aporte en terminos de desarrollo a nivel país, influencia de políticas, entre otros aspectos positivos. + +
    +

    Referencias

    +
    +
    +Agencia Nacional de Investigación y Desarrollo, (ANID). 2020. «Consulta Pública: Política Acceso Abierto a Información Científica». +
    +
    +Alperin, Juan Pablo, Dominique Babini, y Gustavo Fischman. 2014. Indicadores de acceso abierto y comunicaciones académicas en América Latina. Juan Pablo Alperin. Vol. 1. Buenos Aires, Argentina: Consejo Latinoamericano de Ciencias Sociales, CLACSO. +
    +
    +ANID. 2020. «Propuesta de Política de Acceso Abierto a La Información Científica y Adatos de Investigaciónfinanciados Con Fondos Públicos de La ANID». ANID. +
    +
    +Blanca, José. 2019. «Informática para las ciencias de la vida: Unix y Python». Course. Bioinformatics at COMAV. +
    +
    +Creative Commons, CC. 2019. «About CC Licenses». FAQ. What we do. +
    +
    +Fernández, Juan Carlos. 2009. «Derechos de Autor». Derechos de Autor en plataformas e-learning. +
    +
    +Loredo, Alejandro. 2012. «Derecho Comparado: Derecho de Autor y Copyright. Dos Caminos Que Se Encuentran». Portal de gobierno electrónico, inclusión digital y sociedad del conocimiento. +
    +
    +Monti, Carolina, y Carolina Unzurrunzaga. 2020. «Acceso a la literatura científica desde Sci-Hub: Análisis y reflexión de las descargas en Argentina». Revista Hipertextos 8 (14): 111-16. https://doi.org/10.24215/23143924e022. +
    +
    +Omatos, Antonio. 2013. «Aspectos Legales En La Educación». +
    +
    +Wilkinson, Mark, y Michel Dumontier. 2016. «The FAIR Guiding Principles for Scientific Data Management and Stewardship» 3 (160018). https://doi.org/10.1038/sdata.2016.18. +
    +
    +WIPO. 2020. «Frequently Asked Questions: IP Policies for Universities and Research Institutions». Science Organization. World Intelectual Property Organization. +
    +
    +World Intelectual Propiety Organization, WIPO. 2020. What Is Intellectual Property? WIPO. Switzerland. +
    +
    +
    +
    +
      +

    1. La General Public License es una licencia elaborada por el sistema operativo GNU y su objetivo es permitir el uso de software y códigos de libre acceso. GNU es un sistema libre que busca ser compatible con Unix, otro sistema operativo que se caracteriza por ser portable, multitarea y multiusuario (Blanca 2019).↩︎

      2. +
    +
    @@ -231,7 +328,7 @@

    1.5 Otros links de interés

    - +
    @@ -255,6 +352,7 @@

    1.5 Otros links de interés

    "weibo": false, "instapaper": false, "vk": false, +"whatsapp": false, "all": false }, "fontsettings": { @@ -274,7 +372,7 @@

    1.5 Otros links de interés

    "link": null, "text": null }, -"download": ["open-access.pdf", "open-access.epub"], +"download": ["lisa-book.pdf", "lisa-book.epub"], "toc": { "collapse": "section" } diff --git a/docs/proyecto-tier-teaching-integrity-in-empirical-research.html b/docs/proyecto-tier-teaching-integrity-in-empirical-research.html new file mode 100644 index 0000000..49c8a3e --- /dev/null +++ b/docs/proyecto-tier-teaching-integrity-in-empirical-research.html @@ -0,0 +1,313 @@ + + + + + + + 4.2 Proyecto TIER (Teaching Integrity in Empirical Research) | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    4.2 Proyecto TIER (Teaching Integrity in Empirical Research)

    +

    +
    +

    Objetivos y visión

    +

    El proyecto TIER es una iniciativa respaldada por la Fundación Alfred Sloan que se propone contribuir a un cambio en las normas y conducta profesionales en torno a la transparencia y reproducibilidad en la investigación empírica en las ciencias sociales.

    +

    Uno de los principios orientadores de sus actividades es el proveer formación en herramientas para la documentación oportuna de procedimientos que involucren datos estadísticos a través de rutinas y referencias que garanticen la reproducibilidad de estos. La idea subyacente que motiva estas acciones es que los autores puedan concebir la documentación como un componente esencial de la comunicación de sus resultados con sus pares, como también el público no especializado, de modo tal que estas medidas contribuyan a incrementar la confianza y credibilidad en la evidencia científica. En esta línea, su declaración de principios sostiene que su objetivo se puede considerar como logrado cuando:

    +
    +

    (…) no proporcionar documentación de replicación para un estudio empírico se considere tan aberrante como escribir un artículo teórico que no contenga pruebas de las proposiciones, un artículo experimental que no describa las condiciones de tratamiento o un artículo de revisión de leyes que no cite los estatutos legales o las decisiones judiciales. (traducción propia)

    +
    +
    +
    +

    Contribución

    +

    Es necesario tener presente que uno de los principales campos de acción del proyecto TIER es la Educación y Entrenamiento, hacia cientistas sociales en formación, tomando en consideración que es en el ciclo formativo inicial donde se deben impulsar la adopción de prácticas integrales para la investigación social empírica. En esta línea, uno de los elementos destacables es la sección de herramientas para la enseñanza titulada “TIER in the Classroom”, sus contenidos referidos a temas de reproducibilidad pueden resumir de la siguiente manera:

    +
      +

    • Soup-to-Nuts Exercises: No existe una traducción en el español, no obstante la expresión “Soup-to-Nuts” refiere a un proceso de “inicio-a-fin”. Como lo dice, esta sección muestra ejercicios orientados a la reproducibilidad de los análisis pasando por (1) los datos, (2) procesamiento, (3) análisis y (4) reporte. La idea fuerza de este ejercicio es introducir a estudiantes a los principios y prácticas fundamentales de la investigación social transparente y reproducible para que los implementen en sus tareas o informes.

      • +

    • Materiales para clases: Esta sección está fuertemente orientada al análisis estadístico y a los métodos cuantitativos. Se presentan una serie de veinticuatro cursos de pregrado y postgrado que incorporan en su currículum los principios de transparencia y reproducibilidad en la enseñanza de los métodos de manera transversal. Los materiales de cada curso se encuentran disponibles para libre descarga, incorporando ejercicios de análisis estadístico (R, Stata, SPSS), reportes dinámicos (R Markdown, Markstat) y sus respectivos _ syllabus_.

      • +

    • Trabajos estudiantiles: En este sección se incorporan una serie de trabajos estudiantiles/papers, los cuales están acompañados de una completa documentación basada en el Protocolo TIER (ver detalle abajo). El objetivo es presentar modelos de trabajos realizados con análisis reproducibles, de modo tal que quien esté interesado en emplear la estructura de un proyecto pueda observar un trabajo real e, idealmente, logre reproducir completamente sus resultados.

      • +
    +

    Una de las contribuciones más relevantes del proyecto TIER es la elaboración de estándares para la organización, publicación y comunicación de proyectos de investigación empírica cuantitativa reproducible. Al respecto, existen dos esfuerzos orientados a este fin:

    +

    Por un lado tenemos el Protocolo TIER, el cual constituye una serie de especificaciones respecto a los contenidos de la documentación para la replicación de un estudio, el cual está orientado a ser empleado para la enseñanza de la investigación que incorpore la reproducibilidad de los análisis. En este caso es importante precisar, como ya hemos identificado en un principio, que el concepto de replicación se emplea como sinónimo de reproducibilidad, entendiendo este último como la conjunción de datos y métodos originales que nos permitan regenerar los resultados de un estudio que ha sido publicado. Por lo tanto, cuando en TIER se habla de replicación se refiere a esta idea. La documentación debe incluir una serie de elementos descritos a continuación.

    +
      +
    • Datos empleados por el proyecto
      • +
    • Rutinas de código escrito en el software empleado para la preparación y análisis estadístico. Esto se incluye dado que el objetivo es proveer los datos brutos a procesar, junto con todas las instrucciones que permiten regenerar los resultados reportados en el estudio.
      • +
    • Fuentes de información que contribuyan a comprender detalladamente cada sección del estudio de inicio a fin.
      • +
    +

    Por otro lado tenemos el Protocolo DRESS (Documenting Research in the Empirical Social Sciences). Al igual que el Protocolo TIER, se incorporan los mismos estándares para la documentación para una investigación transparente que incorpore la reproducibilidad de los análisis. Sin embargo, este se encuentra adaptado a los propósitos de los investigadores profesionales, más que para el uso de los estudiantes durante su formación en investigación.

    +
    +
    +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git "a/docs/pr\303\241cticas-de-c\303\263digo.html" "b/docs/pr\303\241cticas-de-c\303\263digo.html" new file mode 100644 index 0000000..9abeb24 --- /dev/null +++ "b/docs/pr\303\241cticas-de-c\303\263digo.html" @@ -0,0 +1,298 @@ + + + + + + + 4.4 Prácticas de código | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    4.4 Prácticas de código

    +

    Hasta ahora, hemos procurado que la presentación de la información sea lo más general posible y que no esté relacionada a un software estadístico único. Bajo esa idea, hemos presentado lo que es una estructura reproducible de un proyecto, aludiendo a los elementos comunes que se encuentran en distintos protocolos. También, revisamos como el control de versiones y el trabajo con documentos dinámicos pueden ser herramientas para la reproducibilidad. No obstante, no hemos abordado lo que, desde un principio, establecimos como el núcleo de la reproducibilidad: el trabajo con código.

    +

    Este capítulo busca ser una primera aproximación y enseñar lo básico respecto a reproducibilidad. Con tal de mantenernos bajo esa idea, trataremos el trabajo con código de forma abstracta, sin introducirnos a trabajar con un software en particular. Específicamente, veremos algunas prácticas de código que contribuyen a hacer un trabajo más reproducible. Estas son aplicables a distintos software que utilicen código, y cuando nos estemos refiriendo a un software específico lo señalaremos.

    +
      +

    • Nunca hacer trabajo manual. El objetivo de la reproducibilidad es que cualquier persona pueda regenerar nuestro trabajo, y el trabajo manual es un obstáculo para el cumplimiento de ese objetivo. Trabajar con código permite automatizar los procesos de tratamiento y análisis de datos, es cómo establecer un guión paso a paso sobre lo que se ha hecho para llegar a los resultados del artículo, en contraste, documentar un proceso de análisis manual (e.g. en una planilla de datos) es una tarea sumamente compleja. Si bien, es posible escribir un guión detallado de cada paso, esto tomaría una cantidad de tiempo y energía considerables, más aún teniendo en cuenta la cantidad de decisiones que tiene que tomar un equipo de investigación en el proceso de análisis de datos. Es por eso que la recomendación base es no hacer trabajo manual y trabajar con código, lo que implica evitar software como Microsoft Excel y otros relacionados.

      • +

    • Asegurarse que el código siempre produzca el mismo resultado. Nuestra hoja de código será la receta que otro seguirá para poder elaborar el mismo producto, por lo que tenemos que asegurarnos que esta produzca siempre lo mismo. Un ejemplo es cuando por algún tipo de análisis se necesitan generar números aleatorios. En R, para poder reproducir la generación de esos números aleatorios se utiliza la función set.seed().

      • +

    • Trabajar con scripts. Para poder automatizar el procesamiento y análisis de los datos, la principal recomendación es trabajar con documentos “script” que albergan el código y permiten su rápida ejecución. En el caso de R, se pueden utilizar documentos .R.

      • +

    • Escribir con minúscula, sin espacios, sin ñ y sin tildes. Gran parte de los software disponibles para análisis de datos traen el inglés como idioma nativo, por lo que existe una alta probabilidad de que tengamos problemas si utilizamos caracteres especiales que no se encuentran en ese idioma. Respecto al uso de mayúsculas, existen software que diferencian cuando un código incluye mayúsculas y cuándo no, esto es una característica conocida como case sensitive. Sin embargo, no todos los software cuentan con esta característica, por lo que es mejor evitar su uso.

      • +

    • Indentar el código. La indentación es una característica del trabajo con código en general (no solo a nivel de software estadístico) y se refiere a la jerarquía en los niveles del código. Indentar permite una lectura más fácil del código, ya que permite comprenbder visualmente el orden y la estructura del código. Uno de los ejemplos más conocidos es la elaboración de funciones condicionales de tipo if-else.

      • +

    • Comentar el código. Comentar el código es sustancial para que cualquier persona no asociada al proyecto (o incluso uno mismo en el futuro) pueda entender para qué sirve cada función y reproducir el documento sin problemas. Aquí el lema es: nunca es mucho cuando se refiere a comentar el código. Mientras mejor explicado esté qué hace cada cosa y por qué, la receta será más fácil de seguir.

      • +

    • Especificar las versiones de paquetes. Gran parte de los software estadísticos trabajan en base a la idea de paquetes. Estos son un conjunto de herramientas que facilitan el trabajo con datos. Existen paquetes tanto para tareas simples como el tratamiento de bases de datos o la generación de gráficos, así como para técnicas estadísticas avanzadas. No obstante, una característica a tener en cuenta es que los paquetes tienen versiones, ya que van mejorando día tras día. Esto ocurre especialmente en software de código abierto como R o Python. A raíz de esto, es que una de las recomendaciones para la reproducibilidad es conocer con qué versión de los paquetes se está trabajando y documentarlo. Inclusive, en software como R existen herramientas que permiten facilitar esta tarea (ver groundhog)

      • +

    • Elaborar código autocontenido. Existen dos formas de trabajar con código. La primera es el trabajo tipo “cascada”, donde el código es como agua que fluye desde arriba hacia abajo. Esta metáfora significa que cada código es parte de un todo interdependiente, y como tal, cada bloque depende del anterior. Un ejemplo simple es que con un bloque de código se carga una base de datos y con otro se presenta un gráfico de la misma. En contraste a esta forma de trabajo, existe una segunda de tipo “autocontenida”. Esta forma implica que, en vez de que el código sea interdependiente entre sí, cada bloque de código es una tarea que inicia y finaliza en el mismo bloque. Siguiendo el ejemplo, esto implicaría que cargar la base de datos y mostrar un gráfico de ella es una tarea que comienza y termina en el mismo bloque de código. Si bien ya el trabajar con código ya es un avance hacia la reproducibilidad, trabajar de manera autocontenida es un paso mucho mayor, ya que minimiza la probabilidad de que el código no pueda ser reproducido por un tercero.

      • +

    • Nombrar variables de manera óptima. Como se señaló anteriormente, muchas veces los nombres de las variables en las bases de datos siguen una lógica más técnica que sustantiva. Es por eso que, para poder trabajar de manera óptima y que, al mismo tiempo, el código sea más fácil de leer se sugiere renombrar las variables de forma sustantiva y corta. Por ejemplo, si una variable de edad de una encuesta tiene por nombre m01, sugerimos cambiarlo a edad.

      • +

    • Etiquetado o buen diccionario de variables. Además de renombrar las variables, recomendamos etiquetar de forma sustantiva las variables que se utilizarán y/o hacer un buen diccionario de ellas. Esto tiene por objetivo que la base de datos que hayamos elaborado para nuestros análisis sea más fácil de leer y reproducir.

      • +

    • Utilizar UTF8. Como señalamos, recomendamos evitar el uso de caracteres especiales en trabajo con código, esto implica el uso de tildes o ñ. No obstante, para ciertas situaciones será indispensable que escribamos en nuestro idioma nativo (en este caso español), y por ende utilizar caracteres especiales. Un ejemplo es cuando establecemos los títulos y categorías de una tabla o un gráfico. En estos casos, sugerimos establecer el formato del documento de código en formato UTF-8. Este formato es de tipo universal y acepta todo tipo de caracteres, incluyendo los especiales.

      • +

    • Trabajar con rutas relativas. Las rutas relativas son una ubicación en el computador que es relativa a un directorio base o carpeta raíz. En el caso del trabajo con datos, generalmente la carpeta raíz es la que alberga todos los documentos que refieren a ese proyecto y las rutas relativas son direcciones hacia distintos archivos teniendo como base la carpeta raíz. Esta es una forma reproducible de ordenar los archivos ya que no depende de quién está trabajando.

      • +

    • Uso de software libre. Con los nuevos avances en la tecnología y en el acceso a ella han emergido iniciativas colaborativas de desarrollo de software. Esto implica que en vez de estar centralizado por una compañía, quién está detrás de los avances en el desarrollo del software es una comunidad activa de usuarios. Software como R y Python son ejemplos de este tipo de iniciativas. Recomendamos el uso de software libre porque, además de alinearse con los principios de la ciencia abierta, proveen un ambiente y herramientas mucho más propenso a adoptar prácticas que avancen hacia la reproducibilidad.

      • +

    • Estar en contacto con la comunidad de investigadores y/o desarrolladores de herramientas computacionales. Más que una práctica relacionada al código, es una recomendación respecto a cómo hacer más óptimo nuestro trabajo. Con internet y las nuevas herramientas computacionales, existen varias comunidades a las cuales recurrir en caso de necesitar ayuda con el desarrollo del código. Por ejemplo, +Stack Overflow es un foro donde programadores, ingenieros y en general cualquier persona que utiliza código en su día a día puede hacer o responder preguntas respecto a código. Es una gran herramienta para cuando los códigos no funcionan o cuando queremos conocer formas más eficientes de hacer una tarea. Incluimos esta recomendación porque participar de estos foros y ser parte activa de la comunidad implica adoptar prácticas para la reproducibilidad, con tal de que otros puedan entender nuestras preguntas y respuestas.

      • +
    + +
    + +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git a/docs/publicaciones-libres-1.html b/docs/publicaciones-libres-1.html deleted file mode 100644 index 69d2454..0000000 --- a/docs/publicaciones-libres-1.html +++ /dev/null @@ -1,186 +0,0 @@ - - - - - - - Capítulo 6 Publicaciones libres | Ciencia Social Abierta - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
    - -
    - -
    - -
    -
    - - -
    -
    - -
    - - - - - - - - - -
    - -
    -
    -

    Capítulo 6 Publicaciones libres

    - -
    -
    -
    -
    - Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) -
    - Para más información puedes contactárnos en nuestro correo -
    -
    - -
    - -
    -
    -
    - - -
    -
    - - - - - - - - - - - - - - diff --git a/docs/publicaciones-libres.html b/docs/publicaciones-libres.html index 32ce264..699dd36 100644 --- a/docs/publicaciones-libres.html +++ b/docs/publicaciones-libres.html @@ -4,11 +4,11 @@ - Capítulo 5 Publicaciones libres | Ciencia Social Abierta + Capítulo 4 Publicaciones libres | Ciencia Social Abierta - + @@ -16,7 +16,7 @@ - + @@ -29,9 +29,9 @@ - - - + + + @@ -51,9 +51,33 @@ + + + @@ -73,11 +97,67 @@
  • Presentación
  • 1 Introducción
    • -
  • 2 Diseño transparente
    • -
  • 3 Datos abiertos
    • -
  • 4 Análisis reproducible
    • -
  • 5 Publicaciones libres
    • -
  • 6 Conclusiones
    • +
  • 2 Diseño transparente +
    • +
  • 3 Análisis reproducibles +
    • +
  • 4 Publicaciones libres +
  • Referencias
  • LISA-COES
    • @@ -111,10 +191,27 @@

    -
    -

    Capítulo 5 Publicaciones libres

    -

    Palabras finales…

    - +
    +

    Capítulo 4 Publicaciones libres

    + +
    +

    Un agricultor hace uso de sus herramientas, talentos y conocimientos para aprovechar lo mejor posible las ventajas del bien común que es la tierra. Una vez que termina la temporada, el agricultor entrega la cosecha a un distribuidor que se encarga de comercializar el fruto de su trabajo y el de otros agricultores. ¿Cuánto recibe realmente el agricultor por su trabajo? ¿Cuáles son las posibilidades reales que tiene la ciudadanía de acceder al bien común de manera autónoma?

    +

    El problema del agricultor, el distribuidor y la ciudadanía no es una historia del pasado. El producto de un trabajo que hace uso de un bien común, y el cómo este se distribuye y retribuye dentro de la sociedad, es un tema que cada vez suscita más interés no solo en los gobiernos y la ciudadanía, sino que también en la ciencia, pues como el agricultor elaboró cosechas a partir de la tierra, el científico construirá evidencia nueva a partir de conocimientos previos. Ambos crean productos que son bienes esenciales para la ciudadanía, a partir de bienes comunes de la humanidad. El problema para ambos está que parte de ese quehacer ha sido privatizado, restringiendo a la ciudadanía del libre acceso a tales bienes.

    +

    Los prejuicios de esto no solo son extrapolables a la situación que está ocurriendo con las patentes de las vacunas de COVID-19, donde gran parte de los organismos internacionales llaman a que estas sean consideradas bienes públicos. Así como la privatización al acceso de un conocimiento médico produce no solo desigualdad entre los países más ricos y menos ricos, el conocimiento de la sociedad - evidencia de cómo mejorar el cumplimiento de las medidas de cuidado, por ejemplo - implica un daño invaluable en cómo producimos cada vez mejor información para combatir la pandemia.

    +

    Así, a pesar de que con la globalización y la era digital la labor científica ha podido crear conocimientos con mayor facilidad y divulgarlos de manera inmediata, el desconocimiento y los mitos sobre las leyes que amparan la propiedad intelectual han sido el principal obstáculo para dar el paso hacia la apertura de la creación científica (Fernández, Graziosi, y Martínez 2018). El miedo a ser sancionado por la editorial, el temor al plagio y la pérdida de reconocimiento autoral, destacan entre las principales razones, sin mencionar el dominio que poseen las revistas científicas sobre el conocimiento que se genera y que son publicados por las mismas. Dicho esto, la apuesta por destinar los esfuerzo hacia una libre circulación del conocimiento apunta a la necesidad de reapropiarse de los beneficios, resultados y saberes científicos. En este sentido, Banzato (2019) hace un llamado a los organismos de América Latina para generar espacios de evaluación y difusión que sirvan para la democratización del conocimiento, siendo esta un estrategia cultural y política que busca promover los procesos de producción y reproducción social del saber.

    +La apertura de nuestras investigaciones traen más beneficios que dificultades: no solo contribuimos a nutrir el conocimiento colectivo sobre un problema, sino que incluso podemos alcanzar mejor visibilidad de nuestro trabajo científico. Por eso, en el siguiente capítulo te presentaremos aspectos de debes considerar para lograr una exitosa apertura de tus publicaciones y resultados de investigación. +
    + + +
    +

    Referencias

    +
    +
    +Banzato, Guillermo. 2019. «Soberanía del conocimiento para superar inequidades: políticas de Acceso Abierto para revistas científicas en América Latina». Mecila Working Paper Series 18: 1-18. +
    +
    +Fernández, Juan Carlos, Eduardo Graziosi, y Daniel Martínez. 2018. «Derechos de Autor y Ciencia Abierta: El Papel de La Biblioteca Universitaria». En VIII Conferencia Biredial-ISTEC. Lima - Perú. +
    @@ -130,8 +227,8 @@

    Capítulo 5 Publicaciones libres<

    - - + +

    diff --git "a/docs/qu\303\251-es-el-open-access.html" "b/docs/qu\303\251-es-el-open-access.html" new file mode 100644 index 0000000..8d987ed --- /dev/null +++ "b/docs/qu\303\251-es-el-open-access.html" @@ -0,0 +1,316 @@ + + + + + + + 5.1 ¿Qué es el Open Access? | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    5.1 ¿Qué es el Open Access?

    +
    +

    Open Access - OA (Acceso Abierto en español) es un movimiento cuyo objetivo es promover el acceso libre a la producción de conocimiento científico digital y hacer uso de él sin restricciones de copyright. Esto a la base de estándares internacionales que permiten instalar la posibilidad de que cualquier persona pueda reutilizar la información de la investigación en cuanto datos, procesos y resultados.

    +

    Hace algún tiempo, científicos advirtieron del problema asociado al oligopolio del conocimiento científico del que disfrutan revistas y editoriales de gran renombre, sin mencionar conflictos entre investigadores en torno a la competencia de estatus académico, la manipulación de resultados, los problemas de intersubjetividad y la falta de transparencia en el proceso de investigación (Breznau et al. 2021). De este modo, los primeros vestigios del Open Access aparecieron a la par con la creación del internet, pero no fue hasta el 2002 con la declaración de Budapest que se definió el concepto de Open Access y que posteriormente sería reforzado con las declaraciones que dieron lugar en Bethesda 2003 y Berlín 2003. Uno de los aspectos destacables de la primera declaración indica que:

    +
    +

    Retirar las barreras de acceso a esta literatura acelerará la investigación, enriquecerá la educación, compartirá el aprendizaje de los ricos con los pobres y el de los pobres con el de los ricos, hará esta literatura tan útil como sea posible y sentará los cimientos para unir a la humanidad en una conversación intelectual común y búsqueda del conocimiento (Initiative 12 de Septiembre, 2012).

    +
    +

    Según Melero y Abad (2008), las causas que gatillan el desarrollo del Open Access son principalmente dos:

    +
      +

    1. La constitución del internet y las nuevas tecnologías como el medio para la divulgación científica permitió abaratar costos de impresión y acelerar el transporte de los conocimientos.

      2. +

    2. Los elevados precios de suscripción a revistas científicas digitales se presentaron como barreras económicas y de copyright para acceder al conocimiento y resultados de investigaciones.

      +
      +
      3. +
    +
    +

    ¿Por qué hacer uso del Open Access en mis publicaciones?

    +
    +

    El estudio de Piwowar, Priem, y Orr (2019) demuestra que desde la década de los noventa ha habido un aumento constante de publicaciones que se adscriben al Open Access, y si bien el fenómeno se desarrolla en mayor medida dentro de las ciencias exactas, las ciencias sociales no se quedan atrás (Swan 2013). Según Hernández (2016), los beneficios atribuídos a las prácticas científicas de carácter abierto no difieren sobre la disciplina y traen consigo efectos positivos ligados a:

    +
      +
    • Mayor accesibilidad y conservación de los productos científicos.
      • +
    • Difusión rápida e inmediata de las publicaciones.
      • +
    • Facilita la comunicación directa de los conocimientos científicos ayudando a avanzar en el mejoramiento de la calidad en la investigación.
      • +
    • Abre la posibilidad de reutilizar información, datos y procesos para nuevos proyectos. +
      +
      • +
    +
    +
    +

    Referencias

    +
    +
    +Breznau, Nate, Eike Mark Rinke, Alexander Wuttke, Muna Adem, Jule Adriaans, Amalia Alvarez-Benjumea, Henrik Kenneth Andersen, et al. 2021. «Observing Many Researchers Using the Same Data and Hypothesis Reveals a Hidden Universe of Uncertainty». MetaArXiv. https://doi.org/10.31222/osf.io/cd5j9. +
    +
    +Hernández, Enrique. 2016. «Por Qué Open Access?» 28 (1). +
    +
    +Initiative, Budapest Open Access. 12 de Septiembre, 2012. «Diez años desde la Budapest Open Access Initiative: hacia lo abierto por defecto». BOAI. +
    +
    +Melero, Remedios, y María Francisca Abad. 2008. «Revistas Open Access: Características, Modelos Económicos y Tendencias» 20. +
    +
    +Piwowar, Heather, Jason Priem, y Richard Orr. 2019. «The Future of OA: A Large-Scale Analysis Projecting Open Access Publication and Readership». BioRxiv, 795310. +
    +
    +Swan, Alma. 2013. Directrices Para Políticasde Desarrollo y Promoción Del Acceso Abierto. UNESCO. +
    +
    +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git "a/docs/qu\303\251-se-ha-hecho.html" "b/docs/qu\303\251-se-ha-hecho.html" new file mode 100644 index 0000000..1ab95a7 --- /dev/null +++ "b/docs/qu\303\251-se-ha-hecho.html" @@ -0,0 +1,399 @@ + + + + + + + 3.1 ¿Qué se ha hecho? | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    3.1 ¿Qué se ha hecho?

    +
    +

    3.1.1 Berkeley Initiative for Transparency in the Social Sciences

    +

    +
    +

    Objetivos y visión

    +

    Esta iniciativa busca promover la credibilidad en la evidencia generada por las ciencias sociales a través de mecanismos de avanzada para la transparencia, reproducibilidad y prácticas éticas en la investigación social empírica. Desde esta premisa, ha desarrollado y puesto a disposición de la comunidad científica una serie de herramientas en colaboración con estudiantes, investigadores, entidades académicas y fundaciones de la sociedad civil al alero de tres principios orientadores.

    +

    Generar evidencia en torno a problemas y soluciones a través de los investigadores y la comunidad de BITSS quienes han liderado investigaciones meta-analíticas con atención en las ciencias sociales. +Incrementar el acceso a la enseñanza de la ciencia abierta, a través del fortalecimiento de prácticas para reconocer y conducir investigación social transparente y reproducible a través del entrenamiento de investigadores jóvenes, acceso a materiales, apoyo financiero y la consolidación de una red de colaboración. +Fortalecer el ecosistema científico, estableciendo condiciones para investigadores e instituciones para contribuir a un cambio efectivo y equitativo en las normas que permitan una consolidación de una política interna orientada a la ciencia abierta y al desarrollo de protocolos en esta dirección.

    +

    Como se ha señalado, esta iniciativa se orienta bajo estos tres ámbitos o principios. Desde sus inicios, se han desarrollado una serie de componentes que buscan promover y dar soluciones a los problemas de transparencia y reproducibilidad en las ciencias sociales. En particular, nos interesa destacar algunas de las contribuciones en este ámbito que serán presentadas a continuación las cuales se pueden resumir en Evidencia, Educación y Recursos.

    +
    +
    +

    Contribución

    +

    En el ámbito de Evidencia, desde BITSS se ha realizado un esfuerzo por producir y sistematizar evidencia centralizadamente. En este contexto existe la Research Library, una base de datos de publicaciones científicas que engloba una serie de investigaciones meta-analíticas en el ámbito de las ciencias sociales, contribuyendo con un cuerpo de evidencia sistemática en torno a los problemas y soluciones sobre transparencia y reproducibilidad en las ciencias sociales sin precedentes. En este apartado, tanto los colaboradores como investigadores de BITSS ponen a disposición de la comunidad científica las investigaciones que han sido financiadas a través de las Social Science Meta-Analysis and Research Transparency (SSMART) grants, las cuales constituyen fondos orientados a contribuir a la investigación empírica en torno a la transparencia y reproducibilidad en disciplinas como la economía, ciencia política, psicología y ciencias sociales afines.

    +

    Desde la Educación y Entrenamiento podemos identificar la articulación de una serie de Training activities desarrolladas por BITSS. Dentro de los objetivos de estas actividades podemos encontrar dos aspectos que se buscan abordar desde esta dimensión. Por un lado se encuentra el promover una visión crítica de los investigadores en las ciencias sociales, esto considera un entendimiento de los principales problemas asociados a la investigación social de calidad al alero de los principios de la ciencia abierta, dentro de lo cual podemos encontrar los sesgos y prácticas referidas a las presiones por publicar, prácticas cuestionables de investigación, reproducibilidad y privacidad de datos. Por otro lado, se han propuesto promover el manejo de técnicas de investigación para la transparencia y reproducibilidad, principalmente a través de actividades de entrenamiento con un foco en el aprendizaje e implementación de herramientas y métodos. En esta línea destacan dos contribuciones que se fundamentan en estos principios, las cuales serán descritas a continuación.

    +

    Research Transparency and Reproducibility Training

    +

    Una de las contribuciones señaladas es el Research Transparency and Reproducibility Training (RT2), el cual constituye uno de los principales eventos académicos realizados anualmente por BITSS, teniendo por objetivo el poner a disposición de estudiantes e investigadores una mirada general de las herramientas y prácticas actuales para la transparencia y la reproducibilidad en la investigación empírica en ciencias sociales. Los contenidos de RT2 abordan una serie de tópicos de manera transversal que pueden ilustrados en seis puntos:

    +
      +
    • Amenazas para la credibilidad en la ciencia y la reproducibilidad, junto con su relación con el ethos científico: Conducta y valores en la ciencia.
      • +
    • Mejoras en las especificaciones de los diseños de investigación: pre-registros y plan de pre-analysis en investigación con datos experimentales y observacionales.
      • +
    • Ética e investigación abierta: estándares éticos para la ciencia abierta, manejo de datos y autoría de fuentes de información abiertas (citación).
      • +
    • Herramientas y métodos para la investigación reproducible y colaboración: control de versiones y reportes dinámicos.
      • +
    • Sistematización de evidencia, reproducibilidad e interpretación: métodos para investigación meta-analítica y revisiones sistemáticas, transparencia y reproducibilidad usando datos administrativos; y replicabilidad en la investigación.
      • +
    • Software para la Ciencia Abierta e innovaciones metodológicas.
      • +
    +

    MOOC: Transparent and Open Social Science Research

    +

    Otra de las contribuciones es el Transparent and Open Social Science Research corresponde a un curso gratuito online de cinco semanas el cual aborda los fundamentos conceptuales y las principales herramientas para promover una ciencia social abierta y transparente. La Tabla 3.1 muestra el contenido de las sesiones, las cuales se basan en un curso de nivel de grado dictado por el director de BITSS Ted Miguel en la Universidad de California Berkeley.

    + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    Tabla 3.1: Cursos por semana en el MOOC de BITSS
    SemanaContenido
    1Introducción a la transparencia y reproducibilidad de la investigación
    2Sesgo de publicación
    3Pre-registro, Plan de Pre-Análisis; y Meta-análisis
    4Replicación y Datos Abiertos
    5Visualización de Datos transparente y Viendo hacia adelante
    +

    Una de las principales características de este curso introductorio es la sistematización de aspectos claves para la ciencia abierta con un foco particular en las ciencias sociales. Adicionalmente, tiene el objetivo de introducir conceptualmente a los problemas que se han visto presentes en las ciencias y busca dar respuestas prácticas a través de herramientas y métodos concretos para solucionarlo. Finalmente, constituye un esfuerzo breve y preciso, dado que las sesiones semanales poseen una duración promedio de unos treinta minutos y se encuentran dosificadas en videos de corta duración subtitulados.

    +

    En el ámbito de los Recursos que provee BITTS, podemos encontrar librería de recursos o simplemente la Resource Library, la cual incluye una multiplicidad de recursos de aprendizaje digitales en torno a la transparencia y reproducibilidad, ordenados según (i) Tópico, (ii) Tipo y (iii) Disciplina de las ciencias sociales. La Figura 3.3 muestra cómo se visualizan los tópicos disponibles en la librería, lo cual puede ser ordenado según tipo y disciplina.

    +
    +Librería de Recursos de BITSS +

    +Figura 3.3: Librería de Recursos de BITSS +

    +
    +
    +
    +
    +

    3.1.2 Proyecto TIER (Teaching Integrity in Empirical Research)

    +

    +
    +

    Objetivos y visión

    +

    El proyecto TIER es una iniciativa respaldada por la Fundación Alfred Sloan que se propone contribuir a un cambio en las normas y conducta profesionales en torno a la transparencia y reproducibilidad en la investigación empírica en las ciencias sociales.

    +

    Uno de los principios orientadores de sus actividades es el proveer formación en herramientas para la documentación oportuna de procedimientos que involucren datos estadísticos a través de rutinas y referencias que garanticen la reproducibilidad de estos. La idea subyacente que motiva estas acciones es que los autores puedan concebir la documentación como un componente esencial de la comunicación de sus resultados con sus pares, como también el público no especializado, de modo tal que estas medidas contribuyan a incrementar la confianza y credibilidad en la evidencia científica. En esta línea, su declaración de principios sostiene que su objetivo se puede considerar como logrado cuando:

    +
    +

    (…) no proporcionar documentación de replicación para un estudio empírico se considere tan aberrante como escribir un artículo teórico que no contenga pruebas de las proposiciones, un artículo experimental que no describa las condiciones de tratamiento o un artículo de revisión de leyes que no cite los estatutos legales o las decisiones judiciales. (traducción propia)

    +
    +
    +
    +

    Contribución

    +

    Es necesario tener presente que uno de los principales campos de acción del proyecto TIER es la Educación y Entrenamiento, hacia cientistas sociales en formación, tomando en consideración que es en el ciclo formativo inicial donde se deben impulsar la adopción de prácticas integrales para la investigación social empírica. En esta línea, uno de los elementos destacables es la sección de herramientas para la enseñanza titulada “TIER in the Classroom”, sus contenidos referidos a temas de reproducibilidad pueden resumir de la siguiente manera:

    +
      +

    • Soup-to-Nuts Exercises: No existe una traducción en el español, no obstante la expresión “Soup-to-Nuts” refiere a un proceso de “inicio-a-fin”. Como lo dice, esta sección muestra ejercicios orientados a la reproducibilidad de los análisis pasando por (1) los datos, (2) procesamiento, (3) análisis y (4) reporte. La idea fuerza de este ejercicio es introducir a estudiantes a los principios y prácticas fundamentales de la investigación social transparente y reproducible para que los implementen en sus tareas o informes.

      • +

    • Materiales para clases: Esta sección está fuertemente orientada al análisis estadístico y a los métodos cuantitativos. Se presentan una serie de veinticuatro cursos de pregrado y postgrado que incorporan en su currículum los principios de transparencia y reproducibilidad en la enseñanza de los métodos de manera transversal. Los materiales de cada curso se encuentran disponibles para libre descarga, incorporando ejercicios de análisis estadístico (R, Stata, SPSS), reportes dinámicos (R Markdown, Markstat) y sus respectivos _ syllabus_.

      • +

    • Trabajos estudiantiles: En este sección se incorporan una serie de trabajos estudiantiles/papers, los cuales están acompañados de una completa documentación basada en el Protocolo TIER (ver detalle abajo). El objetivo es presentar modelos de trabajos realizados con análisis reproducibles, de modo tal que quien esté interesado en emplear la estructura de un proyecto pueda observar un trabajo real e, idealmente, logre reproducir completamente sus resultados.

      • +
    +

    Una de las contribuciones más relevantes del proyecto TIER es la elaboración de estándares para la organización, publicación y comunicación de proyectos de investigación empírica cuantitativa reproducible. Al respecto, existen dos esfuerzos orientados a este fin:

    +

    Por un lado tenemos el Protocolo TIER, el cual constituye una serie de especificaciones respecto a los contenidos de la documentación para la replicación de un estudio, el cual está orientado a ser empleado para la enseñanza de la investigación que incorpore la reproducibilidad de los análisis. En este caso es importante precisar, como ya hemos identificado en un principio, que el concepto de replicación se emplea como sinónimo de reproducibilidad, entendiendo este último como la conjunción de datos y métodos originales que nos permitan regenerar los resultados de un estudio que ha sido publicado. Por lo tanto, cuando en TIER se habla de replicación se refiere a esta idea. La documentación debe incluir una serie de elementos descritos a continuación.

    +
      +
    • Datos empleados por el proyecto
      • +
    • Rutinas de código escrito en el software empleado para la preparación y análisis estadístico. Esto se incluye dado que el objetivo es proveer los datos brutos a procesar, junto con todas las instrucciones que permiten regenerar los resultados reportados en el estudio.
      • +
    • Fuentes de información que contribuyan a comprender detalladamente cada sección del estudio de inicio a fin.
      • +
    +

    Por otro lado tenemos el Protocolo DRESS (Documenting Research in the Empirical Social Sciences). Al igual que el Protocolo TIER, se incorporan los mismos estándares para la documentación para una investigación transparente que incorpore la reproducibilidad de los análisis. Sin embargo, este se encuentra adaptado a los propósitos de los investigadores profesionales, más que para el uso de los estudiantes durante su formación en investigación.

    +
    +
    +
    +

    3.1.3 UK Reproducibility Network (UKRN)

    +

    +
    +

    Objetivos y visión

    +

    La UK Reproducibility Network (UKRN) es un consorcio institucional del Reino Unido que tiene por objetivo promover los principios y prácticas de la ciencia abierta con una mirada local, es decir, en las instituciones nacionales y sus investigadores. Para contribuir a este objetivo se realizan esfuerzos en torno a la investigación de los factores que determinan una investigación abierta y robusta, promoviendo el entrenamiento a través de actividades abiertas y diseminando las buenas prácticas para una ciencia abierta. En particular, se proponen a profundizar en los factores que determinan la carencia de reproducibilidad y replicabilidad, para lo cual se busca:

    +
      +
    • Desarrollar aproximaciones que contrarresten esta falta de transparencia.
      • +
    • Incrementar la confianza y la calidad de la investigación científica.
      • +
    • Abordar de manera transversal estos problemas en las distintas disciplinas científicas.
      • +
    • Avanzar hacia un cambio cultural en la ciencia y transformar las prácticas de quienes la desarrollan.
      • +
    +

    En la UKRN se caracteriza por un trabajo en red, es decir por un importante componente de vinculación entre instituciones de investigación vinculadas a universidades como también a oficinas gubernamentales que desarrollan investigación (ver External Stakeholders) . En esta línea, existen diversas iniciativas apoyadas por la UKRN que promueven el entrenamiento, metodologías y recursos tecnológicos para la ciencia abierta. A continuación se presentarán algunas de las contribuciones más relevantes realizadas por la red, como también algunas de las iniciativas externas que han sido respaldadas por la UKRN.

    +
    +
    +

    Contribución

    +

    En el ámbito de la Educación y Entrenamiento, es posible identificar, por un lado, las contribuciones realizadas directamente por la UKRN, y por otro lado, las iniciativas que son respaldadas por la red y que promueven la formación en torno a los principios y prácticas de la ciencia abierta, particularmente en la etapa temprana de la carrera de investigación.

    +

    Respecto a una de las iniciativas elaboradas por los académicos e investigadores involucrados en la UKRN, encontramos unos de los principales recursos virtuales en un breve curso online que aborda una serie de tópicos relevantes para la promoción de la ciencia abierta, dentro de lo cual encontramos el uso de pre-prints, autorías, registered reports, datos abiertos y reproducibilidad. A continuación se puede observar la lista de sesiones que han sido desarrolladas en torno a estos temas.

    + +

    Junto con las sesiones, existe una serie de recursos compartidos a través de un proyecto abierto en el Open Science Framework. Aquí es posible acceder a documentos breves que abordan los tópicos de cada sesión, además de recursos adicionales sobre uso de software de código abierto y repositorios.

    +

    Un ámbito de desarrollo ha sido la disposición de recursos tecnológicos que promuevan y faciliten las prácticas en ciencia abierta. Una de las iniciativas impulsadas es el Open Research Calendar, el cual consiste en una instrumento colaborativo y abierto que busca brindar a la comunidad de investigadores interesados en temas relacionados a la ciencia abierta un flujo constante de actualizaciones en torno a workshops y conferencias a nivel mundial que abordan tópicos sobre ciencia abierta unificados en un calendario. El carácter colaborativo de esta herramienta permite que usuarios previamente registrados y validados puedan contribuir con información que se centraliza en el calendario de eventos, precisando los contenidos y redireccionando a la inscripción y/o enlace para las actividades que se realizan a través de internet. Para facilitar la experiencia de usuario, el calendario se integra con Google Calendar el cual puede sincronizarse con la agenda personal, los cuales se van actualizando automáticamente.

    +

    Otra herramienta tecnológica patrocinada por la UKRN es la plataforma Octopus. A la fecha, la plataforma se presenta como una aplicación en desarrollo y abierta a comentarios de los usuarios. En términos generales se propone ser una alternativa para contribuir a la apertura de publicaciones. El detalle se presenta así:

    +
    +

    (…) sustituir a las revistas y los artículos como lugar para establecer la prioridad y registrar su trabajo con todo detalle, Octopus es de uso gratuito y publica todo tipo de trabajos científicos, ya sea una hipótesis, un método, datos, un análisis o una revisión por pares (traducción propia).

    +
    +

    La Figura 3.4 ilustra un ejemplo de cómo se ve un proyecto en Octopus. Vemos que existen siete componentes que buscan representar el flujo de una investigación. Entendiendo que los procesos de investigación no son lineales y tienden a existir iteraciones en entre teoría y métodos, la virtud de la registro y publicación de un proyecto permite que otros puedan conocer y evaluar nuestras hipótesis, plan de análisis, resultados y versiones de un artículo, así como también la vinculación entre cada sección.

    +
    +Ejemplo de un trabajo registrado en desarrollo en octopus.org +

    +Figura 3.4: Ejemplo de un trabajo registrado en desarrollo en octopus.org +

    +
    +

    Para publicar debemos logearnos con una cuenta de ORCID. Si no tienes una cuenta puedes crear un perfil aquí. Luego, se deben seguir tres pasos. El primero es elegir qué tipo de componente se desea publicar (Problema, Hipótesis, Métodos, etc). Segundo, dar detalles sobre el componente y con qué otros proyectos se relaciona. Y finalmente, contribuir con un borrador de escritura que luego será publicado.

    + +
    +
    +
    +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git "a/docs/qu\303\251-y-qui\303\251n.html" "b/docs/qu\303\251-y-qui\303\251n.html" new file mode 100644 index 0000000..8bb075e --- /dev/null +++ "b/docs/qu\303\251-y-qui\303\251n.html" @@ -0,0 +1,300 @@ + + + + + + + 2.2 ¿Qué? y ¿Quién? | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    2.2 ¿Qué? y ¿Quién?

    +
    + +

    Preguntarse por el qué es básicamente cuestionarse sobre lo que se está poniendo a disposición del escrutinio público. Dentro de la literatura sobre ciencia abierta, son varios los contenidos que pueden ser transparentados. Por ejemplo, la apertura de los datos es una alternativa que, ciertamente, contribuye a hacer un estudio más transparente (Miguel et al. 2014). Al estar los datos abiertos al público, la posibilidad de escrutinio por parte de las audiencias es mayor. Otro ejemplo es la idea de disclosure, la cual se refiere a la declaración que hacen los investigadores respecto a si la investigación cuenta con conflictos de interés o si está sesgada de alguna manera. En base a esta idea, recientemente han emergido propuestas cómo las de O’Boyle, Banks, y Gonzalez-Mulé (2017) que, además de la declaración de conflicto interés, llaman a adoptar declaraciones relacionadas a las QRP. Básicamente declarar sí se ha cometido QRP o no durante el transcurso de la investigación. No obstante, la apertura pública de los diseños de investigación es, sin duda, la práctica que mejor representa la transparencia en el último tiempo.

    +

    Cómo hemos revisado anteriormente, existe una emergente preocupación en las ciencias sociales respecto a la credibilidad de los hallazgos científicos y la influencia que pueden tener las QRP. En disciplinas como la psicología es que la apertura de los diseños de investigación ha sido la principal herramienta ante el diagnostico que una parte considerable de los hallazgos eran irreproducibles o irreplicables (Motyl et al. 2017; Wingen, Berkessel, y Englich 2020; Camerer et al. 2018). Ante un diagnostico similar en sociología (Breznau et al. 2021), en ciencias de la gestión (Byington y Felps 2017) y en economía (Gall, Ioannidis, y Maniadis 2017), por dar algunos ejemplos, también se ha reconocido la apertura del diseño de investigación como una herramienta importante para avanzar hacia la transparencia. A razón de esto, es que nuestra propuesta se focaliza en la apertura de los diseños de investigación y el uso de preregistros.

    +
    + +

    Además de preguntarse por los contenidos que se transparentan, también es relevante hacer un alcance respecto al quién. Esto es tener en consideración quienes van a recibir la información que sea transparentada. En principio, los hallazgos de la investigación científica son un bien público -o están pensados para serlo-. Si bien en algunos países o áreas especificas del conocimiento el financiamiento de la ciencia es por parte de privados, la investigación en ciencias sociales en Chile se financia con los impuestos de los habitantes. Organismos como la Agencia Nacional de Investigación y Desarrollo de Chile (ANID) quienes están encargados de al administración de fondos para la ciencia tienen un rol público, por lo que los hallazgos no solo sirven para alimentar el avance del conocimiento dentro de la academia, sino que también son insumos relevantes para los tomadores de decisiones y/o para cualquier ciudadano que se podría beneficiar de esos hallazgos.

    +

    En consiguiente, cualquier tipo de información que sea transparente es un insumo más para que distintos tipos de audiencias puedan beneficiarse de hallazgos más creíbles y robustos. Ya sean investigadores, tomadores de decisión o la ciudadanía.

    +
    +

    Referencias

    +
    +
    +Breznau, Nate, Eike Mark Rinke, Alexander Wuttke, Muna Adem, Jule Adriaans, Amalia Alvarez-Benjumea, Henrik Kenneth Andersen, et al. 2021. «Observing Many Researchers Using the Same Data and Hypothesis Reveals a Hidden Universe of Uncertainty». MetaArXiv. https://doi.org/10.31222/osf.io/cd5j9. +
    +
    +Byington, Eliza, y Will Felps. 2017. «Solutions to the Credibility Crisis in Management Science». Academy of Management Learning and Education, The 16 (marzo): 142-62. https://doi.org/10.5465/amle.2015.0035. +
    +
    +Camerer, Colin F., Anna Dreber, Felix Holzmeister, Teck-Hua Ho, Jürgen Huber, Magnus Johannesson, Michael Kirchler, et al. 2018. «Evaluating the Replicability of Social Science Experiments in Nature and Science between 2010 and 2015». Nature Human Behaviour 2 (9): 637-44. https://doi.org/10.1038/s41562-018-0399-z. +
    +
    +Gall, Thomas, John P. A. Ioannidis, y Zacharias Maniadis. 2017. «The Credibility Crisis in Research: Can Economics Tools Help?». PLOS Biology 15 (4): e2001846. https://doi.org/10.1371/journal.pbio.2001846. +
    +
    +Miguel, E., C. Camerer, K. Casey, J. Cohen, K. M. Esterling, A. Gerber, R. Glennerster, et al. 2014. «Promoting Transparency in Social Science Research». Science 343 (6166): 30-31. https://doi.org/10.1126/science.1245317. +
    +
    +Motyl, Matt, Alexander P. Demos, Timothy S. Carsel, Brittany E. Hanson, Zachary J. Melton, Allison B. Mueller, J. P. Prims, et al. 2017. «The State of Social and Personality Science: Rotten to the Core, Not so Bad, Getting Better, or Getting Worse?». Journal of Personality and Social Psychology 113 (1): 34-58. https://doi.org/10.1037/pspa0000084. +
    +
    +O’Boyle, Ernest Hugh, George Christopher Banks, y Erik Gonzalez-Mulé. 2017. «The Chrysalis Effect: How Ugly Initial Results Metamorphosize Into Beautiful Articles». Journal of Management 43 (2): 376-99. https://doi.org/10.1177/0149206314527133. +
    +
    +Wingen, Tobias, Jana B. Berkessel, y Birte Englich. 2020. «No Replication, No Trust? How Low Replicability Influences Trust in Psychology». Social Psychological and Personality Science 11 (4): 454-63. https://doi.org/10.1177/1948550619877412. +
    +
    +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git a/docs/reference-keys.txt b/docs/reference-keys.txt index ec7a7a4..c07fd2d 100644 --- a/docs/reference-keys.txt +++ b/docs/reference-keys.txt @@ -1,6 +1,73 @@ +fig:taxonomy +fig:rcr +fig:grad +tab:tabqrp2 +fig:significant +fig:asp +fig:osfprereg1 +fig:osfprereg2 +fig:osfprereg3 +fig:rr +tab:tabqrp +fig:scenarios +fig:espectro +tab:mooc +fig:resources +fig:octopus +fig:licencias +fig:beneficios +fig:FutureOA +tab:coom +fig:flujo +fig:preprint +fig:unnamed-chunk-1 +tab:revc +tab:precio +fig:piwowar2019 introducción diseño-transparente -datos-abiertos -análisis-reproducible +por-qué +prácticas-cuestionables-de-investigación-qrp +qué-y-quién +cómo +preregistros +herramientas-para-los-diseños-transparentes +plantillas-de-preregistro +plantillas-genéricas +plantillas-para-diseños-experimentales-y-previas-a-recolección-de-datos +plantillas-para-datos-secundarios +plantillas-para-estudios-de-replicación +plantillas-para-registered-reports +otras-herramientas +registered-reports +transparency-checklist +anexos +análisis-reproducibles +qué-se-ha-hecho +berkeley-initiative-for-transparency-in-the-social-sciences +proyecto-tier-teaching-integrity-in-empirical-research +uk-reproducibility-network-ukrn +herramientas-para-los-análisis-reproducibles +estructura-del-proyecto +carpeta-raíz +datos +métodos +resultados +texto-plano-y-documentos-dinámicos +control-de-versiones +prácticas-de-código publicaciones-libres -conclusiones +propiedad +sobre-la-propiedad-intelectual-y-las-licencias +tipos-de-licencias +el-conocimiento-es-poder-pero-de-quién +formas-open-access +qué-es-el-open-access +las-distintas-rutas-para-publicar-de-manera-abierta +researchgate-academia.edu-y-sci-hub-plataformas-de-aceso-abierto +revistas-de-acceso-abierto +herramientas-para-publicar +el-camino-hacia-la-publicación +revistas-para-publicar-con-open-access +pagos-asociados-a-la-publicación-abierta +cuál-es-el-destino-de-las-ciencias-sociales-en-el-mundo-del-open-access diff --git a/docs/referencias-1.html b/docs/referencias-1.html deleted file mode 100644 index 18826f2..0000000 --- a/docs/referencias-1.html +++ /dev/null @@ -1,192 +0,0 @@ - - - - - - - Referencias | Open Access - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
    - -
    - -
    - -
    -
    - - -
    -
    - -
    - - - - - - - - - -
    - -
    -
    -

    Referencias

    - -
    -
    -
    -
    - Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) -
    - Para más información puedes contactárnos en nuestro correo -
    -
    - -
    - -
    -
    -
    - - -
    -
    - - - - - - - - - - - - - - diff --git a/docs/referencias-2.html b/docs/referencias-2.html deleted file mode 100644 index 1814aed..0000000 --- a/docs/referencias-2.html +++ /dev/null @@ -1,212 +0,0 @@ - - - - - - - Referencias | Open Access - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
    - -
    - -
    - -
    -
    - - -
    -
    - -
    - - - - - - - - - -
    - -
    -
    -

    Referencias

    - -
    -
    -Loredo, Alejandro. 2006. “México: Derecho Comparado: Derecho de Autor y Copyright. Dos Caminos Que Se Encuentran.” AR: Revista de Derecho Informático, no. 91: 2. -
    -
    -
    -
    -
    -
    - Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) -
    - Para más información puedes contactárnos en nuestro correo -
    -
    - -
    - -
    -
    -
    - - -
    -
    - - - - - - - - - - - - - - diff --git a/docs/referencias.html b/docs/referencias.html index 741d435..ec062b4 100644 --- a/docs/referencias.html +++ b/docs/referencias.html @@ -29,9 +29,9 @@ - + - + @@ -51,9 +51,33 @@ + + + @@ -73,11 +97,67 @@
  • Presentación
  • 1 Introducción
    • -
  • 2 Diseño transparente
    • -
  • 3 Datos abiertos
    • -
  • 4 Análisis reproducible
    • -
  • 5 Publicaciones libres
    • -
  • 6 Conclusiones
    • +
  • 2 Diseño transparente +
    • +
  • 3 Análisis reproducibles +
    • +
  • 4 Publicaciones libres +
  • Referencias
  • LISA-COES
    • @@ -114,7 +194,293 @@

    Referencias

    +
    +
    +Abdill, Richard J., y Ran Blekhman. 2019. «Tracking the Popularity and Outcomes of All bioRxiv Preprints». bioRxiv, 515643. https://doi.org/10.1101/515643. +
    +
    +Abierto, Universo. 2019. «Las 5 Rutas Para Llegar al Acceso Abierto: Verde, Dorada, Bronce, Híbrida y Diamante». Blog de la biblioteca de Traducción y Documentación de la Universidad de Salamanca. +
    +
    +Abril Ruiz, Angel. 2019. Manzanas podridas: Malas prácticas de investigación y ciencia descuidada. +
    +
    +Aczel, Balazs, Barnabas Szaszi, Alexandra Sarafoglou, Zoltan Kekecs, Šimon Kucharský, Daniel Benjamin, Christopher D. Chambers, et al. 2020. «A Consensus-Based Transparency Checklist». Nature Human Behaviour 4 (1): 4-6. https://doi.org/10.1038/s41562-019-0772-6. +
    +
    +Agencia Nacional de Investigación y Desarrollo, (ANID). 2020. «Consulta Pública: Política Acceso Abierto a Información Científica». +
    +
    +Agnoli, Franca, Jelte M. Wicherts, Coosje L. S. Veldkamp, Paolo Albiero, y Roberto Cubelli. 2017. «Questionable Research Practices among Italian Research Psychologists». PLOS ONE 12 (3): e0172792. https://doi.org/10.1371/journal.pone.0172792. +
    +
    +Alperin, Juan Pablo, Dominique Babini, y Gustavo Fischman. 2014. Indicadores de acceso abierto y comunicaciones académicas en América Latina. Juan Pablo Alperin. Vol. 1. Buenos Aires, Argentina: Consejo Latinoamericano de Ciencias Sociales, CLACSO. +
    +
    +ANID. 2020. «Propuesta de Política de Acceso Abierto a La Información Científica y Adatos de Investigaciónfinanciados Con Fondos Públicos de La ANID». ANID. +
    +
    +Babini, Dominique. 2014. «Universidades y acceso abierto: hora de tomar protagonismo». En Foro Revista Iberoamericana de Ciencia, Tecnología y Sociedad, 1-3. 2015. +
    +
    +Bakker, Bert N., Kokil Jaidka, Timothy Dörr, Neil Fasching, y Yphtach Lelkes. 2020. «Questionable and Open Research Practices: Attitudes and Perceptions among Quantitative Communication Researchers». PsyArXiv. https://doi.org/10.31234/osf.io/7uyn5. +
    +
    +Banzato, Guillermo. 2019. «Soberanía del conocimiento para superar inequidades: políticas de Acceso Abierto para revistas científicas en América Latina». Mecila Working Paper Series 18: 1-18. +
    +
    +Barba, Lorena A. 2018. «Terminologies for Reproducible Research». arXiv:1802.03311 [cs], febrero. http://arxiv.org/abs/1802.03311. +
    +
    +Becerril García, Arianna, y Eduardo Aguado López. 2019. «The End of a Centralized Open Access Project and the Beginning of a Community-Based Sustainable Infrastructure for Latin America». OpenEdition Press, 41-55. https://doi.org/10.4000/books.oep. 9003. +
    +
    +Beigel, Fernanda. 2018. «Las relaciones de poder en la ciencia mundial». Nueva Sociedad 274: 13-28. +
    +
    +———. 2021. «América Latina podría convertirse en líder mundial de la ciencia abierta no comercial». Scientific Blog. The Conversation. +
    +
    +Bethesda. 2003. «Declaración de Bethesda Sobre Publicación de Acceso Abierto». +
    +
    +Bishop, Dorothy. 2019. «Rein in the Four Horsemen of Irreproducibility». Nature 568 (7753): 435-35. https://doi.org/10.1038/d41586-019-01307-2. +
    +
    +Björk, Bo-Christer. 2017. «Gold, Green and Black Open Access». Learned Publishing 30 (2): 173-75. https://doi.org/10.1002/leap.1096. +
    +
    +Blanca, José. 2019. «Informática para las ciencias de la vida: Unix y Python». Course. Bioinformatics at COMAV. +
    +
    +Bohannon, John. 2016. «Who’s Downloading Pirated Papers? Everyone». American Association for the Advancement of Science 352 (6285): 508-12. https://doi.org/10.1126/science.352.6285.508. +
    +
    +Breznau, Nate. 2021. «Does Sociology Need Open Science?». Societies 11 (1): 9. https://doi.org/10.3390/soc11010009. +
    +
    +Breznau, Nate, Eike Mark Rinke, Alexander Wuttke, Muna Adem, Jule Adriaans, Amalia Alvarez-Benjumea, Henrik Kenneth Andersen, et al. 2021. «Observing Many Researchers Using the Same Data and Hypothesis Reveals a Hidden Universe of Uncertainty». MetaArXiv. https://doi.org/10.31222/osf.io/cd5j9. +
    +
    +Brodeur, Abel, Mathias Lé, Marc Sangnier, y Yanos Zylberberg. 2016. «Star Wars: The Empirics Strike Back». American Economic Journal: Applied Economics 8 (1): 1-32. https://doi.org/10.1257/app.20150044. +
    +
    +Burlig, Fiona. 2018. «Improving Transparency in Observational Social Science Research: A Pre-Analysis Plan Approach». Economics Letters 168 (julio): 56-60. https://doi.org/10.1016/j.econlet.2018.03.036. +
    +
    +Byington, Eliza, y Will Felps. 2017. «Solutions to the Credibility Crisis in Management Science». Academy of Management Learning and Education, The 16 (marzo): 142-62. https://doi.org/10.5465/amle.2015.0035. +
    +
    +Camerer, Colin F., Anna Dreber, Felix Holzmeister, Teck-Hua Ho, Jürgen Huber, Magnus Johannesson, Michael Kirchler, et al. 2018. «Evaluating the Replicability of Social Science Experiments in Nature and Science between 2010 and 2015». Nature Human Behaviour 2 (9): 637-44. https://doi.org/10.1038/s41562-018-0399-z. +
    +
    +Card, David, Stefano DellaVigna, y Ulrike Malmendier. 2011. «The Role of Theory in Field Experiments». Journal of Economic Perspectives 25 (3): 39-62. https://doi.org/10.1257/jep.25.3.39. +
    +
    +Chambers, Christopher D. 2013. «Registered Reports: A New Publishing Initiative at Cortex». Cortex 49 (3): 609-10. https://doi.org/10.1016/j.cortex.2012.12.016. +
    +
    +Chambers, Christopher D., Zoltan Dienes, Robert D. McIntosh, Pia Rotshtein, y Klaus Willmes. 2015. «Registered Reports: Realigning Incentives in Scientific Publishing». Cortex; a Journal Devoted to the Study of the Nervous System and Behavior 66: A1-2. https://doi.org/10.1016/j.cortex.2015.03.022. +
    +
    +Chin, Jason M., Justin T. Pickett, Simine Vazire, y Alex O. Holcombe. 2021. «Questionable Research Practices and Open Science in Quantitative Criminology». Journal of Quantitative Criminology. https://doi.org/10.1007/s10940-021-09525-6. +
    +
    +Christensen, Garret S., Jeremy Freese, y Edward Miguel. 2019. Transparent and Reproducible Social Science Research: How to Do Open Science. Oakland, California: University of California Press. +
    +
    +Christensen, Garret, y Edward Miguel. 2018. «Transparency, Reproducibility, and the Credibility of Economics Research». Journal of Economic Literature 56 (3): 920-80. https://doi.org/10.1257/jel.20171350. +
    +
    +Creative Commons, CC. 2019. «About CC Licenses». FAQ. What we do. +
    +
    +Doucouliagos, Chris, y T. D. Stanley. 2013. «Are All Economic Facts Greatly Exaggerated? Theory Competition and Selectivity». Journal of Economic Surveys 27 (2): 316-39. https://doi.org/10.1111/j.1467-6419.2011.00706.x. +
    +
    +Earth, Division on, y Cognitive Board on Behavioral. 2019. «Reproducibility and Replicability in Science». undefined. +
    +
    +Editors, The PLOS Medicine. 2014. «Observational Studies: Getting Clear about Transparency». PLOS Medicine 11 (8): e1001711. https://doi.org/10.1371/journal.pmed.1001711. +
    +
    +Elliott, Kevin C. 2020. «A Taxonomy of Transparency in Science». Canadian Journal of Philosophy, 1-14. https://doi.org/10.1017/can.2020.21. +
    +
    +Fanelli, Daniele. 2009. «How Many Scientists Fabricate and Falsify Research? A Systematic Review and Meta-Analysis of Survey Data». PLOS ONE 4 (5): e5738. https://doi.org/10.1371/journal.pone.0005738. +
    +
    +Fernández, Juan Carlos. 2009. «Derechos de Autor». Derechos de Autor en plataformas e-learning. +
    +
    +Fernández, Juan Carlos, Eduardo Graziosi, y Daniel Martínez. 2018. «Derechos de Autor y Ciencia Abierta: El Papel de La Biblioteca Universitaria». En VIII Conferencia Biredial-ISTEC. Lima - Perú. +
    +
    +Fiedler, Klaus, y Norbert Schwarz. 2016. «Questionable Research Practices Revisited». Social Psychological and Personality Science 7 (1): 45-52. https://doi.org/10.1177/1948550615612150. +
    +
    +Fortney, Katie, y Justin Gonder. 2015. «A Social Networking Site Is Not an Open Access Repository». Office of Scholary Communication University of California. +
    +
    +Franco, A., N. Malhotra, y G. Simonovits. 2014. «Publication Bias in the Social Sciences: Unlocking the File Drawer». Science 345 (6203): 1502-5. https://doi.org/10.1126/science.1255484. +
    +
    +Fraser, Hannah, Tim Parker, Shinichi Nakagawa, Ashley Barnett, y Fiona Fidler. 2018. «Questionable Research Practices in Ecology and Evolution». PLOS ONE 13 (7): e0200303. https://doi.org/10.1371/journal.pone.0200303. +
    +
    +Freese, Jeremy, y David Peterson. 2017. «Replication in Social Science». Annual Review of Sociology 43 (1): 147-65. https://doi.org/10.1146/annurev-soc-060116-053450. +
    +
    +Gall, Thomas, John P. A. Ioannidis, y Zacharias Maniadis. 2017. «The Credibility Crisis in Research: Can Economics Tools Help?». PLOS Biology 15 (4): e2001846. https://doi.org/10.1371/journal.pbio.2001846. +
    +
    +Gerber, Alan S., y Neil Malhotra. 2008. «Publication Bias in Empirical Sociological Research: Do Arbitrary Significance Levels Distort Published Results?». Sociological Methods & Research 37 (1): 3-30. https://doi.org/10.1177/0049124108318973. +
    +
    +Gerber, Alan, y Neil Malhotra. 2008. «Do Statistical Reporting Standards Affect What Is Published? Publication Bias in Two Leading Political Science Journals». Quarterly Journal of Political Science 3 (3): 313-26. https://doi.org/10.1561/100.00008024. +
    +
    +Gilbert, D. T., G. King, S. Pettigrew, y T. D. Wilson. 2016. «Comment on "Estimating the Reproducibility of Psychological Science"». Science 351 (6277): 1037-37. https://doi.org/10.1126/science.aad7243.
    +
    +Hernández, Enrique. 2016. «Por Qué Open Access?» 28 (1). +
    +
    +Initiative, Budapest Open Access. 12 de Septiembre, 2012. «Diez años desde la Budapest Open Access Initiative: hacia lo abierto por defecto». BOAI. +
    +
    +John, Leslie K., George Loewenstein, y Drazen Prelec. 2012. «Measuring the Prevalence of Questionable Research Practices With Incentives for Truth Telling». Psychological Science 23 (5): 524-32. https://doi.org/10.1177/0956797611430953. +
    +
    +Kerr, Norbert L. 1998. «HARKing: Hypothesizing After the Results Are Known». Personality and Social Psychology Review 2 (3): 196-217. https://doi.org/10.1207/s15327957pspr0203_4. +
    +
    +Lindsay, D. Stephen. 2020. «Seven Steps toward Transparency and Replicability in Psychological Science.». Canadian Psychology/Psychologie canadienne 61 (4): 310-17. https://doi.org/10.1037/cap0000222. +
    +
    +Loredo, Alejandro. 2012. «Derecho Comparado: Derecho de Autor y Copyright. Dos Caminos Que Se Encuentran». Portal de gobierno electrónico, inclusión digital y sociedad del conocimiento. +
    +
    +Makel, Matthew C., Jaret Hodges, Bryan G. Cook, y Jonathan A. Plucker. 2021. «Both Questionable and Open Research Practices Are Prevalent in Education Research». Educational Researcher, marzo, 0013189X211001356. https://doi.org/10.3102/0013189X211001356. +
    +
    +Mardones, Rodolfo, Jorge Ulloa, y Gonzálo Salas. 2018. «Usos del diseño metodológico cualitativo en artículos de acceso abierto de alto impacto en ciencias sociales». Forum: Qualitative Social Research 19, n: 1-18. +
    +
    +Marsden, Emma, Kara Morgan-Short, Pavel Trofimovich, y Nick C. Ellis. 2018. «Introducing Registered Reports at Language Learning: Promoting Transparency, Replication, and a Synthetic Ethic in the Language Sciences». Language Learning 68 (2): 309-20. https://doi.org/10.1111/lang.12284. +
    +
    +Melero, Remedios, y María Francisca Abad. 2008. «Revistas Open Access: Características, Modelos Económicos y Tendencias» 20. +
    +
    +Mertens, Gaëtan, y Angelos-Miltiadis Krypotos. 2019. «Preregistration of Analyses of Preexisting Data». Psychologica Belgica 59 (1): 338-52. https://doi.org/10.5334/pb.493. +
    +
    +Miguel, E., C. Camerer, K. Casey, J. Cohen, K. M. Esterling, A. Gerber, R. Glennerster, et al. 2014. «Promoting Transparency in Social Science Research». Science 343 (6166): 30-31. https://doi.org/10.1126/science.1245317. +
    +
    +Monti, Carolina, y Carolina Unzurrunzaga. 2020. «Acceso a la literatura científica desde Sci-Hub: Análisis y reflexión de las descargas en Argentina». Revista Hipertextos 8 (14): 111-16. https://doi.org/10.24215/23143924e022. +
    +
    +Moore, Don A. 2016. «Preregister If You Want To». The American Psychologist 71 (3): 238-39. https://doi.org/10.1037/a0040195. +
    +
    +Motyl, Matt, Alexander P. Demos, Timothy S. Carsel, Brittany E. Hanson, Zachary J. Melton, Allison B. Mueller, J. P. Prims, et al. 2017. «The State of Social and Personality Science: Rotten to the Core, Not so Bad, Getting Better, or Getting Worse?». Journal of Personality and Social Psychology 113 (1): 34-58. https://doi.org/10.1037/pspa0000084. +
    +
    +Nosek, B. A., G. Alter, G. C. Banks, D. Borsboom, S. D. Bowman, S. J. Breckler, S. Buck, et al. 2015. «Promoting an Open Research Culture». Science 348 (6242): 1422-25. https://doi.org/10.1126/science.aab2374. +
    +
    +Nosek, Brian A., Charles R. Ebersole, Alexander C. DeHaven, y David T. Mellor. 2018. «The Preregistration Revolution». Proceedings of the National Academy of Sciences 115 (11): 2600-2606. https://doi.org/10.1073/pnas.1708274114. +
    +
    +Nosek, Brian A., y Daniël Lakens. 2014. «Registered Reports: A Method to Increase the Credibility of Published Results». Social Psychology 45 (3): 137-41. https://doi.org/10.1027/1864-9335/a000192. +
    +
    +O’Boyle, Ernest Hugh, George Christopher Banks, y Erik Gonzalez-Mulé. 2017. «The Chrysalis Effect: How Ugly Initial Results Metamorphosize Into Beautiful Articles». Journal of Management 43 (2): 376-99. https://doi.org/10.1177/0149206314527133. +
    +
    +Omatos, Antonio. 2013. «Aspectos Legales En La Educación». +
    +
    +Open Science Collaboration. 2015. «Estimating the Reproducibility of Psychological Science». Science 349 (6251): aac4716-16. https://doi.org/10.1126/science.aac4716. +
    +
    +Peng, R. D. 2011. «Reproducible Research in Computational Science». Science 334 (6060): 1226-27. https://doi.org/10.1126/science.1213847. +
    +
    +Piwowar, Heather, Jason Priem, y Richard Orr. 2019. «The Future of OA: A Large-Scale Analysis Projecting Open Access Publication and Readership». BioRxiv, 795310. +
    +
    +Rabelo, André L. A., Jéssica E. M. Farias, Maurício M. Sarmet, Teresa C. R. Joaquim, Raquel C. Hoersting, Luiz Victorino, João G. N. Modesto, y Ronaldo Pilati. 2020. «Questionable Research Practices among Brazilian Psychological Researchers: Results from a Replication Study and an International Comparison». International Journal of Psychology 55 (4): 674-83. https://doi.org/10.1002/ijop.12632. +
    +
    +Rosenthal, Robert. 1979. «The File Drawer Problem and Tolerance for Null Results.». Psychological Bulletin 86 (3): 638-41. https://doi.org/10.1037/0033-2909.86.3.638. +
    +
    +Sadaba, Igor. 2014. «EL ACCESO ABIERTO EN CIENCIAS SOCIALES: NOTAS SOCIOLÓGICAS SOBRE PUBLICACIONES, COMUNIDADES Y CAMPOS» 17: 93-113. +
    +
    +Schindler, David, Benjamin Zapilko, y Frank Krüger. 2021. «Investigating Software Usage in the Social Sciences: A Knowledge Graph Approach». arXiv:2003.10715 [cs], agosto. http://arxiv.org/abs/2003.10715. +
    +
    +Simmons, Joseph P., Leif D. Nelson, y Uri Simonsohn. 2011. «False-Positive Psychology: Undisclosed Flexibility in Data Collection and Analysis Allows Presenting Anything as Significant». Psychological Science 22 (11): 1359-66. https://doi.org/10.1177/0956797611417632. +
    +
    +Simonsohn, Uri, Leif D. Nelson, y Joseph P. Simmons. 2014. «P-Curve: A Key to the File-Drawer». Journal of Experimental Psychology: General 143 (2): 534-47. https://doi.org/10.1037/a0033242. +
    +
    +Socha, Beata. 2018. «Cuánto cobran los principales editores comerciales por tener un artículo en acceso abierto?». Universo Abierto. +
    +
    +Spinak, Ernesto. 2019. «Revistas que han aumentado el valor del APC han recibido más artículos». Scielo en Perspectiva. +
    +
    +Steneck, Nicholas H. 2006. «Fostering Integrity in Research: Definitions, Current Knowledge, and Future Directions». Science and Engineering Ethics 12 (1): 53-74. https://doi.org/10.1007/PL00022268. +
    +
    +Stewart, Suzanne, Eike Mark Rinke, Ronan McGarrigle, Dermot Lynott, Carole Lunny, Alexandra Lautarescu, Matteo M. Galizzi, Emily K. Farran, y Zander Crook. 2020. «Pre-Registration and Registered Reports: A Primer from UKRN». OSF Preprints. https://doi.org/10.31219/osf.io/8v2n7. +
    +
    +Swan, Alma. 2013. Directrices Para Políticasde Desarrollo y Promoción Del Acceso Abierto. UNESCO. +
    +
    +Taylor, Michael. 2020. «An Altmetric Attention Advantage for Open Access Books in the Humanities and Social Sciences». Scientometrics 125: 2523-43. https://doi.org/10.1007/s11192-020-03735-8. +
    +
    +Ulloa, Jorge, y Rodolfo Mardones. 2017. «Tendencias Paradigmáticas y Técnicas Conversacionales En Investigación Cualitativa En Ciencias Sociales». Perspectivas de la Comunicación, Universidad de La Frontera, 10, n: 213-35. +
    +
    +Velterop, Jan. 2018. «De suscripciones y Tasas de Procesamiento de Artículos». Scientific Blog. Scielo en Perspectiva. +
    +
    +Viscusi, W. Kip. 2014. «The Role of Publication Selection Bias in Estimates of the Value of a Statistical Life». Working Paper 20116. Working Paper Series. National Bureau of Economic Research. https://doi.org/10.3386/w20116. +
    +
    +Vivalt, Eva. 2015. «Heterogeneous Treatment Effects in Impact Evaluation». American Economic Review 105 (5): 467-70. https://doi.org/10.1257/aer.p20151015. +
    +
    +Wilkinson, Mark, y Michel Dumontier. 2016. «The FAIR Guiding Principles for Scientific Data Management and Stewardship» 3 (160018). https://doi.org/10.1038/sdata.2016.18. +
    +
    +Wingen, Tobias, Jana B. Berkessel, y Birte Englich. 2020. «No Replication, No Trust? How Low Replicability Influences Trust in Psychology». Social Psychological and Personality Science 11 (4): 454-63. https://doi.org/10.1177/1948550619877412. +
    +
    +WIPO. 2020. «Frequently Asked Questions: IP Policies for Universities and Research Institutions». Science Organization. World Intelectual Property Organization. +
    +
    +World Intelectual Propiety Organization, WIPO. 2020. What Is Intellectual Property? WIPO. Switzerland. +
    +
    +
    + + + + + + + +
    @@ -129,7 +495,7 @@

    Referencias

    - +
    diff --git a/docs/reproducibilidad.html b/docs/reproducibilidad.html deleted file mode 100644 index 11bbde9..0000000 --- a/docs/reproducibilidad.html +++ /dev/null @@ -1,208 +0,0 @@ - - - - - - - Capítulo 4 Reproducibilidad | Ciencia Social Abierta - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
    - -
    - -
    - -
    -
    - - -
    -
    - -
    - - - - - - - - - -
    - -
    -
    -

    Capítulo 4 Reproducibilidad

    -
    -

    4.1 Problema

    -
    -
    -

    4.2 Solución

    - -
    -
    -
    -
    -
    - Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) -
    - Para más información puedes contactárnos en nuestro correo -
    -
    - -
    - -
    -
    -
    - - -
    -
    - - - - - - - - - - - - - - diff --git a/docs/researchgate-academia-edu-y-sci-hub-plataformas-de-aceso-abierto.html b/docs/researchgate-academia-edu-y-sci-hub-plataformas-de-aceso-abierto.html new file mode 100644 index 0000000..36fdac5 --- /dev/null +++ b/docs/researchgate-academia-edu-y-sci-hub-plataformas-de-aceso-abierto.html @@ -0,0 +1,290 @@ + + + + + + + 5.3 ResearchGate, Academia.edu y Sci-Hub: ¿Plataformas de aceso abierto? | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    5.3 ResearchGate, Academia.edu y Sci-Hub: ¿Plataformas de aceso abierto?

    +
    +

    De seguro conoces las plataformas de ResearchGate y Academia.edu o quizás en alguna ocasión has recurrido a estas páginas para compartir tus publicaciones o descargar archivos científicos para uso personal. Sobre estas plataformas hay que mencionar que no son un ejemplo de Open Acess debido a que funcionan como redes sociales similares a Facebook o LinkedIn, pues su objetivo es crear redes de contactos entre colegas e investigadores con intereses afines. Según Fortney y Gonder (2015), ResearchGate y Academia.edu al ser empresas con fines de lucro no cumplen con la característica principal de los repositorios de Open Access, los cuales son administrados por universidades, agencias gubernamentales, asociaciones internacionales o editoriales que persigan el objetivo de poner los conocimientos al servicio y a la disponibilidad pública.

    +

    Estas páginas al ser de tipo auto-archivo presentan similitudes con los repositorios de ruta verde, ya que los documentos se guardan en sitios personales creados por el propio autor, sin embargo, dadas las características de ResearchGate y Academia.edu, estas no permiten corroborar los estándares de calidad y seguridad de las publicaciones, ni tampoco se asegura su permanencia perpetua. Dicho lo anterior, publicar la producción científica en cualquier plataforma digital no implica estar desarrollado prácticas acordes al Open Access.

    +Las restricciones de pago empujaron al desarrollo de sitios piratas que funcionan como bases de datos integrando diversas publicaciones, estos son denominados como la vía negra del Acceso Abierto que buscan hacer frente a las barreras de pago (Björk 2017). Un claro ejemplo es el sitio web Sci-Hub que desde el 2011 posibilita el libre acceso a literatura científica (tanto pagada como libre) y para el 2021 alberga más de 85 millones de documentos. Su slogan Sci-Hub para remover todas las barreras en el camino de la ciencia se instaura bajo tres principios: (1) El conocimiento es para todos, (2) No al Copyright y (3) Apoyo al Open Access. Sin embargo, Monti y Unzurrunzaga (2020) indica que el carácter “ilegal” del sitio es la razón de que exponentes de la ciencia lo restrinjan, dado que no tiene la injerencia para modificar los aspectos legales de las publicaciones, trasgrede los derechos de explotación indicados por los autores y puede conducir a un despretigio del Open Access. Es evidente que lo atractivo de estos sitios es la posibilidad de acceder de manera libre a las publicaciones, un hecho corroborable en la investigación de Bohannon (2016), en ella se ha concluído que el 25% de los países que registran la mayor cantidad de descargas desde Sci-hub, corresponden a las naciones más ricas del mundo en Europa y Estados Unidos. Björk (2017) es el primer autor en considerar la plataforma como una vía dentro del Acceso Abierto, y es quizás una reflexión de orden ético-moral la decisión de integrar (o no) los sitios con estas características dentro del Open Access. +
    + +
    +

    Referencias

    +
    +
    +Björk, Bo-Christer. 2017. «Gold, Green and Black Open Access». Learned Publishing 30 (2): 173-75. https://doi.org/10.1002/leap.1096. +
    +
    +Bohannon, John. 2016. «Who’s Downloading Pirated Papers? Everyone». American Association for the Advancement of Science 352 (6285): 508-12. https://doi.org/10.1126/science.352.6285.508. +
    +
    +Fortney, Katie, y Justin Gonder. 2015. «A Social Networking Site Is Not an Open Access Repository». Office of Scholary Communication University of California. +
    +
    +Monti, Carolina, y Carolina Unzurrunzaga. 2020. «Acceso a la literatura científica desde Sci-Hub: Análisis y reflexión de las descargas en Argentina». Revista Hipertextos 8 (14): 111-16. https://doi.org/10.24215/23143924e022. +
    +
    +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git a/docs/revistas-de-acceso-abierto.html b/docs/revistas-de-acceso-abierto.html new file mode 100644 index 0000000..3fa1647 --- /dev/null +++ b/docs/revistas-de-acceso-abierto.html @@ -0,0 +1,357 @@ + + + + + + + 5.4 Revistas de acceso abierto: | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    5.4 Revistas de acceso abierto:

    +
    +Con la invención del internet también aumentaron las oportunidades de divulgación científica, y si bien el concepto de Open Access no fue precisado hasta los 2000, en la década anterior ya venían gestándose proyectos como The public-access computer systems review (1990). Una revista electrónica tipo boletín que era distribuida por correo electrónico. Posteriormente, en 1991 revistas como Surfaces y Psycoloquy fueron pioneras en instalar la metodología de acceso gratuito a sus publicaciones. Hoy en día son muchos los sitios de repositorios que cumplen con políticas de Acceso Abierto, pero con licencias particulares que es necesario conocer para adentrarnos en su uso. Uno de los sitios que se recomienda usar es el de SocArxiv, pues cuenta con un servicio gratuito de acceso, una base de datos completa y que permite a los autores obtener un DOI para su publicación. Sin mencionar la posibilidad de un contador de descargas y otras particularidades que no poseen las plataformas de ResearchGate y Academia.edu (véase tabla n° 5.1). En la siguiente sección abordaremos en mayor profundidad su uso. +
    + +
    + + +++++++ + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    Tabla 5.1: Tabla comparativa del uso de SocArXiv versus otros sitios
    CaracterísticasResearchGate, Academia.eduSitio web personalRepositorio InstitucionalSocArXiv
    Acceso libre para leerRequiere RegistroSiSiSi
    Servicio de acceso publico - sin lucroNoSolo si es alojado por tu universidadSolo si es alojado por tu universidadSi
    Metadatos completos, incluidos coautores, DOI, ORCID, etc.QuizásNoQuizásSi
    Enlace para el repositorio para base de datos, codigo, etc.NoSolo si tu lo construyesQuizásSi
    Url persistente en todas las versiones-NoNoSi
    Entrega DOI para el paper-NoSolo AlgunosSi
    Contador de descargasSolo AlgunosQuizásQuizásSi
    Contribuye al futuro de la comunicación académica abiertaNoDébilmenteQuizásSi
    +
    +Fuente: Traducción propia a partir de tabla comparativa de SocArXiv. +
    + + +
    + +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git a/docs/revistas-para-publicar-con-open-access.html b/docs/revistas-para-publicar-con-open-access.html new file mode 100644 index 0000000..5fa3f1b --- /dev/null +++ b/docs/revistas-para-publicar-con-open-access.html @@ -0,0 +1,321 @@ + + + + + + + 5.2 Revistas para publicar con Open Access | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    5.2 Revistas para publicar con Open Access

    +
    +

    Por lo general, cuando llevamos tiempo investigando y publicando tenemos ciertas nociones de las revistas a las que les puede interesar los temas que estamos trabajando o incluso tenemos ciertas certezas de las posibles revistas en las cuales nuestro proyecto tiene mayores chances de ser publicado. El paso lógico para la publicación es elegir aquella editorial donde queremos que aparezca nuestro trabajo, ya sea por reconocimiento, por recomendaciones, por el tema que trabajamos o por cualquier otro motivo que tengamos. Una vez elegida la revista, se recomienda revisar las políticas de autoarchivo y para ello recomendamos acceder a Sherpa Romeo y buscar la revista escogida. Sherpa Romeo es un sitio web que funciona como una base de datos que recopila la información básica sobre las políticas de autoría y acceso abierto de las principales revistas científicas de todo el mundo que utiliza un código de cuatro colores para diferenciar los tipos de políticas de cada revista, los que se definen en:

    +
    +Etiquetas de colores de Sherma Romeo según tipo de acceso abierto (Elaborción propia). +

    +Figura 5.3: Etiquetas de colores de Sherma Romeo según tipo de acceso abierto (Elaborción propia). +

    +
    +El mundo del Open Access es bastante grande y en ocasiones costoso, toda revista de ruta dorada posee costos de APC que deben ser financiados por los investigadores o sus patrocinantes, lo que se vuelve una barrera económica para los equipos de investigación que deseen abrir sus publicaciones, por ello el proceso de autoarchivo surge como una alternativa al alcance de cualquiera y en su mayoría, cientistas sociales utilizan la vía verde y la diamante para depositar sus manuscritos o tesis en repositorios como Dialnet, Latindex, Scielo, Redalyc y CLACSO. Adicionalmente, existen revistas de ciencias sociales cuyo foco se encuentra en el diseño de metodologías de investigación cualitativa y que además, poseen un alto factor de impacto como las resumidas en la tabla n° 5.1, pues son indexadas a Scopus Ulloa y Mardones (2017). +
    + +
    + + + + + + + + + + + + + + + + + + + + + + + + + + +
    Tabla 5.1: Descripción de Revistas de Open Access de orden Cualitativo
    RevistaPaísAsunto o Categoría
    Qualitative Sociology ReviewPoloniaCiencias Sociales diversas
    The International Journal Qualitative MethodsCanadáEducación
    Forum Qualitative SozialforscungAlemaniaCiencias Sociales diversas
    +
    +Fuente: Adaptación propia a partir de tabla extraída del estudio de Ulloa y Mardones (2017). +
    + +
    + +
    +

    Referencias

    +
    +
    +Ulloa, Jorge, y Rodolfo Mardones. 2017. «Tendencias Paradigmáticas y Técnicas Conversacionales En Investigación Cualitativa En Ciencias Sociales». Perspectivas de la Comunicación, Universidad de La Frontera, 10, n: 213-35. +
    +
    +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git a/docs/search_index.json b/docs/search_index.json index ca4ae90..8068f39 100644 --- a/docs/search_index.json +++ b/docs/search_index.json @@ -1 +1 @@ -[["index.html", "Ciencia Social Abierta Presentación", " Ciencia Social Abierta 29 junio 2021 Presentación "],["introducción.html", "Capítulo 1 Introducción", " Capítulo 1 Introducción Este trabajo se trata de "],["diseño-transparente.html", "Capítulo 2 Diseño transparente", " Capítulo 2 Diseño transparente "],["datos-abiertos.html", "Capítulo 3 Datos abiertos", " Capítulo 3 Datos abiertos "],["análisis-reproducible.html", "Capítulo 4 Análisis reproducible", " Capítulo 4 Análisis reproducible "],["publicaciones-libres.html", "Capítulo 5 Publicaciones libres", " Capítulo 5 Publicaciones libres Palabras finales "],["conclusiones.html", "Capítulo 6 Conclusiones", " Capítulo 6 Conclusiones Palabras finales "],["referencias.html", "Referencias", " Referencias "]] +[["index.html", "Ciencia Social Abierta Presentación", " Ciencia Social Abierta 23 septiembre 2021 Presentación "],["introducción.html", "Capítulo 1 Introducción", " Capítulo 1 Introducción Este trabajo se trata de "],["diseño-transparente.html", "Capítulo 2 Diseño transparente", " Capítulo 2 Diseño transparente La transparencia es un concepto multidimensional. Elliott (2020) proponen entender la transparencia en torno a cuatro preguntas: ¿por qué?, ¿quién? ¿qué? y ¿cómo? (ver Figura N° 2.1). Cada una de estas preguntas se relaciona a una dimensión. La primera pregunta (¿por qué?) se refiere a las razones y propósitos por los cuales es necesario adoptar la transparencia; la segunda pregunta (¿quién?) apunta a la audiencia que está recibiendo la información; la tercera pregunta (¿qué?) hace alusión al contenido qué es transparentado y la cuarta pregunta (¿cómo?) consiste en cuatro dimensiones distintas sobre cómo adoptar la transparencia: actores, mecanismos, tiempo y espacios. También, esta taxonomía estipula una dimensión sobre las amenazas que podrían afectar a las iniciativas que busquen promover la transparencia. A raíz de estas dimensiones podemos comprender qué tipo de prácticas y situaciones caben dentro del concepto de transparencia. Figura 2.1: Taxonomía de Transparencia Basándonos en esta taxonomía, presentaremos una propuesta sobre qué se entiende por transparencia en las ciencias sociales y cómo podemos adquirir prácticas orientadas a ese principio. Nuestra propuesta es entender la transparencia como la apertura pública del diseño de investigación, lo que incluye todo tipo de información importante para la ejecución del estudio, desde las hipótesis hasta los planes de análisis. Esto permitirá que las personas que lean los hallazgos de investigación (ya sean científicos o la ciudadanía) puedan evaluar la credibilidad de estos y descartar la influencia de prácticas cuestionables de investigación. Para llevar a la práctica esta propuesta, presentaremos los preregistros cómo una herramienta que contribuyen a hacer público el diseño, además de otras que complementan su uso. Referencias "],["por-qué.html", "2.1 ¿Por qué?", " 2.1 ¿Por qué? La pregunta del por qué es necesario avanzar hacia la transparencia encuentra su respuesta en la existencia de prácticas de investigación que merman la credibilidad de los hallazgos científicos. A modo de entender qué es lo problemático de ciertas prácticas, es que Steneck (2006) proponen el concepto de Conducta Responsable de Investigación (RCR, por sus siglas en inglés) cómo un ideal que engloba prácticas éticas e integras dentro de la investigación científica (ver Figura N° 2.2). Según los autores, la distinción entre la ética y la integridad recae en que la primera tiene que ver con seguir principios morales dentro de la investigación (e.g. usar consentimientos informados), en cambio, la segunda está más relacionada el seguimiento de códigos de conductas y estándares profesionales (Abril Ruiz 2019). Figura 2.2: Conducta Responsable de Investigación. Imagen de Abril Ruiz (2019) basada en Steneck (2006) Las prácticas de investigación se pueden evaluar en un continuo que representa cuánto adhieren los investigadores a los principios de integridad científica (Steneck 2006). La Figura N° 2.3 esquematiza esta idea mostrando dos extremos, donde a la izquierda está el mejor comportamiento (RCR), y a la derecha el peor comportamiento (FFP). Las FPP son una abreviación en lengua inglesa para referirse a Fabrication, Falsification, Plagiarism (Invención, Falsificación y Plagio), también conocidas como mala conducta académica-. En el medio del continuo están las prácticas cuestionables de investigación (QRP, por sus siglas en inglés) las cuáles refieren a acciones que violan los valores tradicionales de la empresa de investigación y que pueden ser perjudiciales para el proceso de investigación (National Academies of Science 1992 en Steneck 2006, 58). Las QRP se caracterizan porque tienen el potencial de dañar la ciencia, en tanto las FFP la dañan directamente. Figura 2.3: Gradación del comportamiento integro en investigación. Imagen de Abril Ruiz (2019) basada en Steneck (2006) La mala conducta académica implica la violación de los principios de integridad científica. Esto implica el falseamiento de datos de cualquier forma: invención de datos, alteración de gráficos o tablas, etc. El caso de Diderik Stapel presentado en la introducción de este capítulo es un ejemplo que cabe dentro del concepto de mala conducta académica. Según la literatura, la prevalencia de este tipo de prácticas no es alta (e.g. Fanelli 2009; John, Loewenstein, y Prelec 2012), sino que más bien son casos aislados (ver Abril Ruiz 2019, 23-128 para una revisión). En contraste, las QRP han demostrado ser más prevalentes. 2.1.1 Prácticas cuestionables de investigación (QRP) Existen una serie de estudios que han intentado medir directamente la prevalencia de estas prácticas a través de encuestas. Fanelli (2009) hizo un metaanálisis que tenía por objetivo sistematizar los resultados de estudios que hasta esa fecha habían abordado las prácticas de investigación desde encuestas cuantitativas. Los resultados mostraron que un 1.97% de investigadores había inventado datos al menos una vez (FFP) y que un 33.7% había realizado alguna vez una QRP como borrar puntos de los datos basados en un sentimiento visceral. Unos años más tarde, John, Loewenstein, y Prelec (2012) efectuaron otro estudio similar, demostrando que un 36.6% de quienes participaron alguna vez habían practicado alguna QRP. En detalle, analizando los porcentajes práctica a práctica se halló que el 50% de los psicólogos encuestados alguna vez reportaron selectivamente estudios que apoyaran su hipótesis; un 35% alguna vez reportaron resultados inesperados como esperados; y un 2% alguna vez reportó datos falsos. Este estudio ha sido replicado en Italia (Agnoli et al. 2017), en Alemania (Fiedler y Schwarz 2016) y en Brasil (Rabelo et al. 2020). Más recientemente, han emergido estudios similares en otras áreas disciplinarias. Por ejemplo, a través de encuestas online Makel et al. (2021) logran constatar que existe una prevalencia considerable de las QRP en el campo de investigación educacional. De los participantes de la muestra un 10% admitió haber rellenado datos faltantes (NAs) y un 67% señaló alguna vez haber omitido ciertos análisis de manera intencional. Siguiendo el mismo método, en el campo de la investigación comunicacional se ha encontrado evidencia parecida: 9% de los encuestados señala haber imputado datos faltantes sin reportarlo, un 34% declaró alguna vez haber excluido casos extremos de forma arbitraria y un 60% señala no haber reportado análisis con variables clave que no funcionaron. Del mismo modo, en los estudios cuantitativos sobre criminología existe un uso extendido de las QRP: un 87% de la muestra de Chin et al. (2021) ha utilizado múltiples QRP, siendo el reporte selectivo de resultados el más común (53%). Por último, fuera del área de las ciencias sociales, pero siguiendo la misma línea, Fraser et al. (2018) también hallan evidencia a favor de la existencia de distintas QRP en el campo de la ecología y evolución. Los estudios mencionados arriba corresponden a la evidencia existente sobre la medición de QRP a través de encuestas. A modo de resumen, la Tabla N° 2.1 adaptada del trabajo de Chin et al. (2021) agrupa la información que hemos revisado (y más), ordenándose por prácticas, campos de estudio y los artículos correspondientes a cada campo de estudio. Los números dentro de las casillas representan el porcentaje de prevalencia de cada práctica reportado por los participantes del estudio, y entre paréntesis el número de casos de la muestra. Los guiones significan que este estudio no incluyó esa práctica en el cuestionario. Tabla 2.1: Porcentajes de prevelanecia por QRP según distintos trabajos.. Práctica Psicología Psicología Psicología Ecología Evolución Educación Comunicación John, Loewenstein, y Prelec (2012) Agnoli et al. (2017) Rabelo et al. (2020) Fraser et al. (2018) Fraser et al. (2018) Makel et al. (2021) Bakker et al. (2020) Omitir estudios o variables ni significativas 46 (485) 40 (217) 55 (232) - - 62 (783) 60 Subreportar resultados 63 (486) 48 (219) 22 (232) 64 64 67 (871) 64 Subreportar condiciones 28 (484) 16 (219) 35 (232) - - - - Muestreo selectivo 56 (490) 53 (221) 22 (232) 37 51 29 (806) 23 Excluir datos selectivamente 38 (484) 40 (219) 20 (232) 24 24 25 (806) 34 Excluir covariables selectivamente - - - - - 42 (773) 46 Cambiar análisis selectivamente - - - - - 50 (811) 45 HARK 27 (489) 37 (219) 9 (232) 49 54 46 (880) 46 Redondear valores p 22 (499) 22 (221) 18 (232) 27 18 29 (806) 24 Mal orientar respecto a los efectos de sociodemográficos 3 (499) 3 (223) 4 (232) - - - - Esconder problemas - - - - - 24 (889) - Esconder imputaciones 1 (495) 2 (220) 1 (232) 5 2 10 (898) 9 Cómo se puede ver en la Tabla N° 2.1, las encuestas sobre QRP han incluido varias prácticas relativas al tratamiento y análisis de los datos. No obstante, consideramos que exiten tres términos que, en su mayoría, logran sintetizar esta tabla y que están relacionados a la transparencia en los diseños de investigación. Estas son: 1) los sesgos de publicación, 2) el p-hacking y el 3) HARKing. Sesgo de publicación El sesgo de publicación ocurre cuando el criterio determinante para que un artículo sea publicado es que sus resultados sean significativos, en desmedro de la publicación de resultados no significativos. Un ejemplo ilustrativo que usan G. S. Christensen, Freese, y Miguel (2019) para explicar esta práctica es el cómic xkcd títulado Significant. En el comic (Figura N 2.4) se puede observar que un personaje corre gritando que las gominolas (jellybeans) causan acné, a lo que el otro personaje llama a los científicos para que prueben esta hipótesis, resultando no significativa. Ante esto, nuevamente el personaje inicial plantea que podría depender del tipo de gominola, y es aquí donde se aprecia lo ilustrativo del cómic: aparecen 20 paneles, cada uno representando una prueba de hipótesis entre una gominola de determinado color y al acné. 19 de las pruebas resultan no significativas, y una (el color verde) resulta significativa. El cómic termina con una portada con el titular de la única prueba de hipótesis que arrojó resultados significativos. Figura 2.4: Comic Significant de xkcd El cómic anterior muestra cómo es que un hallazgo de investigación sufre del sesgo de publicación. Al publicarse únicamente el resultado significativo e ignorándose los otros 19 no significativos, cualquier lector tendería a pensar que efectivamente las gominolas verdes causan acné, cuando probablemente sea una coincidencia. Rosenthal (1979) fue de los primeros trabajos en llamar la atención respecto de esta práctica, adjudicando el concepto de file drawer problem (en español: problema del cajón de archivos), el que hace alusión a los resultados que se pierden o quedan archivados dentro de un cuerpo de literatura. Desde ese estudio en adelante varios autores han contribuido con evidencia empírica sobre el sesgo de publicación. Por ejemplo, el estudio de Franco, Malhotra, y Simonovits (2014) logra cuantificar esta situación encontrando que los resultados nulos tienen un 40% menos de probabilidades de ser publicados en revistas científicas, en comparación a estudios con resultados significativos. Es más, muchas veces los resultados nulos ni siquiera llegan a ser escritos: más de un 60% de los experimentos que componen la muestra del estudio de Franco, Malhotra, y Simonovits (2014) nunca llegaron a ser escritos, en contraste al menos del 10% de resultados significativos. El principal problema del sesgo de publicación es que puede impactar en la credibilidad de cuerpos enteros de literatura. Por ejemplo, en economía se han hecho varios metaanálisis que han buscado estimar el sesgo de publicación en distintos cuerpos de literatura (e.g. Brodeur et al. 2016; Vivalt 2015; Viscusi 2014). Uno de los trabajos más concluyentes es el de Doucouliagos y Stanley (2013), quienes efectúan un meta análisis de 87 artículos de meta análisis en economía. En este trabajo encuentran que más de la mitad de los cuerpos de literatura revisados sufren de un sesgo sustancial o severo. Sí bien en economía se ha avanzado mucho en este tipo de estudios, también a partir del desarrollo de distintos métodos de detección, se ha podido diagnosticar el sesgo de publicación en importantes revistas en sociología y ciencias políticas (A. S. Gerber y Malhotra 2008; A. Gerber y Malhotra 2008). P-hacking Otra práctica bastante cuestionada es el p-hacking. El p-hacking suele englobar muchas de las prácticas que vimos en un inicio, especialmente las que refieren al manejo de datos: excluir datos arbitrariamente, redondear un valor p, recolectar más datos posterior a hacer pruebas de hipótesis etc. Lo que tienen todas estas prácticas en común y lo que define el p-hacking es que se da cuando el procesamiento de los datos tiene por objetivo obtener resultados significativos. Si el sesgo de publicación afecta la credibilidad de un cuerpo de literatura, el p-hacking afecta a la credibilidad de los artículos mismos, ya que al forzar la significancia estadística la probabilidad de que en realidad estemos frente a un falso positivo aumenta. Un trabajo que da sustento a esta idea es el de Simmons, Nelson, y Simonsohn (2011), quienes calculan la posibilidad de obtener un falso positivo (error Tipo I) de acuerdo con el nivel de grados de libertad que son utilizados por parte de los investigadores. El resultado principal es que a medida que aumenta el uso de grados de libertad, la posibilidad de obtener un falso positivo aumenta progresivamente. El p-hacking también contribuye a sesgar cuerpos enteros de literatura. Para diagnosticar esto se ha utilizado una herramienta denominada p-curve, la cual describe la densidad de los p-values reportados en una literatura, aprovechando el hecho de que si la hipótesis nula no se rechaza (es decir, sin efecto), los p-values deben distribuirse uniformemente entre 0 y 1 (G. S. Christensen, Freese, y Miguel 2019, 67.). De esta manera, en cuerpos de literatura que no sufran de p-hacking, la distribución de valors p debería estar cargada a la izquierda (siendo precisos, asimétrica a la derecha), en cambio, si existe sesgo por p-hacking la distribución de p-values estaría cargada a la derecha (asimetría a la izquierda). Simonsohn, Nelson, y Simmons (2014) proponen esta herramienta y la prueban en dos muestras de artículos de la Journal of Personality and Social Psychology (JPSP). Las pruebas estadísticas consistieron en confirmar que la primera muestra de artículos (que presentaban signos de p-hacking) estaba sesgada, en cambio la segunda muestra (sin indicios de p-hacking), no lo estaba. Los resultados corroboraron las hipótesis, esto es: los artículos que presentaban solamente resultados con covariables resultaron tener una p-curve cargada a la derecha (asimétrica a la izquierda). HARKing Por último, pero no menos importante está la práctica del HARKing. El nombre es una nomenclatura en lengua inglesa: Hypothesizing After the Results are Known, que literalmente significa establecer las hipótesis del estudio una vez que se conocen los resultados (Kerr 1998). El principal problema de esta práctica es que confunde los dos tipos de razonamiento que están a la base de la ciencia: el exploratorio y el confirmatorio. El objetivo principal del razonamiento exploratorio es plantear hipótesis a partir del análisis de los datos, en cambio, el razonamiento confirmatorio busca plantear hipótesis basado en teoría y contrastar esas hipótesis con datos empíricos. Como señala Brian A. Nosek et al. (2018), cuando se confunden ambos tipos de análisis y se hace pasar un razonamiento exploratorio como confirmatorio se está cometiendo un sesgo inherente, ya que se está generando un razonamiento circular: se plantean hipótesis a partir del comportamiento de los datos y se confirman las hipótesis con esos mismos datos Referencias "],["qué-y-quién.html", "2.2 ¿Qué? y ¿Quién?", " 2.2 ¿Qué? y ¿Quién? Preguntarse por el qué es básicamente cuestionarse sobre lo que se está poniendo a disposición del escrutinio público. Dentro de la literatura sobre ciencia abierta, son varios los contenidos que pueden ser transparentados. Por ejemplo, la apertura de los datos es una alternativa que, ciertamente, contribuye a hacer un estudio más transparente (Miguel et al. 2014). Al estar los datos abiertos al público, la posibilidad de escrutinio por parte de las audiencias es mayor. Otro ejemplo es la idea de disclosure, la cual se refiere a la declaración que hacen los investigadores respecto a si la investigación cuenta con conflictos de interés o si está sesgada de alguna manera. En base a esta idea, recientemente han emergido propuestas cómo las de OBoyle, Banks, y Gonzalez-Mulé (2017) que, además de la declaración de conflicto interés, llaman a adoptar declaraciones relacionadas a las QRP. Básicamente declarar sí se ha cometido QRP o no durante el transcurso de la investigación. No obstante, la apertura pública de los diseños de investigación es, sin duda, la práctica que mejor representa la transparencia en el último tiempo. Cómo hemos revisado anteriormente, existe una emergente preocupación en las ciencias sociales respecto a la credibilidad de los hallazgos científicos y la influencia que pueden tener las QRP. En disciplinas como la psicología es que la apertura de los diseños de investigación ha sido la principal herramienta ante el diagnostico que una parte considerable de los hallazgos eran irreproducibles o irreplicables (Motyl et al. 2017; Wingen, Berkessel, y Englich 2020; Camerer et al. 2018). Ante un diagnostico similar en sociología (Breznau et al. 2021), en ciencias de la gestión (Byington y Felps 2017) y en economía (Gall, Ioannidis, y Maniadis 2017), por dar algunos ejemplos, también se ha reconocido la apertura del diseño de investigación como una herramienta importante para avanzar hacia la transparencia. A razón de esto, es que nuestra propuesta se focaliza en la apertura de los diseños de investigación y el uso de preregistros. Además de preguntarse por los contenidos que se transparentan, también es relevante hacer un alcance respecto al quién. Esto es tener en consideración quienes van a recibir la información que sea transparentada. En principio, los hallazgos de la investigación científica son un bien público -o están pensados para serlo-. Si bien en algunos países o áreas especificas del conocimiento el financiamiento de la ciencia es por parte de privados, la investigación en ciencias sociales en Chile se financia con los impuestos de los habitantes. Organismos como la Agencia Nacional de Investigación y Desarrollo de Chile (ANID) quienes están encargados de al administración de fondos para la ciencia tienen un rol público, por lo que los hallazgos no solo sirven para alimentar el avance del conocimiento dentro de la academia, sino que también son insumos relevantes para los tomadores de decisiones y/o para cualquier ciudadano que se podría beneficiar de esos hallazgos. En consiguiente, cualquier tipo de información que sea transparente es un insumo más para que distintos tipos de audiencias puedan beneficiarse de hallazgos más creíbles y robustos. Ya sean investigadores, tomadores de decisión o la ciudadanía. Referencias "],["cómo.html", "2.3 ¿Cómo?", " 2.3 ¿Cómo? Una buena forma de introducir el cómo adoptar la transparencia son las Transparency and Openess Promotion (TOP) Guidelines (Guías para la Promoción de la Transparencia y la Accesibilidad). Las TOP Guidelines son una iniciativa del Centro para la Ciencia Abierta (COS, por sus siglas en inglés) que busca fomentar la ciencia abierta a partir de la adopción de distintos principios. Su objetivo es que tanto los investigadores cómo las revistas científicas adhieran a prácticas transparentes. Los principios van desde temas de citación, hasta la replicabilidad (ver el detalle sobre esta propuesta en https://osf.io/9f6gx/). Sí bien esta es una iniciativa que incluye principios que escapan el enfoque de este capítulo, es un buen punto de partida ya que permite situar la transparencia en el diseño de investigación y el uso de preregistros como parte de una red de principios más grandes a instalar en la ciencia. Además, permite dar cuenta de que ya existe un conjunto de actores preocupados por temáticas de ciencia abierta, que han reconocido la transparencia en los diseños de investigación cómo un principio importante a adoptar. En lo que sigue, revisaremos cómo los preregistros logran fomentar la transparencia en los diseños de investigación. 2.3.1 Preregistros Los preregistros son una marca temporal sobre las decisiones del diseño, el método y el análisis de un artículo científico y se suelen hacer antes del levantamiento de datos (Stewart et al. 2020). Básicamente, preregistrar un estudio implica que un grupo de investigadores dejarán por escrito una pauta de investigación a la cual seguirá cuando desarrollen la investigación, especialmente la recopilación y el análisis de los datos. El objetivo del preregistro es reducir el margen de flexibilidad que tienen los investigadores a la hora de analizar los datos. El que exista una guía sobre qué hipótesis probar y qué análisis hace menos probable que los científicos caigan en prácticas cómo el sesgo de publicación, p haking o el HARKing. Cómo vimos el sesgo de publicación se trata de publicar selectivamente los resultados de investigación: resultados que no hayan sido significativos, o hipótesis que no funcionaron simplemente se omiten. Sin embargo, cuando existe un documento como un preregistro, el cual deja estipulado claramente las hipótesis que deben ponerse a prueba y los análisis que se emplearan para ello, se torna más difícil reportar selectivamente los resultados. Dicho de otra forma, cuando existe una pauta a la cual apegarse, la discrecionalidad en el reporte de los resultados disminuye. En el caso del p-hacking, el efecto del preregistro es parecido. El p-hacking consiste en abusar de las pruebas estadísticas para obtener resultados significativos. Abusar en el sentido de buscar toda vía posible para obtener un valor p que confirme las hipótesis planteadas. El hecho de preregistrar el plan de análisis y el procesamiento que se le efectuara a las variables permite evitar este tipo de búsqueda intencionada: como hay una guía que seguir, cualquier desviación debe ser justificada. En esta misma línea, un preregistro evita el HARKing ya que las hipótesis están previamente planteadas y no es posible cambiarlas una vez que se han visto los resultados. En suma, el plantear un registro a priori de la investigación, disminuye la flexibilidad que suele dar paso a las QRP. Existen resquemores respecto del uso de preregistros de los que es preciso hacerse cargo. Una de las principales preocupaciones es que el uso de preregistros tendería a coartar la creatividad y la producción de conocimiento exploratoria (Moore 2016). La lógica es que, como cada parte de la investigación debe ser registrada detalladamente previo a la recopilación, no queda espacio para la espontaneidad durante el análisis de datos. Sin embargo, más que inhibir la investigación exploratoria, el objetivo de preregistar un estudio es separar la investigación confirmatoria (pruebas de hipótesis) y la exploratoria (generación de hipótesis) (Brian A. Nosek et al. 2018). En ese sentido, es posible la investigación exploratoria bajo el modelo de preregistros, solo que hay que especificarla como tal. Una segunda creencia es que realizar un preregistro añade un nivel de escrutinio mayor del necesario, es decir, como se conoce cada detalle, la investigación se vuelve un blanco fácil de críticas. Sin embargo, la situación es todo lo contrario (Moore 2016). Por ejemplo, haber preregistrado un plan de análisis para una regresión logística binaria con datos que originalmente eran ordinales hará más creíble los resultados, ya que quienes evalúen la investigación tendrán pruebas de que el nivel de medición no se cambió solo para obtener resultados significativos. Una tercera idea en torno a los preregistros es que conllevan una gran inversión de tiempo y energía. Si bien es cierto que se añade un paso más al proceso de investigación, el avance en la temática ha logrado que existan una variedad de plantillas que hacen el proceso más rápido y eficiente. Desde una lógica racional, el tiempo que toma este paso nuevo en la investigación es un costo bajo en contraste a los beneficios que trae. La característica más importante de los preregistros es que sean elaborados previo al análisis de datos y ojalá previo a su recopilación. Este requisito es lo que permite asegurar la credibilidad de los resultados, ya que, si no hay datos que alterar, entonces las probabilidades de que ocurra una QRP son básicamente nulas. Generalmente, para las ciencias médicas o la psicología experimental (disciplinas donde cada vez se usan más los preregistros), esto no suele ser un problema ya que se utilizan diseños experimentales. Estos se apegan al método científico clásico: se plantean hipótesis basadas en la teoría, se diseña un experimento para probar esas hipótesis y luego se recopilan y analizan los datos para ver si dan soporte a las hipótesis planteadas. Sin embargo, en muchas disciplinas de las ciencias sociales los diseños experimentales son una pequeña fracción del conjunto de la literatura (e.g. según Card, DellaVigna, y Malmendier 2011 en 2010, solo un 3% de los artículos en las mejores revistas de economía eran experimentales), y lo que prima son los diseños observacionales con datos secundarios. A diferencia de los estudios experimentales, en los estudios con datos preexistentes se afecta el principal componente de credibilidad de los preregistros. Nada puede asegurar que los datos fueron analizados antes de la escritura del preregistro y que, por ejemplo, las hipótesis se están planteando una vez conocidos los patrones significativos (HARKing). De ahí que nace la pregunta sobre la posibilidad de utilizar preregistros en estudios con datos preexistentes. En la literatura sobre preregistros se han discutido los desafíos que implica preregistrar estudios que utilicen datos preexistentes (e.g. Editors 2014). Existen posturas que proponen que, en realidad, no existe una forma creíble para preregistrar este tipo de estudios (G. Christensen y Miguel 2018). No obstante, otras posturas han profundizado en las situaciones en las que aún es posible preregistrar estudios con datos elaborados previamente. Burlig (2018) propone tres escenarios donde el preregistro de datos observacionales es valioso. El primero es, básicamente, cuando los investigadores que diseñaron la investigación generan sus propios datos, en este caso, los investigadores sí pueden elaborar un preregistro previo a la recolección de datos. El segundo escenario se da cuando se preregistra un estudio que tiene como objeto de interés un suceso que aún no ha ocurrido, lo que se conoce como estudios prospectivos. Por ejemplo, un grupo de investigadores puede estar interesado en el efecto que tendrá la introducción de una ley en las prácticas sociales, o el efecto de un tratado en las variaciones del PIB. Para esos casos, el preregistro aún mantiene su validez original ya que, si bien los datos ya existen, no es posible hacer los análisis antes del preregistro porque el evento de interés no ha ocurrido. El tercer escenario ocurre cuando los datos existen, pero no están abiertos al público. En estos casos, es la accesibilidad lo que determina la credibilidad del preregistro. Por ejemplo, el grupo de investigadores que elaboraron los datos pueden establecer que serán accesibles con previo contacto y que se solicitará un preregistro. Por ende, en orden de analizar los datos, los investigadores interesados deberán elaborar un preregistro para utilizar los datos. Conforme a lo anterior, Mertens y Krypotos (2019) proponen dos prácticas para asegurar la credibilidad de un preregistro con datos secundarios. Primero, que el grupo de investigadores que analiza los datos sea distinto e independiente de quien propuso el diseño de investigación y segundo, que el equipo realice sintaxis de análisis con datos simulados, con tal de demostrar que las hipótesis ya existían previas a acceder a los datos. Estas propuestas muestran que el requisito sobre la temporalidad del preregistro puede. La recomendación más transversal y a la vez simple para preregistrar análisis con datos secundarios, es ser sincero y claro respecto a lo que se ha hecho y lo que no (Lindsay 2020 ; Brian A. Nosek et al. 2018). Por ejemplo, reportar si es que se ha leído el reporte descriptivo sobre la base de datos o se tiene conocimiento de algún tipo de patrón de los datos. Es preciso transparentar cualquier tipo de aproximación a los datos previo haberlos analizado. Para lograr este nivel de detalle y ser eficiente con los tiempos y la comunicación hacia otros investigadores, es que existen plantillas predeterminadas para preregistrar distintos tipos de artículos en diferentes situaciones. En la siguiente sección presentaremos las plantillas más usadas. Referencias "],["herramientas-para-los-diseños-transparentes.html", "2.4 Herramientas para los diseños transparentes", " 2.4 Herramientas para los diseños transparentes Nuestra principal apuesta para promover la transparencia en los diseños de investigación son los preregistros, por lo que es a lo que le dedicaremos más espacio de esta sección. De todos modos, también revisaremos un par de herramientas que pueden complementar el uso de pre-registros. Esperamos que, posterior a esta sección, el lector pueda ser capaz de utilizar estas herramientas para sus investigaciones. 2.4.1 Plantillas de preregistro En la práctica, preregistrar un artículo es básicamente sintetizar la información importante sobre nuestra investigación en una plantilla estandarizada y alojar ese documento en un lugar público. Por lo que el primer paso para elaborar un preregistro es elegir la plantilla correcta. Existen plantillas estandarizadas que están estructuradas de tal forma que son útiles para preregistrar estudios de cualquier disciplina, así como también existen plantillas dedicadas a una disciplina o a situaciones particulares. En este apartado presentaremos plantillas bajo cuatro categorías: a) plantillas genéricas, b) plantillas para experimentos y previas a recolección de datos, c) plantillas para datos existentes/secundarios, c) plantillas para estudios de replicación y d) plantillas para registered reports. Además de proveer una descripción de cada una, orientaremos al lector para elegir una plantilla de acuerdo al tipo de investigación que está desarrollando. El Open Science Framework (OSF), que en español se traduce cómo un marco de trabajo para la ciencia abierta, actúa cómo una herramienta y un repositorio que alberga las plantillas que trataremos en esta sección (y más). Para ver todas las plantillas disponibles en OSF hacer clic en el siguiente enlace: https://osf.io/zab38/wiki/home/. 2.4.1.1 Plantillas Genéricas Las plantillas genéricas son aquellas que pueden ser utilizadas independiente de las características del estudio, ya que suelen incluir campos que abordan distintos tipos de situaciones (e.g. sí un estudio es experimental o observacional). Acá revisaremos dos plantillas genericas, la plantilla estándar de AsPredicted, y la plantilla estándar de OSF. AsPredicted La plantilla de AsPredicted es quizás una de las más conocidas para hacer preregistros, dado que está estandarizada y puede ser utilizada en cualquier disciplina. Recomendamos utilizarla cuando lo que se busque es optimizar tiempo y energías. La plantilla cuenta solamente con ocho preguntas clave que aplican a cualquier tipo de artículo. Esta plantilla la podemos encontrar tanto en OSF, como en la página de AsPredicted, en este caso, mostraremos cómo es el proceso en la página original. Partimos por entrar a la página de AsPredicted, donde veremos algo como la Figura N° 2.5. Acá se nos da la opción de crear un preregistro, de ver los que ya hemos hecho (si es que ese es el caso) y también una breve descripción de AsPredicted. A grandes rasgos, la página nos dice que AsPredicted es una plataforma que busca facilitar el preregistro de estudios por parte de los investigadores a través de nueve simples preguntas. La página genera un documento .pdf y una URL asociada. También, cuenta cómo funciona el preregistro. Básicamente, un autor elabora un preregistro de un estudio y los coautores reciben un mail para aprobar ese preregistro. Una vez aprobado por todos los autores, el preregistro queda alojado en la plataforma de manera privada, y no cambia hasta que un autor decida hacerlo público. Además, en caso de que el estudio entre en revisión por pares, se puede enviar una versión anónima del preregistro. Por último, nos entrega una recomendación sobre qué hacer en el caso de que el proceso de investigación no haya podido apegarse totalmente a lo predicho. Figura 2.5: Botón para comenzar un preregistro Para elaborar un preregistro debemos hacer click en el rectángulo azul que dice Create. Una vez hecho eso, nos pedirá una dirección de email para continuar. Cuando ingresemos un email, nos enviará un enlace al email que hayamos ingresado, con ese enlace podremos comenzar el preregistro. Una vez hayamos entrado en el enlace, veremos la plantilla de preregistro. Lo primero que aparece es una sección donde debemos escribir los emails de los autores colaboradores del estudio. También, nos da la opción de añadir otros emails además del que hemos introducido. Una vez pasada esta parte, ya nos encontramos con las preguntas del preregistro, las cuales son las siguientes: Recogida de datos. ¿Se han recogido ya datos para este estudio? Hipótesis. ¿Cuál es la pregunta principal que se plantea o la hipótesis que se pone a prueba en este estudio? Variable dependiente. Describa la(s) variable(s) dependiente(s) clave especificando cómo se medirán. Condiciones. ¿Cuántos y qué condiciones se asignarán a los participantes? Análisis. Especifique exactamente qué análisis realizará para examinar la pregunta/hipótesis principal. Valores atípicos y exclusiones. Describa exactamente cómo se definirán y tratarán los valores atípicos, así como su(s) regla(s) precisa(s) para excluir las observaciones. Tamaño de la muestra. ¿Cuántas observaciones se recogerán o qué determinará el tamaño de la muestra? Otros. ¿Hay algo más que quiera preinscribir? Nombre. Poner un título a este preregistro de AsPredicted Finalmente. A efectos de registro, indíquenos el tipo de estudio que está preinscribiendo. Las preguntas son bastante autoexplicativas, pero no está de más entregar algunos detalles adicionales. En la pregunta de recolección de datos, las opciones son tres: Sí, se han recolectado datos, No, no se han recolectado datos y Es complicado. Es importante mencionar que, en esta plantilla, la respuesta de que se han recolectado datos no es válida, por lo que si se está llevando a cabo un estudio con datos secundarios hay responder Es complicado y en la pregunta 8 de la plantilla especificar por qué este preregistro sigue siendo válido pese a que los datos son preexistentes. Otro detalle importante es que cada pregunta está pensada para ser respuesta en aproximadamente una oración. Esta plantilla tiene el objetivo de ser lo más eficiente posible, por lo que, en general, se recomienda que todo el documento no pase de los 3200 caracteres. Otro detalle que especificar es que la pregunta acerca del tipo de estudio que se está preregistrando también es semicerrada, tenemos las opciones de: Proyecto de clase, Experimento, Encuesta, Estudio observacional y Otro. Es responsabilidad de quien hace el preregistro el seleccionar la opción que más se asemeje a su situación. Por último, es importante señalar que el preregistro, al menos en la página de AsPredicted, solo puede ser rellenado en inglés, por lo que en caso de utilizar otro idioma solicitará traducirlo. OSF Estándar La plantilla estándar de OSF también es de carácter general y busca abarcar distintas situaciones y tipos de estudios. La diferencia que tiene con la plantilla de AsPredicted es que contiene más preguntas y más detalladas. Por ejemplo, contiene preguntas relativas a en qué momento específico se está efectuando el preregistro (i.e antes de recopilar los datos, antes de cualquier observación humana a los datos, antes de acceder a los datos etc) o sí se harán transformaciones de las variables y su nivel de medición. La plantilla puede verse en este enlace: https://osf.io/preprints/metaarxiv/epgjd/. A continuación, veremos el inicio del proceso para registrar en OSF, el cual sirve tanto para la plantilla estándar cómo para otras que veremos más adelante. El primer paso es acceder a la sección específica de preregistros de la página de OSF, la cual se encuentra en el siguiente enlace: https://osf.io/prereg/ (para usar este servicio es necesario tener una cuenta). Si entramos al enlace, la apariencia de la página será algo como la Figura N° 2.6. Seleccionemos Start a new preregistration, le damos un nombre al proyecto y hacemos click en Continue. En la página siguiente, podemos ver que hemos creado un proyecto nuevo en OSF, el cual nos da la opción de preregistrarlo haciendo click en el botón New registration. Figura 2.6: Opciones para comenzar un preregistro en OSF En la Figura N° 2.7 podemos ver dos cosas. Primero, la descripción de lo que está haciendo OSF al comenzar un nuevo preregistro, lo que en pocas palabras es una versión no modificable del proyecto al momento que hacemos el preregistro. En otras palabras, es una versión congelada del proyecto en OSF. Segundo, también se aprecia una serie de opciones para preregistrar, estas son las plantillas que mencionamos anteriormente. OSF nos ofrece distintas plantillas de acuerdo con el carácter que tiene nuestro estudio. Figura 2.7: Opciones de plantilla de pre-reistro El primer paso es escoger la plantilla de acuerdo a la situación en la que nos encontremos. En este caso, seleccionamos la plantilla estándar de OSF. Una vez hayamos hecho eso, será necesario llenar los metadatos del estudio (e.g. Figura N° 2.8). Esta sección es transversal a todas las plantillas y consiste en registrar el título, descripción, contribuyentes, entre otras cosas que ayudan a identificar el proyecto. Figura 2.8: Ejemplo de campos de metadatos para rellenar Una vez hayamos rellenado los campos correspondientes a los metadatos, podemos rellenar la plantilla de preregistro. Con los campos rellenados podremos proceder a preregistrar nuestro proyecto. 2.4.1.2 Plantillas para diseños experimentales y previas a recolección de datos Considerando que el sentido original de un preregistro es que sea elaborado previo a la recolección y análisis de los datos, en principio cualquier plantilla genérica podría servir. Por ejemplo, la plantilla estándar de OSF ofrece preguntas detalladas que refieren al uso de diseños experimentales (i.e. cuáles son las condiciones de tratamiento o quiénes están al tanto de las manipulaciones experimentales del estudio). Sin embargo, OSF ofrece una vía alternativa para preregistrar estudios previo a la recolección de datos a través de la plantilla OSF-Standard Pre-Data Collection pre-registration. Esta plantilla es un complemento de la plantilla estándar y se utiliza solamente sí es que el preregistro original está archivado en un documento. Esto quiere decir que, en el caso de que el equipo de investigación no haya usado el flujo de preregistro de OSF, sino que ya cuenta con un archivo que alberga el preregistro del estudio, entonces puede escoger esta plantilla de complemento para no efectuar todo el proceso de nuevo. Esta plantilla agrega algunas preguntas cruciales sobre la recopilación de datos, siendo las siguientes: ¿Ha comenzado la recogida de datos para este proyecto? No, la recopilación de datos no ha comenzado Sí, la recopilación de datos está en curso o se ha completado ¿Ha mirado los datos? Sí No Otros comentarios 2.4.1.3 Plantillas para datos secundarios En el último tiempo se ha comenzado a considerar cómo es que investigadores de las ciencias sociales empíricas que trabajan con datos preexistentes pueden, de todas maneras, preregistrar sus estudios para asegurar la credibilidad de sus hallazgos. Sí bien OSF cuenta con una plantilla tipo para este tipo de situaciones (ver en https://osf.io/x4gzt/), nosotros recomendamos la plantilla de Mertens y Krypotos (2019) dada la simpleza y exhaustividad de sus preguntas. La plantilla de Mertens y Krypotos (2019) se puede ver en el siguiente enlace: ttps://osf.io/p26rq/. Esta plantilla está dirigida a investigadores que usen datos secundarios. Hace más simple el proceso de preregistro al enfocarse en las preguntas que se asemejan realmente a la situación del investigador que trabaja con grandes encuestas o datos administrativos, lo cual es muchas veces el caso en disciplinas cómo sociología, ciencias políticas o economía. Esta plantilla cuenta con las siguientes diez preguntas: ¿Cuál es la hipótesis que se investigará? ¿Cómo se operacionalizarán las variables cruciales? ¿Cuál es la fuente de los datos incluidos en los análisis? ¿Cómo se obtendrán estos datos? ¿Hay algún criterio de exclusión de los datos? ¿Cuáles son los análisis estadísticos previstos? ¿Cuáles son los criterios para confirmar y desconfirmar las hipótesis? ¿Se han validado los análisis con un subconjunto de datos? En caso afirmativo, facilite los archivos de datos y la sintaxis de los mismos. ¿Qué se sabe sobre los datos que podría ser relevante para las hipótesis probadas? Facilite un breve calendario para los diferentes pasos del prerregistro. Cómo podemos ver, además de los campos que se pueden encontrar en cualquier plantilla cómo la especificación de las hipótesis del estudio o los criterios de exclusión de datos, esta plantilla hace preguntas relativas al nivel de conocimiento previo de los datos. Por ejemplo, en la pregunta 4 solicita especificar la fuente de los datos. Cómo son datos secundarios, esto implica detallar cómo se accederá o serán solicitados los datos: sí es que es necesario rellenar algún formulario o contactar a alguien en específico para obtener acceso. También, en la pregunta 9 se solicita describir cualquier conocimiento de algún patrón en los datos que sea relevante para la pregunta de investigación (e.g. la media o la mediana de una variable). Estos son ejemplos de preguntas que hacen esta plantilla útil para los investigadores que trabajen con datos preexistentes y que quieran preregistrar sus estudios. 2.4.1.4 Plantillas para estudios de replicación Tratar en extenso qué es y cómo se hace un estudio de replicación escapa de los objetivos de de este capítulo, sin embargo, es una práctica de la ciencia abierta que no podemos dejar fuera ya que también cuenta con una plantilla para prerregistro. Replicar un estudio significa regenerar los hallazgos de un estudio, siguiendo sus hipótesis y plan de análisis, pero con datos distintos. OSF ofrece dos plantillas para investigadores que tienen el objetivo de replicar un estudio. La primera es una plantilla para estudios de replicación previo a su ejecución, la cual incluye una serie de preguntas relativas al estudio original, por ejemplo, qué efecto se está buscando replicar, por qué es importante replicarlo o en qué área geográfica fue conducido el estudio original. Esta plantilla se puede ver en el siguiente enlace: https://osf.io/4jd46/. La segunda plantilla es para estudios de replicación que ya han sido completados. En este caso, las pvreguntas están relacionadas a los hallazgos del estudio de replicación, por ejemplo, cuál fue el efecto obtenido en la replicación y sí se considera que este efecto logra replicar los resultados originales o no. El enlace para esta plantilla se puede encontrar en este enlace: https://osf.io/9rp6j/. 2.4.1.5 Plantillas para registered reports Cómo veremos en la siguiente sección, los registered reports son un modelo alternativo de publicación donde el diseño del estudio pasa por un proceso de revisión por pares, a diferencia del modelo tradicional donde el documento que pasa por revisión por pares es el artículo finalizado. La plantilla que ofrece OSF es para estudios que han sido aceptados en la revisión por pares en una revista académica que cuenta con el modelo de registered reports. El objetivo de esta plantilla es poder dejar un registro público sobre el artículo en proceso, por lo que la plantilla de preregistro consta de, básicamente, una sección para el título del artículo, la fecha de aceptación, el manuscrito y archivos complementarios. Esta plantilla se puede ver en este enlace: https://osf.io/gm36s/. Referencias "],["otras-herramientas.html", "2.5 Otras herramientas", " 2.5 Otras herramientas Sí bien los preregistros son una de las herramientas que más ha ido tomando protagonismo para promover la transparencia, existen otras. Específicamente, queremos mencionar dos de ellas: el modelo de registered reports (en español, informes registrados) y la transparency checklist (en español, lista de transparencia). 2.5.1 Registered Reports El modelo de registered reports es una alternativa al modelo tradicional de publicación. Consiste en que el artículo atraviesa una revisión por pares en etapas tempranas de la investigación, específicamente previo a la recolección de datos. Esta práctica tiene por objetivo que el estudio sea evaluado por su innovación y calidad del diseño de investigación, más que por resultados impactantes (Chambers et al. 2015). Además, busca dejar sin efecto prácticas cómo el sesgo de publicación, p-hacking y HARKing, ya que no solamente existe una marca temporal que avala el diseño de investigación del estudio (cómo es el caso de un preregistro), sino que también existe un grupo de científicos anónimos que están de acuerdo con que el artículo es un aporte al conocimiento (Chambers 2013; Brian A. Nosek y Lakens 2014; Marsden et al. 2018). Los registered reports tienen dos características principales (Marsden et al. 2018). Primero, un manuscrito con la justificación del estudio, lo que incluye una introducción, revisión de antecedentes y una pregunta de investigación, dando la posibilidad de una aceptación preliminar (IPA, por sus siglas en inglés In principle acceptance). La segunda característica es que el IPA no puede revocarse en base a los resultados del estudio, esto evita que trabajos con resultados no significativos no sean publicados y así combatir el sesgo de publicación. Relacionado a ambas características, los informes registrados pasan por dos etapas de revisión, la primera es la del manuscrito, siendo este el determinante sí el estudio se acepta o no, y la segunda revisión que se da posterior a terminar la recolección y análisis de datos. El modelo, en comparación al sistema tradicional de publicaciones, se puede ver en la Figura N° 2.9. Figura 2.9: Método convencional y de registered reports para publicación cientifica Para enviar un artículo bajo el modelo de registered reports, primero se debe tener en conocimiento de cuáles son las revistas que cuentan con este tipo de revisión. El Centro para la Ciencia Abierta cuenta con una lista actualizada de revistas aquí. Una vez escogida una revista, el proceso no es tan distinto al método convencional, en el sentido de que los investigadores envían su manuscrito con la justificación del estudio y este puede ser aceptado o rechazado por el editor, ya sea directamente o después de la corrección de algunos comentarios. Una vez se cuenta con el IPA y se efectúa la revisión en la segunda etapa, los revisores se aseguran de que el estudio ha seguido el plan de análisis inicialmente planteado y sí sus conclusiones tienen sentido de acuerdo a los datos y resultados obtenidos, así cómo también que toda desviación del plan original sea debidamente justificada (Stewart et al. 2020). Desviaciones muy sustanciales y/o que no sean debidamente justificadas pueden conllevar el rechazo del artículo, aunque puede seguir el proceso en el método convencional de publicación (Stewart et al. 2020). 2.5.2 Transparency Checklist La transparency checklist es una herramienta complementaria elaborada por Aczel et al. (2020) que busca acompañar el proceso de reportar un estudio, contribuyendo a que estos sean más transparentes. Esta lista ha sido elaborada específicamente para investigadores de las ciencias sociales y del comportamiento que trabajan con datos primarios, aunque puede ser útil para otros enfoques y disciplinas. La lista consta de 36 items divididos en cuatro categorías: preregistro, método, resultados y discusiones y accesibilidad de datos, donde cada ítem refiere a alguna característica de un reporte transparente, preguntando sí ha sido efectuada o no, o sea, las respuestas posibles de cada ítem son Sí, No y N/A. Existe una versión más corte de 12 items, los cuales son los siguientes: Sección de preregistro: Antes de analizar el conjunto completo de datos, se publicó un prerregistro con sello de tiempo en un registro independiente de terceros para el plan de análisis de datos. El estudio fue registrado antes de que cualquier dato fuera recolectado después de que algunos datos fueron recolectados, pero antes de explorarlos después de que todos los datos fueron recolectados, pero antes de explorarlos después de explorar los datos, pero antes de que cualquier análisis estadístico fuera efectuado después de efectuar algunos análisis estadísticos, pero no todos en otro momento, explicar: El análisis estadístico previsto para cada pregunta de investigación (esto puede requerir, por ejemplo, información sobre la unilateralidad de las pruebas, los criterios de inferencia, las correcciones para pruebas múltiples, los criterios de selección de modelos, las distribuciones previas, etc.). Sección de método El manuscrito describe completamente la justificación del tamaño de la muestra utilizado (por ejemplo, un análisis de potencia a priori). el diseño, los procedimientos y los materiales del estudio para permitir una réplica independiente. las medidas de interés (por ejemplo, la amabilidad) y sus operacionalizaciones (por ejemplo, un cuestionario que mide la amabilidad). ¿algún cambio en el prerregistro (como cambios en los criterios de elegibilidad, en los límites de pertenencia al grupo o en los procedimientos experimentales)? Sección de resultados y discusión El manuscrito distingue explícitamente entre la confirmación (es decir, preestablecido) y exploratorio (es decir, no preestablecidos). Sección de disponibilidad de datos, código y materiales Se han hecho públicas las siguientes los datos (procesados) en los que se han basado los análisis del manuscrito. todo el código y el software (que no esté protegido por derechos de autor). todas las instrucciones, los estímulos y los materiales de las pruebas (que no estén protegidos por derechos de autor). El manuscrito incluye una declaración sobre la disponibilidad y localización de todos los elementos de la investigación, incluidos los datos, materiales y códigos pertinentes para su estudio. Tanto la versión completa de 36 ítems, cómo la recortada de 12 están disponibles para rellenar en línea. Aquí se puede encontrar la lista online, es una aplicación de uso simple, además que permite generar el reporte final de manera automática. Referencias "],["anexos.html", "2.6 Anexos", " 2.6 Anexos Tabla 2.2: Algunas situaciones de QRP Dimensión Práctica Diseño y procesamiento Ignorar ciertos aspectos de los requerimientos de las personas participantes. Pasar por alto el uso de datos cuestionables o de interpretaciones cuestionables que otros hacen. Cambiar partes de un estudio como respuesta a la presión de una fuente de financiación Eliminar observaciones de los análisis basados en la intuición de que eran inexactos. Redondear un valor p (por ejemplo, reportar que un p-value de 0,054 es menor a 0,05) Eliminación, adición o alteración de datos después de pruebas de hipótesis. Supresión selectiva o adición de variables. Invertir la dirección o reformular hipótesis para respaldar los datos Redacción, reporte y publicación Ampliar de manera innecesaria la bibliografía de un estudio. Tergiversar los logros de la investigación. Exagerar la importancia y la relevancia práctica de los resultados. Retener detalles de la metodología de investigación (e.g. no reportar todas las variables dependientes de un estudio) Retener resultados de la investigación (e.g. no presentar datos que contradicen una propia investigación previa). Establecer publicaciones o brindar apoyo a publicaciones que no cumplen el proceso de control de calidad de la investigación Publicar los mismos datos o resultados en dos o más publicaciones. Selectivamente reportar estudios que funcionaron. Reportar hallazgos inesperados como previstos desde el principio. Afirmar que los resultados no se ven afectados por variables demográficas cuando uno no está realmente seguro (o sabe que lo hacen). Citación y autoría Manipular la autoría o denigrar el papel de otros investigadores en las publicaciones. Asignar inapropiadamente los crédios de autoría. Volver a publicar partes sustanciales de publicaciones propias anteriores, incluidas las traducciones, sin citar debidamente el original (autoplagio). Citar de forma selectiva para mejorar los propios resultados o para complacer a los editores, los revisores o los colegas. Usar ideas de otros sin obtener permiso o dar crédito Uso no autorizado de información confidencial en relación con la propia investigación. Relaciones con otros Permitir que los patrocinadores pongan en peligro la independencia en el proceso de investigación con el fin de introducir sesgos. Acusar a un investigador de conducta indebida u otras infracciones de forma maliciosa. Retrasar u obstaculizar inadecuadamente el trabajo de otros investigadores. Emplear la experiencia profesional propia para alentar a que se incumpla la integridad de la investigación. Ignorar supuestos incumplimientos de la integridad de la investigación cometidos por terceros o encubrir reacciones inadecuadas a conductas indebidas. No divulgar adecuadamente la participación en empresas cuyos productos se basan en la investigación de uno. Relaciones con estudiantes, sujetos de investigación o clientes que pueden ser interpretadas como cuestionables. "],["análisis-reproducibles.html", "Capítulo 3 Análisis reproducibles", " Capítulo 3 Análisis reproducibles En la discusión sobre los problemas de transparencia en torno a los procedimientos de investigación, se vuelve necesario precisar de qué manera es entendido el concepto de reproducibilidad en la ciencia. En esta línea, la laxitud en que ha se ha empleado el término ha llevado a definiciones poco claras, lo cual ha generado una tendencia a confundir lo que refiere a la transparencia de un proceso único que ya ha sido realizado, con un proceso nuevo y que puede realizarse de manera reiterativa, obteniendo los mismos resultados. Por este motivo, esta sección propone dar luces respecto a cómo entendemos el concepto de reproducibilidad, en contraste con el replicabilidad en la ciencias sociales. La discusión en torno a cómo se entiende la reproducibilidad, habitualmente lleva al contraste respecto al concepto de replicabilidad. Al respecto Earth y Behavioral (2019) menciona que con el incremento de las herramientas computacionales a principios de los años 90, el término de investigación reproducible era concebido como las investigaciones que proveían un compendio detallado de la documentación, código y datos que permitieran obtener los mismos resultados publicados por los autores, enfatizando que los análisis fueran transparentes y claros con el objetivo de ser verificados por sus pares. Por otro lado, los autores sostienen que en otras disciplinas, el concepto de reproducibilidad era asociado a investigaciones independientes entre sí en términos de los datos empleados, los materiales, métodos e implementación de un estudio, lo cual estaría orientado a robustecer o cuestionar la evidencia previa (Earth y Behavioral 2019, pp 33-34). Actualmente, a esta práctica se la entiende como replicabilidad de una investigación y no debe ser confundida con el concepto de reproducibilidad (Barba 2018). Barba (2018) sugiere que la confusión entre reproducibilidad y replicabilidad ha contribuido a obstaculizar las prácticas en ambas dimensiones. En una revisión reciente realizada por la autora se han identificado al menos tres escenarios o versiones de cómo se entienden ambos conceptos en una amplia gama de disciplinas que van desde las ciencias sociales hasta estudios clínicos en las ciencias médicas. El primer escenario (A), y a la vez el más común, es donde el uso de ambos conceptos es indistinto, contribuyendo a la ya mencionada confusión. El segundo escenario (B1) es cuando la reproducibilidad es entendida como la situación que los datos originales y el código de análisis son empleados para regenerar los resultados originales, mientras que la replicabilidad es entendida cuando investigadores o equipos independientes utilizan datos nuevos para obtener los mismos resultados que la investigación previa. Finalmente, un tercer escenario (B2) es cuando la reproducibilidad es entendida cuando investigadores o equipos independientes obtienen los mismos resultados empleando sus propios datos y métodos, mientras que la replicabilidad es entendida cuando investigadores o equipos independientes llegan a los mismos resultados empleando los artefactos digitales1 originales del autor con menores o mayores modificaciones, los cuales han sido puestos previamente a disposición de sus pares. La Figura 3.1 ilustra cómo podemos entender los escenarios B1 y B2 en relación a la distinción entre reproducibilidad y replicabilidad. El color rojo, tanto en los datos como en los métodos, indica que los componentes empleados son idénticos a los del estudio original. Por otro lado, el color azul, indica que tanto los datos como los métodos son distintos a los del estudio original. Finalmente, el color morado en los métodos se entiende como un punto intermedio y refiere cuando se han empleado métodos que siguen las indicaciones del estudio original, pero que han incorporado modificaciones, nuevos métodos u otras innovaciones metodológicas (p. ej. métodos nuevos, pruebas robustez u otros). Figura 3.1: Escenarios B1 y B2 en reproducibilidad y replicabilidad. En las ciencias sociales, el debate en torno a la investigación reproducible y la replicabilidad no ha estado ausente. Como fue reseñado en el capítulo de transparencia, existen casos icónicos en torno a prácticas cuestionables de investigación que han afectado la confianza en la investigación científica, lo cual ha contribuido a incrementar los esfuerzos por una ciencia social abierta y reproducible (Breznau 2021; B. A. Nosek et al. 2015). En los tres escenarios descritos por Barba (2018), las ciencias sociales han experimentado de manera diversa el ajuste hacia una cultura de mayor apertura y precisión en torno a los problemas de la crisis de reproducibilidad, principalmente a través del estudio sistemático de dicha problemática, dentro de lo cual la psicología ha sido un pionera en proveer evidencia para este debate (e.g. Open Science Collaboration 2015; Gilbert et al. 2016). Al respecto Bishop (2019) sostiene que una de las principales amenazas para el progreso de la ciencia en general ha sido a la falta de reproducibilidad de los resultados (irreproducibility), lo cual ha afectado principalmente la robustez y credibilidad de la evidencia reportada por las investigaciones, problema que también ha sido identificado en las ciencias sociales, principalmente por la falta de precisión en los procedimientos y las barreras de acceso a materiales clave del proceso de análisis (Freese y Peterson 2017). Entonces, retomando la distinción clave entre lo que entendemos por reproducibilidad y replicabilidad, en su revisión, Barba (2018) sugiere que una manera de entender y distinguir ambos conceptos de manera minimalista puede descansar en el carácter de los datos y los métodos. Al respecto B. A. Nosek et al. (2015) sostiene que en lo que refiere a estas dos dimensiones, los niveles en que una publicación los incorpora es gradual y puede entenderse como un continuo o espectro (Peng 2011), y por tanto, el nivel en que se cumplen con determinados criterios nos permite definir el carácter de una investigación en términos de su reproducibilidad. Por ejemplo, la Figura N° 3.2 nos muestra cómo podemos caracterizar una investigación publicada en torno al acceso y vinculación entre código y datos. Por un lado, se observa que en el polo donde únicamente disponemos de la publicación, se entiende como la ausencia de reproducibilidad. Por otro lado, en la medida que incrementa el acceso a los materiales, y se explicita el enlace entre ellos, se puede caracterizar a una publicación como reproducible.2 Figura 3.2: Espectro de Reproducibilidad. Traducción propia en base a Peng (2011) Como sugiere B. A. Nosek et al. (2015), el problema de la ausencia o falta de reproducibilidad debe ser abordado a través de un cambio en las prácticas de investigación, para lo cual se requiere, por un lado, de una disposición por parte de la comunidad científica, es decir a que se le atribuya un sentido positivo a estas prácticas. Sin embargo, Peng (2011) sostiene que una de las principales barreras para promover estas prácticas ha sido la falta de mecanismos que faciliten la distribución de la investigación reproducible, como también la poca claridad respecto de los estándares asociados a ello. Siguiendo esta autocrítica de algunos sectores dentro de la comunidad científica, dentro de los últimos años han surgido iniciativas, por ejemplo, como el Open Science Framework, al alero del Center for Open Science, desde donde se busca contribuir con herramientas para el entrenamiento y educación de la comunidad científica en general, como también proveer de una infraestructura tecnológica que facilite la transición cultural hacia una ciencia abierta, transparente y reproducible (B. A. Nosek et al. 2015). Por este motivo, proponemos revisar tres iniciativas internacionales que han puesto sus esfuerzos en la promoción de estos principios, con particular atención en la reproducibilidad de la investigación científica, y en particular de las ciencias sociales empíricas cuantitativas. Dentro de estas iniciativas encontraremos esfuerzos orientados a la educación y entrenamiento, herramientas tecnológicas y fortalecimiento de redes de colaboración. Referencias "],["qué-se-ha-hecho.html", "3.1 ¿Qué se ha hecho?", " 3.1 ¿Qué se ha hecho? 3.1.1 Berkeley Initiative for Transparency in the Social Sciences Objetivos y visión Esta iniciativa busca promover la credibilidad en la evidencia generada por las ciencias sociales a través de mecanismos de avanzada para la transparencia, reproducibilidad y prácticas éticas en la investigación social empírica. Desde esta premisa, ha desarrollado y puesto a disposición de la comunidad científica una serie de herramientas en colaboración con estudiantes, investigadores, entidades académicas y fundaciones de la sociedad civil al alero de tres principios orientadores. Generar evidencia en torno a problemas y soluciones a través de los investigadores y la comunidad de BITSS quienes han liderado investigaciones meta-analíticas con atención en las ciencias sociales. Incrementar el acceso a la enseñanza de la ciencia abierta, a través del fortalecimiento de prácticas para reconocer y conducir investigación social transparente y reproducible a través del entrenamiento de investigadores jóvenes, acceso a materiales, apoyo financiero y la consolidación de una red de colaboración. Fortalecer el ecosistema científico, estableciendo condiciones para investigadores e instituciones para contribuir a un cambio efectivo y equitativo en las normas que permitan una consolidación de una política interna orientada a la ciencia abierta y al desarrollo de protocolos en esta dirección. Como se ha señalado, esta iniciativa se orienta bajo estos tres ámbitos o principios. Desde sus inicios, se han desarrollado una serie de componentes que buscan promover y dar soluciones a los problemas de transparencia y reproducibilidad en las ciencias sociales. En particular, nos interesa destacar algunas de las contribuciones en este ámbito que serán presentadas a continuación las cuales se pueden resumir en Evidencia, Educación y Recursos. Contribución En el ámbito de Evidencia, desde BITSS se ha realizado un esfuerzo por producir y sistematizar evidencia centralizadamente. En este contexto existe la Research Library, una base de datos de publicaciones científicas que engloba una serie de investigaciones meta-analíticas en el ámbito de las ciencias sociales, contribuyendo con un cuerpo de evidencia sistemática en torno a los problemas y soluciones sobre transparencia y reproducibilidad en las ciencias sociales sin precedentes. En este apartado, tanto los colaboradores como investigadores de BITSS ponen a disposición de la comunidad científica las investigaciones que han sido financiadas a través de las Social Science Meta-Analysis and Research Transparency (SSMART) grants, las cuales constituyen fondos orientados a contribuir a la investigación empírica en torno a la transparencia y reproducibilidad en disciplinas como la economía, ciencia política, psicología y ciencias sociales afines. Desde la Educación y Entrenamiento podemos identificar la articulación de una serie de Training activities desarrolladas por BITSS. Dentro de los objetivos de estas actividades podemos encontrar dos aspectos que se buscan abordar desde esta dimensión. Por un lado se encuentra el promover una visión crítica de los investigadores en las ciencias sociales, esto considera un entendimiento de los principales problemas asociados a la investigación social de calidad al alero de los principios de la ciencia abierta, dentro de lo cual podemos encontrar los sesgos y prácticas referidas a las presiones por publicar, prácticas cuestionables de investigación, reproducibilidad y privacidad de datos. Por otro lado, se han propuesto promover el manejo de técnicas de investigación para la transparencia y reproducibilidad, principalmente a través de actividades de entrenamiento con un foco en el aprendizaje e implementación de herramientas y métodos. En esta línea destacan dos contribuciones que se fundamentan en estos principios, las cuales serán descritas a continuación. Research Transparency and Reproducibility Training Una de las contribuciones señaladas es el Research Transparency and Reproducibility Training (RT2), el cual constituye uno de los principales eventos académicos realizados anualmente por BITSS, teniendo por objetivo el poner a disposición de estudiantes e investigadores una mirada general de las herramientas y prácticas actuales para la transparencia y la reproducibilidad en la investigación empírica en ciencias sociales. Los contenidos de RT2 abordan una serie de tópicos de manera transversal que pueden ilustrados en seis puntos: Amenazas para la credibilidad en la ciencia y la reproducibilidad, junto con su relación con el ethos científico: Conducta y valores en la ciencia. Mejoras en las especificaciones de los diseños de investigación: pre-registros y plan de pre-analysis en investigación con datos experimentales y observacionales. Ética e investigación abierta: estándares éticos para la ciencia abierta, manejo de datos y autoría de fuentes de información abiertas (citación). Herramientas y métodos para la investigación reproducible y colaboración: control de versiones y reportes dinámicos. Sistematización de evidencia, reproducibilidad e interpretación: métodos para investigación meta-analítica y revisiones sistemáticas, transparencia y reproducibilidad usando datos administrativos; y replicabilidad en la investigación. Software para la Ciencia Abierta e innovaciones metodológicas. MOOC: Transparent and Open Social Science Research Otra de las contribuciones es el Transparent and Open Social Science Research corresponde a un curso gratuito online de cinco semanas el cual aborda los fundamentos conceptuales y las principales herramientas para promover una ciencia social abierta y transparente. La Tabla 3.1 muestra el contenido de las sesiones, las cuales se basan en un curso de nivel de grado dictado por el director de BITSS Ted Miguel en la Universidad de California Berkeley. Tabla 3.1: Cursos por semana en el MOOC de BITSS Semana Contenido 1 Introducción a la transparencia y reproducibilidad de la investigación 2 Sesgo de publicación 3 Pre-registro, Plan de Pre-Análisis; y Meta-análisis 4 Replicación y Datos Abiertos 5 Visualización de Datos transparente y Viendo hacia adelante Una de las principales características de este curso introductorio es la sistematización de aspectos claves para la ciencia abierta con un foco particular en las ciencias sociales. Adicionalmente, tiene el objetivo de introducir conceptualmente a los problemas que se han visto presentes en las ciencias y busca dar respuestas prácticas a través de herramientas y métodos concretos para solucionarlo. Finalmente, constituye un esfuerzo breve y preciso, dado que las sesiones semanales poseen una duración promedio de unos treinta minutos y se encuentran dosificadas en videos de corta duración subtitulados. En el ámbito de los Recursos que provee BITTS, podemos encontrar librería de recursos o simplemente la Resource Library, la cual incluye una multiplicidad de recursos de aprendizaje digitales en torno a la transparencia y reproducibilidad, ordenados según (i) Tópico, (ii) Tipo y (iii) Disciplina de las ciencias sociales. La Figura 3.3 muestra cómo se visualizan los tópicos disponibles en la librería, lo cual puede ser ordenado según tipo y disciplina. Figura 3.3: Librería de Recursos de BITSS 3.1.2 Proyecto TIER (Teaching Integrity in Empirical Research) Objetivos y visión El proyecto TIER es una iniciativa respaldada por la Fundación Alfred Sloan que se propone contribuir a un cambio en las normas y conducta profesionales en torno a la transparencia y reproducibilidad en la investigación empírica en las ciencias sociales. Uno de los principios orientadores de sus actividades es el proveer formación en herramientas para la documentación oportuna de procedimientos que involucren datos estadísticos a través de rutinas y referencias que garanticen la reproducibilidad de estos. La idea subyacente que motiva estas acciones es que los autores puedan concebir la documentación como un componente esencial de la comunicación de sus resultados con sus pares, como también el público no especializado, de modo tal que estas medidas contribuyan a incrementar la confianza y credibilidad en la evidencia científica. En esta línea, su declaración de principios sostiene que su objetivo se puede considerar como logrado cuando: () no proporcionar documentación de replicación para un estudio empírico se considere tan aberrante como escribir un artículo teórico que no contenga pruebas de las proposiciones, un artículo experimental que no describa las condiciones de tratamiento o un artículo de revisión de leyes que no cite los estatutos legales o las decisiones judiciales. (traducción propia) Contribución Es necesario tener presente que uno de los principales campos de acción del proyecto TIER es la Educación y Entrenamiento, hacia cientistas sociales en formación, tomando en consideración que es en el ciclo formativo inicial donde se deben impulsar la adopción de prácticas integrales para la investigación social empírica. En esta línea, uno de los elementos destacables es la sección de herramientas para la enseñanza titulada TIER in the Classroom, sus contenidos referidos a temas de reproducibilidad pueden resumir de la siguiente manera: Soup-to-Nuts Exercises: No existe una traducción en el español, no obstante la expresión Soup-to-Nuts refiere a un proceso de inicio-a-fin. Como lo dice, esta sección muestra ejercicios orientados a la reproducibilidad de los análisis pasando por (1) los datos, (2) procesamiento, (3) análisis y (4) reporte. La idea fuerza de este ejercicio es introducir a estudiantes a los principios y prácticas fundamentales de la investigación social transparente y reproducible para que los implementen en sus tareas o informes. Materiales para clases: Esta sección está fuertemente orientada al análisis estadístico y a los métodos cuantitativos. Se presentan una serie de veinticuatro cursos de pregrado y postgrado que incorporan en su currículum los principios de transparencia y reproducibilidad en la enseñanza de los métodos de manera transversal. Los materiales de cada curso se encuentran disponibles para libre descarga, incorporando ejercicios de análisis estadístico (R, Stata, SPSS), reportes dinámicos (R Markdown, Markstat) y sus respectivos _ syllabus_. Trabajos estudiantiles: En este sección se incorporan una serie de trabajos estudiantiles/papers, los cuales están acompañados de una completa documentación basada en el Protocolo TIER (ver detalle abajo). El objetivo es presentar modelos de trabajos realizados con análisis reproducibles, de modo tal que quien esté interesado en emplear la estructura de un proyecto pueda observar un trabajo real e, idealmente, logre reproducir completamente sus resultados. Una de las contribuciones más relevantes del proyecto TIER es la elaboración de estándares para la organización, publicación y comunicación de proyectos de investigación empírica cuantitativa reproducible. Al respecto, existen dos esfuerzos orientados a este fin: Por un lado tenemos el Protocolo TIER, el cual constituye una serie de especificaciones respecto a los contenidos de la documentación para la replicación de un estudio, el cual está orientado a ser empleado para la enseñanza de la investigación que incorpore la reproducibilidad de los análisis. En este caso es importante precisar, como ya hemos identificado en un principio, que el concepto de replicación se emplea como sinónimo de reproducibilidad, entendiendo este último como la conjunción de datos y métodos originales que nos permitan regenerar los resultados de un estudio que ha sido publicado. Por lo tanto, cuando en TIER se habla de replicación se refiere a esta idea. La documentación debe incluir una serie de elementos descritos a continuación. Datos empleados por el proyecto Rutinas de código escrito en el software empleado para la preparación y análisis estadístico. Esto se incluye dado que el objetivo es proveer los datos brutos a procesar, junto con todas las instrucciones que permiten regenerar los resultados reportados en el estudio. Fuentes de información que contribuyan a comprender detalladamente cada sección del estudio de inicio a fin. Por otro lado tenemos el Protocolo DRESS (Documenting Research in the Empirical Social Sciences). Al igual que el Protocolo TIER, se incorporan los mismos estándares para la documentación para una investigación transparente que incorpore la reproducibilidad de los análisis. Sin embargo, este se encuentra adaptado a los propósitos de los investigadores profesionales, más que para el uso de los estudiantes durante su formación en investigación. 3.1.3 UK Reproducibility Network (UKRN) Objetivos y visión La UK Reproducibility Network (UKRN) es un consorcio institucional del Reino Unido que tiene por objetivo promover los principios y prácticas de la ciencia abierta con una mirada local, es decir, en las instituciones nacionales y sus investigadores. Para contribuir a este objetivo se realizan esfuerzos en torno a la investigación de los factores que determinan una investigación abierta y robusta, promoviendo el entrenamiento a través de actividades abiertas y diseminando las buenas prácticas para una ciencia abierta. En particular, se proponen a profundizar en los factores que determinan la carencia de reproducibilidad y replicabilidad, para lo cual se busca: Desarrollar aproximaciones que contrarresten esta falta de transparencia. Incrementar la confianza y la calidad de la investigación científica. Abordar de manera transversal estos problemas en las distintas disciplinas científicas. Avanzar hacia un cambio cultural en la ciencia y transformar las prácticas de quienes la desarrollan. En la UKRN se caracteriza por un trabajo en red, es decir por un importante componente de vinculación entre instituciones de investigación vinculadas a universidades como también a oficinas gubernamentales que desarrollan investigación (ver External Stakeholders) . En esta línea, existen diversas iniciativas apoyadas por la UKRN que promueven el entrenamiento, metodologías y recursos tecnológicos para la ciencia abierta. A continuación se presentarán algunas de las contribuciones más relevantes realizadas por la red, como también algunas de las iniciativas externas que han sido respaldadas por la UKRN. Contribución En el ámbito de la Educación y Entrenamiento, es posible identificar, por un lado, las contribuciones realizadas directamente por la UKRN, y por otro lado, las iniciativas que son respaldadas por la red y que promueven la formación en torno a los principios y prácticas de la ciencia abierta, particularmente en la etapa temprana de la carrera de investigación. Respecto a una de las iniciativas elaboradas por los académicos e investigadores involucrados en la UKRN, encontramos unos de los principales recursos virtuales en un breve curso online que aborda una serie de tópicos relevantes para la promoción de la ciencia abierta, dentro de lo cual encontramos el uso de pre-prints, autorías, registered reports, datos abiertos y reproducibilidad. A continuación se puede observar la lista de sesiones que han sido desarrolladas en torno a estos temas. Junto con las sesiones, existe una serie de recursos compartidos a través de un proyecto abierto en el Open Science Framework. Aquí es posible acceder a documentos breves que abordan los tópicos de cada sesión, además de recursos adicionales sobre uso de software de código abierto y repositorios. Un ámbito de desarrollo ha sido la disposición de recursos tecnológicos que promuevan y faciliten las prácticas en ciencia abierta. Una de las iniciativas impulsadas es el Open Research Calendar, el cual consiste en una instrumento colaborativo y abierto que busca brindar a la comunidad de investigadores interesados en temas relacionados a la ciencia abierta un flujo constante de actualizaciones en torno a workshops y conferencias a nivel mundial que abordan tópicos sobre ciencia abierta unificados en un calendario. El carácter colaborativo de esta herramienta permite que usuarios previamente registrados y validados puedan contribuir con información que se centraliza en el calendario de eventos, precisando los contenidos y redireccionando a la inscripción y/o enlace para las actividades que se realizan a través de internet. Para facilitar la experiencia de usuario, el calendario se integra con Google Calendar el cual puede sincronizarse con la agenda personal, los cuales se van actualizando automáticamente. Otra herramienta tecnológica patrocinada por la UKRN es la plataforma Octopus. A la fecha, la plataforma se presenta como una aplicación en desarrollo y abierta a comentarios de los usuarios. En términos generales se propone ser una alternativa para contribuir a la apertura de publicaciones. El detalle se presenta así: () sustituir a las revistas y los artículos como lugar para establecer la prioridad y registrar su trabajo con todo detalle, Octopus es de uso gratuito y publica todo tipo de trabajos científicos, ya sea una hipótesis, un método, datos, un análisis o una revisión por pares (traducción propia). La Figura 3.4 ilustra un ejemplo de cómo se ve un proyecto en Octopus. Vemos que existen siete componentes que buscan representar el flujo de una investigación. Entendiendo que los procesos de investigación no son lineales y tienden a existir iteraciones en entre teoría y métodos, la virtud de la registro y publicación de un proyecto permite que otros puedan conocer y evaluar nuestras hipótesis, plan de análisis, resultados y versiones de un artículo, así como también la vinculación entre cada sección. Figura 3.4: Ejemplo de un trabajo registrado en desarrollo en octopus.org Para publicar debemos logearnos con una cuenta de ORCID. Si no tienes una cuenta puedes crear un perfil aquí. Luego, se deben seguir tres pasos. El primero es elegir qué tipo de componente se desea publicar (Problema, Hipótesis, Métodos, etc). Segundo, dar detalles sobre el componente y con qué otros proyectos se relaciona. Y finalmente, contribuir con un borrador de escritura que luego será publicado. "],["herramientas-para-los-análisis-reproducibles.html", "3.2 Herramientas para los análisis reproducibles", " 3.2 Herramientas para los análisis reproducibles Generalmente, cuando se habla de reproducibilidad se toma en consideración su dimensión computacional, esto es, el trabajo con código. Como investigadores de las ciencias sociales empíricas y promotores de la ciencia abierta creemos que efectivamente este es el núcleo de la reproducibilidad, sin embargo no es su única acepción. La mera existencia de un código de análisis no nos garantiza que un proyecto sea reproducible per se, dado que es importante tener en consideración cómo es que distintos elementos del proyecto se relacionan entre sí para regenerar los resultados de un trabajo publicado. Considerando esto, es que dividiremos esta sección presentando un flujo de trabajo reproducible con cuatro características: Estructura del proyecto Documentos dinámicos Control de versiones Prácticas de código Veamos cada uno de ellos. 3.2.1 Estructura del proyecto Una de las principales cosas que debemos considerar al elaborar un proyecto es su estructura de carpetas y archivos, esta nos permita entender e identificar los archivos existentes y rol en el flujo de trabajo. En este sentido, una de las herramientas que han sido desarrolladas son los denominados Protocolos (p. ej. TIER, DRESS, IPO), los cuales brindan una serie de orientaciones referentes a estructura digital de carpetas, documentación de archivos y rutinas para conseguir el anhelado objetivo de los análisis reproducibles. Para esto, es posible mencionar una serie de orientaciones generales referentes a dichos procedimientos, por ejemplo en el Proyecto TIER (TIER, 2020) se han desarrollado protocolos orientados a la reproducibilidad de los análisis, los cuales se fundamentan en tres principios que se describen a continuación. Reproducibilidad: La documentación debe permitir regenerar completamente los resultados del estudio original. En primer lugar, se debe comenzar con los datos originales brutos idénticos a aquellos con los que el autor comenzó la investigación, Luego, la posibilidad de realizar las mismas rutinas de código para preparar los datos finales para el análisis. Finalmente, se debe disponer de las rutinas de código que permitan regenerar los mismos resultados publicados, por ejemplo, las tablas o figuras presentes en la investigación. Independencia: Toda la información necesaria para regenerar los resultados del estudio debe estar presente en la documentación. Esto refiere a que no debe ser necesario solicitar ninguna información adicional al autor original. Realismo: La documentación debe estar organizada y presentada con suficiente claridad para que bajo un criterio realista, sea factible que un investigador independiente con un nivel de expertise razonable tenga la posibilidad de regenerar completa e independientemente los resultados del estudio sin mayores dificultades. Teniendo en cuenta lo anterior, la forma en que se encuentran organizadas las partes de un proyecto es fundamental para cumplir a cabalidad con lo que se propone cada principio. Como vimos en la sección previa, es posible entender la reproducibilidad como un espectro que involucra una tríada de tres elementos: Datos, Métodos y Resultados. ESQUEMA: Datos - Métodos - Resultados Este esquema es una síntesis que hacemos de algunos de los protocolos más usados en las ciencias sociales. Más que proponer un protocolo nuevo, buscamos describir los elementos fundamentales que contiene una estructura de proyecto reproducible y que están presentes de alguna u otra forma en la mayoría de los protocolos. 3.2.1.1 Carpeta raíz Antes de detallar los tres elementos que se deben considerar para avanzar en el espectro de reproducibilidad, es importante partir de una base. Esta es la que en distintos protocolos y otras herramientas para la reproducibilidad se conoce como la carpeta raíz (root). La carpeta raíz es donde se alberga toda la documentación de referencia general para el proyecto, lo que abarca desde bases de datos, hasta el cuestionario u otros documentos similares. La carpeta raíz es el punto de partida para poder emplear otras prácticas para la reproducibilidad. A modo de ir avanzando en el espectro de reproducibilidad, es importante tener en consideración dos principios en relación a la carpeta raíz: documentar y orientar. La documentación implica exponer ordenadamente el contenido del proyecto completo de manera jerárquica, es decir, el contenido de subcarpetas y su funciones. En cambio, orientar implica conducir una correcta ejecución de las rutinas que permitan regenerar los resultados de la investigación. Una carpeta base que logre considerar estos principios debe tener los siguientes contenidos: Detalle de la base y las subcarpetas organizadas según su contenido. Una manera amigable de representar esta estructura es a través de un árbol de directorios, el cual ilustra la jerarquía de las carpetas y los principales archivos contenidos. Instrucciones para la configuración del paquete estadístico necesario para ejecutar las rutinas de código. Esto considera el número de versión del software, los complementos necesarios que sean adicionales al paquete estándar y cualquier otra información especial sobre el software que el lector necesite conocer para reproducir los resultados del estudio. Instrucciones de inicio-a-fin para regenerar los resultados a través de referencias directas al uso de los archivos de procesamiento de datos en la preparación y análisis. En este apartado se deben incluir detalladamente de los objetivos de cada rutina de código de manera independiente. Los contenidos descritos deben incluir en un archivo que lleve de nombre readme.md/txt/pdf. Una sugerencia de estructura interna de este documento es la siguiente: Estructura y contenido del proyecto reproducible Esquema tipo Árbol de directorios Descripción de cada subcarpeta, sus archivo y roles Instrucciones y rutinas de ejecución de resultados Instrucciones para configuración del software Instrucciones para la ejecución de rutinas de código de inicio-a-fin Con este archivo readme.md/txt/pdf ya contamos con el primer gran paso hacia la reproducibilidad: nuestra carpeta raíz está bien documentada y logra orientar bien cualquier tercero que quiera reproducir nuestra investigación. Con esto descrito, pasaremos a detallar los tres elementos a considerar para adoptar un enfoque reproducible en un proyecto (Datos-Método-Resultados) 3.2.1.2 Datos En la ciencia trabajamos con datos, ya sean cualitativos o cuantitativos, primarios o secundarios, si nos desempeñamos como científicos analizaremos datos con tal de sacar conclusiones relevantes para el avance del conocimiento. Es por esto que, el cómo albergamos y documentamos los datos para nuestro estudio es uno de los primeros puntos a considerar para adoptar un enfoque orientado hacia la reproducibilidad. El objetivo es que cualquier persona sea capaz de comprender nuestros datos y utilizarlos para reproducir nuestros análisis. Si bien los protocolos varían de acuerdo a cómo se organizan los datos dentro de la carpeta raíz (i.e. en qué carpeta se alojan), algo que suele ser común entre los protocolos y que relevante de recalcar acá es la diferenciación entre los datos originales o crudos (raw data) y los datos procesados. Los datos originales son aquellos que no han sufrido ningún tipo de modificación, en contraste a los datos procesados. El albergar ambas bases de datos permite comprender de mejor forma las modificaciones que se hicieron y las decisiones que se tomaron. Al igual que con la carpeta raíz, sugerimos ciertas prácticas de documentación y orientación para que el proyecto sea reproducible. Presentamos el detalle para los datos originales y los datos procesados. Para toda fuente de datos original, se debe proveer la siguiente información: Citación bibliográfica en un formato estándar (p. ej. American Psychological Association, Chicago, etc). Sugerimos revisar el componente de Datos Abiertos para la publicación de datos. La fecha de creación de la base de datos o el día en que se accedió por primera vez por parte del autor (en caso de que sean datos secundarios. Una descripción respecto a cómo se puede acceder a una copia de esta base de datos. Se debe ser lo suficientemente claro como para que un usuario independiente pueda acceder a los datos sin requerir información adicional. Un libro de códigos de todas las variables de la base de datos. Sugerimos revisar el apartado ¿Cómo hacer un libro de códigos?. Para toda fuente de datos procesada, es posible identificar dos tipos: Base de datos intermedia, la cual contiene información que, por un lado, puede ser complementaria con una base de datos principal. Por ejemplo, tenemos una base de datos con información de individuos pertenecientes a zonas/territorios (regiones o países), a la cual necesitamos incorporar información adicional que proviene de fuentes externas. En este caso, podemos generar una base procesada intermedia, para luego proceder a combinar ambas fuentes de datos. Base de datos final, es una versión final de una base de datos que contiene las variables completamente procesadas para realizar los análisis. En estos casos se sugiere proveer la siguiente información: Libro de códigos de la base procesada. Para ello, las variables deben estar correctamente etiquetadas. Fecha de creación y versión de la base de datos procesada. 3.2.1.3 Métodos Con los métodos nos referimos a toda información del proyecto relacionada al trabajo con los datos, específicamente al procesamiento y el análisis de datos. Ambas actividades pueden ser albergadas en un mismo archivo, no obstante e independiente del protocolo que se use, sugerimos separar ambas actividades en documentos distintos. Esto hará mucho más fácil la lectura del proceso de toma de decisiones, especialmente si son archivos de código. De esta manera, cualquier tercero podrá entender el proceso, evitando a lo más posible que emerjan preguntas tipo ¿y de dónde salió esta variable?. En esta sección presentamos un flujo tanto para el documento de procesamiento como para el de análisis. Independiente del software estadístico que usted esté utilizando, será capaz de adherir a este flujo para hacer estas actividades de forma más ordenada. El procesamiento de los datos cumple una función muy importante para el desarrollo de un artículo: la de procesar los datos que darán paso a los análisis del estudio. Considerando eso, el objetivo final de este documento es generar una base de datos procesada, que contenga solamente los datos importantes para analizar. El flujo puede ser: Cargar la base de datos original: Cargar la base de datos original es el punto de partida para el procesamiento de los datos, y cómo tal, es muy importante que esta acción sea reproducible. En softwares como R, podemos hacer esta acción de manera reproducible al cargar los datos directamente de la web. Si esta no es una opción, podemos dejar bien documentado la forma en que se debe cargar la base de datos. Revisar la base de datos: Una vez cargada la base de datos original, recomendamos siempre revisar para que todo esté en orden. Cuando decimos ver que todo esté en orden nos referimos a diagnosticar si la base ha sido correctamente cargada. Por ejemplo, a veces podría suceder que la base de datos está en formato .csv con las columnas separadas por punto y coma (;) y nosotros la cargamos en el formato tradicional (,). Seleccionar las variables que se utilizarán: Generalmente no ocupamos todas las variables dentro de una base de datos, en especial en la investigación basada en encuestas con datos secundarios. Es por eso que el comienzo del procesamiento de datos consta de seleccionar las variables que utilizaremos para los análisis. Renombrar las variables: Si bien no es estrictamente necesario renombrar las variables, sí se recomienda para facilitar tanto el propio trabajo cómo el de alguien que vaya a emplear el mismo código. Generalmente, en la investigación de encuestas con datos secundarios nos encontramos con grandes bases de datos, con nombres técnicos y poco autoexplicativos. La principal recomendación aquí es cambiar estos nombres por nombres cortos y autoexplicativos. Procedimientos a realizar por cada variable: Una vez hemos cumplido con los aspectos generales del procesamiento, podemos pasar a la revisión de variable a variable. Aquí proponemos el siguiente flujo: Descriptivo inicial: calcular una tabla de frecuencias o de medidas de tendencia central y dispersión para conocer el estado de la variable previo a cualquier modificación. Recodificación: aquí se toman las decisiones respecto a la recodificación de los datos perdidos y otro tipo de valores a modificar (e.g. errores de tipeo). Es importante que las decisiones sobre la recodificación queden bien estipuladas y transparentadas. Por ejemplo, en caso de hacer imputación en alguna variable, dejarlo comentado en el código. Etiquetado: el etiquetado es una forma simple y eficiente de poder dar más información acerca de una variable. En el caso de bases de datos sobre encuestas, generalmente una base bien documentada trae etiquetas predeterminadas que hacen alusión a las preguntas del cuestionario. Es importante tener en consideración que no todos los softwares soportan el etiquetado en las bases de datos, en esos casos es útil elaborar un libro de códigos para nuestra base de datos procesada. Descriptivo final: recomendamos que, posterior a haber hecho las recodificaciones correspondientes, revisar de nuevo las frecuencias o las medidas de tendencia central de las variables, para diagnosticar que no hemos cometido errores en el procesamiento. Por dar un ejemplo, un error común, es etiquetar mal las categorías de la variable, lo tendría un impacto directo en la interpretación de los datos. Otros ajustes: en esta última parte del flujo por variable, recomendamos efectuar toda modificación específica y relevante para la forma que analizaremos los datos. Por ejemplo, si fuésemos a construir un índice con algunas de las variables. El seguir este flujo de manera sistemática facilitará la lectura tanto para terceros, como para nosotros mismos en el futuro. Una vez contamos con nuestra base de datos procesada podemos analizar los datos. En el documento de análisis de datos se procede a elaborar todas las tablas, gráficos, pruebas estadísticas etc. que vayan a ser introducidos en el artículo final. Es importante que se piense en este documento cómo un reporte de análisis en sí mismo, es decir, debe estar dirigido al público y no solo ser un documento de trabajo interno para el equipo de investigación. Al igual que para la sección de procesamiento de datos, aquí también recomendamos un flujo de trabajo para hacer el trabajo -y el código- reproducible y eficiente. Dividimos el flujo en dos secciones, primero, una que contenga los análisis necesarios para probar las hipótesis de investigación. Segundo, una sección con análisis secundarios y/o exploratorios que sean relevantes para lo que el artículo busca plantear. Efectuar análisis descriptivos univariados de los datos. Es ideal una tabla única que sintetice el comportamiento de las variables de interés. Efectuar análisis correlacional de los datos. Es una primera aproximación a las hipótesis, además de ser esquemático. Por ejemplo, el uso de matrices de correlación o de nubes de puntos. Efectuar análisis multivariados. Modelos que suelen ser la principal herramienta para poner a prueba las hipótesis. Efectuar análisis exploratorios. Esto en el caso que se quieran explorar relaciones o patrones que no fueron previamente hipotetizados. Documentación Para una correcta comprensión de los documentos de procesamiento y análisis es importante tener una descripción adecuada de cada una de sus partes, o dicho de otra forma, una correcta documentación. Es relevante precisar de qué manera estos documentos se vinculan con otros archivos dentro del proyecto, para lo cual podemos tomar el ejemplo del protocolo IPO. Por un lado, el documento de preparación requiere de una fuente de datos inicial, por tanto está directamente relacionada con la carpeta Input y la subcarpeta de datos originales. Por otro lado, el documento de análisis requiere de una fuente de datos procesada, por tanto está directamente relacionada con la carpeta Input y la subcarpeta de datos procesados. Para una correcta ejecución de las rutinas de código, es importante describir adecuadamente la relación entre los archivos de preparación y análisis. Para ello, se sugiere incorporar un archivo de nombre readme-proc.md/txt/pdf, en donde se describa brevemente dicha vinculación. Para ello sugerimos los siguientes puntos a describir: Para la ejecución de la preparación, precisar la ubicación de la o las fuentes de datos originales. (p.ej. input/data/original/original-data.dta) Para el cierre de la preparación, precisar la ruta donde se deben almacenar la base de datos procesada y su extensión (p.ej. input/data/original/proc-data.RData) Para la ejecución de los análisis se debe precisar el origen de la base procesada que fue creada en el punto 2. Para los archivos de resultados provenientes del análisis de los datos, tales como figuras o tablas, debemos precisar la ruta donde se almacenarán y su nombre. 3.2.1.4 Resultados Con los resultados, nos referimos a las figuras, gráficos o tablas que son producto de nuestro análisis y que serán relevantes de alguna forma para el estudio. Comúnmente, los protocolos para la organización de las carpetas proponen que todo lo que esté relacionado a los resultados se guarde en una carpeta a parte. Por ejemplo, el protocolo IPO propone albergar tablas y figuras en las subcarpetas tables e images dentro de la carpeta output. Tomando como ejemplo el uso del protocolo IPO, sugerimos que para una correcta identificación de cada archivo se sigan las siguientes indicaciones: Para las imágenes, sugerimos usar nombres breves e incorporar numeración. Por ejemplo figura01.png, según el orden de aparición en la publicación. Para el caso de los cuadros o tablas, existen distintas extensiones para almacenarlas como archivos independientes (tex/txt/md/html/xls). Para ello, sugerimos emplear nombres cortos e incorporar numeración. Por ejemplo, tabla01.xls, según el orden de aparición en la publicación. 3.2.2 Texto plano y documentos dinámicos Adoptar ciertas prácticas en lo que respecta a la estructura de un proyecto es el primer paso en el espectro de reproducibilidad. El segundo paso que proponemos acá es el uso de texto plano y documentos dinámicos. Probablemente, el programa que más se ha utilizado para la escritura, desde la formación de pregrado hasta el trabajo cotidiano como investigador, sea Microsoft Word. Sin duda, es una herramienta sumamente útil, cuenta varias funciones que permiten ordenar y hacer más estéticos nuestros documentos, no obstante, no es reproducible. Aunque Microsoft Word sea un formato de archivo ampliamente conocido, necesitamos algún tipo de lector asociado al formato .docx (u otro similar) para poder leer los archivos. Esto implica que solamente las personas que tengan instalado algún lector para este tipo de documentos serán capaces de acceder al contenido, lo cual va en contra de la idea de reproducibilidad. Ahora, también es cierto que el formato de Word está tan extendido, que es realmente difícil que alguien no tenga disponible un lector de este tipo de archivos. Sin embargo, el real problema está con quien es dueño de ese contenido. Acá no nos inmiscuimos en temas de propiedad intelectual, pero sí es importante hacerse la pregunta sobre quién es dueño de lo que escribimos si el medio por donde estamos escribiendo no es propiedad nuestra. Es cosa de imaginarse que, de un día para otro, todo programa asociado a Microsoft desapareciera por alguna razón, todos nuestros documentos quedarían obsoletos. Aquí es donde entra el texto plano. El texto plano es, simplemente, un tipo de texto que se puede leer independiente del lector que se use. Un ejemplo simple es escribir en el bloc de notas de Windows. El texto plano es importante cuando buscamos avanzar hacia la reproducibiliad por dos razones. Primero, es un tipo de texto universal, lo que da la ventaja de que, en principio, cualquier persona será capaz de leer algo escrito en este formato. Segundo, sienta las bases para que surjan lenguajes que permiten sofisticar el formato de los documentos, pero que sigan teniendo el carácter universal del texto plano. Los ejemplos más conoocidos son LaTeX y Markdown. La descripción en detalle del lenguaje LaTeX y Markdown no son objetivo de este capitulo, pero si es importante tenerlos en cuenta ya que han dado paso a una de las herramientas más utilizadas en la ciencia abierta: los documentos dinámicos. Estos son documentos que incluyen, a la par, texto plano y código. Es decir, ya no es necesario que utilicemos una hoja de código para generar un gráfico y luego pegarlo en un documento Word para escribir nuestro artículo, sino que podemos hacer todo esto en un mismo archivo. Además de hacer nuestro flujo de trabajo más eficiente, también hace más fácil reproducir los archivos. Por ejemplo, si quisiéramos que un colega revisara nuestro artículo, bastaría con que le enviáramos el documento dinámico que contiene tanto el código como el escrito. Así, él podría revisar la escritura del documento, y además, evaluar si los análisis han sido efectuados correctamente. Las distintas formas de documentos dinámicos dependen del software que se vaya a emplear para la programación del código. Según Schindler, Zapilko, y Krüger (2021), los softwares más usados en las ciencias sociales actualmente son R y Stata, por lo que presentaremos un resumen de sus respectivos formatos de documentos dinámicos: RMarkdown y Stata Markdown. También, Python ha sido indiscutiblemente uno de los lenguajes de programación más utilizados en el último tiempo y no solo por científicos sociales. Es por esto que también presentaremos su versión de documento dinámico: Jupyter Notebook. RMarkdown RMarkdown es un tipo de documento dinámico que combina código de R con lenguaje marcado tipo Markdown (para aprender a usar Markdown click aquí). En los documentos de RMarkdown, todo lo que escribamos en el documento el software asumirá que está en formato Markdown, por lo que si utilizamos alguna de las marcas (e.g. usar negrita en alguna palabra) en el documento final esa marca se hará efectiva. Cuando queremos utilizar código debemos escribirlo en bloques o chunks. Los chunks de código tienen distintas opciones, solo por dar un ejemplo, podemos escribir un código para elaborar un gráfico, pero no queremos que el código que se utilizó para elaborar el gráfico pues, los chunks nos dan la opción para lograr eso. Caso contrario, si queremos mostrar tanto el gráfico como el código para elaborarlo -por ejemplo, para que alguien revisé si hemos cometido algún error-, los chunks de código también tienen una opción para eso. En suma, podemos utilizar las distintas marcas de edición que nos ofrece Markdown, así como las distintas opciones para los chunks de código, con tal de elaborar un documento tal y cómo nosotros lo queremos. Para más información sobre RMarkdown, ver el enlace aquí. La característica más importante de RMarkdown, es que la combinación del lenguaje marcado y el código se da en un documento renderizado. Renderizado significa que pasa por un proceso en el que se reconocen las distintas indicaciones de marcas y código, dando como resultado final un documento html, pdf o word. La herramienta encargada de este proceso es Pandoc, un convertidor de documentos universal (para más info ver: https://pandoc.org/) Stata Markdown Sí bien en Stata han emergidos varios paquetes que buscan apoyar la elaboración de documentos dinamicos (e.g. ver aquí), el comando Markstat es quizás el más conocido. Al igual que otros tipos de documentos dinámicos, Markstat combina lenguaje Markdown con código de Stata, la principal diferencia con RMarkdown es que el código no se ejecuta en chunks, sino que está separado del texto plano con indentaciones. Es importante tener en cuenta que para ejecutar Markstat debemos tener instalado Pandoc. Para más información sobre cómo utilizar Markstat ver aquí. Jupyter Notebook Jupyter Notebook es un tipo de documento dinámico que combina lenguaje marcado tipo Markdown con código de Python. Al igual que RMarkdown, todo lo que escribamos en los Jupyter Notebook será considerado como lenguaje marcado. La diferencia que tiene con RMarkdown es que el documento va renderizando las marcas e indicaciones de código en tiempo real. Es decir, si escribimos en negrita, títulos de distinta jerarquía o añadimos gráficos o tablas el documento lo mostrará inmediatamente. Para más información sobre cómo utilizar Jupyter Notebook ver aquí. 3.2.3 Control de versiones El control de versiones es la tercera herramienta para la reproducibilidad que queremos presentar. Esas son herramientas de software para gestionar los cambios en los documentos. ¿Alguna vez has utilizado Google Docs para trabajar colaborativamente? Pues, este es un ejemplo cotidiano del control de versiones. Google Docs permite rastrear quién hizo qué cambio y cuándo. Además, permite restaurar un documento de una versión anterior. Sin embargo, Google Docs no es tan útil cuando el trabajo que debemos realizar es programar código. Para el control de versiones de códigos existen distintas herramientas, donde quizás la más conocida en el mundo de la programación es Git. Git es un sistema de control de versiones gratuito y abierto, tiene por objetivo hacer más eficiente el flujo de trabajo para proyectos grandes y pequeños. A la par existe Github, el cual es una plataforma colaborativa para el trabajo con código. Distintas disciplinas tanto de ingeniería y software, cómo relacionadas al ámbito científico utilizan Github cómo un centro de organización para el trabajo. Se utilizan repositorios, los cuales albergan todo lo relacionado a un proyecto, en el caso de la ciencia, a un proyecto de investigación. Recomendamos el uso de Git y Github cómo flujo de trabajo para aquellos cientificos sociales que trabajan con datos cuantitativos, especialmente cuando son grandes equipos de investigación o son proyectos con varias colaboraciones. Para más información sobre Git y Github ver aquí 3.2.4 Prácticas de código Hasta ahora, hemos procurado que la presentación de la información sea lo más general posible y que no esté relacionada a un software estadístico único. Bajo esa idea, hemos presentado lo que es una estructura reproducible de un proyecto, aludiendo a los elementos comunes que se encuentran en distintos protocolos. También, revisamos como el control de versiones y el trabajo con documentos dinámicos pueden ser herramientas para la reproducibilidad. No obstante, no hemos abordado lo que, desde un principio, establecimos como el núcleo de la reproducibilidad: el trabajo con código. Este capítulo busca ser una primera aproximación y enseñar lo básico respecto a reproducibilidad. Con tal de mantenernos bajo esa idea, trataremos el trabajo con código de forma abstracta, sin introducirnos a trabajar con un software en particular. Específicamente, veremos algunas prácticas de código que contribuyen a hacer un trabajo más reproducible. Estas son aplicables a distintos software que utilicen código, y cuando nos estemos refiriendo a un software específico lo señalaremos. Nunca hacer trabajo manual. El objetivo de la reproducibilidad es que cualquier persona pueda regenerar nuestro trabajo, y el trabajo manual es un obstáculo para el cumplimiento de ese objetivo. Trabajar con código permite automatizar los procesos de tratamiento y análisis de datos, es cómo establecer un guión paso a paso sobre lo que se ha hecho para llegar a los resultados del artículo, en contraste, documentar un proceso de análisis manual (e.g. en una planilla de datos) es una tarea sumamente compleja. Si bien, es posible escribir un guión detallado de cada paso, esto tomaría una cantidad de tiempo y energía considerables, más aún teniendo en cuenta la cantidad de decisiones que tiene que tomar un equipo de investigación en el proceso de análisis de datos. Es por eso que la recomendación base es no hacer trabajo manual y trabajar con código, lo que implica evitar software como Microsoft Excel y otros relacionados. Asegurarse que el código siempre produzca el mismo resultado. Nuestra hoja de código será la receta que otro seguirá para poder elaborar el mismo producto, por lo que tenemos que asegurarnos que esta produzca siempre lo mismo. Un ejemplo es cuando por algún tipo de análisis se necesitan generar números aleatorios. En R, para poder reproducir la generación de esos números aleatorios se utiliza la función set.seed(). Trabajar con scripts. Para poder automatizar el procesamiento y análisis de los datos, la principal recomendación es trabajar con documentos script que albergan el código y permiten su rápida ejecución. En el caso de R, se pueden utilizar documentos .R. Escribir con minúscula, sin espacios, sin ñ y sin tildes. Gran parte de los software disponibles para análisis de datos traen el inglés como idioma nativo, por lo que existe una alta probabilidad de que tengamos problemas si utilizamos caracteres especiales que no se encuentran en ese idioma. Respecto al uso de mayúsculas, existen software que diferencian cuando un código incluye mayúsculas y cuándo no, esto es una característica conocida como case sensitive. Sin embargo, no todos los software cuentan con esta característica, por lo que es mejor evitar su uso. Indentar el código. La indentación es una característica del trabajo con código en general (no solo a nivel de software estadístico) y se refiere a la jerarquía en los niveles del código. Indentar permite una lectura más fácil del código, ya que permite comprenbder visualmente el orden y la estructura del código. Uno de los ejemplos más conocidos es la elaboración de funciones condicionales de tipo if-else. Comentar el código. Comentar el código es sustancial para que cualquier persona no asociada al proyecto (o incluso uno mismo en el futuro) pueda entender para qué sirve cada función y reproducir el documento sin problemas. Aquí el lema es: nunca es mucho cuando se refiere a comentar el código. Mientras mejor explicado esté qué hace cada cosa y por qué, la receta será más fácil de seguir. Especificar las versiones de paquetes. Gran parte de los software estadísticos trabajan en base a la idea de paquetes. Estos son un conjunto de herramientas que facilitan el trabajo con datos. Existen paquetes tanto para tareas simples como el tratamiento de bases de datos o la generación de gráficos, así como para técnicas estadísticas avanzadas. No obstante, una característica a tener en cuenta es que los paquetes tienen versiones, ya que van mejorando día tras día. Esto ocurre especialmente en software de código abierto como R o Python. A raíz de esto, es que una de las recomendaciones para la reproducibilidad es conocer con qué versión de los paquetes se está trabajando y documentarlo. Inclusive, en software como R existen herramientas que permiten facilitar esta tarea (ver groundhog) Elaborar código autocontenido. Existen dos formas de trabajar con código. La primera es el trabajo tipo cascada, donde el código es como agua que fluye desde arriba hacia abajo. Esta metáfora significa que cada código es parte de un todo interdependiente, y como tal, cada bloque depende del anterior. Un ejemplo simple es que con un bloque de código se carga una base de datos y con otro se presenta un gráfico de la misma. En contraste a esta forma de trabajo, existe una segunda de tipo autocontenida. Esta forma implica que, en vez de que el código sea interdependiente entre sí, cada bloque de código es una tarea que inicia y finaliza en el mismo bloque. Siguiendo el ejemplo, esto implicaría que cargar la base de datos y mostrar un gráfico de ella es una tarea que comienza y termina en el mismo bloque de código. Si bien ya el trabajar con código ya es un avance hacia la reproducibilidad, trabajar de manera autocontenida es un paso mucho mayor, ya que minimiza la probabilidad de que el código no pueda ser reproducido por un tercero. Nombrar variables de manera óptima. Como se señaló anteriormente, muchas veces los nombres de las variables en las bases de datos siguen una lógica más técnica que sustantiva. Es por eso que, para poder trabajar de manera óptima y que, al mismo tiempo, el código sea más fácil de leer se sugiere renombrar las variables de forma sustantiva y corta. Por ejemplo, si una variable de edad de una encuesta tiene por nombre m01, sugerimos cambiarlo a edad. Etiquetado o buen diccionario de variables. Además de renombrar las variables, recomendamos etiquetar de forma sustantiva las variables que se utilizarán y/o hacer un buen diccionario de ellas. Esto tiene por objetivo que la base de datos que hayamos elaborado para nuestros análisis sea más fácil de leer y reproducir. Utilizar UTF8. Como señalamos, recomendamos evitar el uso de caracteres especiales en trabajo con código, esto implica el uso de tildes o ñ. No obstante, para ciertas situaciones será indispensable que escribamos en nuestro idioma nativo (en este caso español), y por ende utilizar caracteres especiales. Un ejemplo es cuando establecemos los títulos y categorías de una tabla o un gráfico. En estos casos, sugerimos establecer el formato del documento de código en formato UTF-8. Este formato es de tipo universal y acepta todo tipo de caracteres, incluyendo los especiales. Trabajar con rutas relativas. Las rutas relativas son una ubicación en el computador que es relativa a un directorio base o carpeta raíz. En el caso del trabajo con datos, generalmente la carpeta raíz es la que alberga todos los documentos que refieren a ese proyecto y las rutas relativas son direcciones hacia distintos archivos teniendo como base la carpeta raíz. Esta es una forma reproducible de ordenar los archivos ya que no depende de quién está trabajando. Uso de software libre. Con los nuevos avances en la tecnología y en el acceso a ella han emergido iniciativas colaborativas de desarrollo de software. Esto implica que en vez de estar centralizado por una compañía, quién está detrás de los avances en el desarrollo del software es una comunidad activa de usuarios. Software como R y Python son ejemplos de este tipo de iniciativas. Recomendamos el uso de software libre porque, además de alinearse con los principios de la ciencia abierta, proveen un ambiente y herramientas mucho más propenso a adoptar prácticas que avancen hacia la reproducibilidad. Estar en contacto con la comunidad de investigadores y/o desarrolladores de herramientas computacionales. Más que una práctica relacionada al código, es una recomendación respecto a cómo hacer más óptimo nuestro trabajo. Con internet y las nuevas herramientas computacionales, existen varias comunidades a las cuales recurrir en caso de necesitar ayuda con el desarrollo del código. Por ejemplo, Stack Overflow es un foro donde programadores, ingenieros y en general cualquier persona que utiliza código en su día a día puede hacer o responder preguntas respecto a código. Es una gran herramienta para cuando los códigos no funcionan o cuando queremos conocer formas más eficientes de hacer una tarea. Incluimos esta recomendación porque participar de estos foros y ser parte activa de la comunidad implica adoptar prácticas para la reproducibilidad, con tal de que otros puedan entender nuestras preguntas y respuestas. Referencias "],["publicaciones-libres.html", "Capítulo 4 Publicaciones libres", " Capítulo 4 Publicaciones libres Un agricultor hace uso de sus herramientas, talentos y conocimientos para aprovechar lo mejor posible las ventajas del bien común que es la tierra. Una vez que termina la temporada, el agricultor entrega la cosecha a un distribuidor que se encarga de comercializar el fruto de su trabajo y el de otros agricultores. ¿Cuánto recibe realmente el agricultor por su trabajo? ¿Cuáles son las posibilidades reales que tiene la ciudadanía de acceder al bien común de manera autónoma? El problema del agricultor, el distribuidor y la ciudadanía no es una historia del pasado. El producto de un trabajo que hace uso de un bien común, y el cómo este se distribuye y retribuye dentro de la sociedad, es un tema que cada vez suscita más interés no solo en los gobiernos y la ciudadanía, sino que también en la ciencia, pues como el agricultor elaboró cosechas a partir de la tierra, el científico construirá evidencia nueva a partir de conocimientos previos. Ambos crean productos que son bienes esenciales para la ciudadanía, a partir de bienes comunes de la humanidad. El problema para ambos está que parte de ese quehacer ha sido privatizado, restringiendo a la ciudadanía del libre acceso a tales bienes. Los prejuicios de esto no solo son extrapolables a la situación que está ocurriendo con las patentes de las vacunas de COVID-19, donde gran parte de los organismos internacionales llaman a que estas sean consideradas bienes públicos. Así como la privatización al acceso de un conocimiento médico produce no solo desigualdad entre los países más ricos y menos ricos, el conocimiento de la sociedad - evidencia de cómo mejorar el cumplimiento de las medidas de cuidado, por ejemplo - implica un daño invaluable en cómo producimos cada vez mejor información para combatir la pandemia. Así, a pesar de que con la globalización y la era digital la labor científica ha podido crear conocimientos con mayor facilidad y divulgarlos de manera inmediata, el desconocimiento y los mitos sobre las leyes que amparan la propiedad intelectual han sido el principal obstáculo para dar el paso hacia la apertura de la creación científica (Fernández, Graziosi, y Martínez 2018). El miedo a ser sancionado por la editorial, el temor al plagio y la pérdida de reconocimiento autoral, destacan entre las principales razones, sin mencionar el dominio que poseen las revistas científicas sobre el conocimiento que se genera y que son publicados por las mismas. Dicho esto, la apuesta por destinar los esfuerzo hacia una libre circulación del conocimiento apunta a la necesidad de reapropiarse de los beneficios, resultados y saberes científicos. En este sentido, Banzato (2019) hace un llamado a los organismos de América Latina para generar espacios de evaluación y difusión que sirvan para la democratización del conocimiento, siendo esta un estrategia cultural y política que busca promover los procesos de producción y reproducción social del saber. La apertura de nuestras investigaciones traen más beneficios que dificultades: no solo contribuimos a nutrir el conocimiento colectivo sobre un problema, sino que incluso podemos alcanzar mejor visibilidad de nuestro trabajo científico. Por eso, en el siguiente capítulo te presentaremos aspectos de debes considerar para lograr una exitosa apertura de tus publicaciones y resultados de investigación. Referencias "],["propiedad.html", "4.1 Propiedad intelectual", " 4.1 Propiedad intelectual Esta sección busca comprender la importancia de la propiedad intelectual abordando los elementos centrales de la producción científica y su resguardo legal. Es importante conocer los elementos que nos servirán al momento de definir el carácter y el modo en que permitiremos que nuestras creaciones sean utilizadas y difundidas. La propiedad intelectual no es un elemento accesorio, pues nos habla de facultades exclusivas que posee el autor sobre su obra y que le permiten gozar de su uso y explotación (Loredo 2012). Para nuestros efectos, se concibe como el peldaño inicial para abordar los esfuerzos hacia la publicación libre. 4.1.1 Sobre la Propiedad Intelectual y las Licencias La Propiedad Intelectual (PI) es una normativa que permite el reconocimiento autoral de toda invención de la mente humana (World Intelectual Propiety Organization 2020), su objetivo es fomentar la creación e innovación, al mismo tiempo en el que regula el uso y difusión de las obras. La PI es un tipo de ley cuya rigurosidad varia según el país y funciona en base a dos grandes ascepciones: Common Law: rige en Estados Unidos e Inglaterra y regula la reproducción (copia) de la obra, su distribución, su exhibición pública y su transformación ya sea traducida o adaptada (Fernández 2009). A partir de Omatos (2013) se comprende que es una facultad que poseen los autores y su particularidad es que puede ser transferida ya sea por voluntad propia o por prescripción, siendo así ampliados los derechos del uso de la obra bajo distintos tipos de licencias de Copyrigth, Creative Commons, Copyleft y Dominio Público. Derechos de autor: rige en Europa continental y Latinoamérica y regula las facultades patrimoniales y el derecho moral que posee el autor sobre su obra, esto quiere decir que se reconoce la paternidad sobre la creación y se protege la integridad original del trabajo (Loredo 2012). El derecho moral, a diferencia del Common Law es irrenunciable e inalienable, por lo que no se puede traspasar. A modo de contexto, en el caso de Chile este se ha suscrito a tratados internacionales que permimten el resguardo internacional de cualquier obra intelectual que se haya elaborado en territorio nacional, los más importantes son dos: Tratado de Berna (rectificado en 1973): establece indicaciones a los países asociados para resguardar las obras internacionales en el propio territorio. Convenio de OMPI (rectificado en 1975): establece una suerte de guía a los países adherentes, esta sirve para la elaboración de leyes que atiendan el resguardo de la propiedad intelectual dentro del mundo digital (Fernández 2009). 4.1.2 Tipos de Licencias Las licencias sobre la propiedad intelectual regulan los derechos patrimoniales de la obra y establecen las reglas para su uso. Las licencias más conocidas son: Copyright: Esta licencia permite que el autor se reserve todos los derechos sobre la obra y solo se puede hacer uso de ella bajo permiso del mismo. Creative Commons (CC): Esta licencia inspirada en la General Public License - GPL (Licencia Pública General en español)3 tiene el propósito de desarrollar herramientas digitales estandarizadas que faciliten la distribución de la obra, pues entrega al autor, empresa o institución la responsabilidad de autorizar reglamentadamente el modo de uso, difusión y citación de su obra. Existen seis tipos de licencias CC (Véase figura n° 4.1) y cada una de ellas tiene como base la CC-BY que permite hacer uso de la obra con la correspondiente atribución, el resto de licencias funcionan a modo de capas que se superponen a la pricipal, de este modo cada capa entrega una especificidad sobre como utilizar la obra Creative Commons (2019). Figura 4.1: Capas de las licencias Creative Commons. Elaboración propia. Copyleft: Este tipo de licencia proviene del movimiento Open Access y se orienta a abrir el uso, aplicación, distribución y creación de obras. Además de permitir el uso libre, indica la obligación de que todo proyecto que nazca a partir del original contenga los principios del acceso abierto. Dominio Público: Si bien no corresponde a una licencia como tal, es un estado en el que la obra no posee protección patrimonial pues ha prescrito el plazo de su protección. 4.1.3 El conocimiento es poder pero ¿De quién? Tanto organismos de investigación pública como universidades crean conocimiento científico por medio de la investigación y la docencia con el fin de aportar al bien público. Si bien, la apertura de las publicaciones puede ser lo ideal para tales objetivos, en ocasiones la confidencialidad de los resultados científicos permite a sus autores obtener beneficios económicos de su trabajo. Sin importar cuál sea el camino, la propiedad intelectual juega un papel importante al orientar la toma de decisiones en torno al desarrollo, difusión y utilización del conocimiento intelectual (WIPO 2020). Por ello contar con una política intelectual de calidad es el primer paso para gestionar estratégicamente la difusión y transferencia de los resultados científicos. A continuación, se presentan dos experiencias chilenas que se consideran como buenas prácticas en términos de políticas institucionales, pues promueven la apertura de publicaciones. Política de Acceso Abierto de ANID La Agencia Nacional de Investigación y Desarrollo (ANID) que nace en 2020 como una estructura que reemplaza a la Comisión Nacional de Investigación Científica y Tecnológica (CONICYT), es hoy la institución que encabeza el Ministerio de Ciencia, Tecnología, Conocimiento e Innovación. Siguiendo el legado de su antecesora, su objetivo es apoyar con recursos al desarrollo de la ciencia y la innovación en Chile. Desde el 2021, bajo el principio de que todo conocimiento generado con fondos públicos debe resultar en beneficios para la sociedad, ANID ha implementado una Política de Acceso Abierto con el objetivo de asegurar la disponibilidad del conocimiento científico que resulte de investigaciones financiadas por la institución (Agencia Nacional de Investigación y Desarrollo 2020). Esta política busca ser un curso de acción progresivo implementado en dos fases: Fase I: En el plazo inicial de dos años se pretende incentivar la apertura de las publicaciones y sus datos. Esta primera fase servirá para la recopilación de antecedentes sobre el uso y gastos asociados a la investigación abierta. En esta primera etapa de la política toman gran relevancia los principios FAIR. FAIR es la abreviatura en lengua inglesa para referirse a Findability, Accessibility, Interoperability y Reusability (Encontrable, Accesible, Interoperable y Reutilizable). El diseño de estos principios tienen el objetivo de ser una guía medible para que los investigadores realicen una eficaz gestión de los datos, para que posteriormente puedan ser replicados (Wilkinson y Dumontier 2016). Fase II: Los resultados de la primera fase servirán para que en la segunda se implemente - de manera más rigurosa - la publicación libre mediante la Ruta Dorada, la cual corresponde a un formato de publicación que permite eliminar los periodos de embargo, dejando las publicaciones disponibles en acceso abierto de manera inmediata tras el pago del Article Processing Charges - APC a las editoriales. El APC es una tarifa que costea el procesamiento del artículo final para que se adapte al diseño de la revista y en ocasiones, son las propias instituciones públicas las que costean el APC, devolviendo así un monto no menor a las editoriales. En la sección de Herramientas Para Públicar profundizaremos en ello. ANID ha detectado de manera temprana el conflicto que acarrea la industria editorial, la cual lidera un mercado donde los conocimientos se tranzan como un bien, beneficiendo principalmente a las editoriales con un alto margen de ganancias y es por ello que en el documento mismo se especifica: Esta política busca ser un curso de acción que esté en constante revisión y que permita, de manera progresiva, avanzar hacia un sistema transparente y abierto, donde el acceso, la re-utilización y la constante oferta de nueva información y datos científicos contribuyan de manera real y concreta al desarrollo social, cultural, científico y económico de Chile (ANID 2020). Repositorio Institucional, Universidad de Chile La Universidad de Chile es la institución de educación superior pionera en desarrollar un repositorio institucional abierto. Este recoge documentos digitales e impresos con previa autorización, tales como tesis de pregrado y postgrado, pre y post-print, libros y capítulos, material didáctico y presentaciones, informes técnicos, recursos audiovisuales e imágenes. El Repositorio Académico de la Universidad de Chile conserva, difunde y proporciona acceso a material científico generado por docentes e investigadores de la institución y cuenta actualmente con más de 68.000 publicaciones. Este repositorio académico hace uso de un protocolo de interoperabilidad que permite que se conecte con otros, ello con el propósito de incrementar la visibilidad de los documentos y bajo este objetivo, los autores deben proteger sus obras con licencias Creative-Commons, de este modo aseguran el reconocimiento e identificación de la propiedad intelectual y favorece la visibilidad del trabajo. Ambos ejemplos de políticas institucionales proveen una exitosa colaboración entre el mundo científico y el público general, ya que orientan la toma de decisiones al finalizar el ejercicio investigativo y permiten la apertura del conocimiento. Según Alperin, Babini, y Fischman (2014), en América Latina se ha desarrollado el ejercicio del Open Access mediante el financiamiento - casi exclusivo - de agencias estatales y agencias de cooperación internacional. Sus resultados se publican principalmente en revistas locales o repositorios regionales, un ejemplo de ello es Argentina, país donde el 80% de los artículos científicos se encuentran indexados en revistas locales (Alperin, Babini, y Fischman 2014), ya que la nación se ha inclinado en promover políticas de autoarchivo como la Ley Nacional de Repositorios promulgada en 2013 y la creación del Sistema Nacional de Repositorios Digitales creado en 2011 (Monti y Unzurrunzaga 2020). La evidencia de cuenta de que para el caso Latinoamericano, son los organismos universitarios y de investigación pública los responsables de desarrollar eficaces políticas de ciencia abierta con el objetivo de aportar a la libre circulación de los resultados científicos, pues dentro de sus beneficios como se ilustra en la figura n° 4.2 no solo se evidencia la mayor exposición de los trabajos científicos, también existe un aporte en terminos de desarrollo a nivel país, influencia de políticas, entre otros aspectos positivos. Figura 4.2: Beneficios del Open Access. Traducción propia en base a Kingsley, D. & Brown, S. (2021). Referencias "],["formas-open-access.html", "4.2 Formas open access", " 4.2 Formas open access El quehacer científico de las ciencias sociales es una arena de lucha continua, donde investigadores deben mantenerse en constante entrenamiento para no perder el reconocimiento académico que brinda la posibilidad de oportunidades laborales y estatus social. Publica o perece es más una realidad que una frase retórica, pues los científicos sociales están en la obligación de investigar y publicar para mantener su carrera laboral a flote. Este agotador panorama da pie a lo que muchos investigadores de las ciencias sociales han denominado como la crisis de la ciencia (Breznau 2021), un nuevo panorama donde el conocimiento científico es menos confiable producto de prácticas antiéticas en el proceso de investigación. Falta de consistencia, sesgos no controlados, presión editorial, entre otros factores son los que influyen en un tipo de ciencia con problemas de credibilidad, como es el emblemático caso de Diederik Stapel, exponente de la psicología que realizó alrededor de 58 artículos basados en evidencia falsificada. Quizás muchos confiarán la solución de la crisis a las instituciones revisoras de las revistas, quienes aplican rigurosos métodos de control de calidad. Sin embargo, del papel a la práctica hay un gran trecho. La falta de transparencia en la manipulación de información, los métodos de análisis y la recolección de datos hacen imposible corroborar la veracidad total de un trabajo. Actualmente, muchas editoriales han abordado el problema mediante la adopción del Open Access para promover la transparencia de los datos y la apertura de las publicaciones, pues con esto se permite usar la reproducción de los procesos como un mecanismo de control. Por ello en esta sección conoceremos las particularidades del Open Access, las rutas por las cuales compartir publicaciones, los repositorios y las revistas que recomendamos. 4.2.1 ¿Qué es el Open Access? Open Access - OA (Acceso Abierto en español) es un movimiento cuyo objetivo es promover el acceso libre a la producción de conocimiento científico digital y hacer uso de él sin restricciones de copyright. Esto a la base de estándares internacionales que permiten instalar la posibilidad de que cualquier persona pueda reutilizar la información de la investigación en cuanto datos, procesos y resultados. Hace algún tiempo, científicos advirtieron del problema asociado al oligopolio del conocimiento científico del que disfrutan revistas y editoriales de gran renombre, sin mencionar conflictos entre investigadores en torno a la competencia de estatus académico, la manipulación de resultados, los problemas de intersubjetividad y la falta de transparencia en el proceso de investigación (Breznau et al. 2021). De este modo, los primeros vestigios del Open Access aparecieron a la par con la creación del internet, pero no fue hasta el 2002 con la declaración de Budapest que se definió el concepto de Open Access y que posteriormente sería reforzado con las declaraciones que dieron lugar en Bethesda 2003 y Berlín 2003. Uno de los aspectos destacables de la primera declaración indica que: Retirar las barreras de acceso a esta literatura acelerará la investigación, enriquecerá la educación, compartirá el aprendizaje de los ricos con los pobres y el de los pobres con el de los ricos, hará esta literatura tan útil como sea posible y sentará los cimientos para unir a la humanidad en una conversación intelectual común y búsqueda del conocimiento (Initiative 12 de Septiembre, 2012). Según Melero y Abad (2008), las causas que gatillan el desarrollo del Open Access son principalmente dos: La constitución del internet y las nuevas tecnologías como el medio para la divulgación científica permitió abaratar costos de impresión y acelerar el transporte de los conocimientos. Los elevados precios de suscripción a revistas científicas digitales se presentaron como barreras económicas y de copyright para acceder al conocimiento y resultados de investigaciones. ¿Por qué hacer uso del Open Access en mis publicaciones? El estudio de Piwowar, Priem, y Orr (2019) demuestra que desde la década de los noventa ha habido un aumento constante de publicaciones que se adscriben al Open Access, y si bien el fenómeno se desarrolla en mayor medida dentro de las ciencias exactas, las ciencias sociales no se quedan atrás (Swan 2013). Según Hernández (2016), los beneficios atribuídos a las prácticas científicas de carácter abierto no difieren sobre la disciplina y traen consigo efectos positivos ligados a: Mayor accesibilidad y conservación de los productos científicos. Difusión rápida e inmediata de las publicaciones. Facilita la comunicación directa de los conocimientos científicos ayudando a avanzar en el mejoramiento de la calidad en la investigación. Abre la posibilidad de reutilizar información, datos y procesos para nuevos proyectos. 4.2.2 Las distintas rutas para publicar de manera abierta Swan (2013) - representante de UNESCO - define dos rutas principales (tipos de repositorios) donde depositar publicaciones con el rótulo del Open Access (Dorado y Verde), pero en la práctica se pueden diferenciar en cinco. Según Abierto (2019) las principales características de cada una son: Repositorios de Ruta Dorada: Corresponden a repositorios que publican trabajos de investigación en forma gratuita para el lector, por lo que se puede leer cualquier artículo inmediatamente después de ser publicado. Cabe destacar que para su publicación, detrás hay un cobro Article Processing Charges - APC (Cargo por Procesamiento de Artículo en español) cuyo costo es pagado por los autores o las instituciones les financian. Repositorios de Ruta Híbrida: Gran parte de las editoriales académicas utilizan este modelo con el objetivo de ofrecer Acceso Abierto al mismo tiempo en el que mantienen su modelo de negocio habitual basado en suscripciones. Esto permite a los autores optar por pagar una cuota de publicación y tener sus artículos con Acceso Abierto en revistas por suscripción. Repositorios de Ruta Verde: Consiste en un proceso de auto-archivo o auto-depósito donde los autores comparten sus post-print (artículo final) en sus páginas personales o en revistas que no son gratuitas, pero que poseen repositorios de acceso libre. Estos repositorios antes mencionados se adhieren a un conjunto de reglas y técnicas de inter-operación, formando una red interconectada de bases de datos. Repositorios de Ruta Diamante: Es un modelo que intenta dar solución a los inconvenientes que surgen en las rutas anteriores. Este posibilita la revisión por pares de los trabajos enviados por medio de investigadores que trabajan como voluntarios, obteniendo de esta forma reconocimiento académico y social. Esta ruta es considerada como el único modelo que garantiza la sostenibilidad de la publicación de acceso abierto. Repositorios de Ruta Bronce: Según Piwowar, Priem, y Orr (2019) esta es una nueva categoría donde los editores alojan artículos embargados en sitios web de su preferencia, de modo que los trabajos carecen de licencias que permitan su uso autorizado. Figura 4.3: Proyección de la cantidad de visitas y artículos publicados por cada ruta del Open Access. Traducción propia en base al estudio de Piwowar, Priem, y Orr (2019). La figura n° 4.3 ilustra el modelo elaborado por Piwowar, Priem, y Orr (2019), este estudio se basa en el análisis de 70 millones de artículos publicados entre 1950 y 2019 que comparten el rasgo de haber sido publicados en abierto y estar alojados en la base de datos de Unpaywall. La técnica utilizada permitió estimar la trayectoria de los artículos hasta el 2025, poniendo énfasis en el porcentaje de visitas y el porcentaje de artículos publicados según cada ruta. De esta manera, en la figura n° 4.3 se proyecta que para el 2025, los artículos publicados por la vía dorada alcanzarán un aumento de sus visitas en un 33%, la ruta verde un 19% y la ruta híbirda un 10%; mientras que la ruta bronce seguirá la misma trayectoria pero en menor medida. En cuanto al porcentaje de artículos publicados en abierto, el gráfico indica que tanto la ruta verde, dorada e híbirida tendran un aumento desde el 2019 al 2025, mientras que la ruta bronce en sus categorías inmediata y retrasada se mantendrán uniforme sin aumento ni descenso. Lo importante aquí es un notable aumento de la publicación en abierto en 13 puntos porcentuales, mientras que se estima el descenso de la publicación cerrada en 13 puntos porcentuales. 4.2.3 ResearchGate, Academia.edu y Sci-Hub: ¿Plataformas de aceso abierto? De seguro conoces las plataformas de ResearchGate y Academia.edu o quizás en alguna ocasión has recurrido a estas páginas para compartir tus publicaciones o descargar archivos científicos para uso personal. Sobre estas plataformas hay que mencionar que no son un ejemplo de Open Acess debido a que funcionan como redes sociales similares a Facebook o LinkedIn, pues su objetivo es crear redes de contactos entre colegas e investigadores con intereses afines. Según Fortney y Gonder (2015), ResearchGate y Academia.edu al ser empresas con fines de lucro no cumplen con la característica principal de los repositorios de Open Access, los cuales son administrados por universidades, agencias gubernamentales, asociaciones internacionales o editoriales que persigan el objetivo de poner los conocimientos al servicio y a la disponibilidad pública. Estas páginas al ser de tipo auto-archivo presentan similitudes con los repositorios de ruta verde, ya que los documentos se guardan en sitios personales creados por el propio autor, sin embargo, dadas las características de ResearchGate y Academia.edu, estas no permiten corroborar los estándares de calidad y seguridad de las publicaciones, ni tampoco se asegura su permanencia perpetua. Dicho lo anterior, publicar la producción científica en cualquier plataforma digital no implica estar desarrollado prácticas acordes al Open Access. Las restricciones de pago empujaron al desarrollo de sitios piratas que funcionan como bases de datos integrando diversas publicaciones, estos son denominados como la vía negra del Acceso Abierto que buscan hacer frente a las barreras de pago (Björk 2017). Un claro ejemplo es el sitio web Sci-Hub que desde el 2011 posibilita el libre acceso a literatura científica (tanto pagada como libre) y para el 2021 alberga más de 85 millones de documentos. Su slogan Sci-Hub para remover todas las barreras en el camino de la ciencia se instaura bajo tres principios: (1) El conocimiento es para todos, (2) No al Copyright y (3) Apoyo al Open Access. Sin embargo, Monti y Unzurrunzaga (2020) indica que el carácter ilegal del sitio es la razón de que exponentes de la ciencia lo restrinjan, dado que no tiene la injerencia para modificar los aspectos legales de las publicaciones, trasgrede los derechos de explotación indicados por los autores y puede conducir a un despretigio del Open Access. Es evidente que lo atractivo de estos sitios es la posibilidad de acceder de manera libre a las publicaciones, un hecho corroborable en la investigación de Bohannon (2016), en ella se ha concluído que el 25% de los países que registran la mayor cantidad de descargas desde Sci-hub, corresponden a las naciones más ricas del mundo en Europa y Estados Unidos. Björk (2017) es el primer autor en considerar la plataforma como una vía dentro del Acceso Abierto, y es quizás una reflexión de orden ético-moral la decisión de integrar (o no) los sitios con estas características dentro del Open Access. 4.2.4 Revistas de acceso abierto: Con la invención del internet también aumentaron las oportunidades de divulgación científica, y si bien el concepto de Open Access no fue precisado hasta los 2000, en la década anterior ya venían gestándose proyectos como The public-access computer systems review (1990). Una revista electrónica tipo boletín que era distribuida por correo electrónico. Posteriormente, en 1991 revistas como Surfaces y Psycoloquy fueron pioneras en instalar la metodología de acceso gratuito a sus publicaciones. Hoy en día son muchos los sitios de repositorios que cumplen con políticas de Acceso Abierto, pero con licencias particulares que es necesario conocer para adentrarnos en su uso. Uno de los sitios que se recomienda usar es el de SocArxiv, pues cuenta con un servicio gratuito de acceso, una base de datos completa y que permite a los autores obtener un DOI para su publicación. Sin mencionar la posibilidad de un contador de descargas y otras particularidades que no poseen las plataformas de ResearchGate y Academia.edu (véase tabla n° 4.1). En la siguiente sección abordaremos en mayor profundidad su uso. Tabla 4.1: Tabla comparativa del uso de SocArXiv versus otros sitios Características ResearchGate, Academia.edu Sitio web personal Repositorio Institucional SocArXiv Acceso libre para leer Requiere Registro Si Si Si Servicio de acceso publico - sin lucro No Solo si es alojado por tu universidad Solo si es alojado por tu universidad Si Metadatos completos, incluidos coautores, DOI, ORCID, etc. Quizás No Quizás Si Enlace para el repositorio para base de datos, codigo, etc. No Solo si tu lo construyes Quizás Si Url persistente en todas las versiones - No No Si Entrega DOI para el paper - No Solo Algunos Si Contador de descargas Solo Algunos Quizás Quizás Si Contribuye al futuro de la comunicación académica abierta No Débilmente Quizás Si Fuente: Traducción propia a partir de tabla comparativa de SocArXiv. Referencias "],["herramientas-para-publicar.html", "4.3 Herramientas para publicar", " 4.3 Herramientas para publicar Imagine que usted es parte de un equipo de investigación que finalizó un estudio sobre las repercusiones socio-económicas que tuvo la pandemia de Covid-19 en el país, desarrollando un aporte significativo para la toma de decisiones en materias de políticas económicas y levantando las bases para nuevas líneas de investigación. Dado el aporte que significan los resultados para el bien público, es necesaria su divulgación inmediata, pero es una realidad que la publicación regular en cualquier editorial toma un periodo largo de revisión y aceptación, es por ello que una alternativa es la pre-publicación del documento en un repositorio de Acceso Abierto y en la siguiente guía abordaremos un marco de referencia para empezar a adoptar prácticas ligadas al Open Access. 4.3.1 El camino hacia la publicación Todo proyecto de investigación tiene la potencialidad de ser publicado pero como ya se ha ido ilustrando en las secciones anteriores, publicar de manera abierta trae consigo beneficios de visibilidad e impacto social. Para desarrollar una estrategia eficaz de publicación abierta hay que seguir un flujo que se divide tres pasos, como se ilustra en la figura n° 4.4 y este inicia con la elección de la revista de Acceso Abierto, sigue con la identifiación de la etapa del artículo y finaliza con la selección del servicio de publicación. Figura 4.4: Guía paso a paso para publicar libre (Elaboración propia). Paso 1: Pre-rint (Pre-publicación) Es lo que conocemos comúnmente como el borrador del artículo, el mismo que enviamos al proceso de revisión por pares. Este documento tiene la posibilidad de ser publicado en cualquier repositorio de ruta verde (pre-print server) con el objetivo de ser difundido abiertamente para permitir su disponibilidad inmediata. La gran particularidad de este método de pre-publicación es que se obtiene un código alfanumérico que identifica y ubica el documento dentro del Internet, esto se conoce como un Digital Object Identifier - DOI (Identificador de Objeto Digital en español), por lo que se convierte de manera inmediata en un documento referenciable y sin posibilidad de plagio. Algunas personas tendrán el temor de que al pre-publicar un informe de investigación, las posibilidades de que el documento sea aceptado y posteriormente publicado en una revista es menor. Sin embargo, los datos empíricos demuestran que en la realidad, esto no es un impedimento para su posterior publicación. En la investigación de Abdill y Blekhman (2019) que analizó cerca de 37.648 pre-print alojados en bioRxiv -una extensión centrada en biología del sitio ArXiv-, una de las grandes conclusiones tiene que ver con que la tasa de preprints publicados en 2018 alcanzó un máximo de 2,100 por mes y de manera más específica, en la figura n° 4.5 se puede identificar a las diez principales revistas que han publicado la mayor cantidad de pre-print. En esta figura, cada barra indica la cantidad de documentos publicados por cada revista. Figura 4.5: Destino final de los Preprint. Traducción propia en base al estudio de Abdill y Blekhman (2019) Para el caso de las ciencias sociales, el servicio de pre-print que recomendamos utilizar es SocArxiv y particularmente para la discilina de la psicología PsyArxiv. Estos servicios permiten subir archivos PDF desde la plataforma Open Science Framework - OSF (Marco de Ciencia Abierta en español) - un software de código abierto que permite la reproducibilidad de los procesos - y de este modo se obtiene el beneficio de acceder a un DOI que asegure su correcta citación. Ambos repositorios son extensiones de ArXiv, la plataforma pionera de acceso abierto que en la actualidad alberga alrededor de dos millones de artículos categorizados en ocho áreas temáticas. ArXiv no posee tarifas asociadas a la publicación de los artículos, puesto a que los documentos se someten a un proceso de clasificación y no a una revisión por pares. Paso 2: Post-print Es la segunda etapa que es clave para el camino hacia la publicación, pues el post-print corresponde al artículo aceptado tras la revisión por pares, pero cuyo formato de presentación no ha sido adaptado al requerido, por lo que no ha sido publicado de manera oficial por la revista y para lograr ello, interviene un equipo especializado de la editorial que se encarga de tales aspectos ya sean márgenes, tipos de citación, estructura, entre otros. Hoy en día si bien son varias las editoriales que entregan la posibilidad de publicar el post-print en cualquier repositorio abierto, esto es solo tras el periodo de embargo, el cual consiste en un tiempo determinado donde la editorial se reserva los derechos patrimoniales del artículo para su distribución. Dicho esto, recomendamos tener conocimiento de la posibilidades que tiene el autor de publicar un documento previo a la publicación oficial. Paso 3: Print En la última etapa del flujo, recomendamos optar por abrir la publicación del Print (artículo final). El artículo final que es publicado oficialmente por una revista permite que la editorial conserve para sí los beneficios de los derechos patrimoniales de la obra, mientras que los equipos de investigación solo conservan el derecho al reconocimiento. Publicar en una revista de reconocimiento que integre políticas de acceso abierto brinda la posibilidad de que una vez finalizado el periodo de embargo, los autores puedan abrir sus artículos, pero no todas las revistas tienen las mismas políticas y directrices, por ello plantean formas y periodos distintos para el depósito del artículo en un repositorio abierto. Al momento de realizar el envío de un artículo a una revista cualquiera, puede ocurrir que el autor tenga que firmar un Acuerdo de Transferencia de Derechos (CTA por sus siglas en inglés), transfiriéndole al editor todo derecho sobre la obra y por lo tanto, imposibilitando toda acción posterior del propio creador sobre la investigación. Para que la publicación dentro de una revista no afecte a la posterior decisión de abrir el acceso a una investigación, en ocasiones las editoriales plantean periodos de embargo en cuyo tiempo gozan de los beneficios económicos sobre la obra, pero al finalizar, el autor es libre de difundir en abierto su publicación. En estos casos los editores tienen una licencia que sirve únicamente para publicar, mientras que los autores deben retener para sí los derechos sobre la obra. En síntesis, para que cualquier recurso científico sea abierto, este debe contener una licencia que explicite a sus usuarios las acciones que pueden realizar sobre la obra e indicar la correcta acreditación de la fuente Swan (2013). 4.3.2 Revistas para publicar con Open Access Por lo general, cuando llevamos tiempo investigando y publicando tenemos ciertas nociones de las revistas a las que les puede interesar los temas que estamos trabajando o incluso tenemos ciertas certezas de las posibles revistas en las cuales nuestro proyecto tiene mayores chances de ser publicado. El paso lógico para la publicación es elegir aquella editorial donde queremos que aparezca nuestro trabajo, ya sea por reconocimiento, por recomendaciones, por el tema que trabajamos o por cualquier otro motivo que tengamos. Una vez elegida la revista, se recomienda revisar las políticas de autoarchivo y para ello recomendamos acceder a Sherpa Romeo y buscar la revista escogida. Sherpa Romeo es un sitio web que funciona como una base de datos que recopila la información básica sobre las políticas de autoría y acceso abierto de las principales revistas científicas de todo el mundo que utiliza un código de cuatro colores para diferenciar los tipos de políticas de cada revista, los que se definen en: Figura 4.6: Etiquetas de colores de Sherma Romeo según tipo de acceso abierto (Elaborción propia). El mundo del Open Access es bastante grande y en ocasiones costoso, toda revista de ruta dorada posee costos de APC que deben ser financiados por los investigadores o sus patrocinantes, lo que se vuelve una barrera económica para los equipos de investigación que deseen abrir sus publicaciones, por ello el proceso de autoarchivo surge como una alternativa al alcance de cualquiera y en su mayoría, cientistas sociales utilizan la vía verde y la diamante para depositar sus manuscritos o tesis en repositorios como Dialnet, Latindex, Scielo, Redalyc y CLACSO. Adicionalmente, existen revistas de ciencias sociales cuyo foco se encuentra en el diseño de metodologías de investigación cualitativa y que además, poseen un alto factor de impacto como las resumidas en la tabla n° 4.2, pues son indexadas a Scopus Ulloa y Mardones (2017). Tabla 4.2: Descripción de Revistas de Open Access de orden Cualitativo Revista País Asunto o Categoría Qualitative Sociology Review Polonia Ciencias Sociales diversas The International Journal Qualitative Methods Canadá Educación Forum Qualitative Sozialforscung Alemania Ciencias Sociales diversas Fuente: Adaptación propia a partir de tabla extraída del estudio de Ulloa y Mardones (2017). 4.3.3 Pagos asociados a la publicación abierta El Open Access está redefiniendo la forma en que el capital científico se define, se moviliza y se trata. Este es un nuevo paradigma que choca con las reglas de un mercado académico que por décadas ha mantenido el monopolio económico del conocimiento científico por medio de barreras de pago, un modelo que no siempre es receptivo a alteraciones y novedades Sadaba (2014), pero que ha tenido la obligación de adaptarse al nuevo panorama cibernético digital. El modelo de suscripción se presenta como un muro de pago que al ser costeado permite acceder al material científico. Detrás de cada ejemplar físico existe un costo de adaptación, impresión y envío, lo que obligaba a las editoriales a publicar una cantidad determinada. Sin embargo, con el advenimiento del internet, la digitalización y la inmediatez de la información, las razones y argumentos que daban sustento al modelo se volvieron obsoletas. La era digital permitió avanzar a pasos agigantados en el desarrollo de nuevos conocimientos, en la difusión masiva e instantánea de los trabajos académicos y por consecuencia, abrió paso al cuestionamiento de las suscripciones pagadas como método de acceso al conocimiento. En este sentido, la declaración que tuvo lugar en Bethesda (2003) fue precisa en indicar que Internet ha cambiado fundamentalmente las realidades prácticas y económicas relacionadas con la distribución del conocimiento científico y el patrimonio cultural. En la nueva era digital, el modelo de suscripción sigue estando presente, pero convive con el paradigma del open access, el que intenta superar las barreras de pago poniendo la responsabilidad de la apertura del conocimiento en el propio autor. Algunos repositorios de ruta dorada e híbrida solicitan un pago de APC para publicar en acceso abierto, esto corresponde a un modelo de negocios cuyo propósito es financiar los gastos asociados la gestión de la publicación. En estricto rigor, no existe un monto estandarizado del APC, por lo que su costo dependerá únicamente de la revista y que fluctúa según el pago de impuestos adicionales, lo que se puede evidenciar en la tabla n° 4.3. Según Socha (2018), de las revistas de mayor renombre en la industria académica como Elsevier, Springer, Wiley y Taylor & Francis se han adscrito al acceso abierto cobrando a los autores un costo de APC pero manteniendo su modelo de suscripción. Tabla 4.3: Fluctuación del precio en dolares del APC en las principales revistas científicas Repositorio APC mínimo APC máximo ¿Open Acces o Híbrido? ELSEVIER $100 $5.000 Híbrido SPRINGER $3.000 $3.000 Híbrido WILEY $1.300 $5.200 Híbrido Taylor y Francis $500 $2.950 Open Access Fuente: Adaptación propia a partir de información recopilada en University of Cambridge (2018). Spinak (2019) indica que tanto en Estados Unidos como en países Europeos ha habido un aumento exponencial del costo del APC a través de los años. A modo de ejemplo, el APC promedio de 319 revistas de asociadas a las editoriales BMC, Frontiers, MDPI e Hindawi aumentó entre 2,5 y 6 veces la inflación entre el 2012 y el 2018, al alero de un considerable crecimiento en la cantidad de volúmenes que paso de 58.007 hasta 127.528 en aquellos años. Los editores han admitido que el costo del APC lo fijan según el valor económico de la revista que es atribuido según el valor de impacto. La introducción de un sistema de pagos por procesamiento de artículos hace frente al modelo de suscripción, pero no logra reemplazarlo. En cambio, funciona de manera paralela dentro del mercado científico, presentándose como una nueva barrera que obstaculiza la decisión de abrir las publicaciones de aquellas investigaciones que son autónomas o que dispongan de un presupuesto acotado. Los APC tienen sus propios cuestionamientos y uno de ellos refiere a que el pago no tiene mucho que ver con el procesamiento y posterior publicación del artículo, sino que más bien los equipos de investigación pagan por el reconocimiento de ser publicados en una revista de alto factor de impacto Velterop (2018). Pareciera ser que el nuevo ciclo de la ciencia que apuntaba a la democratización del conocimiento se vio inmerso en las lógicas económicas en donde las editoriales obtienen los principales beneficios monetarios. ¿Pagar por hacer ciencia o pagar por reconocimiento? Claro esta que existen otras vías gratuitas para publicar de manera abierta, sin embargo la ciencia -y principalmente las ligadas a la medicina, la física y las matemáticas- ha tenido la necesidad imperiosa de ser creíble, reconocida y citada, y por ello existe una mayor competencia en torno al reconocimiento que otroga la publicación en revistas de alto impacto. Sin embargo, el quehacer en pos del conocimiento y su disposición como bien público para la sociedad y su desarrollo, poco tiene que ver con una distinción simbólica que sirve dentro del mundo científico. La ciencia social, a diferencia de las ciencias exactas, se ha podido desarrollar con mayor libertad por medio de las vías gratuitas en importantes repositorios de ruta verde, como es el ejemplo del caso latinoamericano que profundizaremos en la siguiente sección. Referencias "],["cuál-es-el-destino-de-las-ciencias-sociales-en-el-mundo-del-open-access.html", "4.4 ¿Cuál es el destino de las ciencias sociales en el mundo del Open Access?", " 4.4 ¿Cuál es el destino de las ciencias sociales en el mundo del Open Access? La dicotomía entre ciencias naturales y sociales es una discusión epistemológica de años que no solo remite al objeto de estudio, sino que también a las metodologías de investigación, a los criterios de validez y quizás lo más importante, a la reflexión en torno al carácter objetivo de la propia ciencia. Es claro que el movimiento del Open Access no pretende dar respuestas ni reflexiones profundas sobre este tipo de cuestionamientos de orden epistemológico, y aunque se abre en extenso como una herramienta que sirve para la libre difusión de los conocimientos en el plano del Internet, una cosa es clara y es que las ciencias sociales han llegado algo tarde en comparación a las ciencias exactas (Sadaba 2014). La comunidad científica ligada al campo de lo social ha hecho los esfuerzos por adquirir prácticas abiertas y de este modo, han comenzado a trazar una próspera trayectoria en el campo del Open Access con un fuerte componente político. Las barreras de pago no son el único obstáculo que enfrenta la libre circulación del conocimiento científico, Banzato (2019) indica que la industria editorial ha instalado la idea de una ciencia del centro o bien denominada mainstream, un concepto consolidado globalmente gracias al trabajo hecho por los servicios de Web Of Science WoS y Scopus que han creado indicadores bibliométricos que segmentan a las investigaciones científicas, fomentan el uso del inglés como la lengua ilustre de la ciencia, entregan prestigio a aquellos trabajos que siguen los estándares de publicación y son indexadas en las revistas de gran renombre. En suma, generan un sistema restrictivo donde existe poca representatividad de las revistas de ciencias sociales. Según (Beigel 2018), las bases de datos comerciales no solo contribuyeron en la ilusión de una ciencia del centro, también desarrollaron la idea de un tipo de ciencia Periférica que refiere al trabajo que se reclusa en el terreno de la academia regional-local-como es el caso Latinoamericano-, este se indexa en revistas subvaloradas y comprendidas como endogámicas y debaja calidad, pues en su gran mayoría producen y re-producen el conocimiento dentro de la propia región, teniendo así un rol subsidiario en el desarrollo de la ciencia y no protagónico como es el caso anterior. La apuesta del Open Access de hacer frente al oligopolio de la industria editorial y lograr un cambio sociocultural en la ciencia, a menudo tiene que luchar con condiciones sociales, culturales y económicas que terminan modelando la forma en que los cambios tecnológicos se convierten en cambios sociales, por ello el Open Access es un proceso diferencial no solo entre las disciplinas, sino que también entre las zonas geográficas y las distintas regiones del mundo (Sadaba 2014). La globalización y el auge del Internet por sí mismos no democratizan ni permiten la distribución equitativa del conocimiento, por ello es importante adscribir a las palabras de Babini (2014), coordinadora del programa de acceso abierto de CLACSO, quién hace un llamado la comunidad científica de tomar responsabilidad por gestionar comunicaciones académicas no comerciales, cuyo objetivo sea permitir que el conocimiento se convierta en un bien público y por lo tanto, se gestione como tal. La experiencia latinoamericana ha logrado arribar en el puerto de la ruta verde de una forma similar al contexto anglosajón, en el estudio de Piwowar, Priem, y Orr (2019) se evidencia que tanto en ciencias sociales como en psicología se utiliza mayoritariamente la ruta verde para la publicación abierta (Véase figura n° 4.7). Para el caso Latinoamericano, se ha creado una estructura no comercial donde la publicación libre es manejada por institutos de investigación sin fines de lucro o por universidades estatales, dando forma a un ecosistema sustentado por Open Journals Systems (Sistema de Revistas Abiertas en español), un software libre que entrega herramientas para la administración de plataformas digitales como Latindex, Redalyc y Scielo, los principales exponentes del Open Access en la región según Becerril García y Aguado López (2019). Estas plataformas sirvieron de trampolín para el desarrollo de la ciencia abierta de tipo no comercial, una distinción propia de Latinoamerica (Beigel 2021). Figura 4.7: Piwowar, H. et al. (2019). Porcentaje de diferentes tipos de acceso de una muestra aleatoria de artículos y reseñas de WoS con un DOI publicado entre 2009 y 2015 por disciplina (Traducción propia). Algunas personas ligaran de manera exclusiva el Open Acces a metodologías de carácter cuantitativo, desconfiando del uso de estas técnicas para la investigación cualitativa con el temor de la pérdida de confidencialidad o el reproche sobre la toma de decisiones metodológicas. La evidencia levantada por Mardones, Ulloa, y Salas (2018) demuestra que existen experiencias cualitativas de trabajos publicados en abierto que no tienen repercusiones negativas, aún cuando estos declaran y describen sus diseños. Ello demuestra que la publicación abierta no afecta la particularidad y flexibilidad del diseño, siempre y cuando este se dirija con el fin de develar el fenómeno de estudio. Taylor (2020) realizó un análisis sistemático de la publicación en abierto de libros y capítulos en el área de las ciencias sociales, pues ha habido una falta de atención en la publicación de libros en abierto, muy por el contrario al análisis que se realiza casi por completo a artículos y revistas. Este estudio comprende la existencia de un gran número de científicos sociales que se abocan publicar en libros y dentro de los resultados de la investigación, se evidencia que el número de libros y capítulos publicados en acceso abierto es mucho más bajo que el de los artículos, pero a través de los años ha ido en un ligero incremento, siendo estos en su gran mayoría de las disciplinas de la psicología y la economía, y en último lugar, textos del área de la filosofía. Lo anterior no solo evidencia un auge constante de la publicación de libros y capítulos en abierto, también da cuenta de que al igual que en el panorama general, dentro de las humanidades y las ciencias sociales ocurre una dicotomía entre las disciplinas. Las revistas académicas y los repositorios antes mencionados son administrados, dirigidos y financiados por instituciones académicas o por organismos no gubernamentales sin fines de lucro -como es el caso del Centro Latinoamericano de Ciencias Sociales (CLACSO)-, por lo que no se incluyen tarifas ni para autores ni para lectores. América Latina ha desarrollado una suerte de ecosistema en red, que se configura cómo un espacio virtual donde los miembros de las universidades ponen a disposición el contenido intelectual en repositorios de sus casas de estudio, los cuales a su vez se encuentran interconectados a otros repositorios académicos. Un ejemplo claro de ello es LaReferencia que integra más de 1.3 millones de archivos según Becerril García y Aguado López (2019). En términos de políticas públicas, los organismos estatales han desarrollado leyes que promueven el uso de prácticas abiertas en el desarrollo de investigaciones con fondos estatales, sin embargo por lo que señala Becerril García y Aguado López (2019), los mandatos tienden a ser aún muy débiles y operan como sugerencias más que como obligaciones metodológicas. Otra debilidad indicada por el mismo estudio da cuenta de que la mayoría de los sistemas de validación social de las investigaciones descansan en el renombre de la revista, aún cuando estas se encuentren lejos de las discusiones locales o bien ajenas a los contextos latinoamericanos. El destino de las ciencias sociales en el mundo del Open Access es bastante amplio. Los beneficios que entrega este paradigma no solo contribuyen a la difusión y amplio reconocimiento de la obra y de su autoría, también aportan a la apertura del conocimiento científico que sirve a nivel local en la toma de decisiones, en la consecución de estrategias políticas y a nivel regional en tanto aporta al desarrollo cultural y económico de la sociedad en su conjunto. Sin duda, el camino que han trazado otras personas sigue su curso e invita no solo a investigadores a incurrir en este tipo de prácticas, sino que también pone la responsabilidad en las instituciones universitarias y gubernamentales en proporcionar las herramientas, guías y conocimientos necesarios para que el Open Access sea una alternativa viable por la cual la ciencia y el conocimiento se transformen. Referencias "],["referencias.html", "Referencias", " Referencias "]] diff --git a/docs/sobre-la-propiedad-intelectual-y-las-licencias.html b/docs/sobre-la-propiedad-intelectual-y-las-licencias.html new file mode 100644 index 0000000..5d00274 --- /dev/null +++ b/docs/sobre-la-propiedad-intelectual-y-las-licencias.html @@ -0,0 +1,305 @@ + + + + + + + 6.1 Sobre la Propiedad Intelectual y las Licencias | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    6.1 Sobre la Propiedad Intelectual y las Licencias

    +
    +

    La Propiedad Intelectual (PI) es una normativa que permite el reconocimiento autoral de toda invención de la mente humana (World Intelectual Propiety Organization 2020), su objetivo es fomentar la creación e innovación, al mismo tiempo en el que regula el uso y difusión de las obras. La PI es un tipo de ley cuya rigurosidad varia según el país y funciona en base a dos grandes ascepciones:

    +
      +

    1. Common Law: rige en Estados Unidos e Inglaterra y regula la reproducción (copia) de la obra, su distribución, su exhibición pública y su transformación ya sea traducida o adaptada (Fernández 2009). A partir de Omatos (2013) se comprende que es una facultad que poseen los autores y su particularidad es que puede ser transferida ya sea por voluntad propia o por prescripción, siendo así ampliados los derechos del uso de la obra bajo distintos tipos de licencias de Copyrigth, Creative Commons, Copyleft y Dominio Público.

      2. +

    2. Derechos de autor: rige en Europa continental y Latinoamérica y regula las facultades patrimoniales y el derecho moral que posee el autor sobre su obra, esto quiere decir que se reconoce la paternidad sobre la creación y se protege la integridad original del trabajo (Loredo 2012). El derecho moral, a diferencia del Common Law es irrenunciable e inalienable, por lo que no se puede traspasar.

      3. +
    +

    A modo de contexto, en el caso de Chile este se ha suscrito a tratados internacionales que permimten el resguardo internacional de cualquier obra intelectual que se haya elaborado en territorio nacional, los más importantes son dos:

    +
      +

    1. Tratado de Berna (rectificado en 1973): establece indicaciones a los países asociados para resguardar las obras internacionales en el propio territorio.

      2. +

    2. Convenio de OMPI (rectificado en 1975): establece una suerte de guía a los países adherentes, esta sirve para la elaboración de leyes que atiendan el resguardo de la propiedad intelectual dentro del mundo digital (Fernández 2009).

      +
      +
      3. +
    +
    +

    Referencias

    +
    +
    +Fernández, Juan Carlos. 2009. «Derechos de Autor». Derechos de Autor en plataformas e-learning. +
    +
    +Loredo, Alejandro. 2012. «Derecho Comparado: Derecho de Autor y Copyright. Dos Caminos Que Se Encuentran». Portal de gobierno electrónico, inclusión digital y sociedad del conocimiento. +
    +
    +Omatos, Antonio. 2013. «Aspectos Legales En La Educación». +
    +
    +World Intelectual Propiety Organization, WIPO. 2020. What Is Intellectual Property? WIPO. Switzerland. +
    +
    +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git a/docs/style.css b/docs/style.css deleted file mode 100644 index f317b43..0000000 --- a/docs/style.css +++ /dev/null @@ -1,14 +0,0 @@ -p.caption { - color: #777; - margin-top: 10px; -} -p code { - white-space: inherit; -} -pre { - word-break: normal; - word-wrap: normal; -} -pre code { - white-space: inherit; -} diff --git "a/docs/texto-plano-y-documentos-din\303\241micos.html" "b/docs/texto-plano-y-documentos-din\303\241micos.html" new file mode 100644 index 0000000..0145d91 --- /dev/null +++ "b/docs/texto-plano-y-documentos-din\303\241micos.html" @@ -0,0 +1,296 @@ + + + + + + + 4.2 Texto plano y documentos dinámicos | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    4.2 Texto plano y documentos dinámicos

    +

    Adoptar ciertas prácticas en lo que respecta a la estructura de un proyecto es el primer paso en el espectro de reproducibilidad. El segundo paso que proponemos acá es el uso de texto plano y documentos dinámicos.

    +

    Probablemente, el programa que más se ha utilizado para la escritura, desde la formación de pregrado hasta el trabajo cotidiano como investigador, sea Microsoft Word. Sin duda, es una herramienta sumamente útil, cuenta varias funciones que permiten ordenar y hacer más estéticos nuestros documentos, no obstante, no es reproducible. Aunque Microsoft Word sea un formato de archivo ampliamente conocido, necesitamos algún tipo de lector asociado al formato .docx (u otro similar) para poder leer los archivos. Esto implica que solamente las personas que tengan instalado algún lector para este tipo de documentos serán capaces de acceder al contenido, lo cual va en contra de la idea de reproducibilidad.

    +

    Ahora, también es cierto que el formato de Word está tan extendido, que es realmente difícil que alguien no tenga disponible un lector de este tipo de archivos. Sin embargo, el real problema está con quien es dueño de ese contenido. Acá no nos inmiscuimos en temas de propiedad intelectual, pero sí es importante hacerse la pregunta sobre quién es dueño de lo que escribimos si el medio por donde estamos escribiendo no es propiedad nuestra. Es cosa de imaginarse que, de un día para otro, todo programa asociado a Microsoft desapareciera por alguna razón, todos nuestros documentos quedarían obsoletos. Aquí es donde entra el texto plano.

    +

    El texto plano es, simplemente, un tipo de texto que se puede leer independiente del lector que se use. Un ejemplo simple es escribir en el bloc de notas de Windows. El texto plano es importante cuando buscamos avanzar hacia la reproducibiliad por dos razones. Primero, es un tipo de texto universal, lo que da la ventaja de que, en principio, cualquier persona será capaz de leer algo escrito en este formato. Segundo, sienta las bases para que surjan lenguajes que permiten sofisticar el formato de los documentos, pero que sigan teniendo el carácter universal del texto plano. Los ejemplos más conoocidos son LaTeX y Markdown.

    +

    La descripción en detalle del lenguaje LaTeX y Markdown no son objetivo de este capitulo, pero si es importante tenerlos en cuenta ya que han dado paso a una de las herramientas más utilizadas en la ciencia abierta: los documentos dinámicos. Estos son documentos que incluyen, a la par, texto plano y código. Es decir, ya no es necesario que utilicemos una hoja de código para generar un gráfico y luego pegarlo en un documento Word para escribir nuestro artículo, sino que podemos hacer todo esto en un mismo archivo. Además de hacer nuestro flujo de trabajo más eficiente, también hace más fácil reproducir los archivos. Por ejemplo, si quisiéramos que un colega revisara nuestro artículo, bastaría con que le enviáramos el documento dinámico que contiene tanto el código como el escrito. Así, él podría revisar la escritura del documento, y además, evaluar si los análisis han sido efectuados correctamente.

    +

    Las distintas formas de documentos dinámicos dependen del software que se vaya a emplear para la programación del código. Según Schindler, Zapilko, y Krüger (2021), los softwares más usados en las ciencias sociales actualmente son R y Stata, por lo que presentaremos un resumen de sus respectivos formatos de documentos dinámicos: RMarkdown y Stata Markdown. También, Python ha sido indiscutiblemente uno de los lenguajes de programación más utilizados en el último tiempo y no solo por científicos sociales. Es por esto que también presentaremos su versión de documento dinámico: Jupyter Notebook.

    +

    RMarkdown

    +

    RMarkdown es un tipo de documento dinámico que combina código de R con lenguaje marcado tipo Markdown (para aprender a usar Markdown click aquí). En los documentos de RMarkdown, todo lo que escribamos en el documento el software asumirá que está en formato Markdown, por lo que si utilizamos alguna de las marcas (e.g. usar negrita en alguna palabra) en el documento final esa marca se hará efectiva. Cuando queremos utilizar código debemos escribirlo en bloques o chunks. Los chunks de código tienen distintas opciones, solo por dar un ejemplo, podemos escribir un código para elaborar un gráfico, pero no queremos que el código que se utilizó para elaborar el gráfico pues, los chunks nos dan la opción para lograr eso. Caso contrario, si queremos mostrar tanto el gráfico como el código para elaborarlo -por ejemplo, para que alguien revisé si hemos cometido algún error-, los chunks de código también tienen una opción para eso. En suma, podemos utilizar las distintas marcas de edición que nos ofrece Markdown, así como las distintas opciones para los chunks de código, con tal de elaborar un documento tal y cómo nosotros lo queremos. Para más información sobre RMarkdown, ver el enlace aquí.

    +

    La característica más importante de RMarkdown, es que la combinación del lenguaje marcado y el código se da en un documento renderizado. Renderizado significa que pasa por un proceso en el que se reconocen las distintas indicaciones de marcas y código, dando como resultado final un documento html, pdf o word. La herramienta encargada de este proceso es Pandoc, un convertidor de documentos universal (para más info ver: https://pandoc.org/)

    +

    Stata Markdown

    +

    Sí bien en Stata han emergidos varios paquetes que buscan apoyar la elaboración de documentos dinamicos (e.g. ver aquí), el comando Markstat es quizás el más conocido. Al igual que otros tipos de documentos dinámicos, Markstat combina lenguaje Markdown con código de Stata, la principal diferencia con RMarkdown es que el código no se ejecuta en chunks, sino que está separado del texto plano con indentaciones. Es importante tener en cuenta que para ejecutar Markstat debemos tener instalado Pandoc. Para más información sobre cómo utilizar Markstat ver aquí.

    +

    Jupyter Notebook

    +

    Jupyter Notebook es un tipo de documento dinámico que combina lenguaje marcado tipo Markdown con código de Python. Al igual que RMarkdown, todo lo que escribamos en los Jupyter Notebook será considerado como lenguaje marcado. La diferencia que tiene con RMarkdown es que el documento va renderizando las marcas e indicaciones de código en tiempo real. Es decir, si escribimos en negrita, títulos de distinta jerarquía o añadimos gráficos o tablas el documento lo mostrará inmediatamente. Para más información sobre cómo utilizar Jupyter Notebook ver aquí.

    +
    +

    Referencias

    +
    +
    +Schindler, David, Benjamin Zapilko, y Frank Krüger. 2021. «Investigating Software Usage in the Social Sciences: A Knowledge Graph Approach». arXiv:2003.10715 [cs], agosto. http://arxiv.org/abs/2003.10715. +
    +
    +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git a/docs/tipos-de-licencias.html b/docs/tipos-de-licencias.html new file mode 100644 index 0000000..8b87c45 --- /dev/null +++ b/docs/tipos-de-licencias.html @@ -0,0 +1,310 @@ + + + + + + + 6.2 Tipos de Licencias | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    6.2 Tipos de Licencias

    +
    +

    Las licencias sobre la propiedad intelectual regulan los derechos patrimoniales de la obra y establecen las reglas para su uso. Las licencias más conocidas son:

    +
      +

    1. Copyright: Esta licencia permite que el autor se reserve todos los derechos sobre la obra y solo se puede hacer uso de ella bajo permiso del mismo.

      2. +

    2. Creative Commons (CC): Esta licencia inspirada en la General Public License - GPL (Licencia Pública General en español)3 tiene el propósito de desarrollar herramientas digitales estandarizadas que faciliten la distribución de la obra, pues entrega al autor, empresa o institución la responsabilidad de autorizar reglamentadamente el modo de uso, difusión y citación de su obra. Existen seis tipos de licencias CC (Véase figura n° 6.1) y cada una de ellas tiene como base la CC-BY que permite hacer uso de la obra con la correspondiente atribución, el resto de licencias funcionan a modo de capas que se superponen a la pricipal, de este modo cada capa entrega una especificidad sobre como utilizar la obra Creative Commons (2019).

      3. +
    +
    +Capas de las licencias Creative Commons. Elaboración propia. +

    +Figura 6.1: Capas de las licencias Creative Commons. Elaboración propia. +

    +
    +
      +

    1. Copyleft: Este tipo de licencia proviene del movimiento Open Access y se orienta a abrir el uso, aplicación, distribución y creación de obras. Además de permitir el uso libre, indica la obligación de que todo proyecto que nazca a partir del original contenga los principios del acceso abierto.

      2. +

    2. Dominio Público: Si bien no corresponde a una licencia como tal, es un estado en el que la obra no posee protección patrimonial pues ha prescrito el plazo de su protección.

      +
      +
      3. +
    +
    +

    Referencias

    +
    +
    +Blanca, José. 2019. «Informática para las ciencias de la vida: Unix y Python». Course. Bioinformatics at COMAV. +
    +
    +Creative Commons, CC. 2019. «About CC Licenses». FAQ. What we do. +
    +
    +
    +
    +
      +

    1. La General Public License es una licencia elaborada por el sistema operativo GNU y su objetivo es permitir el uso de software y códigos de libre acceso. GNU es un sistema libre que busca ser compatible con Unix, otro sistema operativo que se caracteriza por ser portable, multitarea y multiusuario (Blanca 2019).↩︎

      2. +
    +
    +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git a/docs/transparencia.html b/docs/transparencia.html deleted file mode 100644 index 4266958..0000000 --- a/docs/transparencia.html +++ /dev/null @@ -1,207 +0,0 @@ - - - - - - - Capítulo 3 Transparencia | Ciencia Social Abierta - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
    - -
    - -
    - -
    -
    - - -
    -
    - -
    - - - - - - - - - -
    - -
    -
    -

    Capítulo 3 Transparencia

    -
    -

    3.1 Problema

    -
    -
    -

    3.2 Solución

    -
    -
    -
    -
    -
    - Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) -
    - Para más información puedes contactárnos en nuestro correo -
    -
    - -
    - -
    -
    -
    - - -
    -
    - - - - - - - - - - - - - - diff --git a/docs/uk-reproducibility-network-ukrn.html b/docs/uk-reproducibility-network-ukrn.html new file mode 100644 index 0000000..dc5d817 --- /dev/null +++ b/docs/uk-reproducibility-network-ukrn.html @@ -0,0 +1,322 @@ + + + + + + + 4.3 UK Reproducibility Network (UKRN) | Ciencia Social Abierta + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    + +
    + +
    + +
    +
    + + +
    +
    + +
    + + + + + + + + + +
    + +
    +
    +

    4.3 UK Reproducibility Network (UKRN)

    +

    +
    +

    Objetivos y visión

    +

    La UK Reproducibility Network (UKRN) es un consorcio institucional del Reino Unido que tiene por objetivo promover los principios y prácticas de la ciencia abierta con una mirada local, es decir, en las instituciones nacionales y sus investigadores. Para contribuir a este objetivo se realizan esfuerzos en torno a la investigación de los factores que determinan una investigación abierta y robusta, promoviendo el entrenamiento a través de actividades abiertas y diseminando las buenas prácticas para una ciencia abierta. En particular, se proponen a profundizar en los factores que determinan la carencia de reproducibilidad y replicabilidad, para lo cual se busca:

    +
      +
    • Desarrollar aproximaciones que contrarresten esta falta de transparencia.
      • +
    • Incrementar la confianza y la calidad de la investigación científica.
      • +
    • Abordar de manera transversal estos problemas en las distintas disciplinas científicas.
      • +
    • Avanzar hacia un cambio cultural en la ciencia y transformar las prácticas de quienes la desarrollan.
      • +
    +

    En la UKRN se caracteriza por un trabajo en red, es decir por un importante componente de vinculación entre instituciones de investigación vinculadas a universidades como también a oficinas gubernamentales que desarrollan investigación (ver External Stakeholders) . En esta línea, existen diversas iniciativas apoyadas por la UKRN que promueven el entrenamiento, metodologías y recursos tecnológicos para la ciencia abierta. A continuación se presentarán algunas de las contribuciones más relevantes realizadas por la red, como también algunas de las iniciativas externas que han sido respaldadas por la UKRN.

    +
    +
    +

    Contribución

    +

    En el ámbito de la Educación y Entrenamiento, es posible identificar, por un lado, las contribuciones realizadas directamente por la UKRN, y por otro lado, las iniciativas que son respaldadas por la red y que promueven la formación en torno a los principios y prácticas de la ciencia abierta, particularmente en la etapa temprana de la carrera de investigación.

    +

    Respecto a una de las iniciativas elaboradas por los académicos e investigadores involucrados en la UKRN, encontramos unos de los principales recursos virtuales en un breve curso online que aborda una serie de tópicos relevantes para la promoción de la ciencia abierta, dentro de lo cual encontramos el uso de pre-prints, autorías, registered reports, datos abiertos y reproducibilidad. A continuación se puede observar la lista de sesiones que han sido desarrolladas en torno a estos temas.

    + +

    Junto con las sesiones, existe una serie de recursos compartidos a través de un proyecto abierto en el Open Science Framework. Aquí es posible acceder a documentos breves que abordan los tópicos de cada sesión, además de recursos adicionales sobre uso de software de código abierto y repositorios.

    +

    Un ámbito de desarrollo ha sido la disposición de recursos tecnológicos que promuevan y faciliten las prácticas en ciencia abierta. Una de las iniciativas impulsadas es el Open Research Calendar, el cual consiste en una instrumento colaborativo y abierto que busca brindar a la comunidad de investigadores interesados en temas relacionados a la ciencia abierta un flujo constante de actualizaciones en torno a workshops y conferencias a nivel mundial que abordan tópicos sobre ciencia abierta unificados en un calendario. El carácter colaborativo de esta herramienta permite que usuarios previamente registrados y validados puedan contribuir con información que se centraliza en el calendario de eventos, precisando los contenidos y redireccionando a la inscripción y/o enlace para las actividades que se realizan a través de internet. Para facilitar la experiencia de usuario, el calendario se integra con Google Calendar el cual puede sincronizarse con la agenda personal, los cuales se van actualizando automáticamente.

    +

    Otra herramienta tecnológica patrocinada por la UKRN es la plataforma Octopus. A la fecha, la plataforma se presenta como una aplicación en desarrollo y abierta a comentarios de los usuarios. En términos generales se propone ser una alternativa para contribuir a la apertura de publicaciones. El detalle se presenta así:

    +
    +

    (…) sustituir a las revistas y los artículos como lugar para establecer la prioridad y registrar su trabajo con todo detalle, Octopus es de uso gratuito y publica todo tipo de trabajos científicos, ya sea una hipótesis, un método, datos, un análisis o una revisión por pares (traducción propia).

    +
    +

    La Figura 4.2 ilustra un ejemplo de cómo se ve un proyecto en Octopus. Vemos que existen siete componentes que buscan representar el flujo de una investigación. Entendiendo que los procesos de investigación no son lineales y tienden a existir iteraciones en entre teoría y métodos, la virtud de la registro y publicación de un proyecto permite que otros puedan conocer y evaluar nuestras hipótesis, plan de análisis, resultados y versiones de un artículo, así como también la vinculación entre cada sección.

    +
    +Ejemplo de un trabajo registrado en desarrollo en octopus.org +

    +Figura 4.2: Ejemplo de un trabajo registrado en desarrollo en octopus.org +

    +
    +

    Para publicar debemos logearnos con una cuenta de ORCID. Si no tienes una cuenta puedes crear un perfil aquí. Luego, se deben seguir tres pasos. El primero es elegir qué tipo de componente se desea publicar (Problema, Hipótesis, Métodos, etc). Segundo, dar detalles sobre el componente y con qué otros proyectos se relaciona. Y finalmente, contribuir con un borrador de escritura que luego será publicado.

    + +
    +
    + +
    +
    +
    + Laboratorio de Ciencia Social Abierta (LISA) del Centro de Estudios de Conflicto y Cohesión Social (COES) +
    + Para más información puedes contactárnos en nuestro correo +
    +
    + +
    + +
    +
    +
    + + +
    +
    + + + + + + + + + + + + + + diff --git a/images/BITSS_logo_horizontal.png b/images/BITSS_logo_horizontal.png new file mode 100644 index 0000000..b4cc025 Binary files /dev/null and b/images/BITSS_logo_horizontal.png differ diff --git a/images/OpenAccess.png b/images/OpenAccess.png new file mode 100644 index 0000000..0189f08 Binary files /dev/null and b/images/OpenAccess.png differ diff --git a/images/Piwowar_future.png b/images/Piwowar_future.png new file mode 100644 index 0000000..9245137 Binary files /dev/null and b/images/Piwowar_future.png differ diff --git a/images/Transparency Taxonomy (1).png b/images/Transparency Taxonomy (1).png new file mode 100644 index 0000000..63554e0 Binary files /dev/null and b/images/Transparency Taxonomy (1).png differ diff --git a/images/Transparency Taxonomy.png b/images/Transparency Taxonomy.png new file mode 100644 index 0000000..c799901 Binary files /dev/null and b/images/Transparency Taxonomy.png differ diff --git a/images/UKRN-Logo.png b/images/UKRN-Logo.png new file mode 100644 index 0000000..d682653 Binary files /dev/null and b/images/UKRN-Logo.png differ diff --git a/images/asp.png b/images/asp.png new file mode 100644 index 0000000..c049b5b Binary files /dev/null and b/images/asp.png differ diff --git a/images/colores_sherpa.png b/images/colores_sherpa.png new file mode 100644 index 0000000..2e46127 Binary files /dev/null and b/images/colores_sherpa.png differ diff --git a/images/flujo_lisa.png b/images/flujo_lisa.png new file mode 100644 index 0000000..128f04d Binary files /dev/null and b/images/flujo_lisa.png differ diff --git a/images/fp.png b/images/fp.png new file mode 100644 index 0000000..cbc4d4a Binary files /dev/null and b/images/fp.png differ diff --git a/images/future_oa.png b/images/future_oa.png new file mode 100644 index 0000000..1b5550c Binary files /dev/null and b/images/future_oa.png differ diff --git a/images/grad.png b/images/grad.png new file mode 100644 index 0000000..9eb3886 Binary files /dev/null and b/images/grad.png differ diff --git a/images/licencias.png b/images/licencias.png new file mode 100644 index 0000000..e911063 Binary files /dev/null and b/images/licencias.png differ diff --git a/images/nature_preprints.png b/images/nature_preprints.png new file mode 100644 index 0000000..4aa0f56 Binary files /dev/null and b/images/nature_preprints.png differ diff --git a/images/octopus.PNG b/images/octopus.PNG new file mode 100644 index 0000000..b6fb5ab Binary files /dev/null and b/images/octopus.PNG differ diff --git a/images/osfprereg1.png b/images/osfprereg1.png new file mode 100644 index 0000000..d4ba87c Binary files /dev/null and b/images/osfprereg1.png differ diff --git a/images/osfprereg2.png b/images/osfprereg2.png new file mode 100644 index 0000000..31f1acf Binary files /dev/null and b/images/osfprereg2.png differ diff --git a/images/osfprereg3.png b/images/osfprereg3.png new file mode 100644 index 0000000..3f5c527 Binary files /dev/null and b/images/osfprereg3.png differ diff --git a/images/osfprereg4.png b/images/osfprereg4.png new file mode 100644 index 0000000..3a42c8e Binary files /dev/null and b/images/osfprereg4.png differ diff --git a/images/osfprereg5.png b/images/osfprereg5.png new file mode 100644 index 0000000..d1cc964 Binary files /dev/null and b/images/osfprereg5.png differ diff --git a/images/prereg1.png b/images/prereg1.png new file mode 100644 index 0000000..e83cc8f Binary files /dev/null and b/images/prereg1.png differ diff --git a/images/prereg2.png b/images/prereg2.png new file mode 100644 index 0000000..829a4f6 Binary files /dev/null and b/images/prereg2.png differ diff --git a/images/prereg3.png b/images/prereg3.png new file mode 100644 index 0000000..ce2afed Binary files /dev/null and b/images/prereg3.png differ diff --git a/images/prereg4.png b/images/prereg4.png new file mode 100644 index 0000000..0428ae4 Binary files /dev/null and b/images/prereg4.png differ diff --git a/images/produccion2.png b/images/produccion2.png new file mode 100644 index 0000000..6b166cf Binary files /dev/null and b/images/produccion2.png differ diff --git a/images/rcr.png b/images/rcr.png new file mode 100644 index 0000000..4264b64 Binary files /dev/null and b/images/rcr.png differ diff --git a/images/repro-spectrum.png b/images/repro-spectrum.png new file mode 100644 index 0000000..7a43dfc Binary files /dev/null and b/images/repro-spectrum.png differ diff --git a/images/reproducibility.png b/images/reproducibility.png new file mode 100644 index 0000000..a268cd4 Binary files /dev/null and b/images/reproducibility.png differ diff --git a/images/resource-library.PNG b/images/resource-library.PNG new file mode 100644 index 0000000..65987e7 Binary files /dev/null and b/images/resource-library.PNG differ diff --git a/images/rr.png b/images/rr.png new file mode 100644 index 0000000..5e78c2e Binary files /dev/null and b/images/rr.png differ diff --git a/images/significant.png b/images/significant.png new file mode 100644 index 0000000..5c3cdd2 Binary files /dev/null and b/images/significant.png differ diff --git a/images/table_tax.png b/images/table_tax.png new file mode 100644 index 0000000..5eddf43 Binary files /dev/null and b/images/table_tax.png differ diff --git a/images/table_top.png b/images/table_top.png new file mode 100644 index 0000000..6ece2d5 Binary files /dev/null and b/images/table_top.png differ diff --git a/images/taxonomy.png b/images/taxonomy.png new file mode 100644 index 0000000..6076a0e Binary files /dev/null and b/images/taxonomy.png differ diff --git a/images/tier-logo.jpg b/images/tier-logo.jpg new file mode 100644 index 0000000..b10a996 Binary files /dev/null and b/images/tier-logo.jpg differ diff --git a/images/titulosscript.png b/images/titulosscript.png new file mode 100644 index 0000000..3894f99 Binary files /dev/null and b/images/titulosscript.png differ diff --git a/images/written.png b/images/written.png new file mode 100644 index 0000000..6af0ad3 Binary files /dev/null and b/images/written.png differ diff --git a/input/bib/lisacoes.bib b/input/bib/lisacoes.bib new file mode 100644 index 0000000..164e924 --- /dev/null +++ b/input/bib/lisacoes.bib @@ -0,0 +1,4144 @@ + +@misc{__, + howpublished = {https://www.stata.com/meeting/italy14/abstracts/materials/it14\_haghish.pdf} +} + +@misc{_Figueiredo_2021, + title = {Figueiredo, {{Martinovic}}, {{Rees}}, and {{Licata}}: {{Collective Memories}} and {{Present}}-{{Day Intergroup Relations}}: {{Introduction}} to the {{Special Thematic Section}}}, + shorttitle = {Figueiredo, {{Martinovic}}, {{Rees}}, and {{Licata}}}, + year = {2021}, + month = jun, + doi = {10.5964/jspp.v5i2.895}, + howpublished = {https://jspp.psychopen.eu/index.php/jspp/article/download/4995/4995.html?inline=1} +} + +@misc{_impact_2021, + title = {The Impact of a Multicultural Exchange between Indigenous and Non-Indigenous History Teachers for Students' Attitudes: Preliminary Evidence from a Pilot Study in {{Chile}}: {{Multicultural Education Review}}: {{Vol}} 12, {{No}} 3}, + year = {2021}, + month = jun, + howpublished = {https://www.tandfonline.com/doi/abs/10.1080/2005615X.2020.1808927} +} + +@misc{_Increasing_, + title = {Increasing the {{Credibility}} of {{Political Science Research}}: {{A Proposal}} for {{Journal Reforms}}-{{Web}} of {{Science Core Collection}}}, + howpublished = {https://www-webofscience-com.uchile.idm.oclc.org/wos/woscc/full-record/WOS:000359291900014} +} + +@misc{_Retraction_, + title = {Retraction {{Watch}}}, + journal = {Retraction Watch}, + abstract = {Tracking retractions as a window into the scientific process}, + howpublished = {https://retractionwatch.com/}, + language = {en-US} +} + +@misc{_Web_, + title = {Web of {{Science}}}, + howpublished = {https://www-webofscience-com.uchile.idm.oclc.org/wos/} +} + +@article{abdill_tracking_2019, + title = {Tracking the Popularity and Outcomes of All {{bioRxiv}} Preprints}, + author = {Abdill, Richard J. and Blekhman, Ran}, + year = {2019}, + journal = {bioRxiv}, + pages = {515643}, + doi = {10.1101/515643}, + abstract = {Researchers in the life sciences are posting work to preprint servers at an unprecedented and increasing rate, sharing papers online before (or instead of) publication in peer-reviewed journals. Though the increasing acceptance of preprints is driving policy changes for journals and funders, there is little information about their usage. Here, we collected and analyzed data on all 37,648 preprints uploaded to bioRxiv.org, the largest biology-focused preprint server, in its first five years. We find preprints are being downloaded more than ever before (1.1 million tallied in October 2018 alone) and that the rate of preprints being posted has increased to a recent high of 2,100 per month. We also find that two-thirds of preprints posted before 2017 were later published in peer-reviewed journals, and find a relationship between journal impact factor and preprint downloads. Lastly, we developed Rxivist.org, a web application providing multiple ways of interacting with preprint metadata.} +} + +@book{abrilruiz_Manzanas_2019, + title = {{Manzanas podridas: Malas pr\'acticas de investigaci\'on y ciencia descuidada}}, + shorttitle = {{Manzanas podridas}}, + author = {Abril Ruiz, Angel}, + year = {2019}, + isbn = {978-1-07-075536-6}, + language = {Spanish}, + annotation = {OCLC: 1120499121} +} + +@article{aczel_consensusbased_2020, + title = {A Consensus-Based Transparency Checklist}, + author = {Aczel, Balazs and Szaszi, Barnabas and Sarafoglou, Alexandra and Kekecs, Zoltan and Kucharsk{\'y}, {\v S}imon and Benjamin, Daniel and Chambers, Christopher D. and Fisher, Agneta and Gelman, Andrew and Gernsbacher, Morton A. and Ioannidis, John P. and Johnson, Eric and Jonas, Kai and Kousta, Stavroula and Lilienfeld, Scott O. and Lindsay, D. Stephen and Morey, Candice C. and Munaf{\`o}, Marcus and Newell, Benjamin R. and Pashler, Harold and Shanks, David R. and Simons, Daniel J. and Wicherts, Jelte M. and Albarracin, Dolores and Anderson, Nicole D. and Antonakis, John and Arkes, Hal R. and Back, Mitja D. and Banks, George C. and Beevers, Christopher and Bennett, Andrew A. and Bleidorn, Wiebke and Boyer, Ty W. and Cacciari, Cristina and Carter, Alice S. and Cesario, Joseph and Clifton, Charles and Conroy, Ron{\'a}n M. and Cortese, Mike and Cosci, Fiammetta and Cowan, Nelson and Crawford, Jarret and Crone, Eveline A. and Curtin, John and Engle, Randall and Farrell, Simon and Fearon, Pasco and Fichman, Mark and Frankenhuis, Willem and Freund, Alexandra M. and Gaskell, M. Gareth and {Giner-Sorolla}, Roger and Green, Don P. and Greene, Robert L. and Harlow, Lisa L. and {de la Guardia}, Fernando Hoces and Isaacowitz, Derek and Kolodner, Janet and Lieberman, Debra and Logan, Gordon D. and Mendes, Wendy B. and Moersdorf, Lea and Nyhan, Brendan and Pollack, Jeffrey and Sullivan, Christopher and Vazire, Simine and Wagenmakers, Eric-Jan}, + year = {2020}, + month = jan, + journal = {Nature Human Behaviour}, + volume = {4}, + number = {1}, + pages = {4--6}, + publisher = {{Nature Publishing Group}}, + issn = {2397-3374}, + doi = {10.1038/s41562-019-0772-6}, + abstract = {We present a consensus-based checklist to improve and document the transparency of research reports in social and behavioural research. An accompanying online application allows users to complete the form and generate a report that they can submit with their manuscript or post to a public repository.}, + copyright = {2019 The Author(s)}, + language = {en}, + keywords = {forrt,herramienta} +} + +@misc{agencianacionaldeinvestigacionydesarrollo_consulta_2020, + title = {Consulta {{P\'ublica}}: {{Pol\'itica Acceso Abierto}} a {{Informaci\'on Cient\'ifica}}}, + author = {{Agencia Nacional de Investigaci{\'o}n y Desarrollo}, (ANID)}, + year = {2020} +} + +@article{agnoli_Questionable_2017, + title = {Questionable Research Practices among Italian Research Psychologists}, + author = {Agnoli, Franca and Wicherts, Jelte M. and Veldkamp, Coosje L. S. and Albiero, Paolo and Cubelli, Roberto}, + year = {2017}, + month = mar, + journal = {PLOS ONE}, + volume = {12}, + number = {3}, + pages = {e0172792}, + publisher = {{Public Library of Science}}, + issn = {1932-6203}, + doi = {10.1371/journal.pone.0172792}, + abstract = {A survey in the United States revealed that an alarmingly large percentage of university psychologists admitted having used questionable research practices that can contaminate the research literature with false positive and biased findings. We conducted a replication of this study among Italian research psychologists to investigate whether these findings generalize to other countries. All the original materials were translated into Italian, and members of the Italian Association of Psychology were invited to participate via an online survey. The percentages of Italian psychologists who admitted to having used ten questionable research practices were similar to the results obtained in the United States although there were small but significant differences in self-admission rates for some QRPs. Nearly all researchers (88\%) admitted using at least one of the practices, and researchers generally considered a practice possibly defensible if they admitted using it, but Italian researchers were much less likely than US researchers to consider a practice defensible. Participants' estimates of the percentage of researchers who have used these practices were greater than the self-admission rates, and participants estimated that researchers would be unlikely to admit it. In written responses, participants argued that some of these practices are not questionable and they have used some practices because reviewers and journals demand it. The similarity of results obtained in the United States, this study, and a related study conducted in Germany suggest that adoption of these practices is an international phenomenon and is likely due to systemic features of the international research and publication processes.}, + language = {en}, + keywords = {Behavior,Experimental psychology,Italian people,Psychologists,Psychology,Psychometrics,Questionnaires,United States} +} + +@article{allen_Open_2019, + title = {Open Science Challenges, Benefits and Tips in Early Career and Beyond}, + author = {Allen, Christopher and Mehler, David M. A.}, + year = {2019}, + month = may, + journal = {PLOS Biology}, + volume = {17}, + number = {5}, + pages = {e3000246}, + publisher = {{Public Library of Science}}, + issn = {1545-7885}, + doi = {10.1371/journal.pbio.3000246}, + abstract = {The movement towards open science is a consequence of seemingly pervasive failures to replicate previous research. This transition comes with great benefits but also significant challenges that are likely to affect those who carry out the research, usually early career researchers (ECRs). Here, we describe key benefits, including reputational gains, increased chances of publication, and a broader increase in the reliability of research. The increased chances of publication are supported by exploratory analyses indicating null findings are substantially more likely to be published via open registered reports in comparison to more conventional methods. These benefits are balanced by challenges that we have encountered and that involve increased costs in terms of flexibility, time, and issues with the current incentive structure, all of which seem to affect ECRs acutely. Although there are major obstacles to the early adoption of open science, overall open science practices should benefit both the ECR and improve the quality of research. We review 3 benefits and 3 challenges and provide suggestions from the perspective of ECRs for moving towards open science practices, which we believe scientists and institutions at all levels would do well to consider.}, + language = {en}, + keywords = {Careers,Experimental design,Neuroimaging,Open data,Open science,Peer review,Reproducibility,Statistical data} +} + +@article{allison_Reproducibility_2018, + title = {Reproducibility of Research: {{Issues}} and Proposed Remedies}, + shorttitle = {Reproducibility of Research}, + author = {Allison, David B. and Shiffrin, Richard M. and Stodden, Victoria}, + year = {2018}, + month = mar, + journal = {Proceedings of the National Academy of Sciences}, + volume = {115}, + number = {11}, + pages = {2561--2562} +} + +@book{alperin_indicadores_2014, + title = {{Indicadores de acceso abierto y comunicaciones acad\'emicas en Am\'erica Latina}}, + shorttitle = {{Indicadores de AA}}, + author = {Alperin, Juan Pablo and Babini, Dominique and Fischman, Gustavo}, + year = {2014}, + edition = {Juan Pablo Alperin}, + volume = {1}, + publisher = {{Consejo Latinoamericano de Ciencias Sociales, CLACSO}}, + address = {{Buenos Aires, Argentina}}, + abstract = {El mundo hoy en d\'ia cuenta con frases como ``muerte de la distancia'' lo que sugiere que la distancia ya no es un factor limitante en la capacidad de las personas para interactuar y comunicarse. Otro aforismo es que el mundo est\'a ``aplanado'' en t\'erminos de oportunidades, que son facilitadas por el avance de las Tecnolog\'ias de la Comunicaci\'on y de la Informaci\'on (TIC) que han permitido la convergencia de los consorcios y recursos de conocimiento de todo el mundo. A medida que las sociedades se van transformando, los paisajes del conocimiento y su interacci\'on dentro y entre las sociedades tambi\'en est\'an cambiando.}, + copyright = {Creative Commons Attribution 4.0 International, Open Access}, + isbn = {978-987-722-042-1}, + language = {es} +} + +@article{an_Crisis_2018, + title = {The {{Crisis}} of {{Reproducibility}}, the {{Denominator Problem}} and the {{Scientific Role}} of {{Multi}}-Scale {{Modeling}}}, + author = {An, Gary}, + year = {2018}, + month = dec, + journal = {Bulletin of Mathematical Biology}, + volume = {80}, + number = {12}, + pages = {3071--3080}, + issn = {1522-9602}, + doi = {10.1007/s11538-018-0497-0}, + abstract = {The ``Crisis of Reproducibility'' has received considerable attention both within the scientific community and without. While factors associated with scientific culture and practical practice are most often invoked, I propose that the Crisis of Reproducibility is ultimately a failure of generalization with a fundamental scientific basis in the methods used for biomedical research. The Denominator Problem describes how limitations intrinsic to the two primary approaches of biomedical research, clinical studies and preclinical experimental biology, lead to an inability to effectively characterize the full extent of biological heterogeneity, which compromises the task of generalizing acquired knowledge. Drawing on the example of the unifying role of theory in the physical sciences, I propose that multi-scale mathematical and dynamic computational models, when mapped to the modular structure of biological systems, can serve a unifying role as formal representations of what is conserved and similar from one biological context to another. This ability to explicitly describe the generation of heterogeneity from similarity addresses the Denominator Problem and provides a scientific response to the Crisis of Reproducibility.}, + language = {en}, + keywords = {crisis} +} + +@article{andrea_Why_2018, + title = {Why Science's Crisis Should Not Become a Political Battling Ground}, + author = {Andrea, Saltelli}, + year = {2018}, + month = dec, + journal = {Futures}, + volume = {104}, + pages = {85--90}, + issn = {0016-3287}, + doi = {10.1016/j.futures.2018.07.006}, + abstract = {A science war is in full swing which has taken science's reproducibility crisis as a battleground. While conservatives and corporate interests use the crisis to weaken regulations, their opponent deny the existence of a science's crisis altogether. Thus, for the conservative National Association of Scholars NAS the crisis is real and due to the progressive assault on higher education with ideologies such as ``neo-Marxism, radical feminism, historicism, post-colonialism, deconstructionism, post-modernism, liberation theology''. In the opposite field, some commentators claim that there is no crisis in science and that saying the opposite is irresponsible. These positions are to be seen in the context of the ongoing battle against regulation, of which the new rules proposed at the US Environmental Protection Agency (EPA) are but the last chapter. In this optic, Naomi Oreskes writes on Nature that what constitutes the crisis is the conservatives' attack on science. This evident right-left divide in the reading of the crisis is unhelpful and dangerous to the survival of science itself. An alternative reading ignored by the contendents would suggest that structural contradictions have emerged in modern science, and that addressing these should be the focus of our attention.}, + language = {en}, + keywords = {crisis,Evidence-based policy,History and philosophy of science,Post-normal science,Science and technology studies,Science’s crisis,Science’s reproducibility,Science’s war,Scientism} +} + +@article{angell_Publish_1986, + title = {Publish or {{Perish}}: {{A Proposal}}}, + shorttitle = {Publish or {{Perish}}}, + author = {Angell, Marcia}, + year = {1986}, + month = feb, + journal = {Annals of Internal Medicine}, + volume = {104}, + number = {2}, + pages = {261--262}, + publisher = {{American College of Physicians}}, + issn = {0003-4819}, + doi = {10.7326/0003-4819-104-2-261}, + keywords = {institutional} +} + +@misc{anid_propuesta_2020, + title = {Propuesta de {{Pol\'itica}} de Acceso Abierto a La Informaci\'on Cient\'ifica y Adatos de Investigaci\'onfinanciados Con Fondos P\'ublicos de La {{ANID}}}, + author = {ANID}, + year = {2020}, + publisher = {{ANID}} +} + +@article{anvari_replicability_2018, + title = {The Replicability Crisis and Public Trust in Psychological Science}, + author = {Anvari, Farid and Lakens, Dani{\"e}l}, + year = {2018}, + month = sep, + journal = {Comprehensive Results in Social Psychology}, + volume = {3}, + number = {3}, + pages = {266--286}, + publisher = {{Routledge}}, + issn = {2374-3603}, + doi = {10.1080/23743603.2019.1684822}, + abstract = {Replication failures of past findings in several scientific disciplines, including psychology, medicine, and experimental economics, have created a ``crisis of confidence'' among scientists. Psychological science has been at the forefront of tackling these issues, with discussions about replication failures and scientific self-criticisms of questionable research practices (QRPs) increasingly taking place in public forums. How this replicability crisis impacts the public's trust is a question yet to be answered by research. Whereas some researchers believe that the public's trust will be positively impacted or maintained, others believe trust will be diminished. Because it is our field of expertise, we focus on trust in psychological science. We performed a study testing how public trust in past and future psychological research would be impacted by being informed about (i) replication failures (replications group), (ii) replication failures and criticisms of QRPs (QRPs group), and (iii) replication failures, criticisms of QRPs, and proposed reforms (reforms group). Results from a mostly European sample (N = 1129) showed that, compared to a control group, people in the replications, QRPs, and reforms groups self-reported less trust in past research. Regarding trust in future research, the replications and QRPs groups did not significantly differ from the control group. Surprisingly, the reforms group had less trust in future research than the control group. Nevertheless, people in the replications, QRPs, and reforms groups did not significantly differ from the control group in how much they believed future research in psychological science should be supported by public funding. Potential explanations are discussed.}, + keywords = {crisis of confidence,open science,Replicability crisis,reproducibility crisis,trust in science}, + annotation = {\_eprint: https://doi.org/10.1080/23743603.2019.1684822} +} + +@article{armeni_widescale_2021, + title = {Towards Wide-Scale Adoption of Open Science Practices: {{The}} Role of Open Science Communities}, + shorttitle = {Towards Wide-Scale Adoption of Open Science Practices}, + author = {Armeni, Kristijan and Brinkman, Loek and Carlsson, Rickard and Eerland, Anita and Fijten, Rianne and Fondberg, Robin and Heininga, Vera E and Heunis, Stephan and Koh, Wei Qi and Masselink, Maurits and Moran, Niall and Baoill, Andrew {\'O} and Sarafoglou, Alexandra and Schettino, Antonio and Schwamm, Hardy and Sjoerds, Zsuzsika and Teperek, Marta and {van den Akker}, Olmo R and {van't Veer}, Anna and {Zurita-Milla}, Raul}, + year = {2021}, + month = jul, + journal = {Science and Public Policy}, + number = {scab039}, + issn = {0302-3427}, + doi = {10.1093/scipol/scab039}, + abstract = {Despite the increasing availability of Open Science (OS) infrastructure and the rise in policies to change behaviour, OS practices are not yet the norm. While pioneering researchers are developing OS practices, the majority sticks to status quo. To transition to common practice, we must engage a critical proportion of the academic community. In this transition, OS Communities (OSCs) play a key role. OSCs are bottom-up learning groups of scholars that discuss OS within and across disciplines. They make OS knowledge more accessible and facilitate communication among scholars and policymakers. Over the past two years, eleven OSCs were founded at several Dutch university cities. In other countries, similar OSCs are starting up. In this article, we discuss the pivotal role OSCs play in the large-scale transition to OS. We emphasize that, despite the grassroot character of OSCs, support from universities is critical for OSCs to be viable, effective, and sustainable.} +} + +@inproceedings{babini_universidades_2014, + title = {{Universidades y acceso abierto: hora de tomar protagonismo}}, + booktitle = {{Foro Revista Iberoamericana de Ciencia, Tecnolog\'ia y Sociedad}}, + author = {Babini, Dominique}, + year = {2014}, + pages = {1--3}, + publisher = {{2015}}, + abstract = {Las universidades est\'an en condiciones tener mayor protagonismo en la construcci\'on de un acceso abierto global cooperativo no comercial, sustentable e inclusivo. Pueden: desarrollar sus propios portales con las revistas que publica cada universidad, crear repositorios digitales institucionales que reflejen la propia producci\'on cient\'ifica y acad\'emica de cada instituci\'on disponible gratis en texto completo, participar activamente en los sistemas nacionales de repositorios de sus pa\'ises, aportar una revisi\'on cr\'itica de las actuales modalidades de evaluaci\'on de la investigaci\'on.}, + language = {es} +} + +@article{baker_500_2016, + title = {1,500 Scientists Lift the Lid on Reproducibility}, + author = {Baker, Monya}, + year = {2016}, + month = may, + journal = {Nature}, + volume = {533}, + number = {7604}, + pages = {452--454}, + publisher = {{Nature Publishing Group}}, + issn = {1476-4687}, + doi = {10.1038/533452a}, + abstract = {Survey sheds light on the `crisis' rocking research.}, + copyright = {2016 Nature Publishing Group}, + language = {en}, + keywords = {crisis} +} + +@misc{bakker_Ensuring_2018, + title = {Ensuring the Quality and Specificity of Preregistrations}, + author = {Bakker, Marjan and Veldkamp, Coosje Lisabet Sterre and van Assen, Marcel A. L. M. and Crompvoets, Elise Anne Victoire and Ong, How Hwee and Nosek, Brian A. and Soderberg, Courtney K. and Mellor, David Thomas and Wicherts, Jelte}, + year = {2018}, + month = sep, + institution = {{PsyArXiv}}, + doi = {10.31234/osf.io/cdgyh}, + abstract = {Researchers face many, often seemingly arbitrary choices in formulating hypotheses, designing protocols, collecting data, analyzing data, and reporting results. Opportunistic use of `researcher degrees of freedom' aimed at obtaining statistical significance increases the likelihood of obtaining and publishing false positive results and overestimated effect sizes. Preregistration is a mechanism for reducing such degrees of freedom by specifying designs and analysis plans before observing the research outcomes. The effectiveness of preregistration may depend, in part, on whether the process facilitates sufficiently specific articulation of such plans. In this preregistered study, we compared two formats of preregistration available on the OSF: Standard Pre-Data Collection Registration and Prereg Challenge registration (now called ``OSF Preregistration'', http://osf.io/prereg/). The Prereg Challenge format was a structured workflow with detailed instructions, and an independent review to confirm completeness; the ``Standard'' format was unstructured with minimal direct guidance to give researchers flexibility for what to pre-specify. Results of comparing random samples of 53 preregistrations from each format indicate that the structured format restricted the opportunistic use of researcher degrees of freedom better (Cliff's Delta = 0.49) than the unstructured format, but neither eliminated all researcher degrees of freedom. We also observed very low concordance among coders about the number of hypotheses (14\%), indicating that they are often not clearly stated. We conclude that effective preregistration is challenging, and registration formats that provide effective guidance may improve the quality of research.}, + keywords = {Meta-science,preregistration,Quantitative Methods,Questionable research practices,researcher degrees of freedom,Social and Behavioral Sciences,Statistical Methods} +} + +@misc{bakker_Questionable_2020, + title = {Questionable and Open Research Practices: Attitudes and Perceptions among Quantitative Communication Researchers}, + shorttitle = {Questionable and Open Research Practices}, + author = {Bakker, Bert N. and Jaidka, Kokil and D{\"o}rr, Timothy and Fasching, Neil and Lelkes, Yphtach}, + year = {2020}, + month = nov, + institution = {{PsyArXiv}}, + doi = {10.31234/osf.io/7uyn5}, + abstract = {Recent contributions have questioned the credibility of quantitative communication research. While questionable research practices are believed to be widespread, evidence for this claim is primarily derived from other disciplines. Before change in communication research can happen, it is important to document the extent to which QRPs are used and whether researchers are open to the changes proposed by the so-called open science agenda. We conducted a large survey among authors of papers published in the top-20 journals in communication science in the last ten years (N=1039). A non-trivial percent of researchers report using one or more QRPs. While QRPs are generally considered unacceptable, researchers perceive QRPs to be common among their colleagues. At the same time, we find optimism about the use of open science practices in communication research. We end with a series of recommendations outlining what journals, institutions and researchers can do moving forward.}, + keywords = {other,Psychology,Social and Behavioral Sciences} +} + +@article{banzato_soberania_2019, + title = {{Soberan\'ia del conocimiento para superar inequidades: pol\'iticas de Acceso Abierto para revistas cient\'ificas en Am\'erica Latina}}, + author = {Banzato, Guillermo}, + year = {2019}, + journal = {Mecila Working Paper Series}, + volume = {18}, + pages = {1--18}, + abstract = {Desde el comienzo de la era digital, determinadas pol\'iticas de gesti\'on de la ciencia han incrementado las inequidades en las condiciones de producci\'on del conocimiento y en las posibilidades de di\'alogo entre los colectivos de investigadores. A fines del siglo XX y principios del XXI se inici\'o una reacci\'on en las m\'as prestigiosas bibliotecas y comunidades cient\'ificas de Am\'erica del Norte y Europa Occidental, y Am\'erica Latina comenz\'o el desarrollo de sistemas de visibilidad propios, al tiempo que sucesivas declaraciones fueron definiendo al Acceso Abierto como estrategia para superar tales inequidades. En esta direcci\'on, se han desarrollado revistas en Acceso Abierto cuya sustentabilidad est\'a siendo puesta a prueba. Este trabajo presenta un breve estado de situaci\'on actualizado sobre algunos problemas que enfrentan los autores, evaluadores y editores latinoamericanos en la gesti\'on y publicaci\'on de los resultados de las investigaciones. Asimismo, en \'el se argumenta en pro del Acceso Abierto como herramienta primordial para garantizar la soberan\'ia del conocimiento en el Sur Global, y se sostiene que la propuesta colaborativa para la construcci\'on conjunta de un sistema sustentable de edici\'on cient\'ifica en Acceso Abierto puede ayudar a superar las inequidades en la producci\'on y difusi\'on del conocimiento latinoamericano}, + language = {es} +} + +@article{barba_Terminologies_2018, + title = {Terminologies for {{Reproducible Research}}}, + author = {Barba, Lorena A.}, + year = {2018}, + month = feb, + journal = {arXiv:1802.03311 [cs]}, + eprint = {1802.03311}, + eprinttype = {arxiv}, + primaryclass = {cs}, + abstract = {Reproducible research---by its many names---has come to be regarded as a key concern across disciplines and stakeholder groups. Funding agencies and journals, professional societies and even mass media are paying attention, often focusing on the so-called "crisis" of reproducibility. One big problem keeps coming up among those seeking to tackle the issue: different groups are using terminologies in utter contradiction with each other. Looking at a broad sample of publications in different fields, we can classify their terminology via decision tree: they either, A---make no distinction between the words reproduce and replicate, or B---use them distinctly. If B, then they are commonly divided in two camps. In a spectrum of concerns that starts at a minimum standard of "same data+same methods=same results," to "new data and/or new methods in an independent study=same findings," group 1 calls the minimum standard reproduce, while group 2 calls it replicate. This direct swap of the two terms aggravates an already weighty issue. By attempting to inventory the terminologies across disciplines, I hope that some patterns will emerge to help us resolve the contradictions.}, + archiveprefix = {arXiv}, + keywords = {Computer Science - Digital Libraries} +} + +@article{becerrilgarcia_end_2019, + title = {The {{End}} of a {{Centralized Open Access Project}} and the {{Beginning}} of a {{Community}}-{{Based Sustainable Infrastructure}} for {{Latin America}}}, + author = {Becerril Garc{\'i}a, Arianna and Aguado L{\'o}pez, Eduardo}, + year = {2019}, + journal = {OpenEdition Press}, + pages = {41--55}, + doi = {10.4000/books.oep. 9003.}, + abstract = {The Latin American region has an ecosystem where the nature of publication is conceived as the act of making public, of sharing, not as the publishing industry. International, national and institutional contexts have led to redefine a project\textemdash Redalyc.org\textemdash that began in 2003 and that has already fulfilled its original mission: give visibility to knowledge coming from Latin America and promote qualitative scientific journals. Nevertheless, it has to be transformed from a Latin American platform based in Mexico into a community- based regional infrastructure that continues assessing journals' quality and providing access to full-text, thus allowing visibility for journals and free access to knowledge. It is a framework that generates technology in favor of the empowerment and professionalization of journal editors, making sustainable the editorial task in open access so that Redalyc may sustain itself collectively. This work describes Redalyc's first model, presents the problematic in process and the new business model Redalyc is designing and adopting to operate.} +} + +@misc{beigel_america_2021, + type = {{Scientific Blog}}, + title = {{Am\'erica Latina podr\'ia convertirse en l\'ider mundial de la ciencia abierta no comercial}}, + author = {Beigel, Fernanda}, + year = {2021}, + journal = {The Conversation}, + abstract = {Para hacer frente a los retos del pr\'oximo siglo \textendash desde las pandemias hasta el cambio clim\'atico, pasando por la automatizaci\'on y el big data\textendash, la ciencia debe estar abierta a todas las personas del mundo. La ciudadan\'ia deben tener el mismo acceso a la informaci\'on que los investigadores, y estos necesitan acceder a repositorios de conocimiento de alta calidad e interconectados para avanzar en nuestra comprensi\'on del mundo que nos rodea.}, + copyright = {Creative Commons 3.0}, + language = {es} +} + +@article{beigel_relaciones_2018, + title = {{Las relaciones de poder en la ciencia mundial}}, + shorttitle = {{NUSO}}, + author = {Beigel, Fernanda}, + year = {2018}, + journal = {Nueva Sociedad}, + volume = {274}, + pages = {13--28}, + issn = {0251-3552}, + abstract = {Los rankings universitarios se crearon principalmente para intervenir en los flujos internacionales de estudiantes, pero se convirtieron progresivamente en una fuente directa para reforzar el prestigio de un peque\~no grupo de universidades, de sus principales revistas y editoriales oligop\'olicas. Su aplicaci\'on tiende a volver cada vez m\'as perif\'erica a la ciencia desarrollada en los espacios alejados del circuito mainstream o de corriente principal. Por eso es necesario crear nuevas herramientas de medici\'onde la producci\'on cient\'ifica de la periferia que contemplen las interacciones de sus universidades en sus distintas direcciones, y no solo con los circuitos dominantes.}, + language = {es} +} + +@article{benjamin-chung_Internal_2020, + title = {Internal Replication of Computational Workflows in Scientific Research}, + author = {{Benjamin-Chung}, Jade and Colford, Jr., John M. and Mertens, Andrew and Hubbard, Alan E. and Arnold, Benjamin F.}, + year = {2020}, + month = jun, + journal = {Gates Open Research}, + volume = {4}, + pages = {17}, + issn = {2572-4754}, + doi = {10.12688/gatesopenres.13108.2}, + abstract = {Failures to reproduce research findings across scientific disciplines from psychology to physics have garnered increasing attention in recent years. External replication of published findings by outside investigators has emerged as a method to detect errors and bias in the published literature. However, some studies influence policy and practice before external replication efforts can confirm or challenge the original contributions. Uncovering and resolving errors before publication would increase the efficiency of the scientific process by increasing the accuracy of published evidence. Here we summarize the rationale and best practices for internal replication, a process in which multiple independent data analysts replicate an analysis and correct errors prior to publication. We explain how internal replication should reduce errors and bias that arise during data analyses and argue that it will be most effective when coupled with pre-specified hypotheses and analysis plans and performed with data analysts masked to experimental group assignments. By improving the reproducibility of published evidence, internal replication should contribute to more rapid scientific advances.}, + language = {en} +} + +@article{benning_Registration_2019a, + title = {The {{Registration Continuum}} in {{Clinical Science}}: {{A Guide Toward Transparent Practices}}}, + shorttitle = {The {{Registration Continuum}} in {{Clinical Science}}}, + author = {Benning, Stephen D. and Bachrach, Rachel L. and Smith, Edward A. and Freeman, Andrew J. and Wright, Aidan G. C.}, + year = {2019}, + month = aug, + journal = {Journal of Abnormal Psychology}, + volume = {128}, + number = {6}, + pages = {528--540}, + publisher = {{Amer Psychological Assoc}}, + address = {{Washington}}, + issn = {0021-843X}, + doi = {10.1037/abn0000451}, + abstract = {Clinical scientists can use a continuum of registration efforts that vary in their disclosure and timing relative to data collection and analysis. Broadly speaking, registration benefits investigators by offering stronger, more powerful tests of theory with particular methods in tandem with better control of long-run false positive error rates. Registration helps clinical researchers in thinking through tensions between bandwidth and fidelity that surround recruiting participants, defining clinical phenotypes, handling comorbidity, treating missing data. and analyzing rich and complex data. In particular. registration helps record and justify the reasons behind specific study design decisions, though it also provides the opportunity to register entire decision trees with specific endpoints. Creating ever more faithful registrations and standard operating procedures may offer alternative methods of judging a clinical investigator's scientific skill and eminence because study registration increases the transparency of clinical researchers' work.}, + language = {English}, + keywords = {coregistration,credibility,disorders,flexibility,framework,postregistration,preregistration,psychopathology,registered-reports,symptoms,transparency}, + annotation = {WOS:000478024300006} +} + +@article{bergh_there_2017, + title = {Is There a Credibility Crisis in Strategic Management Research? {{Evidence}} on the Reproducibility of Study Findings}, + shorttitle = {Is There a Credibility Crisis in Strategic Management Research?}, + author = {Bergh, Donald D and Sharp, Barton M and Aguinis, Herman and Li, Ming}, + year = {2017}, + month = aug, + journal = {Strategic Organization}, + volume = {15}, + number = {3}, + pages = {423--436}, + publisher = {{SAGE Publications}}, + issn = {1476-1270}, + doi = {10.1177/1476127017701076}, + abstract = {Recent studies report an inability to replicate previously published research, leading some to suggest that scientific knowledge is facing a credibility crisis. In this essay, we provide evidence on whether strategic management research may itself be vulnerable to these concerns. We conducted a study whereby we attempted to reproduce the empirical findings of 88 articles appearing in the Strategic Management Journal using data reported in the articles themselves. About 70\% of the studies did not disclose enough data to permit independent tests of reproducibility of their findings. Of those that could be retested, almost one-third reported hypotheses as statistically significant which were no longer so and far more significant results were found to be non-significant in the reproductions than in the opposite direction. Collectively, incomplete reporting practices, disclosure errors, and possible opportunism limit the reproducibility of most studies. Until disclosure standards and requirements change to include more complete reporting and facilitate tests of reproducibility, the strategic management field appears vulnerable to a credibility crisis.}, + language = {en}, + keywords = {crisis,knowledge credibility,replication,reproducibility} +} + +@article{bergkvist_Preregistration_2020a, + title = {Preregistration as a Way to Limit Questionable Research Practice in Advertising Research}, + author = {Bergkvist, Lars}, + year = {2020}, + month = oct, + journal = {International Journal of Advertising}, + volume = {39}, + number = {7}, + pages = {1172--1180}, + publisher = {{Routledge Journals, Taylor \& Francis Ltd}}, + address = {{Abingdon}}, + issn = {0265-0487}, + doi = {10.1080/02650487.2020.1753441}, + abstract = {This paper discusses two phenomena that threaten the credibility of scientific research and suggests an approach to limiting the extent of their use in advertising research. HARKing (hypothesizing after the results are known) refers to when hypotheses are formulated or modified after the results of a study are known. P-hacking refers to various practices (e.g., adding respondents, introducing control variables) that increase the likelihood of obtaining statistically significant results from a study. Both of these practices increase the risk of false positives (Type I errors) in research results and it is in the interest of the advertising research field that they are limited. Voluntary preregistration, where researchers commit to and register their research design and analytical approach before conducting the study, is put forward as a means to limiting both HARKing and p-hacking.}, + language = {English}, + keywords = {HARKing,journals,methodology,P-hacking,preregistration,publication bias,questionable research practice,replication}, + annotation = {WOS:000559843700001} +} + +@article{berlin_declaracion_2003, + title = {La {{Declaraci\'on}} de {{Berl\'in}} Sobre Acceso Abierto}, + author = {Berl{\'i}n}, + year = {2003}, + series = {Sociedad {{Max Planck}}}, + volume = {1}, + number = {2}, + pages = {152--154} +} + +@misc{bethesda_declaracion_2003, + title = {Declaraci\'on de {{Bethesda}} Sobre Publicaci\'on de Acceso Abierto}, + author = {Bethesda}, + year = {2003} +} + +@article{bishop_Problems_2016, + title = {Problems in Using P-Curve Analysis and Text-Mining to Detect Rate of p-Hacking and Evidential Value}, + author = {Bishop, Dorothy V. M. and Thompson, Paul A.}, + year = {2016}, + month = feb, + journal = {Peerj}, + volume = {4}, + pages = {e1715}, + publisher = {{Peerj Inc}}, + address = {{London}}, + issn = {2167-8359}, + doi = {10.7717/peerj.1715}, + abstract = {Background. The p-curve is a plot of the distribution of p-values reported in a set of scientific studies. Comparisons between ranges of p-values have been used to evaluate fields of research in terms of the extent to which studies have genuine evidential value, and the extent to which they suffer from bias in the selection of variables and analyses for publication, p-hacking. Methods. p-hacking can take various forms. Here we used R code to simulate the use of ghost variables, where an experimenter gathers data on several dependent variables but reports only those with statistically significant effects. We also examined a text-mined dataset used by Head et al. (2015) and assessed its suitability for investigating p-hacking. Results. We show that when there is ghost p-hacking, the shape of the p-curve depends on whether dependent variables are intercorrelated. For uncorrelated variables, simulated p-hacked data do not give the "p-hacking bump" just below .05 that is regarded as evidence of p-hacking, though there is a negative skew when simulated variables are inter-correlated. The way p-curves vary according to features of underlying data poses problems when automated text mining is used to detect p-values in heterogeneous sets of published papers. Conclusions. The absence of a bump in the p-curve is not indicative of lack of p-hacking. Furthermore, while studies with evidential value will usually generate a right-skewed p-curve, we cannot treat a right-skewed p-curve as an indicator of the extent of evidential value, unless we have a model specific to the type of p-values entered into the analysis. We conclude that it is not feasible to use the p-curve to estimate the extent of p-hacking and evidential value unless there is considerable control over the type of data entered into the analysis. In particular, p-hacking with ghost variables is likely to be missed.}, + language = {English}, + keywords = {Correlation,Ghost variables,p-curve,p-hacking,Power,prevalence,publication,Reproducibility,Simulation,Text-mining}, + annotation = {WOS:000370984200010} +} + +@article{bishop_Rein_2019, + title = {Rein in the Four Horsemen of Irreproducibility}, + author = {Bishop, Dorothy}, + year = {2019}, + month = apr, + journal = {Nature}, + volume = {568}, + number = {7753}, + pages = {435--435}, + publisher = {{Nature Publishing Group}}, + doi = {10.1038/d41586-019-01307-2}, + abstract = {Dorothy Bishop describes how threats to reproducibility, recognized but unaddressed for decades, might finally be brought under control.}, + copyright = {2021 Nature}, + language = {en}, + keywords = {forrt} +} + +@book{bjork_developing_2014, + title = {Developing an {{Effective}} {{Market}} for {{Open Access}} {{Article Processing Charges}}}, + author = {Bj{\"o}rk, Bo-Christer and Solomon, David}, + year = {2014}, + publisher = {{Weolcome Trust}} +} + +@article{bjork_gold_2017, + title = {Gold, {{Green}} and {{Black Open Access}}}, + author = {Bj{\"o}rk, Bo-Christer}, + year = {2017}, + journal = {Learned Publishing}, + volume = {30}, + number = {2}, + pages = {173--175}, + doi = {10.1002/leap.1096}, + abstract = {Universal open access (OA) to scholarly research publications is deceptively simple as a concept. Any scientific publications, whether found via a Google keyword search, or by trying to access a citation would be just one click away. But the path to get there from the current subscription-dominated journal pub- lishing model has proved to be complex and filled with obstacles. Since the terms gold and green OA were coined almost 15 years ago, much of the debate inside the OA movement has been focused on the relative merits of these two paths (Harnad et al., 2004)}, + copyright = {Creative Commons Attribution 4.0 International, Open Access}, + language = {English} +} + +@misc{blanca_informatica_2019, + type = {{Course}}, + title = {{Inform\'atica para las ciencias de la vida: Unix y Python}}, + author = {Blanca, Jos{\'e}}, + year = {2019}, + journal = {Bioinformatics at COMAV}, + abstract = {The COMAV institute is devoted to the preservation of the horticultural plant variability and to the plant breeding on horticultural species. To accomplish these goals we have developed some software that it might be of some use to other researchers like ngs\_backbone or sff\_extract.}, + copyright = {Creative Commons 3.0}, + language = {es} +} + +@article{blincoe_Research_2020, + title = {Research {{Preregistration}} as a {{Teaching}} and {{Learning Tool}} in {{Undergraduate Psychology Courses}}}, + author = {Blincoe, Sarai and Buchert, Stephanie}, + year = {2020}, + month = mar, + journal = {Psychology Learning and Teaching-Plat}, + volume = {19}, + number = {1}, + pages = {107--115}, + publisher = {{Sage Publications Ltd}}, + address = {{London}}, + issn = {1475-7257}, + doi = {10.1177/1475725719875844}, + abstract = {The preregistration of research plans and hypotheses may prevent publication bias and questionable research practices. We incorporated a modified version of the preregistration process into an undergraduate capstone research course. Students completed a standard preregistration form during the planning stages of their research projects as well as surveys about their knowledge of preregistration. Based on survey results, our senior-level psychology students lacked knowledge of importance of the preregistration movement in the sciences but could anticipate some of its benefits. Our review of the completed preregistration assignment suggested that students struggle with data analysis decision-making but generally perceive preregistration as a helpful planning tool. We discuss the value of a preregistration assignment for generating discussions of research practice and ethics.}, + language = {English}, + keywords = {Preregistration,questionable research practices,undergraduate preregistration assignment}, + annotation = {WOS:000488433900001} +} + +@misc{boai_diez_2012, + title = {{Diez a\~nos desde la Budapest Open Access Initiative: hacia lo abierto por defecto}}, + author = {BOAI, Budapest Open Access Initiative}, + year = {2012}, + collaborator = {Melero, Remedios and Babini, Dominique}, + language = {Traducido} +} + +@misc{boai_iniciativa_2002, + title = {{Iniciativa de Budapest para el Acceso Abierto}}, + author = {BOAI, Budapest Open Access Initiative}, + year = {2002}, + language = {Traducido} +} + +@article{bohannon_who_2016, + title = {Who's Downloading Pirated Papers? {{Everyone}}}, + author = {Bohannon, John}, + year = {2016}, + journal = {American Association for the Advancement of Science}, + volume = {352}, + number = {6285}, + pages = {508--512}, + issn = {1095-9203}, + doi = {10.1126/science.352.6285.508}, + copyright = {Creative Commons Attribution 4.0 International, Open Access} +} + +@article{bowers_How_2016, + title = {How to Improve Your Relationship with Your Future Self}, + author = {Bowers, Jake and Voors, Maarten}, + year = {2016}, + month = dec, + journal = {Revista de ciencia pol\'itica (Santiago)}, + volume = {36}, + number = {3}, + pages = {829--848}, + issn = {0718-090X}, + doi = {10.4067/S0718-090X2016000300011} +} + +@article{breznau_does_2021, + title = {Does {{Sociology Need Open Science}}?}, + author = {Breznau, Nate}, + year = {2021}, + month = mar, + journal = {Societies}, + volume = {11}, + number = {1}, + pages = {9}, + publisher = {{Multidisciplinary Digital Publishing Institute}}, + doi = {10.3390/soc11010009}, + abstract = {Reliability, transparency, and ethical crises pushed many social science disciplines toward dramatic changes, in particular psychology and more recently political science. This paper discusses why sociology should also change. It reviews sociology as a discipline through the lens of current practices, definitions of sociology, positions of sociological associations, and a brief consideration of the arguments of three highly influential yet epistemologically diverse sociologists: Weber, Merton, and Habermas. It is a general overview for students and sociologists to quickly familiarize themselves with the state of sociology or explore the idea of open science and its relevance to their discipline.}, + copyright = {http://creativecommons.org/licenses/by/3.0/}, + language = {en}, + keywords = {crisis of science,Habermas,Merton,open science,p-hacking,publication bias,replication,research ethics,revisado,science community,sociology legitimation,transparency,Weber} +} + +@misc{breznau_observing_2021, + title = {Observing {{Many Researchers Using}} the {{Same Data}} and {{Hypothesis Reveals}} a {{Hidden Universe}} of {{Uncertainty}}}, + author = {Breznau, Nate and Rinke, Eike Mark and Wuttke, Alexander and Adem, Muna and Adriaans, Jule and {Alvarez-Benjumea}, Amalia and Andersen, Henrik Kenneth and Auer, Daniel and Azevedo, Flavio and Bahnsen, Oke and Balzer, Dave and Bauer, Gerrit and Bauer, Paul C. and Baumann, Markus and Baute, Sharon and Benoit, Verena and Bernauer, Julian and Berning, Carl and Berthold, Anna and Bethke, Felix and Biegert, Thomas and Blinzler, Katharina and Blumenberg, Johannes and Bobzien, Licia and Bohman, Andrea and Bol, Thijs and Bostic, Amie and Brzozowska, Zuzanna and Burgdorf, Katharina and Burger, Kaspar and Busch, Kathrin and Castillo, Juan Carlos and Chan, Nathan and Christmann, Pablo and Connelly, Roxanne and Czymara, Christian S. and Damian, Elena and Ecker, Alejandro and Edelmann, Achim and Eger, Maureen A. and Ellerbrock, Simon and Forke, Anna and Forster, Andrea and Gaasendam, Chris and Gavras, Konstantin and Gayle, Vernon and Gessler, Theresa and Gnambs, Timo and Godefroidt, Am{\'e}lie and Gr{\"o}mping, Max and Gro{\ss}, Martin and Gruber, Stefan and Gummer, Tobias and Hadjar, Andreas and Heisig, Jan Paul and Hellmeier, Sebastian and Heyne, Stefanie and Hirsch, Magdalena and Hjerm, Mikael and Hochman, Oshrat and H{\"o}vermann, Andreas and Hunger, Sophia and Hunkler, Christian and Huth, Nora and Ignacz, Zsofia and Jacobs, Laura and Jacobsen, Jannes and Jaeger, Bastian and Jungkunz, Sebastian and Jungmann, Nils and Kauff, Mathias and Kleinert, Manuel and Klinger, Julia and Kolb, Jan-Philipp and Ko{\l}czy{\'n}ska, Marta and Kuk, John Seungmin and Kuni{\ss}en, Katharina and Sinatra, Dafina Kurti and Greinert, Alexander and Lersch, Philipp M. and L{\"o}bel, Lea-Maria and Lutscher, Philipp and Mader, Matthias and Madia, Joan and Malancu, Natalia and Maldonado, Luis and Marahrens, Helge and Martin, Nicole and Martinez, Paul and Mayerl, Jochen and Mayorga, Oscar Jose and McManus, Patricia and Wagner, Kyle and Meeusen, Cecil and Meierrieks, Daniel and Mellon, Jonathan and Merhout, Friedolin and Merk, Samuel and Meyer, Daniel and Micheli, Leticia and Mijs, Jonathan J. B. and Moya, Crist{\'o}bal and Neunhoeffer, Marcel and N{\"u}st, Daniel and Nyg{\aa}rd, Olav and Ochsenfeld, Fabian and Otte, Gunnar and Pechenkina, Anna and Prosser, Christopher and Raes, Louis and Ralston, Kevin and Ramos, Miguel and Roets, Arne and Rogers, Jonathan and Ropers, Guido and Samuel, Robin and Sand, Gregor and Schachter, Ariela and Schaeffer, Merlin and Schieferdecker, David and Schlueter, Elmar and Schmidt, Katja M. and Schmidt, Regine and {Schmidt-Catran}, Alexander and Schmiedeberg, Claudia and Schneider, J{\"u}rgen and Schoonvelde, Martijn and {Schulte-Cloos}, Julia and Schumann, Sandy and Schunck, Reinhard and Schupp, J{\"u}rgen and Seuring, Julian and Silber, Henning and Sleegers, Willem and Sonntag, Nico and Staudt, Alexander and Steiber, Nadia and Steiner, Nils and Sternberg, Sebastian and Stiers, Dieter and Stojmenovska, Dragana and Storz, Nora and Striessnig, Erich and Stroppe, Anne-Kathrin and Teltemann, Janna and Tibajev, Andrey and Tung, Brian B. and Vagni, Giacomo and Assche, Jasper Van and van der Linden, Meta and van der Noll, Jolanda and Hootegem, Arno Van and Vogtenhuber, Stefan and Voicu, Bogdan and Wagemans, Fieke and Wehl, Nadja and Werner, Hannah and Wiernik, Brenton M. and Winter, Fabian and Wolf, Christof and Yamada, Yuki and Zhang, Nan and Ziller, Conrad and Zins, Stefan and {\.Z}{\'o}{\l}tak, Tomasz and Nguyen, Hung H. V.}, + year = {2021}, + month = mar, + institution = {{MetaArXiv}}, + doi = {10.31222/osf.io/cd5j9}, + abstract = {How does noise generated by researcher decisions undermine the credibility of science? We test this by observing all decisions made among 73 research teams as they independently conduct studies on the same hypothesis with identical starting data. We find excessive variation of outcomes. When combined, the 107 observed research decisions taken across teams explained at most 2.6\% of the total variance in effect sizes and 10\% of the deviance in subjective conclusions. Expertise, prior beliefs and attitudes of the researchers explain even less. Each model deployed to test the hypothesis was unique, which highlights a vast universe of research design variability that is normally hidden from view and suggests humility when presenting and interpreting scientific findings.}, + keywords = {Analytical Flexibility,Crowdsourced Replication Initiative,Crowdsourcing,Economics,Garden of Forking Paths,Immigration,Many Analysts,Meta-Science,Noise,Other Social and Behavioral Sciences,Political Science,Psychology,Researcher Degrees of Freedom,Researcher Variability,Social and Behavioral Sciences,Social Policy,Sociology} +} + +@misc{breznau_Open_, + type = {Billet}, + title = {Open Science in Sociology. {{What}}, Why and Now.}, + author = {Breznau, Nate}, + journal = {Crowdid}, + abstract = {WHAT By now you've heard the term ``open science''. Although it has no global definition, its advocates tend toward certain agreements. Most definitions focus on the practical aspects of accessibility. ``\ldots the practice of science in such a way that others can collaborate and contribute, where research data, lab notes and other research processes are freely \ldots{} Continue reading Open science in sociology. What, why and now.}, + language = {en-US} +} + +@techreport{brodeur_Methods_2018, + type = {{{IZA Discussion Paper}}}, + title = {Methods {{Matter}}: {{P}}-{{Hacking}} and {{Causal Inference}} in {{Economics}}}, + shorttitle = {Methods {{Matter}}}, + author = {Brodeur, Abel and Cook, Nikolai and Heyes, Anthony}, + year = {2018}, + month = aug, + number = {11796}, + institution = {{Institute of Labor Economics (IZA)}}, + abstract = {The economics 'credibility revolution' has promoted the identification of causal relationships using difference-in-differences (DID), instrumental variables (IV), randomized control trials (RCT) and regression discontinuity design (RDD) methods. The extent to which a reader should trust claims about the statistical significance of results proves very sensitive to method. Applying multiple methods to 13,440 hypothesis tests reported in 25 top economics journals in 2015, we show that selective publication and p-hacking is a substantial problem in research employing DID and (in particular) IV. RCT and RDD are much less problematic. Almost 25\% of claims of marginally significant results in IV papers are misleading.}, + keywords = {causal inference,p-curves,p-hacking,practices,publication bias,research methods} +} + +@article{brodeur_Star_2016, + title = {Star {{Wars}}: {{The Empirics Strike Back}}}, + shorttitle = {Star {{Wars}}}, + author = {Brodeur, Abel and L{\'e}, Mathias and Sangnier, Marc and Zylberberg, Yanos}, + year = {2016}, + month = jan, + journal = {American Economic Journal: Applied Economics}, + volume = {8}, + number = {1}, + pages = {1--32}, + issn = {1945-7782}, + doi = {10.1257/app.20150044}, + abstract = {Using 50,000 tests published in the AER, JPE, and QJE, we identify a residual in the distribution of tests that cannot be explained solely by journals favoring rejection of the null hypothesis. We observe a two-humped camel shape with missing p-values between 0.25 and 0.10 that can be retrieved just after the 0.05 threshold and represent 10-20 percent of marginally rejected tests. Our interpretation is that researchers inflate the value of just-rejected tests by choosing "significant" specifications. We propose a method to measure this residual and describe how it varies by article and author characteristics. (JEL A11, C13)}, + language = {en}, + keywords = {Market for Economists; Estimation: General,Role of Economics,Role of Economists} +} + +@misc{budapestopenaccessinitiative_diez_2012, + title = {{Diez a\~nos desde la Budapest Open Access Initiative: hacia lo abierto por defecto}}, + author = {Budapest Open Access Initiative}, + year = {12 de Septiembre, 2012}, + journal = {BOAI}, + language = {Traducido} +} + +@misc{budapestopenaccessinitiative_iniciativa_2002, + title = {{Iniciativa de Budapest para el Aceso Abierto}}, + author = {Budapest Open Access Initiative}, + year = {14 de Febrero, 2002}, + journal = {Budapest Open Access Initiative}, + language = {Traducido} +} + +@article{burlig_Improving_2018, + title = {Improving Transparency in Observational Social Science Research: {{A}} Pre-Analysis Plan Approach}, + shorttitle = {Improving Transparency in Observational Social Science Research}, + author = {Burlig, Fiona}, + year = {2018}, + month = jul, + journal = {Economics Letters}, + volume = {168}, + pages = {56--60}, + issn = {0165-1765}, + doi = {10.1016/j.econlet.2018.03.036}, + abstract = {Social science research has undergone a credibility revolution, but these gains are at risk due to problematic research practices. Existing research on transparency has centered around randomized controlled trials, which constitute only a small fraction of research in economics. In this paper, I highlight three scenarios in which study preregistration can be credibly applied in non-experimental settings: cases where researchers collect their own data; prospective studies; and research using restricted-access data.}, + language = {en}, + keywords = {Confidential data,Observational research,Pre-registration,Transparency} +} + +@misc{businessmanagementink_protecting_2016, + title = {Protecting {{Students}}' {{Intellectual Property}}}, + author = {Business \& Management INK}, + year = {2016}, + journal = {social science space} +} + +@article{buttner_Are_2020, + title = {Are Questionable Research Practices Facilitating New Discoveries in Sport and Exercise Medicine? {{The}} Proportion of Supported Hypotheses Is Implausibly High}, + shorttitle = {Are Questionable Research Practices Facilitating New Discoveries in Sport and Exercise Medicine?}, + author = {Buttner, Fionn and Toomey, Elaine and McClean, Shane and Roe, Mark and Delahunt, Eamonn}, + year = {2020}, + month = nov, + journal = {British Journal of Sports Medicine}, + volume = {54}, + number = {22}, + pages = {1365--1371}, + publisher = {{Bmj Publishing Group}}, + address = {{London}}, + issn = {0306-3674}, + doi = {10.1136/bjsports-2019-101863}, + abstract = {Questionable research practices (QRPs) are intentional and unintentional practices that can occur when designing, conducting, analysing, and reporting research, producing biased study results. Sport and exercise medicine (SEM) research is vulnerable to the same QRPs that pervade the biomedical and psychological sciences, producing false-positive results and inflated effect sizes. Approximately 90\% of biomedical research reports supported study hypotheses, provoking suspicion about the field-wide presence of systematic biases to facilitate study findings that confirm researchers' expectations. In this education review, we introduce three common QRPs (ie, HARKing, P-hacking and Cherry-picking), perform a cross-sectional study to assess the proportion of original SEM research that reports supported study hypotheses, and draw attention to existing solutions and resources to overcome QRPs that manifest in exploratory research. We hypothesised that {$>$}= 85\% of original SEM research studies would report supported study hypotheses. Two independent assessors systematically identified, screened, included, and extracted study data from original research articles published between 1 January 2019 and 31 May 2019 in the British Journal of Sports Medicine, Sports Medicine, the American Journal of Sports Medicine, and the Journal of Orthopaedic \& Sports Physical Therapy. We extracted data relating to whether studies reported that the primary hypothesis was supported or rejected by the results. Study hypotheses, methodologies, and analysis plans were preregistered at the Open Science Framework. One hundred and twenty-nine original research studies reported at least one study hypothesis, of which 106 (82.2\%) reported hypotheses that were supported by study results. Of 106 studies reporting that primary hypotheses were supported by study results, 75 (70.8\%) studies reported that the primary hypothesis was fully supported by study results. The primary study hypothesis was partially supported by study results in 28 (26.4\%) studies. We detail open science practices and resources that aim to safe-guard against QRPs that bely the credibility and replicability of original research findings.}, + language = {English}, + keywords = {education,harking,incentives,methodological,publication decisions,publish,registered-reports,replicability,research,science,sport,statistics,tests,truth}, + annotation = {WOS:000584953300013} +} + +@article{button_Power_2013, + title = {Power Failure: Why Small Sample Size Undermines the Reliability of Neuroscience}, + shorttitle = {Power Failure}, + author = {Button, Katherine S. and Ioannidis, John P. A. and Mokrysz, Claire and Nosek, Brian A. and Flint, Jonathan and Robinson, Emma S. J. and Munaf{\`o}, Marcus R.}, + year = {2013}, + month = may, + journal = {Nature Reviews Neuroscience}, + volume = {14}, + number = {5}, + pages = {365--376}, + publisher = {{Nature Publishing Group}}, + issn = {1471-0048}, + doi = {10.1038/nrn3475}, + abstract = {Low statistical power undermines the purpose of scientific research; it reduces the chance of detecting a true effect.Perhaps less intuitively, low power also reduces the likelihood that a statistically significant result reflects a true effect.Empirically, we estimate the median statistical power of studies in the neurosciences is between {$\sim$}8\% and {$\sim$}31\%.We discuss the consequences of such low statistical power, which include overestimates of effect size and low reproducibility of results.There are ethical dimensions to the problem of low power; unreliable research is inefficient and wasteful.Improving reproducibility in neuroscience is a key priority and requires attention to well-established, but often ignored, methodological principles.We discuss how problems associated with low power can be addressed by adopting current best-practice and make clear recommendations for how to achieve this.}, + copyright = {2013 Nature Publishing Group, a division of Macmillan Publishers Limited. All Rights Reserved.}, + language = {en}, + keywords = {practices} +} + +@article{byington_Solutions_2017, + title = {Solutions to the {{Credibility Crisis}} in {{Management Science}}}, + author = {Byington, Eliza and Felps, Will}, + year = {2017}, + month = mar, + journal = {Academy of Management Learning and Education, The}, + volume = {16}, + pages = {142--162}, + doi = {10.5465/amle.2015.0035}, + abstract = {This article argues much academic misconduct can be explained as the result of social dilemmas occurring at two levels of Management science. First, the career benefits associated with engaging in Noncredible Research Practices (NCRPs) (e.g. data manipulation, fabricating results, data hoarding, undisclosed HARKing) result in many academics choosing self-interest over collective welfare. These perverse incentives derive from journal gatekeepers who are pressed into a similar social dilemma. Namely, an individual journal's status (i.e. its ``impact factor'') is likely to suffer from unilaterally implementing practices that help ensure the credibility of Management science claims (e.g. dedicating journal space to strict replications, crowd-sourcing replications, data submission requirements, in-house analysis checks, registered reports, Open Practice badges). Fortunately, research on social dilemmas and collective action offers solutions. For example, journal editors could pledge to publish a certain number of credibility boosting articles contingent on a proportion of their ``peer'' journals doing the same. Details for successful implementation of conditional pledges, other social dilemma solutions \textendash{} including actions for Management academics who support changes in journal practices (e.g. reviewer boycotts / buycotts), and insights on credibility supportive journal practices from other fields are provided.}, + keywords = {crisis} +} + +@article{caldwell_Moving_2020, + title = {Moving {{Sport}} and {{Exercise Science Forward}}: {{A Call}} for the {{Adoption}} of {{More Transparent Research Practices}}}, + shorttitle = {Moving {{Sport}} and {{Exercise Science Forward}}}, + author = {Caldwell, Aaron R. and Vigotsky, Andrew D. and Tenan, Matthew S. and Radel, R{\'e}mi and Mellor, David T. and Kreutzer, Andreas and Lahart, Ian M. and Mills, John P. and Boisgontier, Matthieu P. and Boardley, Ian and Bouza, Brooke and Cheval, Boris and Chow, Zad Rafi and Contreras, Bret and Dieter, Brad and Halperin, Israel and Haun, Cody and Knudson, Duane and Lahti, Johan and Miller, Matthew and Morin, Jean-Benoit and Naughton, Mitchell and Neva, Jason and Nuckols, Greg and Peters, Sue and Roberts, Brandon and {Rosa-Caldwell}, Megan and Schmidt, Julia and Schoenfeld, Brad J. and Severin, Richard and Skarabot, Jakob and Steele, James and Twomey, Rosie and Zenko, Zachary and Lohse, Keith R. and Nunan, David and {Consortium for Transparency in Exercise Science (COTES) Collaborators}}, + year = {2020}, + month = mar, + journal = {Sports Medicine}, + volume = {50}, + number = {3}, + pages = {449--459}, + issn = {1179-2035}, + doi = {10.1007/s40279-019-01227-1}, + abstract = {The primary means of disseminating sport and exercise science research is currently through journal articles. However, not all studies, especially those with null findings, make it to formal publication. This publication bias towards positive findings may contribute to questionable research practices. Preregistration is a solution to prevent the publication of distorted evidence resulting from this system. This process asks authors to register their hypotheses and methods before data collection on a publicly available repository or by submitting a Registered Report. In the Registered Report format, authors submit a stage 1 manuscript to a participating journal that includes an introduction, methods, and any pilot data indicating the exploratory or confirmatory nature of the study. After a stage 1 peer review, the manuscript can then be offered in-principle acceptance, rejected, or sent back for revisions to improve the quality of the study. If accepted, the project is guaranteed publication, assuming the authors follow the data collection and analysis protocol. After data collection, authors re-submit a stage 2 manuscript that includes the results and discussion, and the study is evaluated on clarity and conformity with the planned analysis. In its final form, Registered Reports appear almost identical to a typical publication, but give readers confidence that the hypotheses and main analyses are less susceptible to bias from questionable research practices. From this perspective, we argue that inclusion of Registered Reports by researchers and journals will improve the transparency, replicability, and trust in sport and exercise science research. The preprint version of this work is available on SportR\$\$\textbackslash chi \$\$iv: https://osf.io/preprints/sportrxiv/fxe7a/.}, + language = {en}, + keywords = {transparency} +} + +@article{caldwell_Moving_2020a, + title = {Moving {{Sport}} and {{Exercise Science Forward}}: {{A Call}} for the {{Adoption}} of {{More Transparent Research Practices}}}, + shorttitle = {Moving {{Sport}} and {{Exercise Science Forward}}}, + author = {Caldwell, Aaron R. and Vigotsky, Andrew D. and Tenan, Matthew S. and Radel, Remi and Mellor, David T. and Kreutzer, Andreas and Lahart, Ian M. and Mills, John P. and Boisgontier, Matthieu P. and Boardley, Ian and Bouza, Brooke and Cheval, Boris and Chow, Zad Rafi and Contreras, Bret and Dieter, Brad and Halperin, Israel and Haun, Cody and Knudson, Duane and Lahti, Johan and Lohse, Keith and Miller, Matthew and Morin, Jean-Benoit and Naughton, Mitchell and Neva, Jason and Nuckols, Greg and Nunan, David and Peters, Sue and Roberts, Brandon and {Rosa-Caldwell}, Megan and Schmidt, Julia and Schoenfeld, Brad J. and Severin, Richard and Skarabot, Jakob and Steele, James and Twomey, Rosie and Zenko, Zachary}, + year = {2020}, + month = mar, + journal = {Sports Medicine}, + volume = {50}, + number = {3}, + pages = {449--459}, + publisher = {{Adis Int Ltd}}, + address = {{Northcote}}, + issn = {0112-1642}, + doi = {10.1007/s40279-019-01227-1}, + abstract = {The primary means of disseminating sport and exercise science research is currently through journal articles. However, not all studies, especially those with null findings, make it to formal publication. This publication bias towards positive findings may contribute to questionable research practices. Preregistration is a solution to prevent the publication of distorted evidence resulting from this system. This process asks authors to register their hypotheses and methods before data collection on a publicly available repository or by submitting a Registered Report. In the Registered Report format, authors submit a stage 1 manuscript to a participating journal that includes an introduction, methods, and any pilot data indicating the exploratory or confirmatory nature of the study. After a stage 1 peer review, the manuscript can then be offered in-principle acceptance, rejected, or sent back for revisions to improve the quality of the study. If accepted, the project is guaranteed publication, assuming the authors follow the data collection and analysis protocol. After data collection, authors re-submit a stage 2 manuscript that includes the results and discussion, and the study is evaluated on clarity and conformity with the planned analysis. In its final form, Registered Reports appear almost identical to a typical publication, but give readers confidence that the hypotheses and main analyses are less susceptible to bias from questionable research practices. From this perspective, we argue that inclusion of Registered Reports by researchers and journals will improve the transparency, replicability, and trust in sport and exercise science research. The preprint version of this work is available on SportRiv: https://osf.io/ prepr ints/sport rxiv/fxe7a/.}, + language = {English}, + keywords = {associations,health,increase,model,power,publication bias,registered-reports,true}, + annotation = {WOS:000511041300002} +} + +@article{camerer_Evaluating_2018, + title = {Evaluating the Replicability of Social Science Experiments in {{Nature}} and {{Science}} between 2010 and 2015}, + author = {Camerer, Colin F. and Dreber, Anna and Holzmeister, Felix and Ho, Teck-Hua and Huber, J{\"u}rgen and Johannesson, Magnus and Kirchler, Michael and Nave, Gideon and Nosek, Brian A. and Pfeiffer, Thomas and Altmejd, Adam and Buttrick, Nick and Chan, Taizan and Chen, Yiling and Forsell, Eskil and Gampa, Anup and Heikensten, Emma and Hummer, Lily and Imai, Taisuke and Isaksson, Siri and Manfredi, Dylan and Rose, Julia and Wagenmakers, Eric-Jan and Wu, Hang}, + year = {2018}, + month = sep, + journal = {Nature Human Behaviour}, + volume = {2}, + number = {9}, + pages = {637--644}, + publisher = {{Nature Publishing Group}}, + issn = {2397-3374}, + doi = {10.1038/s41562-018-0399-z}, + abstract = {Being able to replicate scientific findings is crucial for scientific progress1\textendash 15. We replicate 21 systematically selected experimental studies in the social sciences published in Nature and Science between 2010 and 201516\textendash 36. The replications follow analysis plans reviewed by the original authors and pre-registered prior to the replications. The replications are high powered, with sample sizes on average about five times higher than in the original studies. We find a significant effect in the same direction as the original study for 13 (62\%) studies, and the effect size of the replications is on average about 50\% of the original effect size. Replicability varies between 12 (57\%) and 14 (67\%) studies for complementary replicability indicators. Consistent with these results, the estimated true-positive rate is 67\% in a Bayesian analysis. The relative effect size of true positives is estimated to be 71\%, suggesting that both false positives and inflated effect sizes of true positives contribute to imperfect reproducibility. Furthermore, we find that peer beliefs of replicability are strongly related to replicability, suggesting that the research community could predict which results would replicate and that failures to replicate were not the result of chance alone.}, + copyright = {2018 The Author(s)}, + language = {en}, + keywords = {crisis} +} + +@article{campbell_Enhancing_2014, + title = {Enhancing Transparency of the Research Process to Increase Accuracy of Findings: {{A}} Guide for Relationship Researchers}, + shorttitle = {Enhancing Transparency of the Research Process to Increase Accuracy of Findings}, + author = {Campbell, Lorne and Loving, Timothy J. and Lebel, Etienne P.}, + year = {2014}, + journal = {Personal Relationships}, + volume = {21}, + number = {4}, + pages = {531--545}, + issn = {1475-6811}, + doi = {10.1111/pere.12053}, + abstract = {The purpose of this paper is to extend to the field of relationship science, recent discussions and suggested changes in open research practises. We demonstrate different ways that greater transparency of the research process in our field will accelerate scientific progress by increasing accuracy of reported research findings. Importantly, we make concrete recommendations for how relationship researchers can transition to greater disclosure of research practices in a manner that is sensitive to the unique design features of methodologies employed by relationship scientists. We discuss how to implement these recommendations for four different research designs regularly used in relationship research and practical limitations regarding implementing our recommendations and provide potential solutions to these problems.}, + language = {en}, + annotation = {\_eprint: https://onlinelibrary.wiley.com/doi/pdf/10.1111/pere.12053} +} + +@article{card_Role_2011, + title = {The {{Role}} of {{Theory}} in {{Field Experiments}}}, + author = {Card, David and DellaVigna, Stefano and Malmendier, Ulrike}, + year = {2011}, + month = sep, + journal = {Journal of Economic Perspectives}, + volume = {25}, + number = {3}, + pages = {39--62}, + issn = {0895-3309}, + doi = {10.1257/jep.25.3.39}, + abstract = {studies that estimate structural parameters in a completely specified model. We also classify laboratory experiments published in these journals over the same period and find that economic theory has played a more central role in the laboratory than in the field. Finally, we discuss in detail three sets of field experiments\textemdash on gift exchange, on charitable giving, and on negative income tax\textemdash that illustrate both the benefits and the potential costs of a tighter link between experimental design and theoretical underpinnings.}, + language = {en}, + keywords = {Field Experiments} +} + +@article{carey_Fraud_2011, + title = {Fraud {{Case Seen}} as a {{Red Flag}} for {{Psychology Research}}}, + author = {Carey, Benedict}, + year = {2011}, + month = nov, + journal = {The New York Times}, + issn = {0362-4331}, + abstract = {A Dutch scholar was found to have falsified findings in dozens of papers, in a field that critics say is vulnerable to such abuses.}, + chapter = {Health}, + language = {en-US}, + keywords = {Falsification of Data,Frauds and Swindling,Psychology and Psychologists,Research,Stapel; Diederik} +} + +@article{carrier_Facing_2017, + title = {Facing the {{Credibility Crisis}} of {{Science}}: {{On}} the {{Ambivalent Role}} of {{Pluralism}} in {{Establishing Relevance}} and {{Reliability}}}, + shorttitle = {Facing the {{Credibility Crisis}} of {{Science}}}, + author = {Carrier, Martin}, + year = {2017}, + month = may, + journal = {Perspectives on Science}, + volume = {25}, + number = {4}, + pages = {439--464}, + issn = {1063-6145}, + doi = {10.1162/POSC_a_00249}, + abstract = {Science at the interface with society is regarded with mistrust among parts of the public. Scientific judgments on matters of practical concern are not infrequently suspected of being incompetent and biased. I discuss two proposals for remedying this deficiency. The first aims at strengthening the independence of science and suggests increasing the distance to political and economic powers. The drawback is that this runs the risk of locking science in an academic ivory tower. The second proposal favors ``counter-politicization'' in that research is strongly focused on projects ``in the public interest,'' that is, on projects whose expected results will benefit all those concerned by these results. The disadvantage is that the future use of research findings cannot be delineated reliably in advance. I argue that the underlying problem is the perceived lack of relevance and reliability and that pluralism is an important step toward its solution. Pluralism serves to stimulate a more inclusive research agenda and strengthens the well-testedness of scientific approaches. However, pluralism also prevents the emergence of clear-cut practical suggestions. Accordingly, pluralism is part of the solution to the credibility crisis of science, but also part of the problem. In order for science to be suitable as a guide for practice, the leeway of scientific options needs to be narrowed \textendash{} in spite of uncertainty in epistemic respect. This reduction can be achieved by appeal to criteria that do not focus on the epistemic credentials of the suggestions but on their appropriateness in practical respect.}, + keywords = {crisis} +} + +@article{chambers_Registered_2013, + title = {Registered {{Reports}}: {{A}} New Publishing Initiative at~{{Cortex}}}, + shorttitle = {Registered {{Reports}}}, + author = {Chambers, Christopher D.}, + year = {2013}, + month = mar, + journal = {Cortex}, + volume = {49}, + number = {3}, + pages = {609--610}, + issn = {0010-9452}, + doi = {10.1016/j.cortex.2012.12.016}, + language = {en}, + keywords = {forrt,reports} +} + +@misc{chambers_Registered_2014, + title = {Registered {{Reports}}: {{A}} Step Change in Scientific Publishing}, + author = {Chambers, Christopher D.}, + year = {2014}, + journal = {Reviewers' Update}, + abstract = {Professor Chris Chambers, Registered Reports Editor of the Elsevier journal Cortex and one of the concept's founders, on how the initiative combats publication bias}, + howpublished = {https://www.elsevier.com/connect/reviewers-update/registered-reports-a-step-change-in-scientific-publishing}, + language = {en}, + keywords = {forrt,reports} +} + +@article{chambers_Registered_2015, + title = {Registered Reports: Realigning Incentives in Scientific Publishing}, + shorttitle = {Registered Reports}, + author = {Chambers, Christopher D. and Dienes, Zoltan and McIntosh, Robert D. and Rotshtein, Pia and Willmes, Klaus}, + year = {2015}, + month = may, + journal = {Cortex; a Journal Devoted to the Study of the Nervous System and Behavior}, + volume = {66}, + pages = {A1-2}, + issn = {1973-8102}, + doi = {10.1016/j.cortex.2015.03.022}, + language = {eng}, + pmid = {25892410}, + keywords = {Biomedical Research,Editorial Policies,forrt,Humans,Motivation,Peer Review; Research,Publication Bias,Publishing,reports,Reproducibility of Results} +} + +@article{chambers_Ten_2015, + title = {Ten {{Reasons Why Journals Must Review Manuscripts Before Results Are Known}}}, + author = {Chambers, Christopher D.}, + year = {2015}, + month = jan, + journal = {Addiction}, + volume = {110}, + number = {1}, + pages = {10--11}, + publisher = {{Wiley}}, + address = {{Hoboken}}, + issn = {0965-2140}, + doi = {10.1111/add.12728}, + language = {English}, + keywords = {False positives,incentives,publication bias,questionable research practices,registered reports,registered-reports,reproducibility,study pre-registration,truth}, + annotation = {WOS:000346699700004} +} + +@techreport{chin_Improving_2019, + type = {{{SSRN Scholarly Paper}}}, + title = {Improving {{Expert Evidence}}: {{The Role}} of {{Open Science}} and {{Transparency}}}, + shorttitle = {Improving {{Expert Evidence}}}, + author = {Chin, Jason and Growns, Bethany and Mellor, David}, + year = {2019}, + month = feb, + number = {ID 3345225}, + address = {{Rochester, NY}}, + institution = {{Social Science Research Network}}, + doi = {10.2139/ssrn.3345225}, + abstract = {Both science and expert evidence law are undergoing significant changes. In this article, the authors compare these two movements \textendash{} the open science movement and the evidence-based evidence movement. The open science movement encompasses the recent discovery of many irreproducible findings in science and the subsequent move towards more transparent methods. The evidence-based evidence movement is the discovery that many forms of expert evidence are unreliable, and that they have contributed to wrongful convictions. The authors identify similarities between these movements, which suggest how courts and legal actors may learn from the open science movement to produce more accurate results. Expert witnesses should comport themselves as rigorous open scientists to produce evidence that is more susceptible to evaluation. Parties should be subjected to more specific and rigorous disclosure requirements because research has shown that even leading scientists find it easy to discount and suppress findings that do not support their hypotheses. And trial judges, as gatekeepers, should not defer to the generally accepted practices that have proven insufficient in the mainstream sciences.}, + language = {en}, + keywords = {Bethany Growns,David Mellor,Improving Expert Evidence: The Role of Open Science and Transparency,Jason Chin,SSRN} +} + +@article{chin_Questionable_2021, + title = {Questionable {{Research Practices}} and {{Open Science}} in {{Quantitative Criminology}}}, + author = {Chin, Jason M. and Pickett, Justin T. and Vazire, Simine and Holcombe, Alex O.}, + year = {2021}, + journal = {Journal of Quantitative Criminology}, + issn = {0748-4518}, + doi = {10.1007/s10940-021-09525-6}, + abstract = {Questionable research practices (QRPs) lead to incorrect research results and contribute to irreproducibility in science. Researchers and institutions have proposed open science practices (OSPs) to improve the detectability of QRPs and the credibility of science. We examine the prevalence of QRPs and OSPs in criminology, and researchers' opinions of those practices. We administered an anonymous survey to authors of articles published in criminology journals. Respondents self-reported their own use of 10 QRPs and 5 OSPs. They also estimated the prevalence of use by others, and reported their attitudes toward the practices. QRPs and OSPs are both common in quantitative criminology, about as common as they are in other fields. Criminologists who responded to our survey support using QRPs in some circumstances, but are even more supportive of using OSPs. We did not detect a significant relationship between methodological training and either QRP or OSP use. Support for QRPs is negatively and significantly associated with support for OSPs. Perceived prevalence estimates for some practices resembled a uniform distribution, suggesting criminologists have little knowledge of the proportion of researchers that engage in certain questionable practices. Most quantitative criminologists in our sample have used QRPs, and many have used multiple QRPs. Moreover, there was substantial support for QRPs, raising questions about the validity and reproducibility of published criminological research. We found promising levels of OSP use, albeit at levels lagging what researchers endorse. The findings thus suggest that additional reforms are needed to decrease QRP use and increase the use of OSPs.}, + language = {en} +} + +@article{chopik_Relationship_2020, + title = {Relationship Science and the Credibility Revolution: {{An}} Introduction to the First Part of the Special Issue}, + shorttitle = {Relationship Science and the Credibility Revolution}, + author = {Chopik, William J. and Chartier, Christopher R. and Campbell, Lorne and Donnellan, M. Brent}, + year = {2020}, + month = mar, + journal = {Personal Relationships}, + volume = {27}, + number = {1}, + pages = {132--137}, + publisher = {{Wiley}}, + address = {{Hoboken}}, + issn = {1350-4126}, + doi = {10.1111/pere.12312}, + abstract = {In the past 10 years, the field of relationship science-like many other fields-has been exposed to dramatic changes in how scientists approach the research process. Relationship science has been at the forefront of many recent changes in the field, whether it be high profile replication attempts or broader discussions about how to increase rigor and reproducibility. A major goal of this special issue was to provide an opportunity for relationship scientists to engage with these issues and reforms. The first four articles in this special issue represent a sampling of different approaches relationship researchers have used to enhance the credibility of their work.}, + language = {English}, + keywords = {credibility revolution,history,incentives,increase,personal relationships,registered reports,registered-reports,replication,special issue,truth}, + annotation = {WOS:000518878700007} +} + +@article{christensen_Transparency_2018, + title = {Transparency, {{Reproducibility}}, and the {{Credibility}} of {{Economics Research}}}, + author = {Christensen, Garret and Miguel, Edward}, + year = {2018}, + month = sep, + journal = {Journal of Economic Literature}, + volume = {56}, + number = {3}, + pages = {920--980}, + issn = {0022-0515}, + doi = {10.1257/jel.20171350}, + abstract = {There is growing interest in enhancing research transparency and reproducibility in economics and other scientific fields. We survey existing work on these topics within economics, and discuss the evidence suggesting that publication bias, inability to replicate, and specification searching remain widespread in the discipline. We next discuss recent progress in this area, including through improved research design, study registration and pre-analysis plans, disclosure standards, and open sharing of data and materials, drawing on experiences in both economics and other social sciences. We discuss areas where consensus is emerging on new practices, as well as approaches that remain controversial, and speculate about the most effective ways to make economics research more credible in the future.}, + language = {en}, + keywords = {Market for Economists; Methodological Issues: General; Higher Education,Research Institutions,Role of Economics,Role of Economists} +} + +@book{christensen_Transparent_2019, + title = {Transparent and Reproducible Social Science Research: How to Do Open Science}, + shorttitle = {Transparent and Reproducible Social Science Research}, + author = {Christensen, Garret S. and Freese, Jeremy and Miguel, Edward}, + year = {2019}, + publisher = {{University of California Press}}, + address = {{Oakland, California}}, + abstract = {"Social science practitioners have recently witnessed numerous episodes of influential research that fell apart upon close scrutiny. These instances have spurred suspicions that other published results may contain errors or may at least be less robust than they appear. In response, an influential movement has emerged across the social sciences for greater research transparency, openness, and reproducibility. Transparent and Reproducible Social Science Research crystallizes the new insights, practices, and methods of this rising interdisciplinary field"--Provided by publisher}, + isbn = {978-0-520-96923-0}, + lccn = {Q180.55.S7}, + keywords = {Reproducible research,Research,Social sciences,transparency} +} + +@article{chuard_Evidence_2019, + title = {Evidence That Nonsignificant Results Are Sometimes Preferred: {{Reverse P}}-Hacking or Selective Reporting?}, + shorttitle = {Evidence That Nonsignificant Results Are Sometimes Preferred}, + author = {Chuard, Pierre J. C. and Vrtilek, Milan and Head, Megan L. and Jennions, Michael D.}, + year = {2019}, + month = jan, + journal = {Plos Biology}, + volume = {17}, + number = {1}, + pages = {e3000127}, + publisher = {{Public Library Science}}, + address = {{San Francisco}}, + issn = {1544-9173}, + doi = {10.1371/journal.pbio.3000127}, + abstract = {There is increased concern about poor scientific practices arising from an excessive focus on P-values. Two particularly worrisome practices are selective reporting of significant results and 'P-hacking'. The latter is the manipulation of data collection, usage, or analyses to obtain statistically significant outcomes. Here, we introduce the novel, to our knowledge, concepts of selective reporting of nonsignificant results and 'reverse P-hacking' whereby researchers ensure that tests produce a nonsignificant result. We test whether these practices occur in experiments in which researchers randomly assign subjects to treatment and control groups to minimise differences in confounding variables that might affect the focal outcome. By chance alone, 5\% of tests for a group difference in confounding variables should yield a significant result (P {$<$} 0.05). If researchers less often report significant findings and/or reverse P-hack to avoid significant outcomes that undermine the ethos that experimental and control groups only differ with respect to actively manipulated variables, we expect significant results from tests for group differences to be under-represented in the literature. We surveyed the behavioural ecology literature and found significantly more nonsignificant P-values reported for tests of group differences in potentially confounding variables than the expected 95\% (P = 0.005; N = 250 studies). This novel, to our knowledge, publication bias could result from selective reporting of nonsignificant results and/or from reverse P-hacking. We encourage others to test for a bias toward publishing nonsignificant results in the equivalent context in their own research discipline.}, + language = {English}, + keywords = {ecology,randomized controlled-trials,values}, + annotation = {WOS:000457596000029} +} + +@article{chubin_Open_1985, + title = {Open {{Science}} and {{Closed Science}}: {{Tradeoffs}} in a {{Democracy}}}, + shorttitle = {Open {{Science}} and {{Closed Science}}}, + author = {Chubin, Daryl E.}, + year = {1985}, + month = apr, + journal = {Science, Technology, \& Human Values}, + volume = {10}, + number = {2}, + pages = {73--80}, + publisher = {{SAGE Publications Inc}}, + issn = {0162-2439}, + doi = {10.1177/016224398501000211}, + language = {en} +} + +@misc{conicyt_chile_2017, + title = {Chile y {{Argentina}} Son Destacados Como Ejemplos de Pol\'iticas de Acceso Abierto a La Informaci\'on}, + author = {CONICYT}, + year = {9 de Enero, 2017} +} + +@article{crane_Impact_2018, + title = {The {{Impact}} of {{P}}-Hacking on "{{Redefine Statistical Significance}}"}, + author = {Crane, Harry}, + year = {2018}, + journal = {Basic and Applied Social Psychology}, + volume = {40}, + number = {4}, + pages = {219--235}, + publisher = {{Routledge Journals, Taylor \& Francis Ltd}}, + address = {{Abingdon}}, + issn = {0197-3533}, + doi = {10.1080/01973533.2018.1474111}, + abstract = {In their proposal to "redefine statistical significance," Benjamin et al. claim that lowering the default cutoff for statistical significance from .05 to .005 would "immediately improve the reproducibility of scientific research in many fields." Benjamin et al. assert specifically that false positive rates would fall below 10\% and replication rates would double under the lower cutoff. I analyze these claims here, showing how the failure to account for P-hacking and other widespread reporting issues leads to exaggerated and misleading conclusions about the potential impact of the .005 proposal.}, + language = {English}, + keywords = {prevalence}, + annotation = {WOS:000454439800005} +} + +@misc{creativecommons_cc_2019, + type = {{{FAQ}}}, + title = {About {{CC Licenses}}}, + shorttitle = {{{CC Licenses}}}, + author = {Creative Commons, CC}, + year = {2019}, + journal = {What we do}, + abstract = {Creative Commons licenses give everyone from individual creators to large institutions a standardized way to grant the public permission to use their creative work under copyright law. From the reuser's perspective, the presence of a Creative Commons license on a copyrighted work answers the question, ``What can I do with this work?''}, + copyright = {Creative Commons 3.0}, + language = {English} +} + +@misc{creativecommons_sobre_2017, + title = {Sobre Las Licencias: {{Lo}} Que Nuestras Licencias Hacen}, + author = {Creative Commons}, + year = {7 de Noviembre, 2017} +} + +@misc{cruwell_Easy_2018, + title = {7 {{Easy Steps}} to {{Open Science}}: {{An Annotated Reading List}}}, + shorttitle = {7 {{Easy Steps}} to {{Open Science}}}, + author = {Cr{\"u}well, Sophia and van Doorn, Johnny and Etz, Alexander and Makel, Matthew C. and Moshontz, Hannah and Niebaum, Jesse and Orben, Amy and Parsons, Sam and {Schulte-Mecklenbeck}, Michael}, + year = {2018}, + month = nov, + institution = {{PsyArXiv}}, + doi = {10.31234/osf.io/cfzyx}, + abstract = {The Open Science movement is rapidly changing the scientific landscape. Because exact definitions are often lacking and reforms are constantly evolving, accessible guides to open science are needed. This paper provides an introduction to open science and related reforms in the form of an annotated reading list of seven peer-reviewed articles, following the format of Etz et al. (2018). Written for researchers and students - particularly in psychological science - it highlights and introduces seven topics: understanding open science; open access; open data, materials, and code; reproducible analyses; preregistration and registered reports; replication research; and teaching open science. For each topic, we provide a detailed summary of one particularly informative and actionable article and suggest several further resources. Supporting a broader understanding of open science issues, this overview should enable researchers to engage with, improve, and implement current open, transparent, reproducible, replicable, and cumulative scientific practices.}, + keywords = {Meta-science,Meta-Science,Open Access,Open Science,other,Psychology,Reproducibility,revisado,Social and Behavioral Sciences,Transparency} +} + +@article{dal-re_Making_2014, + title = {Making {{Prospective Registration}} of {{Observational Research}} a {{Reality}}}, + author = {{Dal-R{\'e}}, Rafael and Ioannidis, John P. and Bracken, Michael B. and Buffler, Patricia A. and Chan, An-Wen and Franco, Eduardo L. and Vecchia, Carlo La and Weiderpass, Elisabete}, + year = {2014}, + month = feb, + journal = {Science Translational Medicine}, + volume = {6}, + number = {224}, + pages = {224cm1-224cm1}, + publisher = {{American Association for the Advancement of Science}}, + issn = {1946-6234, 1946-6242}, + doi = {10.1126/scitranslmed.3007513}, + abstract = {The vast majority of health-related observational studies are not prospectively registered and the advantages of registration have not been fully appreciated. Nonetheless, international standards require approval of study protocols by an independent ethics committee before the study can begin. We suggest that there is an ethical and scientific imperative to publicly preregister key information from newly approved protocols, which should be required by funders. Ultimately, more complete information may be publicly available by disclosing protocols, analysis plans, data sets, and raw data. Key information about human observational studies should be publicly available before the study is initiated. Key information about human observational studies should be publicly available before the study is initiated.}, + chapter = {Commentary}, + copyright = {Copyright \textcopyright{} 2014, American Association for the Advancement of Science}, + language = {en}, + pmid = {24553383}, + keywords = {reports} +} + +@article{derond_Publish_2005, + title = {Publish or {{Perish}}: {{Bane}} or {{Boon}} of {{Academic Life}}?}, + shorttitle = {Publish or {{Perish}}}, + author = {De Rond, Mark and Miller, Alan N.}, + year = {2005}, + month = dec, + journal = {Journal of Management Inquiry}, + volume = {14}, + number = {4}, + pages = {321--329}, + publisher = {{SAGE Publications Inc}}, + issn = {1056-4926}, + doi = {10.1177/1056492605276850}, + abstract = {There are few more familiar aphorisms in the academic community than ``publish or perish.'' Venerated by many and dreaded by more, this phenomenon is the subject of the authors' essay. Here they consider the publish or perish principle that has come to characterize life at many business schools. They explain when and why it began and suggest reasons for its persistence. This exercise elicits questions that appear as relatively neglected but are integral to our profession, namely, the effect of publish or perish on the creativity, intellectual lives, morale, and psychological and emotional states of faculty.}, + language = {en}, + keywords = {business schools,institutional,publish,research,tenure} +} + +@article{diaz_Mala_2018, + title = {{Mala conducta cient\'ifica en la publicaci\'on}}, + author = {D{\'i}az, Rosa Mar{\'i}a Lam}, + year = {2018}, + month = jan, + journal = {Revista Cubana de Hematolog\'ia, Inmunolog\'ia y Hemoterapia}, + volume = {34}, + number = {1}, + issn = {1561-2996}, + abstract = {La publicaci\'on en revistas cient\'ificas constituye la forma m\'as aceptada para validar una investigaci\'on debido a que pasa por un riguroso proceso de revisi\'on por expertos, que deciden entre lo publicable y lo no publicable con vista a garantizar la calidad de los trabajos. A pesar de esto con frecuencia aparecen pr\'acticas incorrectas relacionadas con la \'etica durante la publicaci\'on, que se conocen como mala conducta cient\'ifica. Las manifestaciones de mala conducta cient\'ifica van desde el fraude cient\'ifico hasta una variedad de faltas que se cometen en el proceso de publicaci\'on. El fraude cient\'ifico incluye la invenci\'on, la falsificaci\'on y el plagio. Las faltas en el proceso de publicaci\'on incluyen la autor\'ia ficticia, la autor\'ia fantasma, la publicaci\'on duplicada, la publicaci\'on fragmentada o publicaci\'on salami, la publicaci\'on inflada, el autoplagio, la incorrecci\'on de citas bibliogr\'aficas, los sesgos de publicaci\'on y la publicaci\'on anticipada.}, + copyright = {Copyright (c) 2018 Revista Cubana de Hematolog\'ia, Inmunolog\'ia y Hemoterapia}, + language = {es}, + keywords = {autoría,conflicto de intereses,ética,fraude científico,investigación,plagio,practices,publicación} +} + +@article{doucouliagos_Are_2013, + title = {Are {{All Economic Facts Greatly Exaggerated}}? {{Theory Competition}} and {{Selectivity}}}, + shorttitle = {Are {{All Economic Facts Greatly Exaggerated}}?}, + author = {Doucouliagos, Chris and Stanley, T. D.}, + year = {2013}, + journal = {Journal of Economic Surveys}, + volume = {27}, + number = {2}, + pages = {316--339}, + issn = {1467-6419}, + doi = {10.1111/j.1467-6419.2011.00706.x}, + abstract = {Abstract..There is growing concern and mounting evidence of selectivity in empirical economics. Most empirical economic literatures have a truncated distribution of results. The aim of this paper is to explore the link between publication selectivity and theory contests. This link is confirmed through the analysis of 87 distinct empirical economics literatures, involving more than three and a half thousand separate empirical studies, using objective measures of both selectivity and contests. Our meta\textendash meta-analysis shows that publication selection is widespread, but not universal. It distorts scientific inference with potentially adverse effects on policy making, but competition and debate between rival theories reduces this selectivity and thereby improves economic inference.}, + language = {en}, + keywords = {Contested theory,Empirical economics,Meta-analysis,Publication selectivity}, + annotation = {\_eprint: https://onlinelibrary.wiley.com/doi/pdf/10.1111/j.1467-6419.2011.00706.x} +} + +@article{dutilh_Flexible_, + title = {Flexible yet Fair: Blinding Analyses in Experimental Psychology}, + shorttitle = {Flexible yet Fair}, + author = {Dutilh, Gilles and Sarafoglou, Alexandra and Wagenmakers, Eric-Jan}, + journal = {Synthese}, + publisher = {{Springer}}, + address = {{Dordrecht}}, + issn = {0039-7857}, + doi = {10.1007/s11229-019-02456-7}, + abstract = {The replicability of findings in experimental psychology can be improved by distinguishing sharply between hypothesis-generating research and hypothesis-testing research. This distinction can be achieved by preregistration, a method that has recently attracted widespread attention. Although preregistration is fair in the sense that it inoculates researchers against hindsight bias and confirmation bias, preregistration does not allow researchers to analyze the data flexibly without the analysis being demoted to exploratory. To alleviate this concern we discuss how researchers may conduct blinded analyses (MacCoun and Perlmutter in Nature 526:187-189, 2015). As with preregistration, blinded analyses break the feedback loop between the analysis plan and analysis outcome, thereby preventing cherry-picking and significance seeking. However, blinded analyses retain the flexibility to account for unexpected peculiarities in the data. We discuss different methods of blinding, offer recommendations for blinding of popular experimental designs, and introduce the design for an online blinding protocol.}, + language = {English}, + keywords = {explanation,Preregistration,registered-reports,replication,Replication crisis,Scientific learning,social-psychology,trials}, + annotation = {WOS:000575377000001} +} + +@article{dutilh_Seven_2016, + title = {Seven {{Selfish Reasons}} for {{Preregistration}}}, + author = {Dutilh, Eric-Jan Wagenmakers {and} Gilles}, + year = {2016}, + month = oct, + journal = {APS Observer}, + volume = {29}, + number = {9}, + abstract = {Psychological scientists Eric-Jan Wagenmakers and Gilles Dutilh present an illustrated guide to the career benefits of submitting your research plans before beginning your data collection.}, + language = {en-US} +} + +@article{earth_Reproducibility_2019, + title = {Reproducibility and {{Replicability}} in {{Science}}}, + author = {on Earth, Division and on Behavioral, Cognitive Board}, + year = {2019}, + journal = {undefined}, + abstract = {Semantic Scholar extracted view of \"Reproducibility and Replicability in Science\" by Division on Earth et al.}, + language = {en} +} + +@article{editors_Observational_2014, + title = {Observational {{Studies}}: {{Getting Clear}} about {{Transparency}}}, + shorttitle = {Observational {{Studies}}}, + author = {Editors, The PLOS Medicine}, + year = {2014}, + month = aug, + journal = {PLOS Medicine}, + volume = {11}, + number = {8}, + pages = {e1001711}, + publisher = {{Public Library of Science}}, + issn = {1549-1676}, + doi = {10.1371/journal.pmed.1001711}, + abstract = {The PLOS Medicine Editors endorse four measures to ensure transparency in the analysis and reporting of observational studies. Please see later in the article for the Editors' Summary}, + language = {en}, + keywords = {Clinical trial reporting,Clinical trials,Cross-sectional studies,Health care policy,Medical journals,Observational studies,Research reporting guidelines,Science policy} +} + +@article{editors_Observational_2014a, + title = {Observational {{Studies}}: {{Getting Clear}} about {{Transparency}}}, + shorttitle = {Observational {{Studies}}}, + author = {Editors, The PLOS Medicine}, + year = {2014}, + month = aug, + journal = {PLOS Medicine}, + volume = {11}, + number = {8}, + pages = {e1001711}, + publisher = {{Public Library of Science}}, + issn = {1549-1676}, + doi = {10.1371/journal.pmed.1001711}, + abstract = {The PLOS Medicine Editors endorse four measures to ensure transparency in the analysis and reporting of observational studies. Please see later in the article for the Editors' Summary}, + language = {en}, + keywords = {Clinical trial reporting,Clinical trials,Cross-sectional studies,Health care policy,Medical journals,Observational studies,Research reporting guidelines,Science policy} +} + +@article{editors_Transparency_2015, + title = {Transparency in {{Reporting Observational Studies}}: {{Reflections}} after a {{Year}}}, + shorttitle = {Transparency in {{Reporting Observational Studies}}}, + author = {Editors, The PLOS Medicine}, + year = {2015}, + month = oct, + journal = {PLOS Medicine}, + volume = {12}, + number = {10}, + pages = {e1001896}, + publisher = {{Public Library of Science}}, + issn = {1549-1676}, + doi = {10.1371/journal.pmed.1001896}, + abstract = {The PLOS Medicine Editors take stock of changes in the reporting of observational studies following our new transparency guidelines from August 2014.}, + language = {en}, + keywords = {Cohort studies,Diagnostic medicine,Health care policy,Observational studies,Open access medical journals,Peer review,Reflection,Water resources} +} + +@article{elliott_Taxonomy_2020, + title = {A {{Taxonomy}} of {{Transparency}} in {{Science}}}, + author = {Elliott, Kevin C.}, + year = {2020}, + journal = {Canadian Journal of Philosophy}, + pages = {1--14}, + publisher = {{Cambridge University Press}}, + issn = {0045-5091, 1911-0820}, + doi = {10.1017/can.2020.21}, + abstract = {Both scientists and philosophers of science have recently emphasized the importance of promoting transparency in science. For scientists, transparency is a way to promote reproducibility, progress, and trust in research. For philosophers of science, transparency can help address the value-ladenness of scientific research in a responsible way. Nevertheless, the concept of transparency is a complex one. Scientists can be transparent about many different things, for many different reasons, on behalf of many different stakeholders. This paper proposes a taxonomy that clarifies the major dimensions along which approaches to transparency can vary. By doing so, it provides several insights that philosophers and other science studies scholars can pursue. In particular, it helps address common objections to pursuing transparency in science, it clarifies major forms of transparency, and it suggests avenues for further research on this topic.}, + language = {en}, + keywords = {herramienta,open science,research ethics,science communication,transparency,value judgments,values and science} +} + +@misc{engzell_Improving_2020, + title = {Improving {{Social Science}}: {{Lessons}} from the {{Open Science Movement}}}, + shorttitle = {Improving {{Social Science}}}, + author = {Engzell, Per and Rohrer, Julia M.}, + year = {2020}, + month = apr, + institution = {{SocArXiv}}, + doi = {10.31235/osf.io/6whjt}, + abstract = {The transdisciplinary movement towards greater research transparency opens the door for a meta-scientific exchange between different social sciences. In the spirit of such an exchange, we offer some lessons inspired by ongoing debates in psychology, highlighting the broad benefits of open science but also potential pitfalls, as well as practical challenges in the implementation that have not yet been fully resolved. Our discussion is aimed towards political scientists but relevant for population sciences more broadly.}, + keywords = {credibility,meta-science,open science,replication,reproducibility,Social and Behavioral Sciences,transparency} +} + +@article{erdfelder_Detecting_2019, + title = {Detecting {{Evidential Value}} and P-{{Hacking With}} the p-{{Curve Tool A Word}} of {{Caution}}}, + author = {Erdfelder, Edgar and Heck, Daniel W.}, + year = {2019}, + month = oct, + journal = {Zeitschrift Fur Psychologie-Journal of Psychology}, + volume = {227}, + number = {4}, + pages = {249--260}, + publisher = {{Hogrefe \& Huber Publishers}}, + address = {{Gottingen}}, + issn = {2190-8370}, + doi = {10.1027/2151-2604/a000383}, + abstract = {Simonsohn, Nelson, and Simmons (2014a) proposed p-curve - the distribution of statistically significant p-values for a set of studies - as a toot to assess the evidential value of these studies. They argued that, whereas right-skewed p-curves indicate true underlying effects, left-skewed p-curves indicate selective reporting of significant results when there is no true effect ("p-hacking"). We first review previous research showing that, in contrast to the first claim, null effects may produce right-skewed p-curves under some conditions. We then question the second claim by showing that not only selective reporting but also selective nonreporting of significant results due to a significant outcome of a more popular alternative test of the same hypothesis may produce left-skewed p-curves, even if all studies reflect true effects. Hence, just as right-skewed p-curves do not necessarily imply evidential value, left-skewed p-curves do not necessarily imply p- hacking and absence of true effects in the studies involved.}, + language = {English}, + keywords = {ancova,decisions,failure,false-positive results,p-curve,p-hacking,psychology,publication bias,replication,robust,science,selection,tests}, + annotation = {WOS:000503843900003} +} + +@article{fanelli_How_2009, + title = {How {{Many Scientists Fabricate}} and {{Falsify Research}}? {{A Systematic Review}} and {{Meta}}-{{Analysis}} of {{Survey Data}}}, + shorttitle = {How {{Many Scientists Fabricate}} and {{Falsify Research}}?}, + author = {Fanelli, Daniele}, + year = {2009}, + month = may, + journal = {PLOS ONE}, + volume = {4}, + number = {5}, + pages = {e5738}, + publisher = {{Public Library of Science}}, + issn = {1932-6203}, + doi = {10.1371/journal.pone.0005738}, + abstract = {The frequency with which scientists fabricate and falsify data, or commit other forms of scientific misconduct is a matter of controversy. Many surveys have asked scientists directly whether they have committed or know of a colleague who committed research misconduct, but their results appeared difficult to compare and synthesize. This is the first meta-analysis of these surveys. To standardize outcomes, the number of respondents who recalled at least one incident of misconduct was calculated for each question, and the analysis was limited to behaviours that distort scientific knowledge: fabrication, falsification, ``cooking'' of data, etc\ldots{} Survey questions on plagiarism and other forms of professional misconduct were excluded. The final sample consisted of 21 surveys that were included in the systematic review, and 18 in the meta-analysis. A pooled weighted average of 1.97\% (N = 7, 95\%CI: 0.86\textendash 4.45) of scientists admitted to have fabricated, falsified or modified data or results at least once \textendash a serious form of misconduct by any standard\textendash{} and up to 33.7\% admitted other questionable research practices. In surveys asking about the behaviour of colleagues, admission rates were 14.12\% (N = 12, 95\% CI: 9.91\textendash 19.72) for falsification, and up to 72\% for other questionable research practices. Meta-regression showed that self reports surveys, surveys using the words ``falsification'' or ``fabrication'', and mailed surveys yielded lower percentages of misconduct. When these factors were controlled for, misconduct was reported more frequently by medical/pharmacological researchers than others. Considering that these surveys ask sensitive questions and have other limitations, it appears likely that this is a conservative estimate of the true prevalence of scientific misconduct.}, + language = {en}, + keywords = {Deception,important,Medical journals,Medicine and health sciences,Metaanalysis,practices,Scientific misconduct,Scientists,Social research,Surveys} +} + +@article{fanelli_Opinion_2018, + title = {Opinion: {{Is}} Science Really Facing a Reproducibility Crisis, and Do We Need It To?}, + shorttitle = {Opinion}, + author = {Fanelli, Daniele}, + year = {2018}, + month = mar, + journal = {Proceedings of the National Academy of Sciences}, + volume = {115}, + number = {11}, + pages = {2628--2631}, + issn = {0027-8424, 1091-6490}, + doi = {10.1073/pnas.1708272114}, + abstract = {Efforts to improve the reproducibility and integrity of science are typically justified by a narrative of crisis, according to which most published results are unreliable due to growing problems with research and publication practices. This article provides an overview of recent evidence suggesting that this narrative is mistaken, and argues that a narrative of epochal changes and empowerment of scientists would be more accurate, inspiring, and compelling.}, + language = {en}, + keywords = {crisis,forrt} +} + +@misc{fernandez_derechos_2009, + title = {Derechos de {{Autor}}}, + author = {Fern{\'a}ndez, Juan Carlos}, + year = {2009}, + journal = {Derechos de Autor en plataformas e-learning} +} + +@inproceedings{fernandez_derechos_2018, + title = {Derechos de Autor y Ciencia Abierta: El Papel de La Biblioteca Universitaria}, + booktitle = {{{VIII Conferencia Biredial}}-{{ISTEC}}}, + author = {Fern{\'a}ndez, Juan Carlos and Graziosi, Eduardo and Mart{\'i}nez, Daniel}, + year = {2018}, + address = {{Lima - Per\'u}} +} + +@inproceedings{fernandezmolina_derechos_2018, + title = {Derechos de Autor y Ciencia Abierta: El Papel de La Biblioteca Universitaria}, + shorttitle = {Derechos de Autor y Ciencia Abierta}, + booktitle = {{{VIII Conferencia Internacional}} Sobre {{Bibliotecas}} y {{Repositorios Digitales BIREDIAL}}-{{ISTEC}} ({{Lima}}, 2018)}, + author = {Fern{\'a}ndez Molina, Juan Carlos and Graziosi Silva, Eduardo and Mart{\'i}nez {\'A}vila, Daniel}, + year = {2018} +} + +@incollection{fidler_Reproducibility_2021, + title = {Reproducibility of {{Scientific Results}}}, + booktitle = {The {{Stanford Encyclopedia}} of {{Philosophy}}}, + author = {Fidler, Fiona and Wilcox, John}, + editor = {Zalta, Edward N.}, + year = {2021}, + edition = {Summer 2021}, + publisher = {{Metaphysics Research Lab, Stanford University}}, + abstract = {The terms ``reproducibility crisis'' and ``replicationcrisis'' gained currency in conversation and in print over thelast decade (e.g., Pashler \& Wagenmakers 2012), as disappointingresults emerged from large scale reproducibility projects in variousmedical, life and behavioural sciences (e.g., Open ScienceCollaboration, OSC 2015). In 2016, a poll conducted by the journalNature reported that more than half (52\%) of scientistssurveyed believed science was facing a ``replicationcrisis'' (Baker 2016). More recently, some authors have moved tomore positive terms for describing this episode in science; forexample, Vazire (2018) refers instead to a ``credibilityrevolution'' highlighting the improved methods and open sciencepractices it has motivated., The crisis often refers collectively to at least the following things:, The associated open science reform movement aims to rectify conditionsthat led to the crisis. This is done by promoting activities such asdata sharing and public pre-registration of studies, and by advocatingstricter editorial policies around statistical reporting includingpublishing replication studies and statistically non-significantresults., This review consists of four distinct parts. First, we look at theterm ``reproducibility'' and related terms like``repeatability'' and ``replication'', presentingsome definitions and conceptual discussion about the epistemicfunction of different types of replication studies. Second, wedescribe the meta-science research that has established andcharacterised the reproducibility crisis, including large scalereplication projects and surveys of questionable research practices invarious scientific communities. Third, we look at attempts to addressepistemological questions about the limitations of replication, andwhat value it holds for scientific inquiry and the accumulation ofknowledge. The fourth and final part describes some of the manyinitiatives the open science reform movement has proposed (and in manycases implemented) to improve reproducibility in science. In addition,we reflect there on the values and norms which those reforms embody,noting their relevance to the debate about the role of values in thephilosophy of science.} +} + +@article{fiedler_Questionable_2016, + title = {Questionable {{Research Practices Revisited}}}, + author = {Fiedler, Klaus and Schwarz, Norbert}, + year = {2016}, + month = jan, + journal = {Social Psychological and Personality Science}, + volume = {7}, + number = {1}, + pages = {45--52}, + publisher = {{SAGE Publications Inc}}, + issn = {1948-5506}, + doi = {10.1177/1948550615612150}, + abstract = {The current discussion of questionable research practices (QRPs) is meant to improve the quality of science. It is, however, important to conduct QRP studies with the same scrutiny as all research. We note problems with overestimates of QRP prevalence and the survey methods used in the frequently cited study by John, Loewenstein, and Prelec. In a survey of German psychologists, we decomposed QRP prevalence into its two multiplicative components, proportion of scientists who ever committed a behavior and, if so, how frequently they repeated this behavior across all their research. The resulting prevalence estimates are lower by order of magnitudes. We conclude that inflated prevalence estimates, due to problematic interpretation of survey data, can create a descriptive norm (QRP is normal) that can counteract the injunctive norm to minimize QRPs and unwantedly damage the image of behavioral sciences, which are essential to dealing with many societal problems.}, + language = {en}, + keywords = {ethics/morality,language,research methods,research practices,survey methodology} +} + +@article{field_effect_2020, + title = {The Effect of Preregistration on Trust in Empirical Research Findings: Results of a Registered Report}, + shorttitle = {The Effect of Preregistration on Trust in Empirical Research Findings}, + author = {Field, Sarahanne M. and Wagenmakers, E.-J. and Kiers, Henk A. L. and Hoekstra, Rink and Ernst, Anja F. and {van Ravenzwaaij}, Don}, + year = {2020}, + month = apr, + journal = {Royal Society Open Science}, + volume = {7}, + number = {4}, + pages = {181351}, + publisher = {{Royal Soc}}, + address = {{London}}, + issn = {2054-5703}, + doi = {10.1098/rsos.181351}, + abstract = {The crisis of confidence has undermined the trust that researchers place in the findings of their peers. In order to increase trust in research, initiatives such as preregistration have been suggested, which aim to prevent various questionable research practices. As it stands, however, no empirical evidence exists that preregistration does increase perceptions of trust. The picture may be complicated by a researcher's familiarity with the author of the study, regardless of the preregistration status of the research. This registered report presents an empirical assessment of the extent to which preregistration increases the trust of 209 active academics in the reported outcomes, and how familiarity with another researcher influences that trust. Contrary to our expectations, we report ambiguous Bayes factors and conclude that we do not have strong evidence towards answering our research questions. Our findings are presented along with evidence that our manipulations were ineffective for many participants, leading to the exclusion of 68\% of complete datasets, and an underpowered design as a consequence. We discuss other limitations and confounds which may explain why the findings of the study deviate from a previously conducted pilot study. We reflect on the benefits of using the registered report submission format in light of our results. The OSF page for this registered report and its pilot can be found here: http://dx.doi.org.uchile.idm.oclc.org/10.17605/OSF.IO/B3K75.}, + language = {English}, + keywords = {credibility,preregistration,questionable research practice,registered reporting,trustworthiness}, + annotation = {WOS:000523781500001} +} + +@incollection{figueiredo_Data_2020, + title = {Data {{Collection With Indigenous People}}: {{Fieldwork Experiences From Chile}}}, + shorttitle = {Data {{Collection With Indigenous People}}}, + booktitle = {Researching {{Peace}}, {{Conflict}}, and {{Power}} in the {{Field}}: {{Methodological Challenges}} and {{Opportunities}}}, + author = {Figueiredo, Ana and Rocha, Carolina and Montagna, Pietro}, + editor = {Acar, Yasemin G{\"u}ls{\"u}m and Moss, Sigrun Marie and Ulu{\u g}, {\"O}zden Melis}, + year = {2020}, + series = {Peace {{Psychology Book Series}}}, + pages = {105--127}, + publisher = {{Springer International Publishing}}, + address = {{Cham}}, + doi = {10.1007/978-3-030-44113-5_7}, + abstract = {At present, the Mapuche are the largest indigenous group living in Chile and, up until the present day, they are considered a disadvantaged group in Chilean society in terms of poverty, education and discrimination indicators. In recent decades, this group has been involved in a violent conflict with the Chilean state, forestry and hydroelectric industries and big landowners due mainly to territorial claims of the ancestral land that is currently inhabited and exploited by these different actors. In the present chapter, we narrate the process of data collection with indigenous participants within the framework of a three-year long project about representations of history and present-day intergroup relations between the Mapuche and the non-indigenous majority in Chile. We focus on the challenges that data collection involved by highlighting the process of participant recruitment and trust issues revolving around data collection, as well as retribution practices. Moreover, we also highlight the pros and cons of having non-indigenous Chilean and international researchers conducting fieldwork in this context. Another aspect we address is how methodological approaches may influence the data quality and participants' degree of involvement with the project, by highlighting how these issues interconnect with cultural differences and this indigenous group's worldview and cultural practices. We hope this chapter may provide significant insights on how to deal with some of the difficulties that data collection with indigenous people may involve.}, + isbn = {978-3-030-44113-5}, + language = {en}, + keywords = {Chile,Fieldwork,Mapuche,Qualitative research,Quantitative research} +} + +@article{figueiredo_Groupbased_2015, + title = {Group-Based {{Compunction}} and {{Anger}}: {{Their Antecedents}} and {{Consequences}} in {{Relation}} to {{Colonial Conflicts}}}, + shorttitle = {Group-Based {{Compunction}} and {{Anger}}}, + author = {Figueiredo, Ana and Doosje, Bertjan and Valentim, Joaquim Pires}, + year = {2015}, + journal = {International Journal of Conflict and Violence (IJCV)}, + volume = {9}, + pages = {90--105}, + issn = {1864-1385}, + doi = {10.4119/ijcv-3070}, + copyright = {Copyright (c) 2016 International Journal of Conflict and Violence}, + language = {en} +} + +@incollection{figueiredo_Representations_2019, + title = {Representations of History and Present-Day Intergroup Relations between Indigenous and Non-Indigenous People: {{The Mapuche}} in {{Chile}}}, + shorttitle = {Representations of History and Present-Day Intergroup Relations between Indigenous and Non-Indigenous People}, + author = {Figueiredo, Ana and Rocha, Carolina and Montagna, Pietro and Ferreiro, Trinidad and Guerrero, Catarina and Varela O'Reilly, Micaela and Garc{\'i}a, Bernardita and Mu{\~n}oz, Loreto and Schmidt, Magdalena and Cornejo, Marcela and Licata, Laurent}, + year = {2019}, + month = jan, + pages = {79--104}, + isbn = {978-1-5361-6164-9} +} + +@article{figueiredo_Too_2015, + title = {Too Long to Compensate? {{Time}} Perceptions, Emotions, and Compensation for Colonial Conflicts}, + shorttitle = {Too Long to Compensate?}, + author = {Figueiredo, Ana Mateus and Valentim, Joaquim Pires and Doosje, Bertjan}, + year = {2015}, + journal = {Peace and Conflict: Journal of Peace Psychology}, + volume = {21}, + number = {3}, + pages = {500--504}, + publisher = {{Educational Publishing Foundation}}, + address = {{US}}, + issn = {1532-7949(ELECTRONIC),1078-1919(PRINT)}, + doi = {10.1037/pac0000114}, + abstract = {In the present article we analyze the role of perceptions of time and ingroup-focused compunction and anger on the desire to compensate the outgroup in relation to historical colonial conflicts. Furthermore, we analyze the relationships between the aforementioned variables and perceptions of the past as being violent and perceptions that compensation has been enough. By means of multiple group structural equation modeling using 1 Portuguese sample (N = 170) and 1 Dutch sample (N = 238), we were able to show that perceptions of the time passed between the negative events and the present day are negatively related to compensatory behavioral intentions. Furthermore, the belief that past compensation has been enough is negatively related to ingroup-focused anger and compunction. Anger (Portuguese sample only) and compunction are positively associated with intentions of compensation. The implications of our results for the field of intergroup relations are discussed. (PsycINFO Database Record (c) 2016 APA, all rights reserved)}, + keywords = {Conflict,Emotions,History,Ingroup Outgroup,Time Perception} +} + +@article{findley_Can_2016, + title = {Can {{Results}}-{{Free Review Reduce Publication Bias}}? {{The Results}} and {{Implications}} of a {{Pilot Study}}}, + shorttitle = {Can {{Results}}-{{Free Review Reduce Publication Bias}}?}, + author = {Findley, Michael G. and Jensen, Nathan M. and Malesky, Edmund J. and Pepinsky, Thomas B.}, + year = {2016}, + month = nov, + journal = {Comparative Political Studies}, + volume = {49}, + number = {13}, + pages = {1667--1703}, + publisher = {{Sage Publications Inc}}, + address = {{Thousand Oaks}}, + issn = {0010-4140}, + doi = {10.1177/0010414016655539}, + abstract = {In 2015, Comparative Political Studies embarked on a landmark pilot study in research transparency in the social sciences. The editors issued an open call for submissions of manuscripts that contained no mention of their actual results, incentivizing reviewers to evaluate manuscripts based on their theoretical contributions, research designs, and analysis plans. The three papers in this special issue are the result of this process that began with 19 submissions. In this article, we describe the rationale for this pilot, expressly articulating the practices of preregistration and results-free review. We document the process of carrying out the special issue with a discussion of the three accepted papers, and critically evaluate the role of both preregistration and results-free review. Our main conclusions are that results-free review encourages much greater attention to theory and research design, but that it raises thorny problems about how to anticipate and interpret null findings. We also observe that as currently practiced, results-free review has a particular affinity with experimental and cross-case methodologies. Our lack of submissions from scholars using qualitative or interpretivist research suggests limitations to the widespread use of results-free review.}, + language = {English}, + keywords = {anonymous incorporation,debt,experimental research,field experiment,growth,journals,null hypothesis,political-science,preregistration,qualitative methods,quantitative methods,registration,results-free review,transparency,trials}, + annotation = {WOS:000386853700001} +} + +@article{flier_Faculty_2017, + title = {Faculty Promotion Must Assess Reproducibility}, + author = {Flier, Jeffrey}, + year = {2017}, + month = sep, + journal = {Nature}, + volume = {549}, + number = {7671}, + pages = {133--133}, + publisher = {{Nature Publishing Group}}, + issn = {1476-4687}, + doi = {10.1038/549133a}, + abstract = {Research institutions should explicitly seek job candidates who can be frankly self-critical of their work, says Jeffrey Flier.}, + copyright = {2017 Nature Publishing Group}, + language = {en}, + keywords = {forrt} +} + +@article{flier_Faculty_2017a, + title = {Faculty Promotion Must Assess Reproducibility}, + author = {Flier, Jeffrey}, + year = {2017}, + month = sep, + journal = {Nature}, + volume = {549}, + number = {7671}, + pages = {133--133}, + publisher = {{Nature Publishing Group}}, + issn = {1476-4687}, + doi = {10.1038/549133a}, + abstract = {Research institutions should explicitly seek job candidates who can be frankly self-critical of their work, says Jeffrey Flier.}, + copyright = {2017 Nature Publishing Group}, + language = {en}, + annotation = {Bandiera\_abtest: a Cg\_type: Nature Research Journals Primary\_atype: Comments \& Opinion Subject\_term: Careers;Lab life;Research data;Research management Subject\_term\_id: careers;lab-life;research-data;research-management} +} + +@article{flournoy_Improving_2020, + title = {Improving Practices and Inferences in Developmental Cognitive Neuroscience}, + author = {Flournoy, John C. and Vijayakumar, Nandita and Cheng, Theresa W. and Cosme, Danielle and Flannery, Jessica E. and Pfeifer, Jennifer H.}, + year = {2020}, + month = oct, + journal = {Developmental Cognitive Neuroscience}, + volume = {45}, + pages = {100807}, + publisher = {{Elsevier Sci Ltd}}, + address = {{Oxford}}, + issn = {1878-9293}, + doi = {10.1016/j.dcn.2020.100807}, + abstract = {The past decade has seen growing concern about research practices in cognitive neuroscience, and psychology more broadly, that shake our confidence in many inferences in these fields. We consider how these issues affect developmental cognitive neuroscience, with the goal of progressing our field to support strong and defensible inferences from our neurobiological data. This manuscript focuses on the importance of distinguishing between confirmatory versus exploratory data analysis approaches in developmental cognitive neuroscience. Regarding confirmatory research, we discuss problems with analytic flexibility, appropriately instantiating hypotheses, and controlling the error rate given how we threshold data and correct for multiple comparisons. To counterbalance these concerns with confirmatory analyses, we present two complementary strategies. First, we discuss the advantages of working within an exploratory analysis framework, including estimating and reporting effect sizes, using parcellations, and conducting specification curve analyses. Second, we summarize defensible approaches for null hypothesis significance testing in confirmatory analyses, focusing on transparent and reproducible practices in our field. Specific recommendations are given, and templates, scripts, or other resources are hyperlinked, whenever possible.}, + language = {English}, + keywords = {Exploratory,extent,Inference,parcellation,Parcellations,Preregistration,primer,Reproducibility,size,tests,Thresholding}, + annotation = {WOS:000579499600015} +} + +@article{forstmeier_Detecting_2017, + title = {Detecting and Avoiding Likely False-Positive Findings - a Practical Guide}, + author = {Forstmeier, Wolfgang and Wagenmakers, Eric-Jan and Parker, Timothy H.}, + year = {2017}, + month = nov, + journal = {Biological Reviews}, + volume = {92}, + number = {4}, + pages = {1941--1968}, + publisher = {{Wiley}}, + address = {{Hoboken}}, + issn = {1464-7931}, + doi = {10.1111/brv.12315}, + abstract = {Recently there has been a growing concern that many published research findings do not hold up in attempts to replicate them. We argue that this problem may originate from a culture of you can publish if you found a significant effect'. This culture creates a systematic bias against the null hypothesis which renders meta-analyses questionable and may even lead to a situation where hypotheses become difficult to falsify. In order to pinpoint the sources of error and possible solutions, we review current scientific practices with regard to their effect on the probability of drawing a false-positive conclusion. We explain why the proportion of published false-positive findings is expected to increase with (i) decreasing sample size, (ii) increasing pursuit of novelty, (iii) various forms of multiple testing and researcher flexibility, and (iv) incorrect P-values, especially due to unaccounted pseudoreplication, i.e. the non-independence of data points (clustered data). We provide examples showing how statistical pitfalls and psychological traps lead to conclusions that are biased and unreliable, and we show how these mistakes can be avoided. Ultimately, we hope to contribute to a culture of you can publish if your study is rigorous'. To this end, we highlight promising strategies towards making science more objective. Specifically, we enthusiastically encourage scientists to preregister their studies (including a priori hypotheses and complete analysis plans), to blind observers to treatment groups during data collection and analysis, and unconditionally to report all results. Also, we advocate reallocating some efforts away from seeking novelty and discovery and towards replicating important research findings of one's own and of others for the benefit of the scientific community as a whole. We believe these efforts will be aided by a shift in evaluation criteria away from the current system which values metrics of impact' almost exclusively and towards a system which explicitly values indices of scientific rigour.}, + language = {English}, + keywords = {behavioral ecology,confirmation bias,effect sizes,evolution,HARKing,hindsight bias,incentives,metaanalyses,overfitting,P-hacking,power,preregistration,publication bias,replication,researcher degrees of freedom,statistical power,tests,transparency,truth,Type I error}, + annotation = {WOS:000412314400005} +} + +@misc{fortney_social_2015, + title = {A Social Networking Site Is Not an Open Access Repository}, + author = {Fortney, Katie and Gonder, Justin}, + year = {2015}, + journal = {Office of Scholary Communication University of California} +} + +@article{franca_Reproducibility_2019, + title = {Reproducibility Crisis, the Scientific Method, and the Quality of Published Studies: {{Untangling}} the Knot}, + shorttitle = {Reproducibility Crisis, the Scientific Method, and the Quality of Published Studies}, + author = {Fran{\c c}a, Thiago F. A. and Monserrat, Jos{\'e} Maria}, + year = {2019}, + month = oct, + journal = {Learned Publishing}, + volume = {32}, + number = {4}, + pages = {406--408}, + issn = {0953-1513, 1741-4857}, + doi = {10.1002/leap.1250}, + language = {en}, + keywords = {crisis} +} + +@article{franco_Publication_2014, + title = {Publication Bias in the Social Sciences: {{Unlocking}} the File Drawer}, + shorttitle = {Publication Bias in the Social Sciences}, + author = {Franco, A. and Malhotra, N. and Simonovits, G.}, + year = {2014}, + month = sep, + journal = {Science}, + volume = {345}, + number = {6203}, + pages = {1502--1505}, + issn = {0036-8075, 1095-9203}, + doi = {10.1126/science.1255484}, + language = {en}, + keywords = {practices} +} + +@article{frankenhuis_Open_2018, + title = {Open {{Science Is Liberating}} and {{Can Foster Creativity}}}, + author = {Frankenhuis, Willem E. and Nettle, Daniel}, + year = {2018}, + month = jul, + journal = {Perspectives on Psychological Science}, + volume = {13}, + number = {4}, + pages = {439--447}, + publisher = {{Sage Publications Ltd}}, + address = {{London}}, + issn = {1745-6916}, + doi = {10.1177/1745691618767878}, + abstract = {Some scholars think that Open Science practices constrain researchers in ways that reduce their creativity, arguing, for instance, that preregistration discourages data exploration and so stifles discovery. In this article, we argue the opposite: Open Science practices are liberating and can foster creativity. Open Science practices are liberating because they (a) enable us to explore data transparently and comfortably; (b) reward quality, which is under our control, rather than outcomes, which are not; and (c) reduce the choke hold of needing to find "positive" results for career advancement. Open Science practices can foster creativity because they cultivate an open and flexible mind-set, create a more collaborative and constructive climate, and generate more accurate information and make it more accessible. In sum, Open Science liberates researchers more than it constrains them.}, + language = {English}, + keywords = {competition,creativity,doubt,information,knowledge,open science,preregistration,psychological science,registered-reports,replicability,replication,reproducibility,scientific utopia,standard,uncertainty}, + annotation = {WOS:000438605100005} +} + +@article{fraser_Questionable_2018, + title = {Questionable Research Practices in Ecology and Evolution}, + author = {Fraser, Hannah and Parker, Tim and Nakagawa, Shinichi and Barnett, Ashley and Fidler, Fiona}, + year = {2018}, + month = jul, + journal = {PLOS ONE}, + volume = {13}, + number = {7}, + pages = {e0200303}, + publisher = {{Public Library of Science}}, + issn = {1932-6203}, + doi = {10.1371/journal.pone.0200303}, + abstract = {We surveyed 807 researchers (494 ecologists and 313 evolutionary biologists) about their use of Questionable Research Practices (QRPs), including cherry picking statistically significant results, p hacking, and hypothesising after the results are known (HARKing). We also asked them to estimate the proportion of their colleagues that use each of these QRPs. Several of the QRPs were prevalent within the ecology and evolution research community. Across the two groups, we found 64\% of surveyed researchers reported they had at least once failed to report results because they were not statistically significant (cherry picking); 42\% had collected more data after inspecting whether results were statistically significant (a form of p hacking) and 51\% had reported an unexpected finding as though it had been hypothesised from the start (HARKing). Such practices have been directly implicated in the low rates of reproducible results uncovered by recent large scale replication studies in psychology and other disciplines. The rates of QRPs found in this study are comparable with the rates seen in psychology, indicating that the reproducibility problems discovered in psychology are also likely to be present in ecology and evolution.}, + language = {en}, + keywords = {Behavioral ecology,Community ecology,Evolutionary biology,Evolutionary ecology,Evolutionary rate,Psychology,Publication ethics,Statistical data} +} + +@article{freese_Replication_2017, + title = {Replication in {{Social Science}}}, + author = {Freese, Jeremy and Peterson, David}, + year = {2017}, + month = jul, + journal = {Annual Review of Sociology}, + volume = {43}, + number = {1}, + pages = {147--165}, + publisher = {{Annual Reviews}}, + issn = {0360-0572}, + doi = {10.1146/annurev-soc-060116-053450}, + abstract = {Across the medical and social sciences, new discussions about replication have led to transformations in research practice. Sociologists, however, have been largely absent from these discussions. The goals of this review are to introduce sociologists to these developments, synthesize insights from science studies about replication in general, and detail the specific issues regarding replication that occur in sociology. The first half of the article argues that a sociologically sophisticated understanding of replication must address both the ways that replication rules and conventions evolved within an epistemic culture and how those cultures are shaped by specific research challenges. The second half outlines the four main dimensions of replicability in quantitative sociology\textemdash verifiability, robustness, repeatability, and generalizability\textemdash and discusses the specific ambiguities of interpretation that can arise in each. We conclude by advocating some commonsense changes to promote replication while acknowledging the epistemic diversity of our field.} +} + +@article{frey_Publishing_2003, + title = {Publishing as {{Prostitution}}? \textendash{} {{Choosing Between One}}'s {{Own Ideas}} and {{Academic Success}}}, + shorttitle = {Publishing as {{Prostitution}}?}, + author = {Frey, Bruno S.}, + year = {2003}, + month = jul, + journal = {Public Choice}, + volume = {116}, + number = {1}, + pages = {205--223}, + issn = {1573-7101}, + doi = {10.1023/A:1024208701874}, + abstract = {Survival in academia depends on publications in refereedjournals. Authors only get their papers accepted if theyintellectually prostitute themselves by slavishly followingthe demands made by anonymous referees who have no propertyrights to the journals they advise. Intellectual prostitutionis neither beneficial to suppliers nor consumers. But it isavoidable. The editor (with property rights to the journal)should make the basic decision of whether a paper is worthpublishing or not. The referees should only offer suggestionsfor improvement. The author may disregard this advice. Thisreduces intellectual prostitution and produces more originalpublications.}, + language = {en}, + keywords = {institutional} +} + +@article{friese_pHacking_2020, + title = {P-{{Hacking}} and {{Publication Bias Interact}} to {{Distort Meta}}-{{Analytic Effect Size Estimates}}}, + author = {Friese, Malte and Frankenbach, Julius}, + year = {2020}, + month = aug, + journal = {Psychological Methods}, + volume = {25}, + number = {4}, + pages = {456--471}, + publisher = {{Amer Psychological Assoc}}, + address = {{Washington}}, + issn = {1082-989X}, + doi = {10.1037/met0000246}, + abstract = {Science depends on trustworthy evidence. Thus, a biased scientific record is of questionable value because it impedes scientific progress, and the public receives advice on the basis of unreliable evidence that has the potential to have far-reaching detrimental consequences. Meta-analysis is a technique that can be used to summarize research evidence. However, meta-analytic effect size estimates may themselves be biased, threatening the validity and usefulness of meta-analyses to promote scientific progress. Here, we offer a large-scale simulation study to elucidate how p-hacking and publication bias distort meta-analytic effect size estimates under a broad array of circumstances that reflect the reality that exists across a variety of research areas. The results revealed that, first, very high levels of publication bias can severely distort the cumulative evidence. Second, p-hacking and publication bias interact: At relatively high and low levels of publication bias, p-hacking does comparatively little harm, but at medium levels of publication bias, p-hacking can considerably contribute to bias, especially when the true effects are very small or are approaching zero. Third, p-hacking can severely increase the rate of false positives. A key implication is that, in addition to preventing p-hacking, policies in research institutions, funding agencies, and scientific journals need to make the prevention of publication bias a top priority to ensure a trustworthy base of evidence. Translational Abstract In recent years, the trustworthiness of psychological science has been questioned. A major concern is that many research findings are less robust than the published evidence suggests. Several reasons may contribute to this state of affairs. Two prominently discussed reasons are that (a) researchers use questionable research practices (so called p-hacking) when they analyze the data of their empirical studies, and (b) studies that revealed results consistent with expectations are more likely published than studies that "failed" (publication bias). The present large-scale simulation study estimates the extent to which meta-analytic effect sizes are biased by different degrees of p-hacking and publication bias, considering several factors of influence that may impact on this bias (e.g., the true effect of the phenomenon of interest). Results show that both p-hacking and publication bias contribute to a potentially severely biased impression of the overall evidence. This is especially the case when the true effect that is investigated is very small or does not exist at all. Severe publication bias alone can exert considerable bias; p-hacking exerts considerable bias only when there is also publication bias. However, p-hacking can severely increase the rate of false positives, that is, findings that suggest that a study found a real effect when, in reality, no effect exists. A key implication of the present study is that, in addition to preventing p-hacking, policies in research institutions, funding agencies, and scientific journals need to make the prevention of publication bias a top priority to ensure a trustworthy base of evidence.}, + language = {English}, + keywords = {curve,decisions,incentives,meta-analysis,meta-regression,metascience,p-hacking,prevalence,psychological-research,publication bias,registered-reports,robust,science,tests}, + annotation = {WOS:000563801800004} +} + +@article{friese_pHacking_2020a, + title = {P-{{Hacking}} and {{Publication Bias Interact}} to {{Distort Meta}}-{{Analytic Effect Size Estimates}}}, + author = {Friese, Malte and Frankenbach, Julius}, + year = {2020}, + month = aug, + journal = {Psychological Methods}, + volume = {25}, + number = {4}, + pages = {456--471}, + publisher = {{Amer Psychological Assoc}}, + address = {{Washington}}, + issn = {1082-989X}, + doi = {10.1037/met0000246}, + abstract = {Science depends on trustworthy evidence. Thus, a biased scientific record is of questionable value because it impedes scientific progress, and the public receives advice on the basis of unreliable evidence that has the potential to have far-reaching detrimental consequences. Meta-analysis is a technique that can be used to summarize research evidence. However, meta-analytic effect size estimates may themselves be biased, threatening the validity and usefulness of meta-analyses to promote scientific progress. Here, we offer a large-scale simulation study to elucidate how p-hacking and publication bias distort meta-analytic effect size estimates under a broad array of circumstances that reflect the reality that exists across a variety of research areas. The results revealed that, first, very high levels of publication bias can severely distort the cumulative evidence. Second, p-hacking and publication bias interact: At relatively high and low levels of publication bias, p-hacking does comparatively little harm, but at medium levels of publication bias, p-hacking can considerably contribute to bias, especially when the true effects are very small or are approaching zero. Third, p-hacking can severely increase the rate of false positives. A key implication is that, in addition to preventing p-hacking, policies in research institutions, funding agencies, and scientific journals need to make the prevention of publication bias a top priority to ensure a trustworthy base of evidence. Translational Abstract In recent years, the trustworthiness of psychological science has been questioned. A major concern is that many research findings are less robust than the published evidence suggests. Several reasons may contribute to this state of affairs. Two prominently discussed reasons are that (a) researchers use questionable research practices (so called p-hacking) when they analyze the data of their empirical studies, and (b) studies that revealed results consistent with expectations are more likely published than studies that "failed" (publication bias). The present large-scale simulation study estimates the extent to which meta-analytic effect sizes are biased by different degrees of p-hacking and publication bias, considering several factors of influence that may impact on this bias (e.g., the true effect of the phenomenon of interest). Results show that both p-hacking and publication bias contribute to a potentially severely biased impression of the overall evidence. This is especially the case when the true effect that is investigated is very small or does not exist at all. Severe publication bias alone can exert considerable bias; p-hacking exerts considerable bias only when there is also publication bias. However, p-hacking can severely increase the rate of false positives, that is, findings that suggest that a study found a real effect when, in reality, no effect exists. A key implication of the present study is that, in addition to preventing p-hacking, policies in research institutions, funding agencies, and scientific journals need to make the prevention of publication bias a top priority to ensure a trustworthy base of evidence.}, + language = {English}, + keywords = {curve,decisions,incentives,meta-analysis,meta-regression,metascience,p-hacking,prevalence,psychological-research,publication bias,registered-reports,robust,science,tests}, + annotation = {WOS:000563801800004} +} + +@article{frost_Calibrate_2020, + title = {Calibrate Your Confidence in Research Findings: {{A}} Tutorial on Improving Research Methods and Practices}, + shorttitle = {Calibrate Your Confidence in Research Findings}, + author = {Frost, Aline da Silva and Ledgerwood, Alison}, + year = {2020}, + journal = {Journal of Pacific Rim Psychology}, + volume = {14}, + pages = {e14}, + publisher = {{Cambridge Univ Press}}, + address = {{New York}}, + issn = {1834-4909}, + doi = {10.1017/prp.2020.7}, + abstract = {This article provides an accessible tutorial with concrete guidance for how to start improving research methods and practices in your lab. Following recent calls to improve research methods and practices within and beyond the borders of psychological science, resources have proliferated across book chapters, journal articles, and online media. Many researchers are interested in learning more about cutting-edge methods and practices but are unsure where to begin. In this tutorial, we describe specific tools that help researchers calibrate their confidence in a given set of findings. In Part I, we describe strategies for assessing the likely statistical power of a study, including when and how to conduct different types of power calculations, how to estimate effect sizes, and how to think about power for detecting interactions. In Part II, we provide strategies for assessing the likely type I error rate of a study, including distinguishing clearly between data-independent ("confirmatory") and data-dependent ("exploratory") analyses and thinking carefully about different forms and functions of preregistration.}, + language = {English}, + keywords = {crisis,incentives,open science,positive predictive value,preanalysis plan,preregistration,publication bias,reliability,replicability,sample-size,science,special section,statistical power,trade-off}, + annotation = {WOS:000527960000001} +} + +@article{gall_credibility_2017, + title = {The Credibility Crisis in Research: {{Can}} Economics Tools Help?}, + shorttitle = {The Credibility Crisis in Research}, + author = {Gall, Thomas and Ioannidis, John P. A. and Maniadis, Zacharias}, + year = {2017}, + month = apr, + journal = {PLOS Biology}, + volume = {15}, + number = {4}, + pages = {e2001846}, + publisher = {{Public Library of Science}}, + issn = {1545-7885}, + doi = {10.1371/journal.pbio.2001846}, + abstract = {The issue of nonreplicable evidence has attracted considerable attention across biomedical and other sciences. This concern is accompanied by an increasing interest in reforming research incentives and practices. How to optimally perform these reforms is a scientific problem in itself, and economics has several scientific methods that can help evaluate research reforms. Here, we review these methods and show their potential. Prominent among them are mathematical modeling and laboratory experiments that constitute affordable ways to approximate the effects of policies with wide-ranging implications.}, + language = {en}, + keywords = {crisis,Economic models,Economics,Experimental economics,Game theory,Health economics,Labor economics,Mathematical modeling,Randomized controlled trials} +} + +@article{gerber_Publication_2008, + title = {Publication {{Bias}} in {{Empirical Sociological Research}}: {{Do Arbitrary Significance Levels Distort Published Results}}?}, + shorttitle = {Publication {{Bias}} in {{Empirical Sociological Research}}}, + author = {Gerber, Alan S. and Malhotra, Neil}, + year = {2008}, + month = aug, + journal = {Sociological Methods \& Research}, + volume = {37}, + number = {1}, + pages = {3--30}, + publisher = {{SAGE Publications Inc}}, + issn = {0049-1241}, + doi = {10.1177/0049124108318973}, + abstract = {Despite great attention to the quality of research methods in individual studies, if publication decisions of journals are a function of the statistical significance of research findings, the published literature as a whole may not produce accurate measures of true effects. This article examines the two most prominent sociology journals (the American Sociological Review and the American Journal of Sociology) and another important though less influential journal (The Sociological Quarterly) for evidence of publication bias. The effect of the .05 significance level on the pattern of published findings is examined using a ``caliper'' test, and the hypothesis of no publication bias can be rejected at approximately the 1 in 10 million level. Findings suggest that some of the results reported in leading sociology journals may be misleading and inaccurate due to publication bias. Some reasons for publication bias and proposed reforms to reduce its impact on research are also discussed.}, + language = {en}, + keywords = {caliper test,hypothesis testing,meta-analysis,practices,publication bias} +} + +@article{gerber_Statistical_2008, + title = {Do {{Statistical Reporting Standards Affect What Is Published}}? {{Publication Bias}} in {{Two Leading Political Science Journals}}}, + shorttitle = {Do {{Statistical Reporting Standards Affect What Is Published}}?}, + author = {Gerber, Alan and Malhotra, Neil}, + year = {2008}, + month = oct, + journal = {Quarterly Journal of Political Science}, + volume = {3}, + number = {3}, + pages = {313--326}, + publisher = {{Now Publishers, Inc.}}, + issn = {1554-0626, 1554-0634}, + doi = {10.1561/100.00008024}, + abstract = {Do Statistical Reporting Standards Affect What Is Published? Publication Bias in Two Leading Political Science Journals}, + language = {English}, + keywords = {practices} +} + +@article{geukes_Ways_2016, + title = {{Ways Out of the Crisis of Confidence: Individual Steps Toward a Reliable and Open Science}}, + shorttitle = {{Ways Out of the Crisis of Confidence}}, + author = {Geukes, Katharina and Schoenbrodt, Felix D. and Utesch, Till and Geukes, Sebastian and Back, Mitja D.}, + year = {2016}, + journal = {Zeitschrift Fur Sportpsychologie}, + volume = {23}, + number = {3}, + pages = {99--109}, + publisher = {{Hogrefe \& Huber Publishers}}, + address = {{Gottingen}}, + issn = {1612-5010}, + doi = {10.1026/1612-5010/a000167}, + abstract = {Psychology faces a so-called crisis of confidence as does sport psychology (see title of this special issue). While the debate on its causes and consequences is lively, the deduction of individual opportunities to collectively increase trust is missing. We propose ways out of this crisis and above all describe individual steps toward a reliable and open science. Reliable science refers to the publication of robust effects, as well as to direct and conceptual replications, and open science refers to transparency regarding the design (preregistration), the conducting (open material), and the analysis (open data, reproducible code) of scientific studies. The commitment to reliable and open science wilt change our behavior in the diverse roles within the scientific system (e.g., as researchers, reviewers, supervisors, editors, or members of commissions). In this sense, we consider the current discussion as a chance to enhance the trustworthiness of our findings and to ultimately create justified confidence.}, + language = {German}, + keywords = {crisis of confidence,exercise,incentives,open science,preregistration,psychological-research,recommendations,registered-reports,replicability,replication,research practices,special section,sport,truth}, + annotation = {WOS:000392884700005} +} + +@article{gilbert_Comment_2016, + title = {Comment on "{{Estimating}} the Reproducibility of Psychological Science"}, + author = {Gilbert, D. T. and King, G. and Pettigrew, S. and Wilson, T. D.}, + year = {2016}, + month = mar, + journal = {Science}, + volume = {351}, + number = {6277}, + pages = {1037--1037}, + issn = {0036-8075, 1095-9203}, + doi = {10.1126/science.aad7243}, + language = {en} +} + +@article{goodman_What_2016, + title = {What Does Research Reproducibility Mean?}, + author = {Goodman, Steven N. and Fanelli, Daniele and Ioannidis, John P. A.}, + year = {2016}, + month = jun, + journal = {Science Translational Medicine}, + volume = {8}, + number = {341}, + pages = {341ps12-341ps12}, + publisher = {{American Association for the Advancement of Science}}, + issn = {1946-6234, 1946-6242}, + doi = {10.1126/scitranslmed.aaf5027}, + abstract = {{$<$}p{$>$}The language and conceptual framework of ``research reproducibility'' are nonstandard and unsettled across the sciences. In this Perspective, we review an array of explicit and implicit definitions of reproducibility and related terminology, and discuss how to avoid potential misunderstandings when these terms are used as a surrogate for ``truth.''{$<$}/p{$>$}}, + chapter = {Perspective}, + copyright = {Copyright \textcopyright{} 2016, American Association for the Advancement of Science}, + language = {en}, + pmid = {27252173} +} + +@article{gorman_Systems_2019, + title = {A {{Systems Approach}} to {{Understanding}} and {{Improving Research Integrity}}}, + author = {Gorman, Dennis M. and Elkins, Amber D. and Lawley, Mark}, + year = {2019}, + month = feb, + journal = {Science and Engineering Ethics}, + volume = {25}, + number = {1}, + pages = {211--229}, + publisher = {{Springer}}, + address = {{Dordrecht}}, + issn = {1353-3452}, + doi = {10.1007/s11948-017-9986-z}, + abstract = {Concern about the integrity of empirical research has arisen in recent years in the light of studies showing the vast majority of publications in academic journals report positive results, many of these results are false and cannot be replicated, and many positive results are the product of data dredging and the application of flexible data analysis practices coupled with selective reporting. While a number of potential solutions have been proposed, the effects of these are poorly understood and empirical evaluation of each would take many years. We propose that methods from the systems sciences be used to assess the effects, both positive and negative, of proposed solutions to the problem of declining research integrity such as study registration, Registered Reports, and open access to methods and data. In order to illustrate the potential application of systems science methods to the study of research integrity, we describe three broad types of models: one built on the characteristics of specific academic disciplines; one a diffusion of research norms model conceptualizing researchers as susceptible, infected and recovered; and one conceptualizing publications as a product produced by an industry comprised of academics who respond to incentives and disincentives.}, + language = {English}, + keywords = {aversion,bias,diffusion,dynamics,impact,medicine,Open data,programs,publication,Publish or perish,registered reports,Registered reports,Research ethics,science,System dynamics,Systems thinking}, + annotation = {WOS:000461310400012} +} + +@article{grant_Lack_2018, + title = {Lack of Preregistered Analysis Plans Allows Unacceptable Data Mining for and Selective Reporting of Consensus in {{Delphi}} Studies}, + author = {Grant, Sean and Booth, Marika and Khodyakov, Dmitry}, + year = {2018}, + month = jul, + journal = {Journal of Clinical Epidemiology}, + volume = {99}, + pages = {96--105}, + publisher = {{Elsevier Science Inc}}, + address = {{New York}}, + issn = {0895-4356}, + doi = {10.1016/j.jclinepi.2018.03.007}, + abstract = {Objectives: To empirically demonstrate how undisclosed analytic flexibility provides substantial latitude for data mining and selective reporting of consensus in Delphi processes. Study Design and Setting: Pooling data across eight online modified-Delphi panels, we first calculated the percentage of items reaching consensus according to descriptive analysis procedures commonly used in health research but selected post hoc in this article. We then examined the variability of items reaching consensus across panels. Results: Pooling all panel data, the percentage of items reaching consensus ranged from 0\% to 84\%, depending on the analysis procedure. Comparing data across panels, variability in the percentage of items reaching consensus for each analysis procedure ranged from 0 (i.e., all panels had the same percentage of items reaching consensus for a given analysis procedure) to 83 (i.e., panels had a range of 11\% to 94\% of items reaching consensus for a given analysis procedure). Of 200 total panel-by-analysis-procedure configurations, four configurations (2\%) had all items and 64 (32\%) had no items reaching consensus. Conclusion: Undisclosed analytic flexibility makes it unacceptably easy to data mine for and selectively report consensus in Delphi processes. As a solution, we recommend prospective, complete registration of preanalysis plans for consensus-oriented Delphi processes in health research. (C) 2018 Elsevier Inc. All rights reserved.}, + language = {English}, + keywords = {bias,clinical-trials,Consensus,consort,criteria,Delphi process,Expert panel,future,Open science framework,Preanalysis plan,Preregistration,registration,stability}, + annotation = {WOS:000437393100011} +} + +@article{greiff_Introducing_2020, + title = {Introducing {{New Open Science Practices}} at {{EJPA}}}, + author = {Greiff, Samuel and {van der Westhuizen}, Lindie and Mund, Marcus and Rauthmann, John F. and Wetzel, Eunike}, + year = {2020}, + month = sep, + journal = {European Journal of Psychological Assessment}, + volume = {36}, + number = {5}, + pages = {717--720}, + publisher = {{Hogrefe Publishing Corp}}, + address = {{Boston}}, + issn = {1015-5759}, + doi = {10.1027/1015-5759/a000628}, + language = {English}, + keywords = {registered reports}, + annotation = {WOS:000595143100001} +} + +@article{gundersen_fundamental_2021, + title = {The Fundamental Principles of Reproducibility}, + author = {Gundersen, Odd Erik}, + year = {2021}, + month = may, + journal = {Philosophical Transactions of the Royal Society a-Mathematical Physical and Engineering Sciences}, + volume = {379}, + number = {2197}, + pages = {20200210}, + publisher = {{Royal Soc}}, + address = {{London}}, + issn = {1364-503X}, + doi = {10.1098/rsta.2020.0210}, + abstract = {Reproducibility is a confused terminology. In this paper, I take a fundamental view on reproducibility rooted in the scientific method. The scientific method is analysed and characterized in order to develop the terminology required to define reproducibility. Furthermore, the literature on reproducibility and replication is surveyed, and experiments are modelled as tasks and problem solving methods. Machine learning is used to exemplify the described approach. Based on the analysis, reproducibility is defined and three different degrees of reproducibility as well as four types of reproducibility are specified. This article is part of the theme issue 'Reliability and reproducibility in computational science: implementing verification, validation and uncertainty quantification in silico'.}, + language = {English}, + keywords = {go,level,machine learning,problem solving methods,registered-reports,scientific method}, + annotation = {WOS:000636259600012} +} + +@article{guttinger_limits_2020, + title = {The Limits of Replicability}, + author = {Guttinger, Stephan}, + year = {2020}, + month = jan, + journal = {European Journal for Philosophy of Science}, + volume = {10}, + number = {2}, + pages = {10}, + issn = {1879-4920}, + doi = {10.1007/s13194-019-0269-1}, + abstract = {Discussions about a replicability crisis in science have been driven by the normative claim that all of science should be replicable and the empirical claim that most of it isn't. Recently, such crisis talk has been challenged by a new localism, which argues a) that serious problems with replicability are not a general occurrence in science and b) that replicability itself should not be treated as a universal standard. The goal of this article is to introduce this emerging strand of the debate and to discuss some of its implications and limitations. I will in particular highlight the issue of demarcation that localist accounts have to address, i.e. the question of how we can distinguish replicable science from disciplines where replicability does not apply.}, + language = {en} +} + +@article{hales_Improving_2019, + title = {Improving {{Psychological Science}} through {{Transparency}} and {{Openness}}: {{An Overview}}}, + shorttitle = {Improving {{Psychological Science}} through {{Transparency}} and {{Openness}}}, + author = {Hales, Andrew H. and Wesselmann, Eric D. and Hilgard, Joseph}, + year = {2019}, + month = mar, + journal = {Perspectives on Behavior Science}, + volume = {42}, + number = {1}, + pages = {13--31}, + issn = {2520-8977}, + doi = {10.1007/s40614-018-00186-8}, + abstract = {The ability to independently verify and replicate observations made by other researchers is a hallmark of science. In this article, we provide an overview of recent discussions concerning replicability and best practices in mainstream psychology with an emphasis on the practical benefists to both researchers and the field as a whole. We first review challenges individual researchers face in producing research that is both publishable and reliable. We then suggest methods for producing more accurate research claims, such as transparently disclosing how results were obtained and analyzed, preregistering analysis plans, and publicly posting original data and materials. We also discuss ongoing changes at the institutional level to incentivize stronger research. These include officially recognizing open science practices at the journal level, disconnecting the publication decision from the results of a study, training students to conduct replications, and publishing replications. We conclude that these open science practices afford exciting low-cost opportunities to improve the quality of psychological science.}, + language = {en} +} + +@article{hales_Improving_2019a, + title = {Improving {{Psychological Science}} through {{Transparency}} and {{Openness}}: {{An Overview}}}, + shorttitle = {Improving {{Psychological Science}} through {{Transparency}} and {{Openness}}}, + author = {Hales, Andrew H. and Wesselmann, Eric D. and Hilgard, Joseph}, + year = {2019}, + month = mar, + journal = {Perspectives on Behavior Science}, + volume = {42}, + number = {1}, + pages = {13--31}, + publisher = {{Springer International Publishing Ag}}, + address = {{Cham}}, + issn = {2520-8969}, + doi = {10.1007/s40614-018-00186-8}, + abstract = {The ability to independently verify and replicate observations made by other researchers is a hallmark of science. In this article, we provide an overview of recent discussions concerning replicability and best practices in mainstream psychology with an emphasis on the practical benefists to both researchers and the field as a whole. We first review challenges individual researchers face in producing research that is both publishable and reliable. We then suggest methods for producing more accurate research claims, such as transparently disclosing how results were obtained and analyzed, preregistering analysis plans, and publicly posting original data and materials. We also discuss ongoing changes at the institutional level to incentivize stronger research. These include officially recognizing open science practices at the journal level, disconnecting the publication decision from the results of a study, training students to conduct replications, and publishing replications. We conclude that these open science practices afford exciting low-cost opportunities to improve the quality of psychological science.}, + language = {English}, + keywords = {behavior analysis,consequences,incentives,Meta-analysis,metaanalysis,power,Preregistration,recommendations,rejection,replicability,replication,Replication,Reproducibility,statistical-inference}, + annotation = {WOS:000464867500002} +} + +@article{hartgerink_Reanalyzing_2017, + title = {Reanalyzing {{Head}} et al. (2015): Investigating the Robustness of Widespread p-Hacking}, + shorttitle = {Reanalyzing {{Head}} et al. (2015)}, + author = {Hartgerink, Chris H. J.}, + year = {2017}, + month = mar, + journal = {Peerj}, + volume = {5}, + pages = {e3068}, + publisher = {{Peerj Inc}}, + address = {{London}}, + issn = {2167-8359}, + doi = {10.7717/peerj.3068}, + abstract = {Heal et al. (2015) provided a large collection of p-values that, from their perspective, indicates widespread statistical significance seeking (i.e., p-hacking). This paper inspects this result for robustness. Theoretically, the p-value distribution should be a smooth, decreasing function, but the distribution of reported p-values shows systematically more reported p-values for .01, .02, .03, .04, and .05 than p-values reported to three decimal places, due to apparent tendencies to round p-values to two decimal places. Head et al. (2015) correctly argue that an aggregate p-value distribution could show a bump below .05 when left-skew p-hacking occurs frequently. Moreover, the elimination of p = .045 and p = .05, as done in the original paper, is debatable. Given that eliminating p = .045 is a result of the need for symmetric bins and systematically more p-values are reported to two decimal places than to three decimal places, I did not exclude p = .045 and p = .05. I conducted Fishers method .04 {$<$} p {$<$} .05 and reanalyzed the data by adjusting the bin selection to .03875 {$<$} p {$<$}= .04 versus .04875 {$<$} p {$<$}= .05. Results of the reanalysis indicate that no evidence for left-skew p-hacking remains when we look at the entire range between .04 {$<$} p {$<$} .05 or when we inspect the second-decimal. Taking into account reporting tendencies when selecting the bins to compare is especially important because this dataset does not allow for the recalculation of the p-values. Moreover, inspecting the bins that include two-decimal reported p-values potentially increases sensitivity if strategic rounding down of p-values as a form of p-hacking is widespread. Given the far-reaching implications of supposed widespread p-hacking throughout the sciences Head et al. (2015), it is important that these findings are robust to data analysis choices if the conclusion is to be considered unequivocal. Although no evidence of widespread left-skew p-hacking is found in this reanalysis, this does not mean that there is no p-hacking at all. These results nuance the conclusion by Head et al. (2015), indicating that the results are not robust and that the evidence for widespread left-skew p-hacking is ambiguous at best.}, + language = {English}, + keywords = {curve analysis,Nhst,P-hacking,P-values,Qrps,Questionable research practices,Reanalysis,values}, + annotation = {WOS:000396903800009} +} + +@article{haven_Preregistering_2019, + title = {Preregistering Qualitative Research}, + author = {Haven, Tamarinde L. and Grootel, Dr Leonie Van}, + year = {2019}, + month = apr, + journal = {Accountability in Research}, + volume = {26}, + number = {3}, + pages = {229--244}, + publisher = {{Taylor \& Francis}}, + issn = {0898-9621}, + doi = {10.1080/08989621.2019.1580147}, + abstract = {The threat to reproducibility and awareness of current rates of research misbehavior sparked initiatives to better academic science. One initiative is preregistration of quantitative research. We investigate whether the preregistration format could also be used to boost the credibility of qualitative research. A crucial distinction underlying preregistration is that between prediction and postdiction. In qualitative research, data are used to decide which way interpretation should move forward, using data to generate hypotheses and new research questions. Qualitative research is thus a real-life example of postdiction research. Some may object to the idea of preregistering qualitative studies because qualitative research generally does not test hypotheses, and because qualitative research design is typically flexible and subjective. We rebut these objections, arguing that making hypotheses explicit is just one feature of preregistration, that flexibility can be tracked using preregistration, and that preregistration would provide a check on subjectivity. We then contextualize preregistrations alongside another initiative to enhance credibility in qualitative research: the confirmability audit. Besides, preregistering qualitative studies is practically useful to combating dissemination bias and could incentivize qualitative researchers to report constantly on their study's development. We conclude with suggested modifications to the Open Science Framework preregistration form to tailor it for qualitative studies.}, + pmid = {30741570}, + keywords = {Preregistration,qualitative research,reports,transparency}, + annotation = {\_eprint: https://doi.org/10.1080/08989621.2019.1580147} +} + +@article{haven_Preregistering_2020, + title = {Preregistering {{Qualitative Research}}: {{A Delphi Study}}}, + shorttitle = {Preregistering {{Qualitative Research}}}, + author = {Haven, Tamarinde L. and Errington, Timothy M. and Gleditsch, Kristian Skrede and {van Grootel}, Leonie and Jacobs, Alan M. and Kern, Florian G. and Pineiro, Rafael and Rosenblatt, Fernando and Mokkink, Lidwine B.}, + year = {2020}, + month = dec, + journal = {International Journal of Qualitative Methods}, + volume = {19}, + pages = {1609406920976417}, + publisher = {{Sage Publications Inc}}, + address = {{Thousand Oaks}}, + issn = {1609-4069}, + doi = {10.1177/1609406920976417}, + abstract = {Preregistrations-records made a priori about study designs and analysis plans and placed in open repositories-are thought to strengthen the credibility and transparency of research. Different authors have put forth arguments in favor of introducing this practice in qualitative research and made suggestions for what to include in a qualitative preregistration form. The goal of this study was to gauge and understand what parts of preregistration templates qualitative researchers would find helpful and informative. We used an online Delphi study design consisting of two rounds with feedback reports in between. In total, 48 researchers participated (response rate: 16\%). In round 1, panelists considered 14 proposed items relevant to include in the preregistration form, but two items had relevance scores just below our predefined criterion (68\%) with mixed argument and were put forth again. We combined items where possible, leading to 11 revised items. In round 2, panelists agreed on including the two remaining items. Panelists also converged on suggested terminology and elaborations, except for two terms for which they provided clear arguments. The result is an agreement-based form for the preregistration of qualitative studies that consists of 13 items. The form will be made available as a registration option on Open Science Framework (osf.io). We believe it is important to assure that the strength of qualitative research, which is its flexibility to adapt, adjust and respond, is not lost in preregistration. The preregistration should provide a systematic starting point.}, + language = {English}, + keywords = {consensus,criteria,guidelines,preregistration,psychology,qualitative research,science,standards,transparency}, + annotation = {WOS:000599964600001} +} + +@article{head_Extent_2015, + title = {The {{Extent}} and {{Consequences}} of {{P}}-{{Hacking}} in {{Science}}}, + author = {Head, Megan L. and Holman, Luke and Lanfear, Rob and Kahn, Andrew T. and Jennions, Michael D.}, + year = {2015}, + month = mar, + journal = {PLOS Biology}, + volume = {13}, + number = {3}, + pages = {e1002106}, + publisher = {{Public Library of Science}}, + issn = {1545-7885}, + doi = {10.1371/journal.pbio.1002106}, + abstract = {A focus on novel, confirmatory, and statistically significant results leads to substantial bias in the scientific literature. One type of bias, known as ``p-hacking,'' occurs when researchers collect or select data or statistical analyses until nonsignificant results become significant. Here, we use text-mining to demonstrate that p-hacking is widespread throughout science. We then illustrate how one can test for p-hacking when performing a meta-analysis and show that, while p-hacking is probably common, its effect seems to be weak relative to the real effect sizes being measured. This result suggests that p-hacking probably does not drastically alter scientific consensuses drawn from meta-analyses.}, + language = {en}, + keywords = {Bibliometrics,Binomials,Medicine and health sciences,Metaanalysis,practices,Publication ethics,Reproducibility,Statistical data,Test statistics} +} + +@article{head_Extent_2015a, + title = {The {{Extent}} and {{Consequences}} of {{P}}-{{Hacking}} in {{Science}}}, + author = {Head, Megan L. and Holman, Luke and Lanfear, Rob and Kahn, Andrew T. and Jennions, Michael D.}, + year = {2015}, + month = mar, + journal = {Plos Biology}, + volume = {13}, + number = {3}, + pages = {e1002106}, + publisher = {{Public Library Science}}, + address = {{San Francisco}}, + issn = {1544-9173}, + doi = {10.1371/journal.pbio.1002106}, + abstract = {A focus on novel, confirmatory, and statistically significant results leads to substantial bias in the scientific literature. One type of bias, known as "p-hacking," occurs when researchers collect or select data or statistical analyses until nonsignificant results become significant. Here, we use text-mining to demonstrate that p-hacking is widespread throughout science. We then illustrate how one can test for p-hacking when performing a meta-analysis and show that, while p-hacking is probably common, its effect seems to be weak relative to the real effect sizes being measured. This result suggests that p-hacking probably does not drastically alter scientific consensuses drawn from meta-analyses.}, + language = {English}, + keywords = {clinical-research,competition,confidence,extra-pair paternity,false discovery rate,metaanalysis,operational sex-ratio,publication bias,replication,wise false}, + annotation = {WOS:000352095700015} +} + +@article{hernandez_open_2007, + title = {{{OPEN ACCESS}}: {{EL PAPEL DE LAS BIBLIOTECAS EN LOS REPOSITORIOS INSTITUCIONALES DE ACCESO ABIERTO}}}, + author = {Hern{\'a}ndez, Tony and Rodr{\'i}guez, David and {Bueno De la Fuente}, Gema}, + year = {2007}, + volume = {10}, + pages = {185--204}, + abstract = {En Espa\~na, como en muchos otros pa\'ises, el n\'umero de repositorios insti-tucionales ha ido creciendo paulatinamente en los \'ultimos tres a\~nos. En febrero de 2007 estos repositorios contienen ya m\'as de 30000 documentos en acceso abierto, es decir, disponibles a texto completo de forma gratuita, y con posibilidad de descarga, impresi\'on o copia sin coste a\~nadido. La pr\'actica totalidad de estos repositorios est\'an siendo gestionados por los servicios de biblioteca de las distintas instituciones que los albergan. Este art\'iculo explica las razones de la crisis del modelo tradicional de comunicaci\'on cient\'ifica, iniciado en la era de lo impreso y que se ha trasladado a la era digital, la alternativa que representa el modelo basado en el acceso abierto, y el importante papel que las bibliotecas pueden jugar, un reto y una oportunidad que no deben perder, en la construcci\'on de colecciones digitales propias} +} + +@article{hernandez_por_2016, + title = {\textquestiondown{{Por}} Qu\'e Open Access?}, + author = {Hern{\'a}ndez, Enrique}, + year = {2016}, + volume = {28}, + number = {1}, + issn = {2448-8771} +} + +@article{hitzig_Problem_2020, + title = {The {{Problem}} of {{New Evidence}}: {{P}}-{{Hacking}} and {{Pre}}-{{Analysis Plans}}}, + shorttitle = {The {{Problem}} of {{New Evidence}}}, + author = {Hitzig, Zoe and Stegenga, Jacob}, + year = {2020}, + month = dec, + journal = {Diametros}, + volume = {17}, + number = {66}, + pages = {10--33}, + publisher = {{Jagiellonian Univ, Inst Philosophy}}, + address = {{Krakow}}, + issn = {1733-5566}, + doi = {10.33392/diam.1587}, + abstract = {We provide a novel articulation of the epistemic peril of p-hacking using three resources from philosophy: predictivism, Bayesian confirmation theory, and model selection theory. We defend a nuanced position on p-hacking: p-hacking is sometimes, but not always, epistemically pernicious. Our argument requires a novel understanding of Bayesianism, since a standard criticism of Bayesian confirmation theory is that it cannot represent the influence of biased methods. We then turn to pre-analysis plans, a methodological device used to mitigate p-hacking. Some say that pre-analysis plans are epistemically meritorious while others deny this, and in practice pre-analysis plans are often violated. We resolve this debate with a modest defence of pre-analysis plans. Further, we argue that pre-analysis plans can be epistemically relevant even if the plan is not strictly followed-and suggest that allowing for flexible pre-analysis plans may be the best available policy option.}, + language = {English}, + keywords = {Bayesian confirmation theory,credibility,old evidence,p-hacking,pre-analysis plans,prediction,predictivism,registered-reports,replication crisis,science,transparency}, + annotation = {WOS:000600025300002} +} + +@article{hollenbeck_Harking_2017, + title = {Harking, {{Sharking}}, and {{Tharking}}: {{Making}} the {{Case}} for {{Post Hoc Analysis}} of {{Scientific Data}}}, + shorttitle = {Harking, {{Sharking}}, and {{Tharking}}}, + author = {Hollenbeck, John R. and Wright, Patrick M.}, + year = {2017}, + month = jan, + journal = {Journal of Management}, + volume = {43}, + number = {1}, + pages = {5--18}, + publisher = {{SAGE Publications Inc}}, + issn = {0149-2063}, + doi = {10.1177/0149206316679487}, + abstract = {In this editorial we discuss the problems associated with HARKing (Hypothesizing After Results Are Known) and draw a distinction between Sharking (Secretly HARKing in the Introduction section) and Tharking (Transparently HARKing in the Discussion section). Although there is never any justification for the process of Sharking, we argue that Tharking can promote the effectiveness and efficiency of both scientific inquiry and cumulative knowledge creation. We argue that the discussion sections of all empirical papers should include a subsection that reports post hoc exploratory data analysis. We explain how authors, reviewers, and editors can best leverage post hoc analyses in the spirit of scientific discovery in a way that does not bias parameter estimates and recognizes the lack of definitiveness associated with any single study or any single replication. We also discuss why the failure to Thark in high-stakes contexts where data is scarce and costly may also be unethical.}, + language = {en}, + keywords = {macro topics,micro topics,philosophy of science,practices,research design,research methods,statistical methods} +} + +@article{horbach_changing_2018, + title = {The Changing Forms and Expectations of Peer Review}, + author = {Horbach, S. P. J. M. and Halffman, W.}, + year = {2018}, + month = sep, + journal = {Research Integrity and Peer Review}, + volume = {3}, + number = {1}, + pages = {8}, + publisher = {{Bmc}}, + address = {{London}}, + doi = {10.1186/s41073-018-0051-5}, + abstract = {The quality and integrity of the scientific literature have recently become the subject of heated debate. Due to an apparent increase in cases of scientific fraud and irreproducible research, some have claimed science to be in a state of crisis. A key concern in this debate has been the extent to which science is capable of self-regulation. Among various mechanisms, the peer review system in particular is considered an essential gatekeeper of both quality and sometimes even integrity in science.However, the allocation of responsibility for integrity to the peer review system is fairly recent and remains controversial. In addition, peer review currently comes in a wide variety of forms, developed in the expectation they can address specific problems and concerns in science publishing. At present, there is a clear need for a systematic analysis of peer review forms and the concerns underpinning them, especially considering a wave of experimentation fuelled by internet technologies and their promise to improve research integrity and reporting.We describe the emergence of current peer review forms by reviewing the scientific literature on peer review and by adding recent developments based on information from editors and publishers. We analyse the rationale for developing new review forms and discuss how they have been implemented in the current system. Finally, we give a systematisation of the range of discussed peer review forms. We pay detailed attention to the emergence of the expectation that peer review can maintain 'the integrity of science's published record', demonstrating that this leads to tensions in the academic debate about the responsibilities and abilities of the peer review system.}, + language = {English}, + keywords = {credibility,exchange,fraud,Innovation,journals,Peer review,plagiarism,publication bias,registered-reports,science,Scientific integrity,scientific misconduct,Scientific misconduct,Scientific publishing}, + annotation = {WOS:000561282300001} +} + +@misc{horgan_Psychology_, + title = {Psychology's {{Credibility Crisis}}: The {{Bad}}, the {{Good}} and the {{Ugly}}}, + shorttitle = {Psychology's {{Credibility Crisis}}}, + author = {Horgan, John}, + journal = {Scientific American}, + doi = {10.1038/scientificamericanmind0716-18}, + abstract = {As more studies are called into question and researchers bicker over methodology, the field is showing a healthy willingness to face its problems\ }, + howpublished = {https://www.scientificamerican.com/article/psychology-s-credibility-crisis-the-bad-the-good-and-the-ugly/}, + language = {en}, + keywords = {crisis} +} + +@article{ioannidis_Power_2017, + title = {The {{Power}} of {{Bias}} in {{Economics Research}}}, + author = {Ioannidis, John P. A. and Stanley, T. D. and Doucouliagos, Hristos}, + year = {2017}, + journal = {The Economic Journal}, + volume = {127}, + number = {605}, + pages = {F236-F265}, + issn = {1468-0297}, + doi = {10.1111/ecoj.12461}, + abstract = {We investigate two critical dimensions of the credibility of empirical economics research: statistical power and bias. We survey 159 empirical economics literatures that draw upon 64,076 estimates of economic parameters reported in more than 6,700 empirical studies. Half of the research areas have nearly 90\% of their results under-powered. The median statistical power is 18\%, or less. A simple weighted average of those reported results that are adequately powered (power {$\geq$} 80\%) reveals that nearly 80\% of the reported effects in these empirical economics literatures are exaggerated; typically, by a factor of two and with one-third inflated by a factor of four or more.}, + copyright = {\textcopyright{} 2017 Royal Economic Society}, + language = {en}, + keywords = {bias,credibility,empirical economics,practices,publication bias,statistical power}, + annotation = {\_eprint: https://onlinelibrary.wiley.com/doi/pdf/10.1111/ecoj.12461} +} + +@article{ioannidis_Why_2005, + title = {Why {{Most Published Research Findings Are False}}}, + author = {Ioannidis, John P. A.}, + year = {2005}, + month = aug, + journal = {PLOS Medicine}, + volume = {2}, + number = {8}, + pages = {e124}, + publisher = {{Public Library of Science}}, + issn = {1549-1676}, + doi = {10.1371/journal.pmed.0020124}, + abstract = {Summary There is increasing concern that most current published research findings are false. The probability that a research claim is true may depend on study power and bias, the number of other studies on the same question, and, importantly, the ratio of true to no relationships among the relationships probed in each scientific field. In this framework, a research finding is less likely to be true when the studies conducted in a field are smaller; when effect sizes are smaller; when there is a greater number and lesser preselection of tested relationships; where there is greater flexibility in designs, definitions, outcomes, and analytical modes; when there is greater financial and other interest and prejudice; and when more teams are involved in a scientific field in chase of statistical significance. Simulations show that for most study designs and settings, it is more likely for a research claim to be false than true. Moreover, for many current scientific fields, claimed research findings may often be simply accurate measures of the prevailing bias. In this essay, I discuss the implications of these problems for the conduct and interpretation of research.}, + language = {en}, + keywords = {Cancer risk factors,crisis,Finance,Genetic epidemiology,Genetics of disease,Metaanalysis,practices,Randomized controlled trials,Research design,Schizophrenia} +} + +@article{janzen_Ulysses_, + title = {Ulysses' Pact or {{Ulysses}}' Raft: {{Using}} Pre-Analysis Plans in Experimental and Nonexperimental Research}, + shorttitle = {Ulysses' Pact or {{Ulysses}}' Raft}, + author = {Janzen, Sarah A. and Michler, Jeffrey D.}, + journal = {Applied Economic Perspectives and Policy}, + publisher = {{Wiley}}, + address = {{Hoboken}}, + issn = {2040-5790}, + doi = {10.1002/aepp.13133}, + abstract = {Economists have recently adopted preanalysis plans in response to concerns about robustness and transparency in research. The increased use of registered preanalysis plans has raised competing concerns that detailed plans are costly to create, overly restrictive, and limit the type of inspiration that stems from exploratory analysis. We consider these competing views of preanalysis plans, and make a careful distinction between the roles of preanalysis plans and registries, which provide a record of all planned research. We propose a flexible "packraft" preanalysis plan approach that offers benefits for a wide variety of experimental and nonexperimental applications in applied economics.}, + language = {English}, + keywords = {error,hypothesis registry,preanalysis plan,preregistration,research ethics,transparency}, + annotation = {WOS:000605993700001} +} + +@article{jara_Tracing_2018, + title = {Tracing {{Mapuche Exclusion}} from {{Post}}-{{Dictatorial Truth Commissions}} in {{Chile}}: {{Official}} and {{Grassroots Initiatives}}}, + shorttitle = {Tracing {{Mapuche Exclusion}} from {{Post}}-{{Dictatorial Truth Commissions}} in {{Chile}}}, + author = {Jara, Daniela and Badilla, Manuela and Figueiredo, Ana and Cornejo, Marcela and Riveros, Victoria}, + year = {2018}, + month = nov, + journal = {International Journal of Transitional Justice}, + volume = {12}, + number = {3}, + pages = {479--498}, + issn = {1752-7716}, + doi = {10.1093/ijtj/ijy025}, + abstract = {This article critically examines the official misrecognition of Mapuche experiences of violence during Augusto Pinochet's dictatorship (1973\textendash 1990) in state-sponsored truth commissions in Chile. We examine official post-dictatorial truth commission politics, narratives and procedures, analyzing how they envisioned the Mapuche as a political (absent) subject and how specific and homogenizing notions of victimhood were produced. We draw attention to three forms of cultural response by the Mapuche toward the official practices of the truth commissions from a bottom-up perspective: indifference, ambivalence and cultural resistance. We then draw attention to unofficial initiatives by nongovernmental organizations (NGOs) and grassroots groups that have aimed to tackle this gap in the transitional justice mechanisms by creating oppositional knowledge. We see in these counter initiatives a valuable knowledge that could allow the creation of bridges between Mapuche communities, mechanisms of transitional justice, grassroots and NGO activism and the Chilean state.} +} + +@article{jerolmack_Ethical_2019, + title = {The {{Ethical Dilemmas}} and {{Social Scientific Trade}}-Offs of {{Masking}} in {{Ethnography}}}, + author = {Jerolmack, Colin and Murphy, Alexandra K.}, + year = {2019}, + month = nov, + journal = {Sociological Methods \& Research}, + volume = {48}, + number = {4}, + pages = {801--827}, + publisher = {{SAGE Publications Inc}}, + issn = {0049-1241}, + doi = {10.1177/0049124117701483}, + abstract = {Masking, the practice of hiding or distorting identifying information about people, places, and organizations, is usually considered a requisite feature of ethnographic research and writing. This is justified both as an ethical obligation to one's subjects and as a scientifically neutral position (as readers are enjoined to treat a case's idiosyncrasies as sociologically insignificant). We question both justifications, highlighting potential ethical dilemmas and obstacles to constructing cumulative social science that can arise through masking. Regarding ethics, we show, on the one hand, how masking may give subjects a false sense of security because it implies a promise of confidentiality that it often cannot guarantee and, on the other hand, how naming may sometimes be what subjects want and expect. Regarding scientific tradeoffs, we argue that masking can reify ethnographic authority, exaggerate the universality of the case (e.g., ``Middletown''), and inhibit replicability (or ``revisits'') and sociological comparison. While some degree of masking is ethically and practically warranted in many cases and the value of disclosure varies across ethnographies, we conclude that masking should no longer be the default option that ethnographers unquestioningly choose.}, + language = {en}, + keywords = {disclosure,ethics,ethnography,generalizability,masking,pseudonyms} +} + +@article{jl_It_2017, + title = {It's {{Time}} to {{Broaden}} the {{Replicability Conversation}}: {{Thoughts}} for and {{From Clinical Psychological Science}}}, + shorttitle = {It's {{Time}} to {{Broaden}} the {{Replicability Conversation}}}, + author = {Jl, Tackett and So, Lilienfeld and Cj, Patrick and Sl, Johnson and Rf, Krueger and Jd, Miller and Tf, Oltmanns and Pe, Shrout}, + year = {2017}, + month = sep, + journal = {Perspectives on psychological science : a journal of the Association for Psychological Science}, + volume = {12}, + number = {5}, + publisher = {{Perspect Psychol Sci}}, + issn = {1745-6924}, + doi = {10.1177/1745691617690042}, + abstract = {Psychology is in the early stages of examining a crisis of replicability stemming from several high-profile failures to replicate studies in experimental psychology. This important conversation has largely been focused on social psychology, with some active participation from cognitive psychology. N \ldots}, + language = {en}, + pmid = {28972844} +} + +@article{john_Measuring_2012, + title = {Measuring the {{Prevalence}} of {{Questionable Research Practices With Incentives}} for {{Truth Telling}}}, + author = {John, Leslie K. and Loewenstein, George and Prelec, Drazen}, + year = {2012}, + month = may, + journal = {Psychological Science}, + volume = {23}, + number = {5}, + pages = {524--532}, + publisher = {{SAGE Publications Inc}}, + issn = {0956-7976}, + doi = {10.1177/0956797611430953}, + abstract = {Cases of clear scientific misconduct have received significant media attention recently, but less flagrantly questionable research practices may be more prevalent and, ultimately, more damaging to the academic enterprise. Using an anonymous elicitation format supplemented by incentives for honest reporting, we surveyed over 2,000 psychologists about their involvement in questionable research practices. The impact of truth-telling incentives on self-admissions of questionable research practices was positive, and this impact was greater for practices that respondents judged to be less defensible. Combining three different estimation methods, we found that the percentage of respondents who have engaged in questionable practices was surprisingly high. This finding suggests that some questionable practices may constitute the prevailing research norm.}, + language = {en}, + keywords = {disclosure,judgment,methodology,practices,professional standards} +} + +@article{johnson_Hunting_2014, + title = {Hunting for {{Artifacts The Perils}} of {{Dismissing Inconsistent Replication Results}}}, + author = {Johnson, David J. and Cheung, Felix and Donnellan, M. Brent}, + year = {2014}, + journal = {Social Psychology}, + volume = {45}, + number = {4}, + pages = {318--320}, + publisher = {{Hogrefe \& Huber Publishers}}, + address = {{Gottingen}}, + issn = {1864-9335}, + abstract = {We attempted high-powered direct replications of the two experiments in Schnall, Benton, and Harvey (2008) and did not duplicate the original results. We therefore concluded that more research was needed to establish the size and robustness of the original effects and to evaluate potential moderators. Schnall (2014) suggests that our conclusions were invalid because of potential psychometric artifacts in our data. We present evidence that undermines concerns about artifacts and defend the utility of preregistered replication studies for advancing research in psychological science.}, + language = {English}, + keywords = {cleanliness,moral judgment,preregistration,replication}, + annotation = {WOS:000341226100015} +} + +@article{kapiszewski_Openness_2019, + title = {Openness in {{Practice}} in {{Qualitative Research}}}, + author = {Kapiszewski, Diana and Karcher, Sebastian}, + year = {2019}, + month = jun, + doi = {10.33774/apsa-2019-if2he}, + abstract = {The discipline of political science has been engaged in discussion about when, why, and how to make scholarship more open for at least three decades.This piece argues that the best way to resolve our differences and develop appropriate norms and guidelines for making different types of qualitative research more open is to move from ``if'' to ``how'' \textendash{} for individual political scientists to make their work more open \textendash{} generating examples from which we can learn and on which we can build. We begin by articulating a series of principles that underlie our views on openness. We then consider the ``state of the debate,'' briefly outlining the contours of the scholarship on openness in political and other social sciences, highlighting the fractured nature of the discussion. The heart of the piece considers various strategies, illustrated by exemplary applications, for making qualitative research more open.}, + language = {en} +} + +@article{kapiszewski_Transparency_2021, + title = {Transparency in {{Practice}} in {{Qualitative Research}}}, + author = {Kapiszewski, Diana and Karcher, Sebastian}, + year = {2021}, + month = apr, + journal = {PS: Political Science \& Politics}, + volume = {54}, + number = {2}, + pages = {285--291}, + publisher = {{Cambridge University Press}}, + issn = {1049-0965, 1537-5935}, + doi = {10.1017/S1049096520000955}, + abstract = {//static.cambridge.org/content/id/urn\%3Acambridge.org\%3Aid\%3Aarticle\%3AS1049096520000955/resource/name/firstPage-S1049096520000955a.jpg}, + language = {en}, + keywords = {transparency} +} + +@article{kathawalla_Easing_2021, + title = {Easing {{Into Open Science}}: {{A Guide}} for {{Graduate Students}} and {{Their Advisors}}}, + shorttitle = {Easing {{Into Open Science}}}, + author = {Kathawalla, Ummul-Kiram and Silverstein, Priya and Syed, Moin}, + year = {2021}, + month = jan, + journal = {Collabra-Psychology}, + volume = {7}, + number = {1}, + publisher = {{Univ California Press}}, + address = {{Oakland}}, + issn = {2474-7394}, + doi = {10.1525/collabra.18684}, + abstract = {This article provides a roadmap to assist graduate students and their advisors to engage in open science practices. We suggest eight open science practices that novice graduate students could begin adopting today. The topics we cover include journal clubs, project workflow, preprints, reproducible code, data sharing, transparent writing, preregistration, and registered reports. To address concerns about not knowing how to engage in open science practices, we provide a difficulty rating of each behavior (easy, medium, difficult), present them in order of suggested adoption, and follow the format of what, why, how, and worries. We give graduate students ideas on how to approach conversations with their advisors/collaborators, ideas on how to integrate open science practices within the graduate school framework, and specific resources on how to engage with each behavior. We emphasize that engaging in open science behaviors need not be an all or nothing approach, but rather graduate students can engage with any number of the behaviors outlined.}, + language = {English}, + keywords = {advising,apa publications,article reporting standards,graduate students,open science,preregistration,psychology,reproducibility,tutorial}, + annotation = {WOS:000655169700001} +} + +@article{kerr_HARKing_1998, + title = {{{HARKing}}: {{Hypothesizing After}} the {{Results}} Are {{Known}}}, + shorttitle = {{{HARKing}}}, + author = {Kerr, Norbert L.}, + year = {1998}, + month = aug, + journal = {Personality and Social Psychology Review}, + volume = {2}, + number = {3}, + pages = {196--217}, + publisher = {{SAGE Publications Inc}}, + issn = {1088-8683}, + doi = {10.1207/s15327957pspr0203_4}, + abstract = {This article considers a practice in scientific communication termed HARKing (Hypothesizing After the Results are Known). HARKing is defined as presenting a post hoc hypothesis (i.e., one based on or informed by one's results) in one's research report as if it were, in fact, an a priori hypotheses. Several forms of HARKing are identified and survey data are presented that suggests that at least some forms of HARKing are widely practiced and widely seen as inappropriate. I identify several reasons why scientists might HARK. Then I discuss several reasons why scientists ought not to HARK. It is conceded that the question of whether HARKing's costs exceed its benefits is a complex one that ought to be addressed through research, open discussion, and debate. To help stimulate such discussion (and for those such as myself who suspect that HARKing's costs do exceed its benefits), I conclude the article with some suggestions for deterring HARKing.}, + language = {en} +} + +@article{khan_pHacking_2019, + title = {P-{{Hacking}} in {{Experimental Audit Research}}}, + author = {Khan, Mohammad Jahanzeb and Tonnes, Per Christen}, + year = {SPR 2019}, + journal = {Behavioral Research in Accounting}, + volume = {31}, + number = {1}, + pages = {119--131}, + publisher = {{Amer Accounting Assoc}}, + address = {{Sarasota}}, + issn = {1050-4753}, + doi = {10.2308/bria-52183}, + abstract = {A focus on novel, confirmatory, and statistically significant results by journals that publish experimental audit research may result in substantial bias in the literature. We explore one type of bias known as p-hacking: a practice where researchers, whether knowingly or unknowingly, adjust their collection, analysis, and reporting of data and results, until nonsignificant results become significant. Examining experimental audit literature published in eight accounting and audit journals within the last three decades, we find an overabundance of p-values at or just below the conventional thresholds for statistical significance. The finding of too many "just significant" results is an indication that some of the results published in the experimental audit literature are potentially a consequence of p-hacking. We discuss potential remedies that, if adopted, may to some extent alleviate concerns regarding p-hacking and the publication of false positive results.}, + language = {English}, + keywords = {audit,audit experiment,curve,design,file-drawer problem,p-hacking,p-values,publication bias,statistics,tests}, + annotation = {WOS:000478766300009} +} + +@article{kiese-himmel_Pitfalls_2020, + title = {{Pitfalls in the statistical world}}, + author = {{Kiese-Himmel}, C. and Plontke, S. K.}, + year = {2020}, + month = jan, + journal = {Hno}, + volume = {68}, + number = {1}, + pages = {3--7}, + publisher = {{Springer}}, + address = {{New York}}, + issn = {0017-6192}, + doi = {10.1007/s00106-019-00750-x}, + abstract = {Mistakes in the acquisition, evaluation, analysis and reporting of data often occur because there is a lack of awareness of the methodological problem. They can have far-reaching consequences for the reception of results of scientific primary studies and therefore for the clinical practice and healthcare. This article aims at raising awareness for a responsible handling of study data and for avoiding questionable or incorrect practices. It presents some examples of statistical pitfalls in empirical research practice, which increase the probability of false positive results and shows possibilities to avoid such risks.}, + language = {German}, + keywords = {audiometry,clinical-trials,false discovery rate,False positive findings,HARKing,hearing-loss,missing data,p-hacking,parameters,Preregistration,Replicability}, + annotation = {WOS:000512057900001} +} + +@article{klein_Practical_2018, + title = {A {{Practical Guide}} for {{Transparency}} in {{Psychological Science}}}, + author = {Klein, Olivier and Hardwicke, Tom E. and Aust, Frederik and Breuer, Johannes and Danielsson, Henrik and Mohr, Alicia Hofelich and IJzerman, Hans and Nilsonne, Gustav and Vanpaemel, Wolf and Frank, Michael C.}, + editor = {Nuijten, Mich{\'e}le and Vazire, Simine}, + year = {2018}, + month = jun, + journal = {Collabra: Psychology}, + volume = {4}, + number = {1}, + issn = {2474-7394}, + doi = {10.1525/collabra.158}, + abstract = {The credibility of scientific claims depends upon the transparency of the research products upon which they are based (e.g., study protocols, data, materials, and analysis scripts). As psychology navigates a period of unprecedented introspection, user-friendly tools and services that support open science have flourished. However, the plethora of decisions and choices involved can be bewildering. Here we provide a practical guide to help researchers navigate the process of preparing and sharing the products of their research (e.g., choosing a repository, preparing their research products for sharing, structuring folders, etc.). Being an open scientist means adopting a few straightforward research management practices, which lead to less error prone, reproducible research workflows. Further, this adoption can be piecemeal \textendash{} each incremental step towards complete transparency adds positive value. Transparent research practices not only improve the efficiency of individual researchers, they enhance the credibility of the knowledge generated by the scientific community.}, + keywords = {herramienta} +} + +@techreport{lareferencia.consejodirectivo_Comunicacion_2019, + title = {{Comunicaci\'on Acad\'emica y Acceso Abierto: Acciones para un Pol\'itica P\'ublica en Am\'erica Latina}}, + shorttitle = {{Comunicaci\'on Acad\'emica y Acceso Abierto}}, + author = {LA Referencia. Consejo Directivo}, + year = {2019}, + month = may, + institution = {{Zenodo}}, + doi = {10.5281/ZENODO.3229410}, + abstract = {Documento redactado como insumo para las autoridades regionales que asistieron a la reuni\'on anual del Global Research Council con acuerdo del Consejo Directivo. La publicaci\'on y difusi\'on del mismo se realiza con el fin de favorecer el di\'alogo y la construcci\'on de una visi\'on conjunta sobre la cual se debe profundizar y actualizar a la luz de los desaf\'ios del Acceso Abierto en la regi\'on en el corto y mediano plazo. La comunicaci\'on cient\'ifica y el cambio del modelo; la situaci\'on de Am\'erica Latina; el sistema de comunicaci\'on acad\'emica de la regi\'on, principios y acciones y recomendaciones para repositorios, consorcios y revistas son los ejes tem\'aticos que se abordan a lo largo de sus p\'aginas. El art\'iculo refuerza la premisa de que se deben tomar acciones decididas para que los resultados financiados total o parcialmente con fondos p\'ublicos est\'en en Acceso Abierto y reafirma el rol central de los organismos de CyT para lograrlo. Basado en la realidad regional, propone principios generales y acciones para los repositorios de Acceso Abierto, consorcios y revistas con una mirada m\'as sist\'emica desde las pol\'iticas p\'ublicas. Concluye con la necesidad de un di\'alogo con iniciativas como el ``Plan S'' se\~nalando los puntos de acuerdo, as\'i como diferencias, dado el contexto regional, en temas como el APC o una valorizaci\'on del rol de los repositorios. Presentado en la reuni\'on de COAR. 2019. Technical and Strategic Meeting of Repository Networks. Mayo 21, 2019 - Lyon, France. Alberto Cabezas Bullemore, Secretario Ejecutivo, LA Referencia.}, + copyright = {Creative Commons Attribution 4.0 International, Open Access}, + language = {es}, + keywords = {Acceso Abierto,Ciencia Abierta,Financiadores,ONCYTs,Plan S,Repositorios,revisado} +} + +@article{lewandowsky_Research_2016, + title = {Research Integrity: {{Don}}'t Let Transparency Damage Science}, + shorttitle = {Research Integrity}, + author = {Lewandowsky, Stephan and Bishop, Dorothy}, + year = {2016}, + month = jan, + journal = {Nature}, + volume = {529}, + number = {7587}, + pages = {459--461}, + publisher = {{Nature Publishing Group}}, + issn = {1476-4687}, + doi = {10.1038/529459a}, + abstract = {Stephan Lewandowsky and Dorothy Bishop explain how the research community should protect its members from harassment, while encouraging the openness that has become essential to science.}, + copyright = {2016 Nature Publishing Group}, + language = {en}, + keywords = {transparency} +} + +@article{leys_How_2019, + title = {How to {{Classify}}, {{Detect}}, and {{Manage Univariate}} and {{Multivariate Outliers}}, {{With Emphasis}} on {{Pre}}-{{Registration}}}, + author = {Leys, Christophe and Delacre, Marie and Mora, Youri L. and Lakens, Daniel and Ley, Christophe}, + year = {2019}, + month = apr, + journal = {International Review of Social Psychology}, + volume = {32}, + number = {1}, + pages = {5}, + publisher = {{Ubiquity Press Ltd}}, + address = {{London}}, + issn = {2397-8570}, + doi = {10.5334/irsp.289}, + abstract = {Researchers often lack knowledge about how to deal with outliers when analyzing their data. Even more frequently, researchers do not pre-specify how they plan to manage outliers. In this paper we aim to improve research practices by outlining what you need to know about outliers. We start by providing a functional definition of outliers. We then lay down an appropriate nomenclature/classification of outliers. This nomenclature is used to understand what kinds of outliers can be encountered and serves as a guideline to make appropriate decisions regarding the conservation, deletion, or recoding of outliers. These decisions might impact the validity of statistical inferences as well as the reproducibility of our experiments. To be able to make informed decisions about outliers you first need proper detection tools. We remind readers why the most common outlier detection methods are problematic and recommend the use of the median absolute deviation to detect univariate outliers, and of the Mahalanobis-MCD distance to detect multivariate outliers. An R package was created that can be used to easily perform these detection tests. Finally, we promote the use of pre-registration to avoid flexibility in data analysis when handling outliers.}, + language = {English}, + keywords = {Malahanobis distance,median absolute deviation,minimum covariance determinant,outliers,preregistration,psychology,robust detection,transparency}, + annotation = {WOS:000468350500001} +} + +@article{lilienfeld_Psychology_2017, + title = {Psychology's {{Replication Crisis}} and the {{Grant Culture}}: {{Righting}} the {{Ship}}}, + shorttitle = {Psychology's {{Replication Crisis}} and the {{Grant Culture}}}, + author = {Lilienfeld, Scott O.}, + year = {2017}, + month = jul, + journal = {Perspectives on Psychological Science}, + volume = {12}, + number = {4}, + pages = {660--664}, + publisher = {{Sage Publications Ltd}}, + address = {{London}}, + issn = {1745-6916}, + doi = {10.1177/1745691616687745}, + abstract = {The past several years have been a time for soul searching in psychology, as we have gradually come to grips with the reality that some of our cherished findings are less robust than we had assumed. Nevertheless, the replication crisis highlights the operation of psychological science at its best, as it reflects our growing humility. At the same time, institutional variables, especially the growing emphasis on external funding as an expectation or de facto requirement for faculty tenure and promotion, pose largely unappreciated hazards for psychological science, including (a) incentives for engaging in questionable research practices, (b) a single-minded focus on programmatic research, (c) intellectual hyperspecialization, (d) disincentives for conducting direct replications, (e) stifling of creativity and intellectual risk taking, (f) researchers promising more than they can deliver, and (g) diminished time for thinking deeply. Preregistration should assist with (a), but will do little about (b) through (g). Psychology is beginning to right the ship, but it will need to confront the increasingly deleterious impact of the grant culture on scientific inquiry.}, + language = {English}, + keywords = {confirmation bias,grants,preregistration,replication}, + annotation = {WOS:000406027000008} +} + +@article{linder_Unfolding_2020, + title = {Unfolding the {{Black Box}} of {{Questionable Research Practices}}: {{Where Is}} the {{Line Between Acceptable}} and {{Unacceptable Practices}}?}, + shorttitle = {Unfolding the {{Black Box}} of {{Questionable Research Practices}}}, + author = {Linder, Christian and Farahbakhsh, Siavash}, + year = {2020}, + month = jul, + journal = {Business Ethics Quarterly}, + volume = {30}, + number = {3}, + pages = {335--360}, + publisher = {{Cambridge Univ Press}}, + address = {{New York}}, + issn = {1052-150X}, + doi = {10.1017/beq.2019.52}, + abstract = {Despite the extensive literature on what questionable research practices (QRPs) are and how to measure them, the normative underpinnings of such practices have remained less explored. QRPs often fall into a grey area of justifiable and unjustifiable practices. Where to precisely draw the line between such practices challenges individual scholars and this harms science. We investigate QRPs from a normative perspective using the theory of communicative action. We highlight the role of the collective in assessing individual behaviours. Our contribution is a framework that allows identification of when particular actions cross over from acceptable to unacceptable practice. Thus, this article provides grounds for developing scientific standards to raise the quality of scientific research.}, + language = {English}, + keywords = {academic standards,academic-freedom,business,deontology,discourse ethics,ethics,file-drawer problem,management,metaanalysis,norms,p-hacking,publication bias,questionable research practice,science,tests}, + annotation = {WOS:000549379800003} +} + +@article{lindsay_Seven_2020, + title = {Seven Steps toward Transparency and Replicability in Psychological Science.}, + author = {Lindsay, D. Stephen}, + year = {2020}, + month = nov, + journal = {Canadian Psychology/Psychologie canadienne}, + volume = {61}, + number = {4}, + pages = {310--317}, + issn = {1878-7304, 0708-5591}, + doi = {10.1037/cap0000222}, + language = {en}, + keywords = {forrt,transparency} +} + +@article{linton_Publish_2011, + title = {Publish or {{Perish}}: {{How Are Research}} and {{Reputation Related}}?}, + shorttitle = {Publish or {{Perish}}}, + author = {Linton, Jonathan D. and Tierney, Robert and Walsh, Steven T.}, + year = {2011}, + month = dec, + journal = {Serials Review}, + volume = {37}, + number = {4}, + pages = {244--257}, + publisher = {{Routledge}}, + issn = {0098-7913}, + doi = {10.1080/00987913.2011.10765398}, + abstract = {A study of twenty-seven fields in 350 highly ranked universities examines the relationship between reputation and rank. We find that many metrics associated with research prowess significantly correlate to university reputation. However, the next logical step\textendash{} looking at the relationship that links different academic fields with the reputation of the university\textendash did not always offer the expected results. The phrase ``publish or perish'' clearly has very different meanings in different fields.}, + keywords = {Academic reputation,institutional,Interdisciplinary studies,Publish or perish,University research reputation}, + annotation = {\_eprint: https://www.tandfonline.com/doi/pdf/10.1080/00987913.2011.10765398} +} + +@misc{loredo_derecho_2012, + title = {Derecho {{Comparado}}: {{Derecho}} de {{Autor}} y {{Copyright}}. {{Dos}} Caminos Que Se Encuentran}, + author = {Loredo, Alejandro}, + year = {2012}, + journal = {Portal de gobierno electr\'onico, inclusi\'on digital y sociedad del conocimiento} +} + +@article{loredo_mexico_2006, + title = {M\'exico: {{Derecho Comparado}}: {{Derecho}} de {{Autor}} y {{Copyright}}. {{Dos}} Caminos Que Se Encuentran}, + shorttitle = {M\'exico}, + author = {Loredo, Alejandro}, + year = {2006}, + journal = {AR: Revista de Derecho Inform\'atico}, + number = {91}, + pages = {2}, + publisher = {{Alfa-Redi}} +} + +@article{lucas_Introduction_2021, + title = {Introduction to the {{Special Issue}}: {{Preregistered Studies}} of {{Personality Development}} and {{Aging Using Existing Data}}}, + shorttitle = {Introduction to the {{Special Issue}}}, + author = {Lucas, Richard E. and Donnellan, M. Brent}, + year = {2021}, + month = jan, + journal = {Journals of Gerontology Series B-Psychological Sciences and Social Sciences}, + volume = {76}, + number = {1}, + pages = {1--5}, + publisher = {{Oxford Univ Press Inc}}, + address = {{Cary}}, + issn = {1079-5014}, + doi = {10.1093/geronb/gbaa192}, + language = {English}, + keywords = {registered-reports}, + annotation = {WOS:000649390900001} +} + +@techreport{luke_Epistemological_2019, + type = {{{SSRN Scholarly Paper}}}, + title = {Epistemological and {{Ontological Priors}}: {{Explicating}} the {{Perils}} of {{Transparency}}}, + shorttitle = {Epistemological and {{Ontological Priors}}}, + author = {Luke, Timothy W. and {V{\'a}zquez-Arroyo}, Antonio and Hawkesworth, Mary}, + year = {2019}, + month = feb, + number = {ID 3332878}, + address = {{Rochester, NY}}, + institution = {{Social Science Research Network}}, + doi = {10.2139/ssrn.3332878}, + abstract = {The discipline of political science encompasses multiple research communities, which have grown out of and rely upon different epistemological and ontological presuppositions. Recent debates about transparency raise important questions about which of these research communities will be accredited within the discipline, whose values, norms, and methods of knowledge production will gain ascendency and whose will be marginalized. Although the language of "transparency" makes it appear that these debates are apolitical, simply elaborating standards that all political scientists share, the intensity and content of recent contestations about DA-RT, JETS, and QTD attest to the profoundly political nature of these methodological discussions. This report traces the epistemological and ontological assumptions that have shaped diverse research communities within the discipline, situating "transparency" in relation to classical (Aristotelian), modern (Baconian) and twentieth-century (positivist, critical rationalist, and postpositivist) versions of empiricism. It shows how recent discussions of transparency accredit certain empirical approaches by collapsing the scope of empirical investigation and the parameters of the knowable. And it argues that "transparency" is inappropriate as a regulative ideal for political science because it misconstrues the roles of theory, social values, and critique in scholarly investigation.}, + language = {en}, + keywords = {epistemology,ontology,philosophy of science,qualitative methods,Qualitative Transparency Deliberations,research transparency} +} + +@article{makel_Both_2021, + title = {Both {{Questionable}} and {{Open Research Practices Are Prevalent}} in {{Education Research}}}, + author = {Makel, Matthew C. and Hodges, Jaret and Cook, Bryan G. and Plucker, Jonathan A.}, + year = {2021}, + month = mar, + journal = {Educational Researcher}, + pages = {0013189X211001356}, + publisher = {{American Educational Research Association}}, + issn = {0013-189X}, + doi = {10.3102/0013189X211001356}, + abstract = {Concerns about the conduct of research are pervasive in many fields, including education. In this preregistered study, we replicated and extended previous studies from other fields by asking education researchers about 10 questionable research practices and five open research practices. We asked them to estimate the prevalence of the practices in the field, to self-report their own use of such practices, and to estimate the appropriateness of these behaviors in education research. We made predictions under four umbrella categories: comparison to psychology, geographic location, career stage, and quantitative orientation. Broadly, our results suggest that both questionable and open research practices are used by many education researchers. This baseline information will be useful as education researchers seek to understand existing social norms and grapple with whether and how to improve research practices.}, + language = {en}, + keywords = {ethics,globalization,open science,psychology,questionable research practices,replication,research methodology,survey research} +} + +@article{mardones_usos_2018, + title = {{Usos del dise\~no metodol\'ogico cualitativo en art\'iculos de acceso abierto de alto impacto en ciencias sociales}}, + shorttitle = {{Dise\~nos metodol\'ogicos en art\'iculos de acceso abierto}}, + author = {Mardones, Rodolfo and Ulloa, Jorge and Salas, Gonz{\'a}lo}, + year = {2018}, + journal = {Forum: Qualitative Social Research}, + volume = {19, n\textdegree 1}, + pages = {1--18}, + issn = {1438-5627}, + abstract = {Las definiciones de dise\~no metodol\'ogico en la perspectiva cualitativa son variadas y sus diversos usos dejan entrever una multiplicidad de perspectivas. El presente trabajo tiene por objeto describir los usos del dise\~no metodol\'ogico cualitativo en art\'iculos de ciencias sociales de alto impacto. Se realiza una revisi\'on de 186 art\'iculos de resultados de investigaci\'on y propuestas metodol\'ogicas, publicados en revistas open access indexadas en Scopus en el periodo 2013-2015. Los resultados muestran que el 75\% de los art\'iculos declara su dise\~no metodol\'ogico. El uso de este se clasific\'o en tres categor\'ias: organizaci\'on de la investigaci\'on, elecci\'on paradigm\'atica y tipo de estudio. El 51\% de los art\'iculos utilizan dise\~no cualitativo basado en el tipo de estudio. Mientras tanto, la organizaci\'on de la investigaci\'on (37\%) y la elecci\'on paradigm\'atica (11\%) quedan en segundo lugar. Se concluye que los usos del dise\~no metodol\'ogico cualitativo se basa en supuestos te\'oricos y pr\'acticas propias de la categor\'ia definida como tipo de estudio. Esto puede facilitar la elecci\'on de un dise\~no cualitativo, sensible y flexible al contexto estudiado.}, + copyright = {Creative Commons Attribution 4.0 International, Open Access}, + language = {es} +} + +@article{marsden_Introducing_2018, + title = {Introducing {{Registered Reports}} at {{Language Learning}}: {{Promoting Transparency}}, {{Replication}}, and a {{Synthetic Ethic}} in the {{Language Sciences}}}, + shorttitle = {Introducing {{Registered Reports}} at {{Language Learning}}}, + author = {Marsden, Emma and {Morgan-Short}, Kara and Trofimovich, Pavel and Ellis, Nick C.}, + year = {2018}, + month = jun, + journal = {Language Learning}, + volume = {68}, + number = {2}, + pages = {309--320}, + publisher = {{Wiley}}, + address = {{Hoboken}}, + issn = {0023-8333}, + doi = {10.1111/lang.12284}, + abstract = {The past few years have seen growing interest in open science practices, which include initiatives to increase transparency in research methods, data collection, and analysis; enhance accessibility to data and materials; and improve the dissemination of findings to broader audiences. Language Learning is enhancing its participation in the open science movement by launching Registered Reports as an article category as of January 1, 2018. Registered Reports allow authors to submit the conceptual justifications and the full method and analysis protocol of their study to peer review prior to data collection. High-quality submissions then receive provisional, in-principle acceptance. Provided that data collection, analyses, and reporting follow the proposed and accepted methodology and analysis protocols, the article is subsequently publishable whatever the findings. We outline key concerns leading to the development of Registered Reports, describe its core features, and discuss some of its benefits and weaknesses.}, + language = {English}, + keywords = {open science,peer review,preregistration,publication bias,registered report,replication,transparency}, + annotation = {WOS:000434147700001} +} + +@article{martinson_Scientists_2005, + title = {Scientists Behaving Badly}, + author = {Martinson, Brian C. and Anderson, Melissa S. and {de Vries}, Raymond}, + year = {2005}, + month = jun, + journal = {Nature}, + volume = {435}, + number = {7043}, + pages = {737--738}, + publisher = {{Nature Publishing Group}}, + issn = {1476-4687}, + doi = {10.1038/435737a}, + abstract = {To protect the integrity of science, we must look beyond falsification, fabrication and plagiarism, to a wider range of questionable research practices, argue Brian C. Martinson, Melissa S. Anderson and Raymond de Vries.}, + copyright = {2005 Nature Publishing Group}, + language = {en}, + keywords = {practices}, + annotation = {Bandiera\_abtest: a Cg\_type: Nature Research Journals Primary\_atype: Comments \& Opinion} +} + +@article{martiny_Degrees_2017, + title = {Degrees of {{Openness}}, {{Embodiment}}, {{Circularity}}, and {{Invariance Response}}}, + author = {Martiny, Kristian Moltke}, + year = {2017}, + month = nov, + journal = {Constructivist Foundations}, + volume = {13}, + number = {1}, + pages = {83--90}, + publisher = {{Alexander Riegler}}, + address = {{Brussels}}, + issn = {1782-348X}, + language = {English}, + keywords = {consciousness,dynamics,enaction,experience,incentives,neurophenomenology,open science,phenomenology,registered-reports,synchrony}, + annotation = {WOS:000415144800023} +} + +@article{matthes_Questionable_2015, + title = {Questionable {{Research Practices}} in {{Experimental Communication Research}}: {{A Systematic Analysis From}} 1980 to 2013}, + shorttitle = {Questionable {{Research Practices}} in {{Experimental Communication Research}}}, + author = {Matthes, J{\"o}rg and Marquart, Franziska and Naderer, Brigitte and Arendt, Florian and Schmuck, Desir{\'e}e and Adam, Karoline}, + year = {2015}, + month = oct, + journal = {Communication Methods and Measures}, + volume = {9}, + number = {4}, + pages = {193--207}, + publisher = {{Routledge}}, + issn = {1931-2458}, + doi = {10.1080/19312458.2015.1096334}, + abstract = {Questionable research practices (QRPs) pose a major threat to any scientific discipline. This article analyzes QRPs with a content analysis of more than three decades of published experimental research in four flagship communication journals: Journal of Communication, Communication Research, Journalism \& Mass Communication Quarterly, and Media Psychology. Findings reveal indications of small and insufficiently justified sample sizes, a lack of reported effect sizes, an indiscriminate removal of cases and items, an increasing inflation of p-values directly below p {$<$} .05, and a rising share of verified (as opposed to falsified) hypotheses. Implications for authors, reviewers, and editors are discussed.}, + annotation = {\_eprint: https://doi.org/10.1080/19312458.2015.1096334} +} + +@article{mazor_novel_2019, + title = {A Novel Tool for Time-Locking Study Plans to Results}, + author = {Mazor, Matan and Mazor, Noam and Mukamel, Roy}, + year = {2019}, + month = may, + journal = {European Journal of Neuroscience}, + volume = {49}, + number = {9}, + pages = {1149--1156}, + publisher = {{Wiley}}, + address = {{Hoboken}}, + issn = {0953-816X}, + doi = {10.1111/ejn.14278}, + abstract = {Often researchers wish to mark an objective line between study plans that were specified before data acquisition and decisions that were made following data exploration. Contrary to common perception, registering study plans to an online platform prior to data collection does not by itself provide such an objective distinction, even when the registration is time-stamped. Here, we adapt a method from the field of cryptography to allow encoding of study plans and predictions within random aspects of the data acquisition process. Doing so introduces a causal link between the preregistered content and objective attributes of the acquired data, such as the timing and location of brain activations. This guarantees that the preregistered plans and predictions are indeed specified prior to data collection. Our time-locking system does not depend on any external party and can be performed entirely in-lab. We provide code for easy implementation and a detailed example from the field of functional Magnetic Resonance Imaging (fMRI).}, + language = {English}, + keywords = {neuroimaging,preregistration,replicability,science}, + annotation = {WOS:000473619700008} +} + +@article{mcgrail_Publish_2006, + title = {Publish or Perish: A Systematic Review of Interventions to Increase Academic Publication Rates}, + shorttitle = {Publish or Perish}, + author = {McGrail, Matthew R. and Rickard, Claire M. and Jones, Rebecca}, + year = {2006}, + month = feb, + journal = {Higher Education Research \& Development}, + volume = {25}, + number = {1}, + pages = {19--35}, + publisher = {{Routledge}}, + issn = {0729-4360}, + doi = {10.1080/07294360500453053}, + abstract = {Academics are expected to publish. In Australia universities receive extra funding based on their academic publication rates and academic promotion is difficult without a good publication record. However, the reality is that only a small percentage of academics are actively publishing. To fix this problem, a number of international universities and other higher education institutions have implemented interventions with the main aim being to increase the number of publications. A comprehensive literature search identified 17 studies published between 1984 and 2004, which examined the effects of these interventions. Three key types of interventions were identified: writing courses, writing support groups and writing coaches. The resulting publication output varied, but all interventions led to an increase in average publication rates for the participants.}, + keywords = {institutional}, + annotation = {\_eprint: https://doi.org/10.1080/07294360500453053} +} + +@article{mcintosh_three_2020, + title = {The Three {{R}}'s of Scientific Integrity: {{Replicability}}, Reproducibility, and Robustness}, + shorttitle = {The Three {{R}}'s of Scientific Integrity}, + author = {McIntosh, Robert D. and Chambers, Christopher D.}, + year = {2020}, + month = aug, + journal = {Cortex}, + volume = {129}, + pages = {A4-A7}, + publisher = {{Elsevier Masson, Corp Off}}, + address = {{Paris}}, + issn = {0010-9452}, + doi = {10.1016/j.cortex.2020.04.019}, + language = {English}, + keywords = {fear,reconsolidation,registered-reports,retrieval}, + annotation = {WOS:000552946000003} +} + +@article{mckiernan_How_2016, + title = {How Open Science Helps Researchers Succeed}, + author = {McKiernan, Erin C and Bourne, Philip E and Brown, C Titus and Buck, Stuart and Kenall, Amye and Lin, Jennifer and McDougall, Damon and Nosek, Brian A and Ram, Karthik and Soderberg, Courtney K and Spies, Jeffrey R and Thaney, Kaitlin and Updegrove, Andrew and Woo, Kara H and Yarkoni, Tal}, + editor = {Rodgers, Peter}, + year = {2016}, + month = jul, + journal = {eLife}, + volume = {5}, + pages = {e16800}, + publisher = {{eLife Sciences Publications, Ltd}}, + issn = {2050-084X}, + doi = {10.7554/eLife.16800}, + abstract = {Open access, open data, open source and other open scholarship practices are growing in popularity and necessity. However, widespread adoption of these practices has not yet been achieved. One reason is that researchers are uncertain about how sharing their work will affect their careers. We review literature demonstrating that open research is associated with increases in citations, media attention, potential collaborators, job opportunities and funding opportunities. These findings are evidence that open research practices bring significant benefits to researchers relative to more traditional closed practices.}, + keywords = {open access,open data,open science,open source,research} +} + +@article{mcvay_Transparency_2021, + title = {Transparency and Openness in Behavioral Medicine Research}, + author = {McVay, Megan A and Conroy, David E}, + year = {2021}, + month = jan, + journal = {Translational Behavioral Medicine}, + volume = {11}, + number = {1}, + pages = {287--290}, + issn = {1869-6716}, + doi = {10.1093/tbm/ibz154}, + abstract = {Behavioral medicine aims to improve the health of individuals and communities by addressing behavioral, psychosocial, and environmental contributors to health. Succeeding in this endeavor requires rigorous research and effective communication of this research to relevant stakeholders and the public at large [1]. Both research rigor and effective communication of research may benefit from adopting transparent and open research practices [2\textendash 4], sometimes called ``open science.'' Such practices include preregistering designs, hypotheses, and data analysis plans; making publically available study materials, data, and analytic code; sharing preprints (works-in-progress) of articles; and publishing open access [2]. In this commentary, we describe the evolving pressures to increase the transparency and openness of research, examine the status of open science practices in behavioral medicine, and recommend a path forward to find the right fit for these practices in behavioral medicine research.}, + keywords = {transparency} +} + +@article{melero_revistas_2008, + title = {Revistas {{Open Access}}: Caracter\'isticas, Modelos Econ\'omicos y Tendencias}, + author = {Melero, Remedios and Abad, Mar{\'i}a Francisca}, + year = {2008}, + volume = {20}, + issn = {1575-5886} +} + +@article{mertens_Preregistration_2019, + title = {Preregistration of {{Analyses}} of {{Preexisting Data}}}, + author = {Mertens, Ga{\"e}tan and Krypotos, Angelos-Miltiadis}, + year = {2019}, + journal = {Psychologica Belgica}, + volume = {59}, + number = {1}, + pages = {338--352}, + issn = {0033-2879}, + doi = {10.5334/pb.493}, + abstract = {The preregistration of a study's hypotheses, methods, and data-analyses steps is becoming a popular psychological research practice. To date, most of the discussion on study preregistration has focused on the preregistration of studies that include the collection of original data. However, much of the research in psychology relies on the (re-)analysis of preexisting data. Importantly, this type of studies is different from original studies as researchers cannot change major aspects of the study (e.g., experimental manipulations, sample size). Here, we provide arguments as to why it is useful to preregister analyses of preexisting data, discuss practical considerations, consider potential concerns, and introduce a preregistration template tailored for studies focused on the analyses of preexisting data. We argue that the preregistration of hypotheses and data-analyses for analyses of preexisting data is an important step towards more transparent psychological research.}, + pmcid = {PMC6706998}, + pmid = {31497308} +} + +@book{merton_sociology_1973, + title = {The {{Sociology}} of {{Science}}: {{Theorerical}} and {{Empirical Investigations}}}, + author = {Merton, Robert K.}, + year = {1973}, + publisher = {{The University of Chicago Press}}, + address = {{Chicago and London}} +} + +@article{miguel_Promoting_2014, + title = {Promoting {{Transparency}} in {{Social Science Research}}}, + author = {Miguel, E. and Camerer, C. and Casey, K. and Cohen, J. and Esterling, K. M. and Gerber, A. and Glennerster, R. and Green, D. P. and Humphreys, M. and Imbens, G. and Laitin, D. and Madon, T. and Nelson, L. and Nosek, B. A. and Petersen, M. and Sedlmayr, R. and Simmons, J. P. and Simonsohn, U. and der Laan, M. Van}, + year = {2014}, + month = jan, + journal = {Science}, + volume = {343}, + number = {6166}, + pages = {30--31}, + publisher = {{American Association for the Advancement of Science}}, + issn = {0036-8075, 1095-9203}, + doi = {10.1126/science.1245317}, + abstract = {There is growing appreciation for the advantages of experimentation in the social sciences. Policy-relevant claims that in the past were backed by theoretical arguments and inconclusive correlations are now being investigated using more credible methods. Changes have been particularly pronounced in development economics, where hundreds of randomized trials have been carried out over the last decade. When experimentation is difficult or impossible, researchers are using quasi-experimental designs. Governments and advocacy groups display a growing appetite for evidence-based policy-making. In 2005, Mexico established an independent government agency to rigorously evaluate social programs, and in 2012, the U.S. Office of Management and Budget advised federal agencies to present evidence from randomized program evaluations in budget requests (1, 2). Social scientists should adopt higher transparency standards to improve the quality and credibility of research. Social scientists should adopt higher transparency standards to improve the quality and credibility of research.}, + chapter = {Policy Forum}, + copyright = {Copyright \textcopyright{} 2014, American Association for the Advancement of Science}, + language = {en}, + pmid = {24385620}, + keywords = {transparency} +} + +@article{monti_acceso_2020, + title = {{Acceso a la literatura cient\'ifica desde Sci-Hub: An\'alisis y reflexi\'on de las descargas en Argentina}}, + author = {Monti, Carolina and Unzurrunzaga, Carolina}, + year = {2020}, + journal = {Revista Hipertextos}, + volume = {8 (14)}, + pages = {111--116}, + doi = {10.24215/23143924e022}, + abstract = {La comercializaci\'on de la informaci\'on cient\'ifica y las barreras de pago para su acceso se han convertido en una de las problem\'aticas m\'as debatidas en las \'ultimas d\'ecadas. El movimiento internacional de acceso abierto ha propuesto v\'ias para favorecer su acceso y, a su vez, distintos actores han impulsado otras estrategias como sitios piratas para la descarga. En este art\'iculo estudiamos el uso que se hace de Sci-Hub en Argentina a partir de un an\'alisis cuantitativo de las estad\'isticas de descargas disponibles hasta 2017. Detectamos patrones de uso generales, editoriales y tem\'aticos de los documentos e indagamos aspectos comunes y diferenciadores con respecto al uso mundial y otros pa\'ises de Am\'erica Latina. Asimismo, determinamos, a partir de distintas muestras, si los art\'iculos accedidos adem\'as est\'an disponibles en acceso abierto y/o su acceso es posible a trav\'es de las suscripciones pagadas por el estado nacional a trav\'es de la Biblioteca Electr\'onica de Ciencia y Tecnolog\'ia (BECyT). Encontramos que las descargas realizadas desde Argentina representan poco m\'as del 1\% de las registradas a nivel mundial, que existe una gran dispersi\'on de t\'itulos solicitados y que hay un aumento significativo en el uso respecto a los mismos per\'iodos de 2015 y 2016. Con las distintas muestras pudimos observar que se est\'an descargando mayormente art\'iculos de acceso restringido publicados por las empresas editoriales que manejan el sector como oligopolio, en revistas indexadas en la llamada ``corriente principal'' y que corresponden al \'area de la medicina (oncolog\'ia, pediatr\'ia y medicina cardiovascular). Tambi\'en, detectamos un n\'umero significativo de descargas de art\'iculos que ya estaban disponibles en acceso abierto, evidenciando un posible desconocimiento de estos recursos y calculamos un incremento importante respecto al uso de BECyT. Concluimos que las descargas desde Argentina tienen patrones similares al resto del mundo y que el aumento de su uso muestra que un cambio m\'as radical para garantizar el derecho de acceso a la informaci\'on es necesario. Mientras la informaci\'on cient\'ifica siga siendo una mercanc\'ia es primordial profundizar el estudio de los distintos proyectos que permiten reapropiarnos del conocimiento.}, + language = {es} +} + +@article{moore_Preregister_2016, + title = {Preregister If You Want To}, + author = {Moore, Don A.}, + year = {2016}, + month = apr, + journal = {The American Psychologist}, + volume = {71}, + number = {3}, + pages = {238--239}, + issn = {1935-990X}, + doi = {10.1037/a0040195}, + abstract = {Prespecification of confirmatory hypothesis tests is a useful tool that makes our statistical tests informative. On the other hand, selectively reporting studies, measures, or statistical tests renders the probability of false positives higher than the p values would imply. The bad news is that it is usually difficult to tell how much higher the probability is. Fortunately, there are enormous opportunities to improve the quality of our science by preregistering our research plans. Preregistration is a highly distinctive strength that should increase our faith in the veracity and replicability of a research result.}, + language = {eng}, + pmid = {27042885}, + keywords = {Clinical Trials as Topic,Humans,Information Dissemination,Reproducibility of Results,Research Design,Science} +} + +@article{motta_Dynamics_2018, + title = {The {{Dynamics}} and {{Political Implications}} of {{Anti}}-{{Intellectualism}} in the {{United States}}}, + author = {Motta, Matthew}, + year = {2018}, + month = may, + journal = {American Politics Research}, + volume = {46}, + number = {3}, + pages = {465--498}, + publisher = {{SAGE Publications Inc}}, + issn = {1532-673X}, + doi = {10.1177/1532673X17719507}, + abstract = {Recently, Americans have become increasingly likely to hold anti-intellectual attitudes (i.e., negative affect toward scientists and other experts). However, few have investigated the political implications of anti-intellectualism, and much empirical uncertainty surrounds whether or not these attitudes can be mitigated. Drawing on cross-sectional General Social Survey (GSS) data and a national election panel in 2016, I find that anti-intellectualism is associated with not only the rejection of policy-relevant matters of scientific consensus but support for political movements (e.g., ``Brexit'') and politicians (e.g., George Wallace, Donald Trump) who are skeptical of experts. Critically, though, I show that these effects can be mitigated. Verbal intelligence plays a strong role in mitigating anti-intellectual sympathies, compared with previously studied potential mitigators. I conclude by discussing how scholars might build on this research to study the political consequences of anti-intellectualism in the future.}, + language = {en}, + keywords = {anti-intellectualism,antiscience attitudes,political psychology,public opinion,verbal intelligence} +} + +@article{motyl_state_2017, + title = {The State of Social and Personality Science: {{Rotten}} to the Core, Not so Bad, Getting Better, or Getting Worse?}, + shorttitle = {The State of Social and Personality Science}, + author = {Motyl, Matt and Demos, Alexander P. and Carsel, Timothy S. and Hanson, Brittany E. and Melton, Zachary J. and Mueller, Allison B. and Prims, J. P. and Sun, Jiaqing and Washburn, Anthony N. and Wong, Kendal M. and Yantis, Caitlyn and Skitka, Linda J.}, + year = {2017}, + month = jul, + journal = {Journal of Personality and Social Psychology}, + volume = {113}, + number = {1}, + pages = {34--58}, + issn = {1939-1315}, + doi = {10.1037/pspa0000084}, + abstract = {The scientific quality of social and personality psychology has been debated at great length in recent years. Despite research on the prevalence of Questionable Research Practices (QRPs) and the replicability of particular findings, the impact of the current discussion on research practices is unknown. The current studies examine whether and how practices have changed, if at all, over the last 10 years. In Study 1, we surveyed 1,166 social and personality psychologists about how the current debate has affected their perceptions of their own and the field's research practices. In Study 2, we coded the research practices and critical test statistics from social and personality psychology articles published in 2003-2004 and 2013-2014. Together, these studies suggest that (a) perceptions of the current state of the field are more pessimistic than optimistic; (b) the discussion has increased researchers' intentions to avoid QRPs and adopt proposed best practices, (c) the estimated replicability of research published in 2003-2004 may not be as bad as many feared, and (d) research published in 2013-2014 shows some improvement over research published in 2003-2004, a result that suggests the field is evolving in a positive direction. (PsycINFO Database Record}, + language = {eng}, + pmid = {28447837}, + keywords = {Attitude of Health Personnel,Ethics; Research,Female,Humans,Male,Personality,Psychology,Psychology; Social,Research,Research Design,Surveys and Questionnaires} +} + +@article{munafo_manifesto_2017, + title = {A Manifesto for Reproducible Science}, + author = {Munaf{\`o}, Marcus R. and Nosek, Brian A. and Bishop, Dorothy V. M. and Button, Katherine S. and Chambers, Christopher D. and {Percie du Sert}, Nathalie and Simonsohn, Uri and Wagenmakers, Eric-Jan and Ware, Jennifer J. and Ioannidis, John P. A.}, + year = {2017}, + month = jan, + journal = {Nature Human Behaviour}, + volume = {1}, + number = {1}, + pages = {1--9}, + publisher = {{Nature Publishing Group}}, + issn = {2397-3374}, + doi = {10.1038/s41562-016-0021}, + abstract = {Improving the reliability and efficiency of scientific research will increase the credibility of the published scientific literature and accelerate discovery. Here we argue for the adoption of measures to optimize key elements of the scientific process: methods, reporting and dissemination, reproducibility, evaluation and incentives. There is some evidence from both simulations and empirical studies supporting the likely effectiveness of these measures, but their broad adoption by researchers, institutions, funders and journals will require iterative evaluation and improvement. We discuss the goals of these measures, and how they can be implemented, in the hope that this will facilitate action toward improving the transparency, reproducibility and efficiency of scientific research.}, + copyright = {2017 Macmillan Publishers Limited}, + language = {en}, + annotation = {Bandiera\_abtest: a Cc\_license\_type: cc\_by Cg\_type: Nature Research Journals Primary\_atype: Reviews Subject\_term: Social sciences Subject\_term\_id: social-sciences} +} + +@misc{nassi-calo_Open_2013, + title = {Open {{Access}} and a Call to Prevent the Looming Crisis in Science | {{SciELO}} in {{Perspective}}}, + author = {{Nassi-Cal{\`o}}, Lilian}, + year = {2013}, + month = jul, + abstract = {The number of retracted articles has recently been on the rise. Bj\"orn Brembs identifies this tendency as a reflection of an imminent crisis in science whose}, + language = {en-US}, + keywords = {crisis} +} + +@misc{nassi-calo_reproducibilidad_2014, + title = {La Reproducibilidad En Los Resultados de Investigaci\'on: La Mirada Subjetiva | {{SciELO}} En {{Perspectiva}}}, + shorttitle = {La Reproducibilidad En Los Resultados de Investigaci\'on}, + author = {{Nassi-Cal{\`o}}, Lilian}, + year = {2014}, + month = feb, + abstract = {En una \'epoca en que las discusiones sobre \'etica en la experimentaci\'on y la publicaci\'on cient\'ifica traspasan los laboratorios y ambientes acad\'emicos para}, + language = {en-US} +} + +@article{naturehumanbehaviour_Tell_2020, + title = {Tell It like It Is}, + author = {{Nature human behaviour}}, + year = {2020}, + month = jan, + journal = {Nature Human Behaviour}, + volume = {4}, + number = {1}, + pages = {1--1}, + publisher = {{Nature Publishing Group}}, + issn = {2397-3374}, + doi = {10.1038/s41562-020-0818-9}, + abstract = {Every research paper tells a story, but the pressure to provide `clean' narratives is harmful for the scientific endeavour.}, + copyright = {2020 Springer Nature Limited}, + language = {en}, + keywords = {forrt,transparency} +} + +@article{nosek_preregistration_2018, + title = {The Preregistration Revolution}, + author = {Nosek, Brian A. and Ebersole, Charles R. and DeHaven, Alexander C. and Mellor, David T.}, + year = {2018}, + month = mar, + journal = {Proceedings of the National Academy of Sciences}, + volume = {115}, + number = {11}, + pages = {2600--2606}, + publisher = {{National Academy of Sciences}}, + issn = {0027-8424, 1091-6490}, + doi = {10.1073/pnas.1708274114}, + abstract = {Progress in science relies in part on generating hypotheses with existing observations and testing hypotheses with new observations. This distinction between postdiction and prediction is appreciated conceptually but is not respected in practice. Mistaking generation of postdictions with testing of predictions reduces the credibility of research findings. However, ordinary biases in human reasoning, such as hindsight bias, make it hard to avoid this mistake. An effective solution is to define the research questions and analysis plan before observing the research outcomes\textemdash a process called preregistration. Preregistration distinguishes analyses and outcomes that result from predictions from those that result from postdictions. A variety of practical strategies are available to make the best possible use of preregistration in circumstances that fall short of the ideal application, such as when the data are preexisting. Services are now available for preregistration across all disciplines, facilitating a rapid increase in the practice. Widespread adoption of preregistration will increase distinctiveness between hypothesis generation and hypothesis testing and will improve the credibility of research findings.}, + chapter = {Colloquium Paper}, + copyright = {\textcopyright{} 2018 . http://www.pnas.org/site/aboutpnas/licenses.xhtmlPublished under the PNAS license.}, + language = {en}, + pmid = {29531091}, + keywords = {confirmatory analysis,exploratory analysis,methodology,open science,preregistration,reports,revisado} +} + +@article{nosek_Preregistration_2019, + title = {Preregistration {{Is Hard}}, {{And Worthwhile}}}, + author = {Nosek, Brian A. and Beck, Emorie D. and Campbell, Lorne and Flake, Jessica K. and Hardwicke, Tom E. and Mellor, David T. and {van 't Veer}, Anna E. and Vazire, Simine}, + year = {2019}, + month = oct, + journal = {Trends in Cognitive Sciences}, + volume = {23}, + number = {10}, + pages = {815--818}, + issn = {1364-6613}, + doi = {10.1016/j.tics.2019.07.009}, + abstract = {Preregistration clarifies the distinction between planned and unplanned research by reducing unnoticed flexibility. This improves credibility of findings and calibration of uncertainty. However, making decisions before conducting analyses requires practice. During report writing, respecting both what was planned and what actually happened requires good judgment and humility in making claims.}, + language = {en}, + keywords = {confirmatory research,exploratory research,preregistration,reproducibility,transparency} +} + +@article{nosek_Promoting_2015, + title = {Promoting an Open Research Culture}, + author = {Nosek, B. A. and Alter, G. and Banks, G. C. and Borsboom, D. and Bowman, S. D. and Breckler, S. J. and Buck, S. and Chambers, C. D. and Chin, G. and Christensen, G. and Contestabile, M. and Dafoe, A. and Eich, E. and Freese, J. and Glennerster, R. and Goroff, D. and Green, D. P. and Hesse, B. and Humphreys, M. and Ishiyama, J. and Karlan, D. and Kraut, A. and Lupia, A. and Mabry, P. and Madon, T. and Malhotra, N. and {Mayo-Wilson}, E. and McNutt, M. and Miguel, E. and Paluck, E. Levy and Simonsohn, U. and Soderberg, C. and Spellman, B. A. and Turitto, J. and VandenBos, G. and Vazire, S. and Wagenmakers, E. J. and Wilson, R. and Yarkoni, T.}, + year = {2015}, + month = jun, + journal = {Science}, + volume = {348}, + number = {6242}, + pages = {1422--1425}, + publisher = {{American Association for the Advancement of Science}}, + issn = {0036-8075, 1095-9203}, + doi = {10.1126/science.aab2374}, + abstract = {Author guidelines for journals could help to promote transparency, openness, and reproducibility Author guidelines for journals could help to promote transparency, openness, and reproducibility}, + chapter = {Policy Forum}, + copyright = {Copyright \textcopyright{} 2015, American Association for the Advancement of Science}, + language = {en}, + pmid = {26113702}, + keywords = {revisado} +} + +@article{nosek_Registered_2014, + title = {Registered {{Reports}}: {{A Method}} to {{Increase}} the {{Credibility}} of {{Published Results}}}, + shorttitle = {Registered {{Reports}}}, + author = {Nosek, Brian A. and Lakens, Dani{\"e}l}, + year = {2014}, + month = may, + journal = {Social Psychology}, + volume = {45}, + number = {3}, + pages = {137--141}, + issn = {1864-9335, 2151-2590}, + doi = {10.1027/1864-9335/a000192}, + language = {en}, + keywords = {forrt,reports} +} + +@article{nosek_Transparency_2014, + title = {Transparency and {{Openness Promotion}} ({{TOP}}) {{Guidelines}}}, + author = {Nosek, Brian A. and Alter, George and Banks, George Christopher and Borsboom, Denny and Bowman, Sara and Breckler, Steven and Buck, Stuart and Chambers, Chris and Chin, Gilbert and Christensen, Garret}, + year = {2014}, + month = aug, + publisher = {{OSF}}, + abstract = {The Transparency and Openness Promotion (TOP) Committee met in November 2014 to address one important element of the incentive systems - journals' procedures and policies for publication. The outcome of the effort is the TOP Guidelines. There are eight standards in the TOP guidelines; each move scientific communication toward greater openness. These standards are modular, facilitating adoption in whole or in part. However, they also complement each other, in that commitment to one standard may facilitate adoption of others. Moreover, the guidelines are sensitive to barriers to openness by articulating, for example, a process for exceptions to sharing because of ethical issues, intellectual property concerns, or availability of necessary resources. Hosted on the Open Science Framework}, + language = {en}, + keywords = {(,transparency} +} + +@misc{nw_Trust_2019, + title = {Trust and {{Mistrust}} in {{Americans}}' {{Views}} of {{Scientific Experts}}}, + author = {NW, 1615 L. St and Suite 800Washington and Inquiries, DC 20036USA202-419-4300 | Main202-857-8562 | Fax202-419-4372 | Media}, + year = {2019}, + month = aug, + journal = {Pew Research Center Science \& Society}, + abstract = {Public confidence in scientists is on the upswing, and six-in-ten Americans say scientists should play an active role in policy debates about scientific issues, according to a new Pew Research Center survey.}, + language = {en-US} +} + +@article{nyhan_Increasing_2015, + title = {Increasing the {{Credibility}} of {{Political Science Research}}: {{A Proposal}} for {{Journal Reforms}}}, + shorttitle = {Increasing the {{Credibility}} of {{Political Science Research}}}, + author = {Nyhan, Brendan}, + year = {2015}, + month = sep, + journal = {Ps-Political Science \& Politics}, + volume = {48}, + pages = {78--83}, + publisher = {{Cambridge Univ Press}}, + address = {{New York}}, + issn = {1049-0965}, + doi = {10.1017/S1049096515000463}, + language = {English}, + keywords = {gender,medicaid,publication bias,registered-reports,replication,transparency}, + annotation = {WOS:000359291900014} +} + +@article{oboyle_Chrysalis_2017, + title = {The {{Chrysalis Effect}}: {{How Ugly Initial Results Metamorphosize Into Beautiful Articles}}}, + shorttitle = {The {{Chrysalis Effect}}}, + author = {O'Boyle, Ernest Hugh and Banks, George Christopher and {Gonzalez-Mul{\'e}}, Erik}, + year = {2017}, + month = feb, + journal = {Journal of Management}, + volume = {43}, + number = {2}, + pages = {376--399}, + publisher = {{SAGE Publications Inc}}, + issn = {0149-2063}, + doi = {10.1177/0149206314527133}, + abstract = {The issue of a published literature not representative of the population of research is most often discussed in terms of entire studies being suppressed. However, alternative sources of publication bias are questionable research practices (QRPs) that entail post hoc alterations of hypotheses to support data or post hoc alterations of data to support hypotheses. Using general strain theory as an explanatory framework, we outline the means, motives, and opportunities for researchers to better their chances of publication independent of rigor and relevance. We then assess the frequency of QRPs in management research by tracking differences between dissertations and their resulting journal publications. Our primary finding is that from dissertation to journal article, the ratio of supported to unsupported hypotheses more than doubled (0.82 to 1.00 versus 1.94 to 1.00). The rise in predictive accuracy resulted from the dropping of statistically nonsignificant hypotheses, the addition of statistically significant hypotheses, the reversing of predicted direction of hypotheses, and alterations to data. We conclude with recommendations to help mitigate the problem of an unrepresentative literature that we label the ``Chrysalis Effect.''}, + language = {en}, + keywords = {ethics,morality and moral behavior,philosophy of science,revisado,statistical methods,transparency} +} + +@misc{omatos_aspectos_2013, + title = {Aspectos {{Legales}} En La {{Educaci\'on}}}, + author = {Omatos, Antonio}, + year = {2013} +} + +@article{opensciencecollaboration_Estimating_2015, + title = {Estimating the Reproducibility of Psychological Science}, + author = {{Open Science Collaboration}}, + year = {2015}, + month = aug, + journal = {Science}, + volume = {349}, + number = {6251}, + pages = {aac4716-aac4716}, + issn = {0036-8075, 1095-9203}, + doi = {10.1126/science.aac4716}, + language = {en} +} + +@article{ospina_problemas_2014, + title = {Problemas de Propiedad Intelectual En El Entorno Universitario. {{Un}} Acercamiento General}, + author = {Ospina, Adriana Mar{\'i}a Restrepo}, + year = {2014}, + journal = {Estudios de Derecho}, + volume = {71}, + number = {158}, + pages = {69--96} +} + +@article{patil_visual_2019, + title = {A Visual Tool for Defining Reproducibility and Replicability}, + author = {Patil, Prasad and Peng, Roger D. and Leek, Jeffrey T.}, + year = {2019}, + month = jul, + journal = {Nature Human Behaviour}, + volume = {3}, + number = {7}, + pages = {650--652}, + publisher = {{Nature Publishing Group}}, + issn = {2397-3374}, + doi = {10.1038/s41562-019-0629-z}, + abstract = {Reproducibility and replicability are fundamental requirements of scientific studies. Disagreements over universal definitions for these terms have affected the interpretation of large-scale replication attempts. We provide a visual tool for representing definitions and use it to re-examine these attempts.}, + copyright = {2019 Springer Nature Limited}, + language = {en}, + keywords = {herramienta}, + annotation = {Bandiera\_abtest: a Cg\_type: Nature Research Journals Primary\_atype: Comments \& Opinion Subject\_term: Software;Statistics Subject\_term\_id: software;statistics} +} + +@article{paul_Making_2021, + title = {Making {{ERP}} Research More Transparent: {{Guidelines}} for Preregistration}, + shorttitle = {Making {{ERP}} Research More Transparent}, + author = {Paul, Mariella and Govaart, Gisela H. and Schettino, Antonio}, + year = {2021}, + month = jun, + journal = {International Journal of Psychophysiology}, + volume = {164}, + pages = {52--63}, + publisher = {{Elsevier}}, + address = {{Amsterdam}}, + issn = {0167-8760}, + doi = {10.1016/j.ijpsycho.2021.02.016}, + abstract = {A combination of confirmation bias, hindsight bias, and pressure to publish may prompt the (unconscious) exploration of various methodological options and reporting only the ones that lead to a (statistically) significant outcome. This undisclosed analytic flexibility is particularly relevant in EEG research, where a myriad of preprocessing and analysis pipelines can be used to extract information from complex multidimensional data. One solution to limit confirmation and hindsight bias by disclosing analytic choices is preregistration: researchers write a time-stamped, publicly accessible research plan with hypotheses, data collection plan, and the intended preprocessing and statistical analyses before the start of a research project. In this manuscript, we present an overview of the problems associated with undisclosed analytic flexibility, discuss why and how EEG researchers would benefit from adopting preregistration, provide guidelines and examples on how to preregister data preprocessing and analysis steps in typical ERP studies, and conclude by discussing possibilities and limitations of this open science practice.}, + language = {English}, + keywords = {eeg,eeg-data,erp,error-related negativity,incentives,independent components,meg,null,Open science,potentials,Preregistration,processing pipeline,publication,randomized clinical-trials}, + annotation = {WOS:000645667300007} +} + +@misc{pena_declaracion_2003, + title = {{Declaraci\'on de Bethesda sobre Publicaci\'on de Acceso Abierto}}, + author = {Pe{\~n}a, Ismaes}, + year = {20 de Junio, 2003}, + language = {Traducido} +} + +@article{penders_Rinse_2019, + title = {Rinse and {{Repeat}}: {{Understanding}} the {{Value}} of {{Replication}} across {{Different Ways}} of {{Knowing}}}, + shorttitle = {Rinse and {{Repeat}}}, + author = {Penders, Bart and Holbrook, J. Britt and {de Rijcke}, Sarah}, + year = {2019}, + month = sep, + journal = {Publications}, + volume = {7}, + number = {3}, + pages = {52}, + publisher = {{Multidisciplinary Digital Publishing Institute}}, + doi = {10.3390/publications7030052}, + abstract = {The increasing pursuit of replicable research and actual replication of research is a political project that articulates a very specific technology of accountability for science. This project was initiated in response to concerns about the openness and trustworthiness of science. Though applicable and valuable in many fields, here we argue that this value cannot be extended everywhere, since the epistemic content of fields, as well as their accountability infrastructures, differ. Furthermore, we argue that there are limits to replicability across all fields; but in some fields, including parts of the humanities, these limits severely undermine the value of replication to account for the value of research.}, + copyright = {http://creativecommons.org/licenses/by/3.0/}, + language = {en}, + keywords = {accountability,epistemic pluralism,humanities,Replicability,replication,reproducibility,reproduction} +} + +@article{peng_reproducibility_2015, + title = {The Reproducibility Crisis in Science: {{A}} Statistical Counterattack}, + shorttitle = {The Reproducibility Crisis in Science}, + author = {Peng, Roger}, + year = {2015}, + journal = {Significance}, + volume = {12}, + number = {3}, + pages = {30--32}, + issn = {1740-9713}, + doi = {10.1111/j.1740-9713.2015.00827.x}, + abstract = {More people have more access to data than ever before. But a comparative lack of analytical skills has resulted in scientific findings that are neither replicable nor reproducible. It is time to invest in statistics education, says Roger Peng}, + copyright = {\textcopyright{} 2015 The Royal Statistical Society}, + language = {en}, + keywords = {crisis}, + annotation = {\_eprint: https://rss.onlinelibrary.wiley.com/doi/pdf/10.1111/j.1740-9713.2015.00827.x} +} + +@article{peng_Reproducible_2011, + title = {Reproducible {{Research}} in {{Computational Science}}}, + author = {Peng, R. D.}, + year = {2011}, + month = dec, + journal = {Science}, + volume = {334}, + number = {6060}, + pages = {1226--1227}, + issn = {0036-8075, 1095-9203}, + doi = {10.1126/science.1213847}, + language = {en} +} + +@article{petousi_Contextualising_2020, + title = {Contextualising Harm in the Framework of Research Misconduct. {{Findings}} from Discourse Analysis of Scientific Publications}, + author = {Petousi, Vasiliki and Sifaki, Eirini}, + year = {2020}, + month = jan, + journal = {International Journal of Sustainable Development}, + volume = {23}, + number = {3-4}, + pages = {149--174}, + publisher = {{Inderscience Publishers}}, + issn = {0960-1406}, + doi = {10.1504/IJSD.2020.115206}, + abstract = {This article reports on research, which deals with dimensions of harm resulting from research misconduct, in articles published in scientific journals. An appropriate sample of publications retrieved from Pubmed, Scopus and WOS was selected across various disciplines and topics. Implementing discourse analysis, articles were classified according to the narratives of 'individual impurity', 'institutional failure' and 'structural crisis'. Most of the articles analysed fall within the narrative of structural crisis. The main argument advanced is that research misconduct harms the scientific enterprise as a whole. Harm is narrated in the context of institutional characteristics, policies, procedures, guidelines, and work environment. Mainly, however, harm is narrated in the context of structural characteristics of contemporary scientific practices, which result in normative dissonance for scientists and loss of trust in science in the relation between science and society and within the scientific enterprise itself. We conclude that new grounds for building trust and confidence in science are needed.}, + keywords = {practices} +} + +@article{pham_Not_2021, + title = {On {{Not Confusing}} the {{Tree}} of {{Trustworthy Statistics}} with the {{Greater Forest}} of {{Good Science}}: {{A Comment}} on {{Simmons}} et al.'s {{Perspective}} on {{Pre}}-Registration}, + shorttitle = {On {{Not Confusing}} the {{Tree}} of {{Trustworthy Statistics}} with the {{Greater Forest}} of {{Good Science}}}, + author = {Pham, Michel Tuan and Oh, Travis Tae}, + year = {2021}, + month = jan, + journal = {Journal of Consumer Psychology}, + volume = {31}, + number = {1}, + pages = {181--185}, + publisher = {{John Wiley \& Sons Ltd}}, + address = {{Chichester}}, + issn = {1057-7408}, + doi = {10.1002/jcpy.1213}, + abstract = {In this commentary on Simmons, Nelson, and Simonsohn (this issue), we examine their rationale for pre-registration within the broader perspective of what good science is. We agree that there is potential benefit in a system of pre-registration if implemented selectively. However, we believe that other tools of open science such as the full sharing of study materials and open access to underlying data, provide most of the same benefits-and more (i.e., the prevention of outright fraud)-without risking the potential adverse consequences of a system of pre-registration. This is why we favor these other means of controlling type I error and fostering transparency. Direct replication, as opposed to conceptual replication, should be encouraged as well.}, + language = {English}, + keywords = {consumer research,open science,philosophy of science,preregistration,reproducibility crisis}, + annotation = {WOS:000618078000015} +} + +@article{pham_Preregistration_2021, + title = {Preregistration {{Is Neither Sufficient}} nor {{Necessary}} for {{Good Science}}}, + author = {Pham, Michel Tuan and Oh, Travis Tae}, + year = {2021}, + month = jan, + journal = {Journal of Consumer Psychology}, + volume = {31}, + number = {1}, + pages = {163--176}, + publisher = {{John Wiley \& Sons Ltd}}, + address = {{Chichester}}, + issn = {1057-7408}, + doi = {10.1002/jcpy.1209}, + abstract = {To address widespread perceptions of a reproducibility crisis in the social sciences, a growing number of scholars recommend the systematic preregistration of empirical studies. The purpose of this article is to contribute to an epistemological dialogue on the value of preregistration in consumer research by identifying the limitations, drawbacks, and potential adverse effects of a preregistration system. After a brief review of some of the implementation challenges that commonly arise with preregistration, we raise three levels of issues with a system of preregistration. First, we identify its limitations as a means of advancing consumer knowledge, thus questioning the sufficiency of preregistration in promoting good consumer science. Second, we elaborate on why consumer science can progress even in the absence of preregistration, thereby also questioning the necessity of preregistration in promoting good consumer science. Third, we discuss serious potential adverse effects of preregistration, both at the individual researcher level and at the level of the field as a whole. We conclude by offering a broader perspective on the narrower role that preregistration can play within the general pursuit of building robust and useful knowledge about consumers.}, + language = {English}, + keywords = {Consumer research,Open science,Preregistration,Reproducibility crisis}, + annotation = {WOS:000618078000013} +} + +@article{piwowar_future_2019, + title = {The {{Future}} of {{OA}}: {{A}} Large-Scale Analysis Projecting {{Open Access}} Publication and Readership}, + shorttitle = {The {{Future}} of {{OA}}}, + author = {Piwowar, Heather and Priem, Jason and Orr, Richard}, + year = {2019}, + journal = {BioRxiv}, + pages = {795310}, + publisher = {{Cold Spring Harbor Laboratory}} +} + +@article{piwowar_state_2018, + title = {The State of {{OA}}: A Large-Scale Analysis of the Prevalence and Impact of {{Open Access}} Articles}, + shorttitle = {The State of {{OA}}}, + author = {Piwowar, Heather and Priem, Jason and Larivi{\`e}re, Vincent and Alperin, Juan Pablo and Matthias, Lisa and Norlander, Bree and Farley, Ashley and West, Jevin and Haustein, Stefanie}, + year = {2018}, + journal = {PeerJ}, + volume = {6}, + pages = {e4375}, + publisher = {{PeerJ Inc.}} +} + +@incollection{poumadere_Credibility_1991, + title = {The {{Credibility Crisis}}}, + booktitle = {Chernobyl: {{A Policy Response Study}}}, + author = {Poumad{\`e}re, Marc}, + editor = {Segerst{\aa}hl, Boris}, + year = {1991}, + series = {Springer {{Series}} on {{Environmental Management}}}, + pages = {149--171}, + publisher = {{Springer}}, + address = {{Berlin, Heidelberg}}, + doi = {10.1007/978-3-642-84367-9_8}, + abstract = {Those who said that the twentieth century is the century of the atom didn't know how right they were. Certainly, the scientific discovery of a particularly powerful new energy source had produced hopes and applications in both the civil and military sectors. In the final equation, though, it is the major accident at Chernobyl that dramatically and suddenly brought the reality of the atom's presence home to many persons and groups around the world.}, + isbn = {978-3-642-84367-9}, + language = {en}, + keywords = {Chernobyl Accident,crisis,Nuclear Energy,Nuclear Power Plant,Social Defense,Social Distance} +} + +@article{price_Problem_2020, + title = {Problem with p Values: Why p Values Do Not Tell You If Your Treatment Is Likely to Work}, + shorttitle = {Problem with p Values}, + author = {Price, Robert and Bethune, Rob and Massey, Lisa}, + year = {2020}, + month = jan, + journal = {Postgraduate Medical Journal}, + volume = {96}, + number = {1131}, + pages = {1--3}, + issn = {0032-5473, 1469-0756}, + doi = {10.1136/postgradmedj-2019-137079}, + language = {en}, + keywords = {forrt,practices} +} + +@article{rabelo_Questionable_2020, + title = {Questionable Research Practices among {{Brazilian}} Psychological Researchers: {{Results}} from a Replication Study and an International Comparison}, + shorttitle = {Questionable Research Practices among {{Brazilian}} Psychological Researchers}, + author = {Rabelo, Andr{\'e} L. A. and Farias, J{\'e}ssica E. M. and Sarmet, Maur{\'i}cio M. and Joaquim, Teresa C. R. and Hoersting, Raquel C. and Victorino, Luiz and Modesto, Jo{\~a}o G. N. and Pilati, Ronaldo}, + year = {2020}, + journal = {International Journal of Psychology}, + volume = {55}, + number = {4}, + pages = {674--683}, + issn = {1464-066X}, + doi = {10.1002/ijop.12632}, + abstract = {Research on scientific integrity is growing in psychology, and questionable research practices (QRPs) have received more attention due to its harmful effect on science. By replicating the procedures of previous research, the present study aimed at describing the use of QRPs among Brazilian psychological researchers and to make an international comparison with previous studies in other countries\textemdash the US and Italy. Two hundred and thirty-two Brazilian researchers in the field of psychology answered questions related to 10 different QRPs. Brazilian researchers indicated a lower tendency to engage in two QRPs (failing to report all of a study's dependent measures; deciding whether to collect more data after looking to see whether the results were significant) when compared to their Italian and North American counterparts, but indicated a higher tendency to engage in two other QRPs (selectively reporting studies that ``worked''; not reporting all of a study's conditions). Most of the sample did not admit integrity conflicts in their own research but indicated that others have integrity problems, as observed in previous studies. Those discrepancies could be attributed to contextual and systemic factors regarding different publication demands among the different nations. Further studies should focus on identifying the antecedents of QRPs.}, + language = {en}, + keywords = {Bias,Meta-research,Questionable research practices,Replicability,Scientific integrity}, + annotation = {\_eprint: https://onlinelibrary.wiley.com/doi/pdf/10.1002/ijop.12632} +} + +@article{raj_PHacking_2018, + title = {P-{{Hacking}}: {{A Wake}}-{{Up Call}} for the {{Scientific Community}}}, + shorttitle = {P-{{Hacking}}}, + author = {Raj, A. Thirumal and Patil, Shankargouda and Sarode, Sachin and Salameh, Ziad}, + year = {2018}, + month = dec, + journal = {Science and Engineering Ethics}, + volume = {24}, + number = {6}, + pages = {1813--1814}, + publisher = {{Springer}}, + address = {{Dordrecht}}, + issn = {1353-3452}, + doi = {10.1007/s11948-017-9984-1}, + abstract = {P-hacking or data dredging involves manipulation of the research data in order to obtain a statistically significant result. The reasons behind P-hacking and the consequences of the same are discussed in the present manuscript.}, + language = {English}, + keywords = {Financing,Journal impact factor,Organized,Publications,Research design}, + annotation = {WOS:000451715300010} +} + +@misc{rapp_what_2019, + title = {What {{bioRxiv}}'s First 30,000 Preprints Reveal about Biologists}, + author = {Rapp, Joshua}, + year = {2019}, + journal = {nature}, + abstract = {More than 1 million studies are now downloaded from the site every month, mostly in neuroscience, bioinformatics and genomics.}, + language = {English} +} + +@article{redish_Opinion_2018, + title = {Opinion: {{Reproducibility}} Failures Are Essential to Scientific Inquiry}, + shorttitle = {Opinion}, + author = {Redish, A. David and Kummerfeld, Erich and Morris, Rebecca Lea and Love, Alan C.}, + year = {2018}, + month = may, + journal = {Proceedings of the National Academy of Sciences}, + volume = {115}, + number = {20}, + pages = {5042--5046} +} + +@article{restrepo_problemas_2014, + title = {Problemas de Propiedad Intelectual En El Entorno Universitario. {{Un}} Acercamiento General}, + author = {Restrepo, Adriana Mar{\'i}a}, + year = {30 de Junio, 2014}, + volume = {71}, + number = {158}, + pages = {69--96} +} + +@article{rice_Curtailing_2019, + title = {Curtailing the {{Use}} of {{Preregistration}}: {{A Misused Term}}}, + shorttitle = {Curtailing the {{Use}} of {{Preregistration}}}, + author = {Rice, Danielle B. and Moher, David}, + year = {2019}, + month = nov, + journal = {Perspectives on Psychological Science}, + volume = {14}, + number = {6}, + pages = {1105--1108}, + publisher = {{Sage Publications Ltd}}, + address = {{London}}, + issn = {1745-6916}, + doi = {10.1177/1745691619858427}, + abstract = {Improving the usability of psychological research has been encouraged through practices such as prospectively registering research plans. Registering research aligns with the open-science movement, as the registration of research protocols in publicly accessible domains can result in reduced research waste and increased study transparency. In medicine and psychology, two different terms, registration and preregistration, have been used to refer to study registration, but applying inconsistent terminology to represent one concept can complicate both educational outreach and epidemiological investigation. Consistently using one term across disciplines to refer to the concept of study registration may improve the understanding and uptake of this practice, thereby supporting the movement toward improving the reliability and reproducibility of research through study registration. We recommend encouraging use of the original term, registration, given its widespread and long-standing use, including in national registries.}, + language = {English}, + keywords = {open science,preregistration,protocols,Registered Reports,registration,trial registration}, + annotation = {WOS:000483904100001} +} + +@misc{rinke_Probabilistic_2018, + title = {Probabilistic {{Misconceptions Are Pervasive Among Communication Researchers}}}, + author = {Rinke, Eike Mark and Schneider, Frank M.}, + year = {2018}, + month = sep, + institution = {{SocArXiv}}, + doi = {10.31235/osf.io/h8zbe}, + abstract = {Across all areas of communication research, the most popular approach to generating insights about communication is the classical significance test (also called null hypothesis significance testing, NHST). The predominance of NHST in communication research is in spite of serious concerns about the ability of researchers to properly interpret its results. We draw on data from a survey of the ICA membership to assess the evidential basis of these concerns. The vast majority of communication researchers misinterpreted NHST (91\%) and the most prominent alternative, confidence intervals (96\%), while overestimating their competence. Academic seniority and statistical experience did not predict better interpretation outcomes. These findings indicate major problems regarding the generation of knowledge in the field of communication research.}, + keywords = {Communication,confidence intervals,data analysis,misconceptions,practices,significance testing,Social and Behavioral Sciences,statistical inference,statistics} +} + +@article{rodriguez-sanchez_Ciencia_2016, + title = {{Ciencia reproducible: qu\'e, por qu\'e, c\'omo}}, + shorttitle = {{Ciencia reproducible}}, + author = {{Rodriguez-Sanchez}, Francisco and {P{\'e}rez-Luque}, Antonio Jes{\'u}s and Bartomeus, Ignasi and Varela, Sara}, + year = {2016}, + month = jul, + journal = {Ecosistemas}, + volume = {25}, + number = {2}, + pages = {83--92}, + issn = {1697-2473}, + doi = {10.7818/ECOS.2016.25-2.11}, + copyright = {Derechos de autor}, + language = {es}, + keywords = {reproducibilidad,revisado} +} + +@article{rosenthal_file_1979, + title = {The File Drawer Problem and Tolerance for Null Results.}, + author = {Rosenthal, Robert}, + year = {1979}, + journal = {Psychological Bulletin}, + volume = {86}, + number = {3}, + pages = {638--641}, + issn = {0033-2909}, + doi = {10.1037/0033-2909.86.3.638}, + language = {en} +} + +@misc{rowe_Preview_2018, + title = {Preview My New Book: {{Introduction}} to {{Reproducible Science}} in {{R}} | {{R}}-Bloggers}, + shorttitle = {Preview My New Book}, + author = {Rowe, Brian Lee Yung}, + year = {2018}, + month = nov, + abstract = {I'm pleased to share Part I of my new book ``Introduction to Reproducible Science in R``. The purpose of this \ldots Continue reading \textrightarrow}, + language = {en-US} +} + +@article{rubin_Does_2020, + title = {Does Preregistration Improve the Credibility of Research Findings?}, + author = {Rubin, Mark}, + year = {2020}, + journal = {Quantitative Methods for Psychology}, + volume = {16}, + number = {4}, + pages = {376--390}, + publisher = {{Univ Montreal, Dept Psychologie}}, + address = {{Montreal}}, + issn = {1913-4126}, + doi = {10.20982/tqmp.16.4.p376}, + abstract = {Preregistration entails researchers registering their planned research hypotheses, methods, and analyses in a time-stamped document before they undertake their data collection and analyses. This document is then made available with the published research report to allow readers to identify discrepancies between what the researchers originally planned to do and what they actually ended up doing. This historical transparency is supposed to facilitate judgments about the credibility of the research findings. The present article provides a critical review of 17 of the reasons behind this argument. The article covers issues such as HARKing, multiple testing, p-hacking, forking paths, optional stopping, researchers' biases, selective reporting, test severity, publication bias, and replication rates. It is concluded that preregistration's historical transparency does not facilitate judgments about the credibility of research findings when researchers provide contemporary transparency in the form of (a) clear rationales for current hypotheses and analytical approaches, (b) public access to research data, materials, and code, and (c) demonstrations of the robustness of research conclusions to alternative interpretations and analytical approaches.}, + language = {English}, + keywords = {bias,error,forking paths,harking,HARKing,inference,multiple testing,optional stopping,p-hacking,preregistration,publication bias,science}, + annotation = {WOS:000573887700010} +} + +@article{rubin_Evaluation_2017, + title = {An {{Evaluation}} of {{Four Solutions}} to the {{Forking Paths Problem}}: {{Adjusted Alpha}}, {{Preregistration}}, {{Sensitivity Analyses}}, and {{Abandoning}} the {{Neyman}}-{{Pearson Approach}}}, + shorttitle = {An {{Evaluation}} of {{Four Solutions}} to the {{Forking Paths Problem}}}, + author = {Rubin, Mark}, + year = {2017}, + month = dec, + journal = {Review of General Psychology}, + volume = {21}, + number = {4}, + pages = {321--329}, + publisher = {{Sage Publications Inc}}, + address = {{Thousand Oaks}}, + issn = {1089-2680}, + doi = {10.1037/gpr0000135}, + abstract = {Gelman and Loken (2013, 2014) proposed that when researchers base their statistical analyses on the idiosyncratic characteristics of a specific sample (e.g., a nonlinear transformation of a variable because it is skewed), they open up alternative analysis paths in potential replications of their study that are based on different samples (i.e., no transformation of the variable because it is not skewed). These alternative analysis paths count as additional (multiple) tests and, consequently, they increase the probability of making a Type I error during hypothesis testing. The present article considers this forking paths problem and evaluates four potential solutions that might be used in psychology and other fields: (a) adjusting the prespecified alpha level, (b) preregistration, (c) sensitivity analyses, and (d) abandoning the Neyman-Pearson approach. It is concluded that although preregistration and sensitivity analyses are effective solutions to p-hacking, they are ineffective against result-neutral forking paths, such as those caused by transforming data. Conversely, although adjusting the alpha level cannot address p-hacking, it can be effective for result-neutral forking paths. Finally, abandoning the Neyman-Pearson approach represents a further solution to the forking paths problem.}, + language = {English}, + keywords = {confusion,familywise error,forking paths,null hypothesis significance testing,okeefes,p-values,preregistration,registered reports,replication crisis,sensitivity analyses,statistical-methods}, + annotation = {WOS:000417900400004} +} + +@article{rytchkov_Information_2020, + title = {Information {{Aggregation}} and {{P}}-{{Hacking}}}, + author = {Rytchkov, Oleg and Zhong, Xun}, + year = {2020}, + month = apr, + journal = {Management Science}, + volume = {66}, + number = {4}, + pages = {1605--1626}, + publisher = {{Informs}}, + address = {{Catonsville}}, + issn = {0025-1909}, + doi = {10.1287/mnsc.2018.3259}, + abstract = {This paper studies the interplay between information aggregation and p-hacking in the context of predicting stock returns. The standard information-aggregation techniques exacerbate p-hacking by increasing the probability of the type I error. We propose an aggregation technique that is a simple modification of three-pass regression filter/ partial least squares regression with an opposite property: the predictability tests applied to the combined predictor become more conservative in the presence of p-hacking. Using simulations, we quantify the advantages of our approach relative to the standard information-aggregation techniques. We also apply our aggregation technique to three sets of return predictors proposed in the literature and find that the forecasting ability of combined predictors in two cases cannot be explained by p-hacking.}, + language = {English}, + keywords = {3prf,book-to-market,cross-section,false discoveries,forecast combination,p-hacking,performance,pls,predictability,predictability of returns,prediction,premium,presidential-address,stock returns,tests}, + annotation = {WOS:000531064000007} +} + +@article{sadaba_acceso_2014, + title = {{{EL ACCESO ABIERTO EN CIENCIAS SOCIALES}}: {{NOTAS SOCIOL\'OGICAS SOBRE PUBLICACIONES}}, {{COMUNIDADES Y CAMPOS}}}, + author = {Sadaba, Igor}, + year = {2014}, + volume = {17}, + pages = {93--113}, + issn = {1139-3327}, + abstract = {En el presente art\'iculo proponemos evitar las caracterizaciones abstractas y pol\'iticas del Open Access para pasar a evaluar emp\'iricamente su funcionamiento. Solo apart\'andonos de los manifiestos program\'aticos y los listados de beneficios te\'oricos de dichas pr\'acticas podremos valorar en su justa medida las resistencias existentes y aprovechar sus potencialidades reales. En concreto, se propone estudiar el Open Access en las Ciencias Sociales (en comparaci\'on con las Ciencias Naturales) y entender que todav\'ia estamos ante un proceso desigual de difusi\'on del conocimiento acad\'emico debido, en parte, a dos nociones sociol\'ogicas centrales (de dos autores tambi\'en centrales en las propias Ciencias Sociales): i) la arquitectura diferencial de sus ``comunidades cient\'ificas'' (Merton) y ii) las diferentes reglas de ``campo acad\'emico'' (Bourdieu) configuradas a partir del dominio de los \'indices de impacto en las ciencias contempor\'aneas.} +} + +@article{schindler_investigating_2021, + title = {Investigating {{Software Usage}} in the {{Social Sciences}}: {{A Knowledge Graph Approach}}}, + shorttitle = {Investigating {{Software Usage}} in the {{Social Sciences}}}, + author = {Schindler, David and Zapilko, Benjamin and Kr{\"u}ger, Frank}, + year = {2021}, + month = aug, + journal = {arXiv:2003.10715 [cs]}, + eprint = {2003.10715}, + eprinttype = {arxiv}, + primaryclass = {cs}, + abstract = {Knowledge about the software used in scientific investigations is necessary for different reasons, including provenance of the results, measuring software impact to attribute developers, and bibliometric software citation analysis in general. Additionally, providing information about whether and how the software and the source code are available allows an assessment about the state and role of open source software in science in general. While such analyses can be done manually, large scale analyses require the application of automated methods of information extraction and linking. In this paper, we present SoftwareKG - a knowledge graph that contains information about software mentions from more than 51,000 scientific articles from the social sciences. A silver standard corpus, created by a distant and weak supervision approach, and a gold standard corpus, created by manual annotation, were used to train an LSTM based neural network to identify software mentions in scientific articles. The model achieves a recognition rate of .82 F-score in exact matches. As a result, we identified more than 133,000 software mentions. For entity disambiguation, we used the public domain knowledge base DBpedia. Furthermore, we linked the entities of the knowledge graph to other knowledge bases such as the Microsoft Academic Knowledge Graph, the Software Ontology, and Wikidata. Finally, we illustrate, how SoftwareKG can be used to assess the role of software in the social sciences.}, + archiveprefix = {arXiv}, + keywords = {Computer Science - Computation and Language,Computer Science - Information Retrieval} +} + +@article{schnell_Reproducible_2018, + title = {``{{Reproducible}}'' {{Research}} in {{Mathematical Sciences Requires Changes}} in Our {{Peer Review Culture}} and {{Modernization}} of Our {{Current Publication Approach}}}, + author = {Schnell, Santiago}, + year = {2018}, + month = dec, + journal = {Bulletin of Mathematical Biology}, + volume = {80}, + number = {12}, + pages = {3095--3105}, + issn = {1522-9602}, + doi = {10.1007/s11538-018-0500-9}, + abstract = {The nature of scientific research in mathematical and computational biology allows editors and reviewers to evaluate the findings of a scientific paper. Replication of a research study should be the minimum standard for judging its scientific claims and considering it for publication. This requires changes in the current peer review practice and a strict adoption of a replication policy similar to those adopted in experimental fields such as organic synthesis. In the future, the culture of replication can be easily adopted by publishing papers through dynamic computational notebooks combining formatted text, equations, computer algebra and computer code.}, + language = {en} +} + +@article{schoenbrodt_Fostering_2018, + title = {{Fostering Research Transparency as a Key Property of Science: Concrete Actions for Psychological Departments}}, + shorttitle = {{Fostering Research Transparency as a Key Property of Science}}, + author = {Schoenbrodt, Felix D. and Maier, Markus and Heene, Moritz and Buehner, Markus}, + year = {2018}, + month = jan, + journal = {Psychologische Rundschau}, + volume = {69}, + number = {1}, + pages = {37--44}, + publisher = {{Hogrefe \& Huber Publishers}}, + address = {{Gottingen}}, + issn = {0033-3042}, + doi = {10.1026/0033-3042/a000386}, + abstract = {Recent large-scale replication projects suggest an amount of nonreplicable results in the scientific literature, in psychology but also in other sciences, which is concerning from our point of view. We analyze some causes for this situation, and argue that the change toward more research transparency ("open science") must be one consequence that should be drawn from the credibility crisis. We call for feasible changes in the local research units and departments and show as an example the steps that have been taken at the Department of Psychology of the Ludwig-Maximilians-Universitat Munchen. These changes concern incentive structures, research culture, teaching, and a close integration with the local ethics committee. The goal is to foster a more credible and more reproducible research output without generating unnecessary bureaucratic overhead.}, + language = {German}, + keywords = {credibility crisis,game,incentives,registered reports,replicability,replication crisis,research quality,rules,standards,truth}, + annotation = {WOS:000419334000004} +} + +@misc{serevicionacionaldelpatrimoniocultural_tratados_, + title = {Tratados {{Inernacionales}}}, + author = {{Serevicio Nacional del Patrimonio Cultural}}, + journal = {Departamento de Derechos Intelectuales} +} + +@article{serra-garcia_Nonreplicable_2021, + title = {Nonreplicable Publications Are Cited More than Replicable Ones}, + author = {{Serra-Garcia}, Marta and Gneezy, Uri}, + year = {2021}, + month = may, + journal = {Science Advances}, + volume = {7}, + number = {21}, + pages = {eabd1705}, + issn = {2375-2548}, + doi = {10.1126/sciadv.abd1705}, + abstract = {Published papers that fail to replicate are cited more than those that replicate, even after the failure is published., We use publicly available data to show that published papers in top psychology, economics, and general interest journals that fail to replicate are cited more than those that replicate. This difference in citation does not change after the publication of the failure to replicate. Only 12\% of postreplication citations of nonreplicable findings acknowledge the replication failure. Existing evidence also shows that experts predict well which papers will be replicated. Given this prediction, why are nonreplicable papers accepted for publication in the first place? A possible answer is that the review team faces a trade-off. When the results are more ``interesting,'' they apply lower standards regarding their reproducibility.}, + pmcid = {PMC8139580}, + pmid = {34020944} +} + +@article{sijtsma_Steps_2021, + title = {Steps toward Preregistration of Research on Research Integrity}, + author = {Sijtsma, Klaas and Emons, Wilco H. M. and Steneck, Nicholas H. and Bouter, Lex M.}, + year = {2021}, + month = mar, + journal = {Research Integrity and Peer Review}, + volume = {6}, + number = {1}, + pages = {5}, + publisher = {{Bmc}}, + address = {{London}}, + doi = {10.1186/s41073-021-00108-4}, + abstract = {Background: A proposal to encourage the preregistration of research on research integrity was developed and adopted as the Amsterdam Agenda at the 5th World Conference on Research Integrity (Amsterdam, 2017). This paper reports on the degree to which abstracts of the 6th World Conference in Research Integrity (Hong Kong, 2019) reported on preregistered research. Methods: Conference registration data on participants presenting a paper or a poster at 6th WCRI were made available to the research team. Because the data set was too small for inferential statistics this report is limited to a basic description of results and some recommendations that should be considered when taking further steps to improve preregistration. Results: 19\% of the 308 presenters preregistered their research. Of the 56 usable cases, less than half provided information on the six key elements of the Amsterdam Agenda. Others provided information that invalidated their data, such as an uninformative URL. There was no discernable difference between qualitative and quantitative research. Conclusions: Some presenters at the WCRI have preregistered their research on research integrity, but further steps are needed to increase frequency and completeness of preregistration. One approach to increase preregistration would be to make it a requirement for research presented at the World Conferences on Research Integrity.}, + language = {English}, + keywords = {Open Science framework,Paper and poster presenters,Preregistration,Registry for research on the responsible conduct of research,Responsible conduct of research,Study protocol,World conference on research integrity}, + annotation = {WOS:000624023800001} +} + +@article{simmons_FalsePositive_2011, + title = {False-{{Positive Psychology}}: {{Undisclosed Flexibility}} in {{Data Collection}} and {{Analysis Allows Presenting Anything}} as {{Significant}}}, + shorttitle = {False-{{Positive Psychology}}}, + author = {Simmons, Joseph P. and Nelson, Leif D. and Simonsohn, Uri}, + year = {2011}, + month = nov, + journal = {Psychological Science}, + volume = {22}, + number = {11}, + pages = {1359--1366}, + issn = {0956-7976, 1467-9280}, + doi = {10.1177/0956797611417632}, + abstract = {In this article, we accomplish two things. First, we show that despite empirical psychologists' nominal endorsement of a low rate of false-positive findings ({$\leq$} .05), flexibility in data collection, analysis, and reporting dramatically increases actual false-positive rates. In many cases, a researcher is more likely to falsely find evidence that an effect exists than to correctly find evidence that it does not. We present computer simulations and a pair of actual experiments that demonstrate how unacceptably easy it is to accumulate (and report) statistically significant evidence for a false hypothesis. Second, we suggest a simple, low-cost, and straightforwardly effective disclosure-based solution to this problem. The solution involves six concrete requirements for authors and four guidelines for reviewers, all of which impose a minimal burden on the publication process.}, + language = {en}, + keywords = {practices} +} + +@article{simmons_FalsePositive_2018, + title = {False-{{Positive Citations}}}, + author = {Simmons, Joseph P. and Nelson, Leif D. and Simonsohn, Uri}, + year = {2018}, + month = mar, + journal = {Perspectives on Psychological Science}, + volume = {13}, + number = {2}, + pages = {255--259}, + publisher = {{Sage Publications Ltd}}, + address = {{London}}, + issn = {1745-6916}, + doi = {10.1177/1745691617698146}, + abstract = {We describe why we wrote False-Positive Psychology, analyze how it has been cited, and explain why the integrity of experimental psychology hinges on the full disclosure of methods, the sharing of materials and data, and, especially, the preregistration of analyses.}, + language = {English}, + keywords = {p-hacking,preregistration,replicability,research methods}, + annotation = {WOS:000429909000024} +} + +@article{simonsohn_Pcurve_2014, + title = {P-Curve: {{A}} Key to the File-Drawer}, + shorttitle = {P-Curve}, + author = {Simonsohn, Uri and Nelson, Leif D. and Simmons, Joseph P.}, + year = {2014}, + journal = {Journal of Experimental Psychology: General}, + volume = {143}, + number = {2}, + pages = {534--547}, + publisher = {{American Psychological Association}}, + address = {{US}}, + issn = {1939-2222(Electronic),0096-3445(Print)}, + doi = {10.1037/a0033242}, + abstract = {Because scientists tend to report only studies (publication bias) or analyses (p-hacking) that ``work,'' readers must ask, ``Are these effects true, or do they merely reflect selective reporting?'' We introduce p-curve as a way to answer this question. P-curve is the distribution of statistically significant p values for a set of studies (ps p-curves\textemdash containing more low (.01s) than high (.04s) significant p values\textemdash only right-skewed p-curves are diagnostic of evidential value. By telling us whether we can rule out selective reporting as the sole explanation for a set of findings, p-curve offers a solution to the age-old inferential problems caused by file-drawers of failed studies and analyses. (PsycINFO Database Record (c) 2016 APA, all rights reserved)}, + keywords = {herramienta,Hypothesis Testing,practices,Psychology,Scientific Communication,Statistics} +} + +@misc{socha_cuanto_2018, + title = {{\textquestiondown Cu\'anto cobran los principales editores comerciales por tener un art\'iculo en acceso abierto?}}, + author = {Socha, Beata}, + year = {2018}, + journal = {Universo Abierto}, + abstract = {Los cuatro grandes actores de la industria editorial, Elsevier, Springer, Wiley y Taylor \& Francis, han adoptado el acceso abierto (Open Access, OA), a trav\'es de la modalidad ``El autor paga'' aunque en distintos grados. Tambi\'en han empleado estrategias muy diferentes en cuanto a cu\'anto cobran a sus autores. Para cualquier autor que desee publicar su investigaci\'on en Acceso Abierto en alguna de estas revistas probablemente necesita conocer lo que el mercado editorial tiene para ofrecer y qu\'e gama de precios existe. Los datos primarios proceden de las listas de precios oficiales de los editores disponibles en sus sitios web.}, + language = {Traducido} +} + +@article{sociedadmaxplanck_declaracion_2003, + title = {La {{Declaraci\'on}} de {{Berl\'in}} Sobre Acceso Abierto.}, + author = {Sociedad Max Planck}, + year = {2003}, + volume = {1}, + number = {2}, + pages = {152--154} +} + +@techreport{soderberg_Initial_2020, + type = {Preprint}, + title = {Initial {{Evidence}} of {{Research Quality}} of {{Registered Reports Compared}} to the {{Traditional Publishing Model}}}, + author = {Soderberg, Courtney K. and Errington, Timothy M. and Schiavone, Sarah R. and Bottesini, Julia G. and Singleton Thorn, Felix and Vazire, Simine and Esterling, Kevin and Nosek, Brian A.}, + year = {2020}, + month = nov, + institution = {{MetaArXiv}}, + doi = {10.31222/osf.io/7x9vy}, + abstract = {In Registered Reports (RRs), initial peer review and in-principle acceptance occurs before knowing the research outcomes. This combats publication bias and distinguishes planned and unplanned research. How RRs could improve the credibility of research findings is straightforward, but there is little empirical evidence. Also, there could be unintended costs such as reducing novelty. 353 researchers peer reviewed a pair of papers from 29 published RRs from psychology and neuroscience and 57 non-RR comparison papers. RRs outperformed comparison papers on all 19 criteria (mean difference=0.46; Scale range -4 to +4) with effects ranging from little improvement in novelty (0.13, 95\% credible interval [-0.24, 0.49]) and creativity (0.22, [-0.14, 0.58]) to larger improvements in rigor of methodology (0.99, [0.62, 1.35]) and analysis (0.97, [0.60, 1.34]) and overall paper quality (0.66, [0.30, 1.02]). RRs could improve research quality while reducing publication bias and ultimately improve the credibility of the published literature.}, + keywords = {reports,transparency} +} + +@misc{spinak_revistas_2019, + title = {{Revistas que han aumentado el valor del APC han recibido m\'as art\'iculos}}, + author = {Spinak, Ernesto}, + year = {2019}, + journal = {Scielo en Perspectiva}, + abstract = {El Acceso Abierto (AA) a las publicaciones cient\'ificas online surgi\'o hace dos d\'ecadas. Entre las expectativas de su amplia adopci\'on, se consideraba la superaci\'on de la crisis presupuestal que afrontaban las universidades y otras instituciones educativas y de investigaci\'on debido al aumento constante de los precios de suscripci\'on por encima de la inflaci\'on. Es en este contexto internacional que surge la Red SciELO hace ya 20 a\~nos, proyecto pionero en su momento y hoy d\'ia el m\'as importante en el \'ambito de los pa\'ises en v\'ias de desarrollo, con m\'as de 1.650 revistas y 812.000 art\'iculos publicados en texto completo al momento de escribir este post. SciELO adopt\'o el Acceso Abierto con el objetivo de maximizar la visibilidad de las revistas y de las investigaciones que comunican.}, + language = {es} +} + +@article{stamkou_Cultural_2019, + title = {Cultural {{Collectivism}} and {{Tightness Moderate Responses}} to {{Norm Violators}}: {{Effects}} on {{Power Perception}}, {{Moral Emotions}}, and {{Leader Support}}}, + shorttitle = {Cultural {{Collectivism}} and {{Tightness Moderate Responses}} to {{Norm Violators}}}, + author = {Stamkou, Eftychia and {van Kleef}, Gerben A. and Homan, Astrid C. and Gelfand, Michele J. and {van de Vijver}, Fons J. R. and {van Egmond}, Marieke C. and Boer, Diana and Phiri, Natasha and Ayub, Nailah and Kinias, Zoe and Cantarero, Katarzyna and Efrat Treister, Dorit and Figueiredo, Ana and Hashimoto, Hirofumi and Hofmann, Eva B. and Lima, Renata P. and Lee, I-Ching}, + year = {2019}, + month = jun, + journal = {Personality and Social Psychology Bulletin}, + volume = {45}, + number = {6}, + pages = {947--964}, + publisher = {{SAGE Publications Inc}}, + issn = {0146-1672}, + doi = {10.1177/0146167218802832}, + abstract = {Responses to norm violators are poorly understood. On one hand, norm violators are perceived as powerful, which may help them to get ahead. On the other hand, norm violators evoke moral outrage, which may frustrate their upward social mobility. We addressed this paradox by considering the role of culture. Collectivistic cultures value group harmony and tight cultures value social order. We therefore hypothesized that collectivism and tightness moderate reactions to norm violators. We presented 2,369 participants in 19 countries with a norm violation or a norm adherence scenario. In individualistic cultures, norm violators were considered more powerful than norm abiders and evoked less moral outrage, whereas in collectivistic cultures, norm violators were considered less powerful and evoked more moral outrage. Moreover, respondents in tighter cultures expressed a stronger preference for norm followers as leaders. Cultural values thus influence responses to norm violators, which may have downstream consequences for violators' hierarchical positions.}, + language = {en}, + keywords = {collectivism,leadership,moral emotions,norm violation,tightness} +} + +@article{steneck_Fostering_2006, + title = {Fostering Integrity in Research: {{Definitions}}, Current Knowledge, and Future Directions}, + shorttitle = {Fostering Integrity in Research}, + author = {Steneck, Nicholas H.}, + year = {2006}, + month = mar, + journal = {Science and Engineering Ethics}, + volume = {12}, + number = {1}, + pages = {53--74}, + issn = {1471-5546}, + doi = {10.1007/PL00022268}, + abstract = {Over the last 25 years, a small but growing body of research on research behavior has slowly provided a more complete and critical understanding of research practices, particularly in the biomedical and behavioral sciences. The results of this research suggest that some earlier assumptions about irresponsible conduct are not reliable, leading to the conclusion that there is a need to change the way we think about and regulate research behavior. This paper begins with suggestions for more precise definitions of the terms ``responsible conduct of research,'' ``research ethics,'' and ``research integrity.'' It then summarizes the findings presented in some of the more important studies of research behavior, looking first at levels of occurrence and then impact. Based on this summary, the paper concludes with general observations about priorities and recommendations for steps to improve the effectiveness of efforts to respond to misconduct and foster higher standards for integrity in research.}, + language = {en}, + keywords = {practices} +} + +@misc{stewart_Preregistration_2020, + title = {Pre-Registration and {{Registered Reports}}: A {{Primer}} from {{UKRN}}}, + shorttitle = {Pre-Registration and {{Registered Reports}}}, + author = {Stewart, Suzanne and Rinke, Eike Mark and McGarrigle, Ronan and Lynott, Dermot and Lunny, Carole and Lautarescu, Alexandra and Galizzi, Matteo M. and Farran, Emily K. and Crook, Zander}, + year = {2020}, + month = oct, + institution = {{OSF Preprints}}, + doi = {10.31219/osf.io/8v2n7}, + abstract = {Help reduce questionable research practices, and prevent selective reporting.}, + keywords = {Architecture,Arts and Humanities,Business,Education,Engineering,Law,Life Sciences,Medicine and Health Sciences,Physical Sciences and Mathematics,pre-analysis plan,pre-registration,preregistration,primer,primers,prospective registration,registered reports,registration,reproducibility,Social and Behavioral Sciences,UK Reproducibility Network,UKRN} +} + +@article{stodden_Trust_2011, + title = {Trust {{Your Science}}? {{Open Your Data}} and {{Code}}}, + shorttitle = {Trust {{Your Science}}?}, + author = {Stodden, Victoria C.}, + year = {2011}, + volume = {409}, + pages = {21--22}, + doi = {10.7916/D8CJ8Q0P}, + abstract = {This is a view on the reproducibility of computational sciences by Victoria Stodden. It contains information on the Reproducibility, Replicability, and Repeatability of code created by the other sciences. Stodden also talks about the rising prominence of computational sciences as we are in the digital age and what that means for the future of science and collecting data.}, + language = {en}, + keywords = {forrt} +} + +@book{swan_directrices_2013, + title = {Directrices Para Pol\'iticasde Desarrollo y Promoci\'on Del Acceso Abierto}, + author = {Swan, Alma}, + year = {2013}, + publisher = {{UNESCO}}, + isbn = {978-959-18-0928- 5} +} + +@article{syed_Registered_2020, + title = {Registered {{Reports With Developmental}} and {{Secondary Data}}: {{Some Brief Observations}} and {{Introduction}} to the {{Special Issue}}}, + shorttitle = {Registered {{Reports With Developmental}} and {{Secondary Data}}}, + author = {Syed, Moin and Donnellan, M. Brent}, + year = {2020}, + month = aug, + journal = {Emerging Adulthood}, + volume = {8}, + number = {4}, + pages = {255--258}, + publisher = {{Sage Publications Inc}}, + address = {{Thousand Oaks}}, + issn = {2167-6968}, + doi = {10.1177/2167696820938529}, + abstract = {Registered reports are a relatively new type of journal article format in which the decision to publish an article is based on sound conceptualization, methods, and planned analyses rather than the specific nature of the results. Registered reports are becoming increasingly instituted in journals across the sciences but mostly in experimental contexts. Relatively few of these journals pertain directly to developmental research with adolescents, emerging adults, and adults, which tend to use more complex methods, or at least methods that involve a greater degree of flexibility. This article describes lessons learned through editing a special issue focused on registered reports based on analyses of a single existing data set, the Emerging Adulthood Measured and Multiple Institutions 2 project. These observations should be helpful for researchers interested in preparing registered report submissions using developmental and secondary data.}, + language = {English}, + keywords = {credibility,emerging adulthood,open science,preregistration,registered reports,replication,revolution}, + annotation = {WOS:000548582500001} +} + +@article{szollosi_Arrested_2021, + title = {Arrested {{Theory Development}}: {{The Misguided Distinction Between Exploratory}} and {{Confirmatory Research}}}, + shorttitle = {Arrested {{Theory Development}}}, + author = {Szollosi, Aba and Donkin, Chris}, + year = {2021}, + month = jul, + journal = {Perspectives on Psychological Science}, + volume = {16}, + number = {4}, + pages = {717--724}, + publisher = {{Sage Publications Ltd}}, + address = {{London}}, + issn = {1745-6916}, + doi = {10.1177/1745691620966796}, + abstract = {Science progresses by finding and correcting problems in theories. Good theories are those that help facilitate this process by being hard to vary: They explain what they are supposed to explain, they are consistent with other good theories, and they are not easily adaptable to explain anything. Here we argue that, rather than a lack of distinction between exploratory and confirmatory research, an abundance of flexible theories is a better explanation for the current replicability problems of psychology. We also explain why popular methods-oriented solutions fail to address the real problem of flexibility. Instead, we propose that a greater emphasis on theory criticism by argument might improve replicability.}, + language = {English}, + keywords = {confirmatory research,direct replication,exploratory research,philosophy of science,preregistration,theory development}, + annotation = {WOS:000620008500001} +} + +@article{szollosi_Preregistration_2020, + title = {Is {{Preregistration Worthwhile}}?}, + author = {Szollosi, Aba and Kellen, David and Navarro, Danielle J. and Shiffrin, Richard and {van Rooij}, Iris and Van Zandt, Trisha and Donkin, Chris}, + year = {2020}, + month = feb, + journal = {Trends in Cognitive Sciences}, + volume = {24}, + number = {2}, + pages = {94--95}, + issn = {13646613}, + doi = {10.1016/j.tics.2019.11.009}, + language = {en}, + keywords = {forrt,reports} +} + +@article{tackett_Bringing_2020a, + title = {Bringing the ({{Pre}}){{Registration Revolution}} to {{Graduate Training}}}, + author = {Tackett, Jennifer L. and Brandes, Cassandra M. and Dworak, Elizabeth M. and Shields, Allison N.}, + year = {2020}, + month = nov, + journal = {Canadian Psychology-Psychologie Canadienne}, + volume = {61}, + number = {4}, + pages = {299--309}, + publisher = {{Canadian Psychological Assoc}}, + address = {{Ottawa}}, + issn = {0708-5591}, + doi = {10.1037/cap0000221}, + abstract = {Preregistration, which involves documentation of hypotheses, methods, and plans for data analysis prior to data collection or analysis, has been lauded as 1 potential solution to the replication crisis in psychological science. Yet, many researchers have been slow to adopt preregistration, and the next generation of researchers is offered little formalized instruction in creating comprehensive preregistrations. In this article, we describe a collaborative workshop-based preregistration course designed and taught by Jennifer L. Tackett. We provide a brief overview of preregistration, including resources available, common concerns with preregistration, and responses to these concerns. We then describe the goals, structure, and evolution of our preregistration course and provide examples of enrolled students' final research products. We conclude with reflections on the strengths and opportunities for growth for the 1st iteration of this course and suggestions for others who are interested in implementing similar open science-focused courses in their training programs.}, + language = {English}, + keywords = {error,guide,incentives,open science,personality,preregistration,psychopathology,publication,registered-reports,registration,science,workshop-based learning}, + annotation = {WOS:000592853200005} +} + +@article{tackett_Leveraging_2019, + title = {Leveraging the {{Open Science Framework}} in {{Clinical Psychological Assessment Research}}}, + author = {Tackett, Jennifer L. and Brandes, Cassandra M. and Reardon, Kathleen W.}, + year = {2019}, + month = dec, + journal = {Psychological Assessment}, + volume = {31}, + number = {12}, + pages = {1386--1394}, + publisher = {{Amer Psychological Assoc}}, + address = {{Washington}}, + issn = {1040-3590}, + doi = {10.1037/pas0000583}, + abstract = {The last decade has seen enormous advances in research transparency in psychology. One of these advances has been the creation of a common interface for openness across the sciences-the Open Science Framework (OSF). While social, personality, and cognitive psychologists have been at the fore in participating in open practices on the OSF, clinical psychology has trailed behind. In this article, we discuss the advantages and special considerations for clinical assessment researchers' participation in open science broadly, and specifically in using the OSF for these purposes. We use several studies from our lab to illustrate the uses of the OSF for psychological studies, as well as the process of implementing this tool in assessment research. Among these studies are an archival assessment study, a project using an extensive unpublished assessment battery. and one in which we developed a short-form assessment instrument.}, + language = {English}, + keywords = {childhood,metascience,Open Science Framework,personality,power,preregistration,replicability,step,traits,transparency,youth}, + annotation = {WOS:000498808600002} +} + +@article{taylor_altmetric_2020, + title = {An Altmetric Attention Advantage for Open Access Books in the Humanities and Social Sciences}, + author = {Taylor, Michael}, + year = {2020}, + journal = {Scientometrics}, + volume = {125}, + pages = {2523--2543}, + doi = {10.1007/s11192-020-03735-8}, + abstract = {The last decade has seen two significant phenomena emerge in research communication: the rise of open access (OA) publishing, and the easy availability of evidence of online sharing in the form of altmetrics. There has been limited examination of the effect of OA on online sharing for journal articles, and little for books. This paper examines the altmetrics of a set of 32,222 books (of which 5\% are OA) and a set of 220,527 chapters (of which 7\% are OA) indexed by the scholarly database Dimensions in the Social Sciences and Humanities. Both OA books and chapters have significantly higher use on social networks, higher coverage in the mass media and blogs, and evidence of higher rates of social impact in policy documents. OA chapters have higher rates of coverage on Wikipedia than their non-OA equivalents, and are more likely to be shared on Mendeley. Even within the Humanities and Social Sciences, disciplinary differences in altmetric activity are evident. The effect is confirmed for chapters, although sampling issues prevent the strong conclusion that OA facilitates extra attention at the whole book level, the apparent OA altmetrics advantage suggests that the move towards OA is increasing social sharing and broader impact.}, + language = {English} +} + +@article{tennant_Ten_2019, + title = {Ten {{Hot Topics}} around {{Scholarly Publishing}}}, + author = {Tennant, Jonathan P. and Crane, Harry and Crick, Tom and Davila, Jacinto and Enkhbayar, Asura and Havemann, Johanna and Kramer, Bianca and Martin, Ryan and Masuzzo, Paola and Nobes, Andy and Rice, Curt and {Rivera-L{\'o}pez}, B{\'a}rbara and {Ross-Hellauer}, Tony and Sattler, Susanne and Thacker, Paul D. and Vanholsbeeck, Marc}, + year = {2019}, + month = jun, + journal = {Publications}, + volume = {7}, + number = {2}, + pages = {34}, + publisher = {{Multidisciplinary Digital Publishing Institute}}, + doi = {10.3390/publications7020034}, + abstract = {The changing world of scholarly communication and the emerging new wave of \‘Open Science\’ or \‘Open Research\’ has brought to light a number of controversial and hotly debated topics. Evidence-based rational debate is regularly drowned out by misinformed or exaggerated rhetoric, which does not benefit the evolving system of scholarly communication. This article aims to provide a baseline evidence framework for ten of the most contested topics, in order to help frame and move forward discussions, practices, and policies. We address issues around preprints and scooping, the practice of copyright transfer, the function of peer review, predatory publishers, and the legitimacy of \‘global\’ databases. These arguments and data will be a powerful tool against misinformation across wider academic research, policy and practice, and will inform changes within the rapidly evolving scholarly publishing system.}, + copyright = {http://creativecommons.org/licenses/by/3.0/}, + language = {en}, + keywords = {copyright,impact factor,open access,open science,peer review,research evaluation,scholarly communication,Scopus,web of science} +} + +@article{thibodeaux_Production_2016, + title = {Production as Social Change: {{Policy}} Sociology as a Public Good}, + shorttitle = {Production as Social Change}, + author = {Thibodeaux, Jarrett}, + year = {2016}, + month = may, + journal = {Sociological Spectrum}, + volume = {36}, + number = {3}, + pages = {183--190}, + publisher = {{Routledge}}, + issn = {0273-2173}, + doi = {10.1080/02732173.2015.1102666}, + abstract = {Burawoy described two ways sociology can aid the public, through: (1) instrumental (policy) sociology and (2) reflexive (public) sociology. This article elaborates the different assumptions of how social change occurs according to policy and public sociology (and how sociology effects social change). Policy sociology assumes social change occurs through the scientific elaboration of the best means to achieve goals. However, policy sociology largely takes the public as an object of power rather than subjects who can utilize scientific knowledge. Public sociology assumes that social change occurs through the exposure of contradictions in goals, which elaborates better goals. However, the elaboration of contradictions assumes that there is a fundamental thesis/antithesis in society. If there are multiple goals/theses, public sociology fails in at least three ways. Policy sociology, when reflexively selecting its public, provides the best way sociology can aid the public.}, + annotation = {\_eprint: https://doi.org/10.1080/02732173.2015.1102666} +} + +@article{tijdink_Publication_2014, + title = {Publication {{Pressure}} and {{Scientific Misconduct}} in {{Medical Scientists}}}, + author = {Tijdink, Joeri K. and Verbeke, Reinout and Smulders, Yvo M.}, + year = {2014}, + month = dec, + journal = {Journal of Empirical Research on Human Research Ethics}, + volume = {9}, + number = {5}, + pages = {64--71}, + publisher = {{Sage Publications Inc}}, + address = {{Thousand Oaks}}, + issn = {1556-2646}, + doi = {10.1177/1556264614552421}, + abstract = {There is increasing evidence that scientific misconduct is more common than previously thought. Strong emphasis on scientific productivity may increase the sense of publication pressure. We administered a nationwide survey to Flemish biomedical scientists on whether they had engaged in scientific misconduct and whether they had experienced publication pressure. A total of 315 scientists participated in the survey; 15\% of the respondents admitted they had fabricated, falsified, plagiarized, or manipulated data in the past 3 years. Fraud was more common among younger scientists working in a university hospital. Furthermore, 72\% rated publication pressure as too high. Publication pressure was strongly and significantly associated with a composite scientific misconduct severity score.}, + language = {English}, + keywords = {ethics,ethics in publishing,fraud,impact,integrity,publication pressure,questionable research practice,science,scientific misconduct}, + annotation = {WOS:000344691700008} +} + +@article{toth_Study_2021, + title = {Study {{Preregistration}}: {{An Evaluation}} of a {{Method}} for {{Transparent Reporting}}}, + shorttitle = {Study {{Preregistration}}}, + author = {Toth, Allison A. and Banks, George C. and Mellor, David and O'Boyle, Ernest H. and Dickson, Ashleigh and Davis, Daniel J. and DeHaven, Alex and Bochantin, Jaime and Borns, Jared}, + year = {2021}, + month = aug, + journal = {Journal of Business and Psychology}, + volume = {36}, + number = {4}, + pages = {553--571}, + publisher = {{Springer}}, + address = {{New York}}, + issn = {0889-3268}, + doi = {10.1007/s10869-020-09695-3}, + abstract = {Study preregistration promotes transparency in scientific research by making a clear distinction between a priori and post hoc procedures or analyses. Management and applied psychology have not embraced preregistration in the way other closely related social science fields have. There may be concerns that preregistration does not add value and prevents exploratory data analyses. Using a mixed-method approach, in Study 1, we compared published preregistered samples against published non-preregistered samples. We found that preregistration effectively facilitated more transparent reporting based on criteria (i.e., confirmed hypotheses and a priori analysis plans). Moreover, consistent with concerns that the published literature contains elevated type I error rates, preregistered samples had fewer statistically significant results (48\%) than non-preregistered samples (66\%). To learn about the perceived advantages, disadvantages, and misconceptions of study preregistration, in Study 2, we surveyed authors of preregistered studies and authors who had never preregistered a study. Participants in both samples had positive inclinations towards preregistration yet expressed concerns about the process. We conclude with a review of best practices for management and applied psychology stakeholders.}, + language = {English}, + keywords = {bias,incentives,management,Methodology,Open science,Preregistration,Questionable research practices,questionable research practices,Reproducibility,science,truth}, + annotation = {WOS:000539933800001} +} + +@article{ulloa_tendencias_2017, + title = {Tendencias Paradigm\'aticas y T\'ecnicas Conversacionales En Investigaci\'on {{Cualitativa}} En {{Ciencias Sociales}}}, + author = {Ulloa, Jorge and Mardones, Rodolfo}, + year = {2017}, + journal = {Perspectivas de la Comunicaci\'on}, + series = {Universidad de La {{Frontera}}}, + volume = {10, n\textdegree 1}, + pages = {213--235}, + issn = {0718-4867}, + abstract = {El art\'iculo presenta los resultados de una investigaci\'on emp\'irica que busca describir el quehacer cient\'ifico cualitativo de alto impacto a trav\'es del an\'alisis de tres revistas indexadas en la base de datos Scopus entre los a\~nos 2013-2015. Para ello se construy\'o un corpus de 186 publicaciones reportando propuestas de investigaci\'on y/o resultados emp\'iricos de investigaci\'on. Se puso \'enfasis en el an\'alisis de la posici\'on paradigm\'atica de los autores, la explicitaci\'on y justificaci\'on de los objetivos de estudio y la utilizaci\'on de t\'ecnicas cualitativas conversacionales en su amplio rango, como las entrevistas en profundidad, historias de vida, grupos focales y grupos de discusi\'on. Los resultados dan cuenta que la mayor\'ia de los art\'iculos revisados no declaran abiertamente el paradigma desde el cual se posicionan, adem\'as se observa una multiplicidad de t\'ecnicas conversacionales, en las cuales destaca el uso de entrevistas. Se concluye que la adscripci\'on a alg\'un paradigma no es un asunto determinante a la hora de informar resultados, por cuanto estos forman parte de estudios m\'as amplios o, por su estructura son m\'as pragm\'aticos. Adem\'as, entre quienes declaran paradigmas de investigaci\'on, predomina una posici\'on constructivista. Por otro lado, el uso de t\'ecnicas conversacionales var\'ia en funci\'on de los objetivos de cada investigaci\'on, present\'andose en un amplio espectro, predomina el uso de entrevistas, y los grupos de discusi\'on y grupos focales son usados indistintamente.} +} + +@inproceedings{unesco_declaracion_1999, + title = {Declaraci\'on Sobre La Ciencia y El Uso Del Saber Cinet\'ifico}, + booktitle = {Conferencia Mundial Sobre La Ciencia}, + author = {UNESCO}, + year = {1999}, + address = {{Hungry - Budapest}} +} + +@misc{universoabierto_rutas_2019, + title = {Las 5 Rutas Para Llegar al Acceso Abierto: Verde, Dorada, Bronce, H\'ibrida y Diamante}, + author = {Universo Abierto}, + year = {2019}, + journal = {Blog de la biblioteca de Traducci\'on y Documentaci\'on de la Universidad de Salamanca} +} + +@article{vanderzee_Open_2018, + title = {Open {{Education Science}}}, + author = {{van der Zee}, Tim and Reich, Justin}, + year = {2018}, + month = jul, + journal = {Aera Open}, + volume = {4}, + number = {3}, + publisher = {{Sage Publications Inc}}, + address = {{Thousand Oaks}}, + doi = {10.1177/2332858418787466}, + abstract = {Scientific progress is built on research that is reliable, accurate, and verifiable. The methods and evidentiary reasoning that underlie scientific claims must be available for scrutiny. Like other fields, the education sciences suffer from problems such as failure to replicate, validity and generalization issues, publication bias, and high costs of access to publications-all of which are symptoms of a nontransparent approach to research. Each aspect of the scientific cycle-research design, data collection, analysis, and publication-can and should be made more transparent and accessible. Open Education Science is a set of practices designed to increase the transparency of evidentiary reasoning and access to scientific research in a domain characterized by diverse disciplinary traditions and a commitment to impact in policy and practice. Transparency and accessibility are functional imperatives that come with many benefits for the individual researcher, scientific community, and society at large Open Education Science is the way forward.}, + language = {English}, + keywords = {articles,availability,bias,journals,open access,open science,preregistration,qualitative research,registered report,registered-reports,replication}, + annotation = {WOS:000509663300004} +} + +@article{vantveer_Preregistration_2016, + title = {Pre-Registration in Social Psychology\textemdash{{A}} Discussion and Suggested Template}, + author = {{van 't Veer}, Anna Elisabeth and {Giner-Sorolla}, Roger}, + year = {2016}, + month = nov, + journal = {Journal of Experimental Social Psychology}, + series = {Special {{Issue}}: {{Confirmatory}}}, + volume = {67}, + pages = {2--12}, + issn = {0022-1031}, + doi = {10.1016/j.jesp.2016.03.004}, + abstract = {Pre-registration of studies before they are conducted has recently become more feasible for researchers, and is encouraged by an increasing number of journals. However, because the practice of pre-registration is relatively new to psychological science, specific guidelines for the content of registrations are still in a formative stage. After giving a brief history of pre-registration in medical and psychological research, we outline two different models that can be applied\textemdash reviewed and unreviewed pre-registration\textemdash and discuss the advantages of each model to science as a whole and to the individual scientist, as well as some of their drawbacks and limitations. Finally, we present and justify a proposed standard template that can facilitate pre-registration. Researchers can use the template before and during the editorial process to meet article requirements and enhance the robustness of their scholarly efforts.}, + language = {en}, + keywords = {Pre-registration,Research methods,Reviewed pre-registration (RPR),Solid science,Unreviewed pre-registration (UPR)} +} + +@misc{velterop_suscripciones_2018, + type = {{Scientific Blog}}, + title = {{De suscripciones y Tasas de Procesamiento de Art\'iculos}}, + author = {Velterop, Jan}, + year = {2018}, + journal = {Scielo en Perspectiva}, + abstract = {Estoy viendo m\'as y m\'as cr\'iticas a las Tasas de Procesamiento de Art\'iculos (Article Processing Charges \textendash{} APCs). Mientras que la mayor\'ia de ellas se preocupan por el monto de las tasas, tambi\'en hay algo de cr\'iticas al concepto mismo de las APC. Naturalmente, las tasas son a menudo altas. Demasiado altas, en particular en el caso de las revistas llamadas ``h\'ibridas''. M\'as sobre esto a continuaci\'on.}, + copyright = {Creative Commons Attribution 4.0 International, Open Access}, + language = {es} +} + +@article{vermeulen_Blinded_2015, + title = {Blinded by the {{Light}}: {{How}} a {{Focus}} on {{Statistical}} ``{{Significance}}'' {{May Cause}} p-{{Value Misreporting}} and an {{Excess}} of p-{{Values Just Below}} .05 in {{Communication Science}}}, + shorttitle = {Blinded by the {{Light}}}, + author = {Vermeulen, Ivar and Beukeboom, Camiel J. and Batenburg, Anika and Avramiea, Arthur and Stoyanov, Dimo and {van de Velde}, Bob and Oegema, Dirk}, + year = {2015}, + month = oct, + journal = {Communication Methods and Measures}, + volume = {9}, + number = {4}, + pages = {253--279}, + publisher = {{Routledge}}, + issn = {1931-2458}, + doi = {10.1080/19312458.2015.1096333}, + abstract = {Publication bias promotes papers providing ``significant'' findings, thus incentivizing researchers to produce such findings. Prior studies suggested that researchers' focus on ``p {$<$} .05'' yields\textemdash intentional or unintentional\textemdash p-value misreporting, and excess p-values just below .05. To assess whether similar distortions occur in communication science, we extracted 5,834 test statistics from 693 recent communication science ISI papers, and assessed prevalence of p-values (1) misreported, and (2) just below .05. Results show 8.8\% of p-values were misreported (74.5\% too low). 1.3\% of p-values were critically misreported, stating p {$<$} .05 while in fact p {$>$} .05 (88.3\%) or vice versa (11.7\%). Analyzing p-value frequencies just below .05 using a novel method did not unequivocally demonstrate ``p-hacking''\textemdash excess p-values could be alternatively explained by (severe) publication bias. Results for 19,830 p-values from social psychology were strikingly similar. We conclude that publication bias, publication pressure, and verification bias distort the communication science knowledge base, and suggest solutions to this problem.}, + annotation = {\_eprint: https://doi.org/10.1080/19312458.2015.1096333} +} + +@techreport{viscusi_Role_2014, + type = {Working {{Paper}}}, + title = {The {{Role}} of {{Publication Selection Bias}} in {{Estimates}} of the {{Value}} of a {{Statistical Life}}}, + author = {Viscusi, W. Kip}, + year = {2014}, + month = may, + series = {Working {{Paper Series}}}, + number = {20116}, + institution = {{National Bureau of Economic Research}}, + doi = {10.3386/w20116}, + abstract = {Meta-regression estimates of the value of a statistical life (VSL) controlling for publication selection bias yield bias-corrected estimates of VSL that are higher for labor market studies using the more recent Census of Fatal Occupational Injuries (CFOI) data. These results are borne out by the findings for four meta-analysis data sets and different formulations of the variable used to capture publication bias effects. Meta-regression estimates for a large sample of VSL estimates consisting only of results of labor market studies using the CFOI fatality data indicate publication selection bias effects that are not statistically significant in either fixed effects or random effects models with clustered standard errors. The confidence intervals of the publication bias-corrected estimates of the value of a statistical life sometimes include the sample mean estimates and always include the values that are currently used by government agencies.} +} + +@article{vivalt_Heterogeneous_2015, + title = {Heterogeneous {{Treatment Effects}} in {{Impact Evaluation}}}, + author = {Vivalt, Eva}, + year = {2015}, + month = may, + journal = {American Economic Review}, + volume = {105}, + number = {5}, + pages = {467--470}, + issn = {0002-8282}, + doi = {10.1257/aer.p20151015}, + abstract = {It is very important to know how much we can extrapolate from a study's results. This paper examines the issue using data from impact evaluations in development.}, + language = {en}, + keywords = {Quantile Regressions,Single Equation Models,Single Variables: Cross-Sectional Models,Spatial Models,Treatment Effect Models} +} + +@article{wagenmakers_CreativityVerification_2018, + title = {The {{Creativity}}-{{Verification Cycle}} in {{Psychological Science}}: {{New Methods}} to {{Combat Old Idols}}}, + shorttitle = {The {{Creativity}}-{{Verification Cycle}} in {{Psychological Science}}}, + author = {Wagenmakers, Eric-Jan and Dutilh, Gilles and Sarafoglou, Alexandra}, + year = {2018}, + month = jul, + journal = {Perspectives on Psychological Science}, + volume = {13}, + number = {4}, + pages = {418--427}, + publisher = {{Sage Publications Ltd}}, + address = {{London}}, + issn = {1745-6916}, + doi = {10.1177/1745691618771357}, + abstract = {Over the years, researchers in psychological science have documented and investigated a host of powerful cognitive fallacies, including hindsight bias and confirmation bias. Researchers themselves may not be immune to these fallacies and may unwittingly adjust their statistical analysis to produce an outcome that is more pleasant or better in line with prior expectations. To shield researchers from the impact of cognitive fallacies, several methodologists are now advocating preregistration-that is, the creation of a detailed analysis plan before data collection or data analysis. One may argue, however, that preregistration is out of touch with academic reality, hampering creativity and impeding scientific progress. We provide a historical overview to show that the interplay between creativity and verification has shaped theories of scientific inquiry throughout the centuries; in the currently dominant theory, creativity and verification operate in succession and enhance one another's effectiveness. From this perspective, the use of preregistration to safeguard the verification stage will help rather than hinder the generation of fruitful new ideas.}, + language = {English}, + keywords = {empirical cycle,philosophy of science,preregistration,replication}, + annotation = {WOS:000438605100002} +} + +@article{warren_How_2019, + title = {How {{Much Do You Have}} to {{Publish}} to {{Get}} a {{Job}} in a {{Top Sociology Department}}? {{Or}} to {{Get Tenure}}? {{Trends}} over a {{Generation}}}, + shorttitle = {How {{Much Do You Have}} to {{Publish}} to {{Get}} a {{Job}} in a {{Top Sociology Department}}?}, + author = {Warren, John Robert}, + year = {2019}, + month = feb, + journal = {Sociological Science}, + volume = {6}, + pages = {172--196}, + issn = {2330-6696}, + doi = {10.15195/v6.a7}, + abstract = {Many sociologists suspect that publication expectations have risen over time\textemdash that how much graduate students have published to get assistant professor jobs and how much assistant professors have published to be promoted have gone up. Using information about faculty in 21 top sociology departments from the American Sociological Association's Guide to Graduate Departments of Sociology, online curricula vitae, and other public records, I provide empirical evidence to support this suspicion. On the day they start their first jobs, new assistant professors in recent years have already published roughly twice as much as their counterparts did in the early 1990s. Trends for promotion to associate professor are not as dramatic but are still remarkable. I evaluate several potential explanations for these trends and conclude that they are driven mainly by changes over time in the fiscal and organizational realities of universities and departments.}, + language = {en-US} +} + +@article{weston_Recommendations_2019, + title = {Recommendations for {{Increasing}} the {{Transparency}} of {{Analysis}} of {{Preexisting Data Sets}}}, + author = {Weston, Sara J. and Ritchie, Stuart J. and Rohrer, Julia M. and Przybylski, Andrew K.}, + year = {2019}, + month = sep, + journal = {Advances in Methods and Practices in Psychological Science}, + volume = {2}, + number = {3}, + pages = {214--227}, + publisher = {{SAGE Publications Inc}}, + issn = {2515-2459}, + doi = {10.1177/2515245919848684}, + abstract = {Secondary data analysis, or the analysis of preexisting data, provides a powerful tool for the resourceful psychological scientist. Never has this been more true than now, when technological advances enable both sharing data across labs and continents and mining large sources of preexisting data. However, secondary data analysis is easily overlooked as a key domain for developing new open-science practices or improving analytic methods for robust data analysis. In this article, we provide researchers with the knowledge necessary to incorporate secondary data analysis into their methodological toolbox. We explain that secondary data analysis can be used for either exploratory or confirmatory work, and can be either correlational or experimental, and we highlight the advantages and disadvantages of this type of research. We describe how transparency-enhancing practices can improve and alter interpretations of results from secondary data analysis and discuss approaches that can be used to improve the robustness of reported results. We close by suggesting ways in which scientific subfields and institutions could address and improve the use of secondary data analysis.}, + language = {en}, + keywords = {bias,file drawer,p-hacking,panel design,preexisting data,preregistration,reproducibility,secondary analysis,transparency} +} + +@article{wilkinson_fair_2016, + title = {The {{FAIR Guiding Principles}} for Scientific Data Management and Stewardship}, + author = {Wilkinson, Mark and Dumontier, Michel}, + year = {2016}, + volume = {3}, + number = {160018}, + doi = {10.1038/sdata.2016.18}, + abstract = {There is an urgent need to improve the infrastructure supporting the reuse of scholarly data. A diverse set of stakeholders\textemdash representing academia, industry, funding agencies, and scholarly publishers\textemdash have come together to design and jointly endorse a concise and measureable set of principles that we refer to as the FAIR Data Principles. The intent is that these may act as a guideline for those wishing to enhance the reusability of their data holdings. Distinct from peer initiatives that focus on the human scholar, the FAIR Principles put specific emphasis on enhancing the ability of machines to automatically find and use the data, in addition to supporting its reuse by individuals. This Comment is the first formal publication of the FAIR Principles, and includes the rationale behind them, and some exemplar implementations in the community.}, + collaborator = {Aalbersberg, Ijsbrand and Appleton, Gabrielle and Axton, Myles and Baak, Arie and Blomberg, Nikklas and Boiten, Jan-Willem and Bonino, Luiz and Bourne, Philip E and Bouwman, Jildau and Brookes, Anthony and Clark, Tim and Crosas, Merc{\`e} and Dillo, Ingrid and Dumon, Oliver and Edmunds, Scott and Evelo, Chris}, + copyright = {Creative Commons 3.0}, + language = {English} +} + +@article{wilson_Replication_1973, + title = {The {{Replication Problem}} in {{Sociology}}: {{A Report}} and a {{Suggestion}}*}, + shorttitle = {The {{Replication Problem}} in {{Sociology}}}, + author = {Wilson, Franklin D. and Smoke, Gale L. and Martin, J. David}, + year = {1973}, + journal = {Sociological Inquiry}, + volume = {43}, + number = {2}, + pages = {141--149}, + issn = {1475-682X}, + doi = {10.1111/j.1475-682X.1973.tb00711.x}, + abstract = {The deleterious effects of joint bias in favor of statistical inference and against replication are becoming well known. The acceptance of numerous Type I errors into the literature is by far the most serious of these. Data on the contents of three major journals support the contention that a joint bias for statistical significance tests, for rejections, and against replication exists in modern sociology. This finding replicates that of Sterling (1959) for psychology. A speculative analysis of the dynamics of publication decisions suggests that a compact format for reporting replications might make their publication more attractive to editors, and thus increase their frequency in the literature. A possible format for briefly reporting replication studies is suggested.}, + language = {en}, + annotation = {\_eprint: https://onlinelibrary.wiley.com/doi/pdf/10.1111/j.1475-682X.1973.tb00711.x} +} + +@article{wingen_No_2020, + title = {No {{Replication}}, {{No Trust}}? {{How Low Replicability Influences Trust}} in {{Psychology}}}, + shorttitle = {No {{Replication}}, {{No Trust}}?}, + author = {Wingen, Tobias and Berkessel, Jana B. and Englich, Birte}, + year = {2020}, + month = may, + journal = {Social Psychological and Personality Science}, + volume = {11}, + number = {4}, + pages = {454--463}, + publisher = {{SAGE Publications Inc}}, + issn = {1948-5506}, + doi = {10.1177/1948550619877412}, + abstract = {In the current psychological debate, low replicability of psychological findings is a central topic. While the discussion about the replication crisis has a huge impact on psychological research, we know less about how it impacts public trust in psychology. In this article, we examine whether low replicability damages public trust and how this damage can be repaired. Studies 1\textendash 3 provide correlational and experimental evidence that low replicability reduces public trust in psychology. Additionally, Studies 3\textendash 5 evaluate the effectiveness of commonly used trust-repair strategies such as information about increased transparency (Study 3), explanations for low replicability (Study 4), or recovered replicability (Study 5). We found no evidence that these strategies significantly repair trust. However, it remains possible that they have small but potentially meaningful effects, which could be detected with larger samples. Overall, our studies highlight the importance of replicability for public trust in psychology.}, + language = {en}, + keywords = {crisis,open science,public trust,replicability,replication crisis} +} + +@misc{wipo_frequently_2020, + type = {Science {{Organization}}}, + title = {Frequently {{Asked Questions}}: {{IP Policies}} for {{Universities}} and {{Research Institutions}}}, + shorttitle = {{{FAQ}}}, + author = {WIPO}, + year = {2020}, + journal = {World Intelectual Property Organization}, + abstract = {WIPO is the global forum for intellectual property (IP) services, policy, information and cooperation. We are a self-funding agency of the United Nations, with 193 member states. Our mission is to lead the development of a balanced and effective international IP system that enables innovation and creativity for the benefit of all. Our mandate, governing bodies and procedures are set out in the WIPO Convention, which established WIPO in 1967}, + copyright = {Creative Commons 3.0}, + language = {English} +} + +@book{worldintelectualpropietyorganization_what_2020, + title = {What Is Intellectual Property?}, + shorttitle = {Whats Is {{IP}}?}, + author = {World Intelectual Propiety Organization, WIPO}, + year = {2020}, + edition = {WIPO}, + address = {{Switzerland}}, + copyright = {Creative Commons Attribution 4.0 International, Open Access}, + isbn = {978-92-805-3176-3}, + language = {English} +} + +@article{yamada_How_2018, + title = {How to {{Crack Pre}}-Registration: {{Toward Transparent}} and {{Open Science}}}, + shorttitle = {How to {{Crack Pre}}-Registration}, + author = {Yamada, Yuki}, + year = {2018}, + month = sep, + journal = {Frontiers in Psychology}, + volume = {9}, + pages = {1831}, + publisher = {{Frontiers Media Sa}}, + address = {{Lausanne}}, + issn = {1664-1078}, + doi = {10.3389/fpsyg.2018.01831}, + language = {English}, + keywords = {academic publishing,misconduct in research,open science,preregistration,qrp}, + annotation = {WOS:000445687200001} +} + +@article{zenk-moltgen_Factors_2018, + title = {Factors Influencing the Data Sharing Behavior of Researchers in Sociology and Political Science}, + author = {{Zenk-M{\"o}ltgen}, Wolfgang and Akdeniz, Esra and Katsanidou, Alexia and Na{\ss}hoven, Verena and Balaban, Ebru}, + year = {2018}, + month = jan, + journal = {Journal of Documentation}, + volume = {74}, + number = {5}, + pages = {1053--1073}, + publisher = {{Emerald Publishing Limited}}, + issn = {0022-0418}, + doi = {10.1108/JD-09-2017-0126}, + abstract = {Purpose Open data and data sharing should improve transparency of research. The purpose of this paper is to investigate how different institutional and individual factors affect the data sharing behavior of authors of research articles in sociology and political science. Design/methodology/approach Desktop research analyzed attributes of sociology and political science journals (n=262) from their websites. A second data set of articles (n=1,011; published 2012-2014) was derived from ten of the main journals (five from each discipline) and stated data sharing was examined. A survey of the authors used the Theory of Planned Behavior to examine motivations, behavioral control, and perceived norms for sharing data. Statistical tests (Spearman's {$\rho$}, {$\chi$}2) examined correlations and associations. Findings Although many journals have a data policy for their authors (78 percent in sociology, 44 percent in political science), only around half of the empirical articles stated that the data were available, and for only 37 percent of the articles could the data be accessed. Journals with higher impact factors, those with a stated data policy, and younger journals were more likely to offer data availability. Of the authors surveyed, 446 responded (44 percent). Statistical analysis indicated that authors' attitudes, reported past behavior, social norms, and perceived behavioral control affected their intentions to share data. Research limitations/implications Less than 50 percent of the authors contacted provided responses to the survey. Results indicate that data sharing would improve if journals had explicit data sharing policies but authors also need support from other institutions (their universities, funding councils, and professional associations) to improve data management skills and infrastructures. Originality/value This paper builds on previous similar research in sociology and political science and explains some of the barriers to data sharing in social sciences by combining journal policies, published articles, and authors' responses to a survey.}, + keywords = {Data availability,Data policy,Data sharing,Political science,practices,Replication,Research data management,Research transparency,Sociology,Theory of Planned Behaviour} +} + + diff --git a/input/data/proc/datos_proc.Rdata b/input/data/proc/datos_proc.Rdata new file mode 100644 index 0000000..5b8f24b Binary files /dev/null and b/input/data/proc/datos_proc.Rdata differ diff --git a/input/tables/5C_Cuestionario_Ola_4_Muestra_Hai_2018_ESP__2020_05_04.pdf b/input/tables/5C_Cuestionario_Ola_4_Muestra_Hai_2018_ESP__2020_05_04.pdf new file mode 100644 index 0000000..4dce5ac Binary files /dev/null and b/input/tables/5C_Cuestionario_Ola_4_Muestra_Hai_2018_ESP__2020_05_04.pdf differ diff --git a/input/tables/tabprereg.csv b/input/tables/tabprereg.csv new file mode 100644 index 0000000..7c8ec69 --- /dev/null +++ b/input/tables/tabprereg.csv @@ -0,0 +1,9 @@ +Plantilla,Proposito,Disciplina/Área +Open Science Framework (OSF) Pre-registration,Múltiples plantillas para preregistrar una amplia gama de estudios,Cualquiera +AsPredicted,Plantilla de preregistro estandarizada,Cualquiera +PROSPERO,Registros de protocolos de estudio para revisiones sistemáticas con un resultado relacionado con la salud,"Salud y asistencia social, bienestar, salud pública, educación, delincuencia, justicia y desarrollo internacional" +International Standard Randomised Controlled Trials Number (ISRCTN),Registro de ensayos clínicos primarios reconocido por la OMS y el ICMJE,Cualquier estudio de investigación clínica +Bio-Protocol,Revista de protocolos en línea revisada por pares que pone a disposición de los interesados protocolos detallados en línea,Ciencias biológicas +American Economic Association Registry For Randomized Controlled Trials (AEA RCT),Registro de ensayos controlados aleatorios,"Economía, ciencias políticas y otras ciencias sociales" +Registry for International Development Impact Evaluations (RIDIE),Registro prospectivo de evaluaciones de impacto de políticas y programas de desarrollo en países de renta baja y media,Ciencias sociales +Evidence in Governance and Politics (EGAP),Registro de experimentos y estudios de observación,Gobernanza y política diff --git a/input/tables/tabqrp.csv b/input/tables/tabqrp.csv new file mode 100644 index 0000000..75e92a6 --- /dev/null +++ b/input/tables/tabqrp.csv @@ -0,0 +1,33 @@ +Dimensión,Práctica +Diseño y procesamiento,Ignorar ciertos aspectos de los requerimientos de las personas participantes. +Diseño y procesamiento,Pasar por alto el uso de datos cuestionables o de interpretaciones cuestionables que otros hacen. +Diseño y procesamiento,Cambiar partes de un estudio como respuesta a la presión de una fuente de financiación +Diseño y procesamiento,Eliminar observaciones de los análisis basados en la intuición de que eran inexactos. +Diseño y procesamiento,"Redondear un valor p (por ejemplo, reportar que un p-value de 0,054 es menor a 0,05)" +Diseño y procesamiento,"Eliminación, adición o alteración de datos después de pruebas de hipótesis." +Diseño y procesamiento,Supresión selectiva o adición de variables. +Diseño y procesamiento,Invertir la dirección o reformular hipótesis para respaldar los datos +"Redacción, reporte y publicación",Ampliar de manera innecesaria la bibliografía de un estudio. +"Redacción, reporte y publicación",Tergiversar los logros de la investigación. +"Redacción, reporte y publicación",Exagerar la importancia y la relevancia práctica de los resultados. +"Redacción, reporte y publicación",Retener detalles de la metodología de investigación (e.g. no reportar todas las variables dependientes de un estudio) +"Redacción, reporte y publicación",Retener resultados de la investigación (e.g. no presentar datos que contradicen una propia investigación previa). +"Redacción, reporte y publicación",Establecer publicaciones o brindar apoyo a publicaciones que no cumplen el proceso de control de calidad de la investigación +"Redacción, reporte y publicación",Publicar los mismos datos o resultados en dos o más publicaciones. +"Redacción, reporte y publicación","Selectivamente reportar estudios que ""funcionaron""." +"Redacción, reporte y publicación",Reportar hallazgos inesperados como previstos desde el principio. +"Redacción, reporte y publicación",Afirmar que los resultados no se ven afectados por variables demográficas cuando uno no está realmente seguro (o sabe que lo hacen). +Citación y autoría,Manipular la autoría o denigrar el papel de otros investigadores en las publicaciones. +Citación y autoría,Asignar inapropiadamente los crédios de autoría. +Citación y autoría,"Volver a publicar partes sustanciales de publicaciones propias anteriores, incluidas las traducciones, sin citar debidamente el original (""autoplagio"")." +Citación y autoría,"Citar de forma selectiva para mejorar los propios resultados o para complacer a los editores, los revisores o los colegas." +Citación y autoría,Usar ideas de otros sin obtener permiso o dar crédito +Citación y autoría,Uso no autorizado de información confidencial en relación con la propia investigación. +Relaciones con otros,Permitir que los patrocinadores pongan en peligro la independencia en el proceso de investigación con el fin de introducir sesgos. +Relaciones con otros,Acusar a un investigador de conducta indebida u otras infracciones de forma maliciosa. +Relaciones con otros,Retrasar u obstaculizar inadecuadamente el trabajo de otros investigadores. +Relaciones con otros,Emplear la experiencia profesional propia para alentar a que se incumpla la integridad de la investigación. +Relaciones con otros,Ignorar supuestos incumplimientos de la integridad de la investigación cometidos por terceros o encubrir reacciones inadecuadas a conductas indebidas. +Relaciones con otros,No divulgar adecuadamente la participación en empresas cuyos productos se basan en la investigación de uno. +Relaciones con otros,"Relaciones con estudiantes, sujetos de investigación o clientes que pueden ser interpretadas como cuestionables." +, diff --git a/input/tables/tabqrp2.csv b/input/tables/tabqrp2.csv new file mode 100644 index 0000000..02a17a4 --- /dev/null +++ b/input/tables/tabqrp2.csv @@ -0,0 +1,14 @@ +Práctica,Psicología,Psicología,Psicología,Ecología,Evolución,Educación,Comunicación +,John et al. (2012),Agnoli et al. (2017),Rabelo et al. (2020),Fraser et al. (2018),Fraser et al. (2018),Makel et al. (2021),Bakker et al. (2020) +Omitir estudios o variables ni significativas,46 (485),40 (217),55 (232),*,*,62 (783),60 +Subreportar resultados,63 (486),48 (219),22 (232),64,64,67 (871),64 +Subreportar condiciones,28 (484),16 (219),35 (232),*,*,*,* +Muestreo selectivo,56 (490),53 (221),22 (232),37,51,29 (806),23 +Excluir datos selectivamente,38 (484),40 (219),20 (232),24,24,25 (806),34 +Excluir covariables selectivamente,*,*,*,*,*,42 (773),46 +Cambiar análisis selectivamente,*,*,*,*,*,50 (811),45 +HARK,27 (489),37 (219),9 (232),49,54,46 (880),46 +Redondear valores p,22 (499),22 (221),18 (232),27,18,29 (806),24 +Mal orientar respecto a los efectos de sociodemográficos,3 (499),3 (223),4 (232),*,*,*,* +Esconder problemas,*,*,*,*,*,24 (889),* +Esconder imputaciones,1 (495),2 (220),1 (232),5,2,10 (898),9 diff --git a/input/tables/tabtax.csv b/input/tables/tabtax.csv new file mode 100644 index 0000000..32db32e --- /dev/null +++ b/input/tables/tabtax.csv @@ -0,0 +1,47 @@ +Pregunta,Dimensión,Variaciones +¿Por qué?,Proposito,Facilitar el reanalisis de los resultados +¿Por qué?,Proposito,Hacer a la ciencia más replicable +¿Por qué?,Proposito,Promover la innovación +¿Por qué?,Proposito,Mantener la rendición de cuentas de los expertos +¿Por qué?,Proposito,Facilitar la interacción crítica +¿Por qué?,Proposito,Promover el desarrollo de política pública de alta calidad +¿Por qué?,Proposito,Permitir al público tomar decisiones de acuerdo a sus valores +¿Por qué?,Proposito,Promover la integridad +¿Quién?,Audiencia,Cientificos haciendo la investigación +¿Quién?,Audiencia,Otros cientificos +¿Quién?,Audiencia,Desarrolladores de política pública +¿Quién?,Audiencia,Políticos +¿Quién?,Audiencia,Periodistas +¿Quién?,Audiencia,Grupos de interés +¿Quién?,Audiencia,Público general +¿Qué?,Contenido,"Datos, métodos, código y materiales" +¿Qué?,Contenido,"Interpretaciones de los datos, metodos, y codigos para no especialistas" +¿Qué?,Contenido,"Juicios de valor, factores que los influencian o sus implicancias" +¿Qué?,Contenido,Deliberaciones que subyacen a los reportes +¿Cómo?,Actores,Cientificos que desarrollaron la investigación +¿Cómo?,Actores,Otros científicos de la misma disciplina u otras +¿Cómo?,Actores,Periodistas +¿Cómo?,Actores,Sociedades cientificas +¿Cómo?,Actores,Agencias gubernamentales +¿Cómo?,Actores,Organizaciones no gubernamentales y de la sociedad civil +¿Cómo?,Espacios,"Comunicación desde los cientificos (oral o escrita, incluyendo las redes sociales)" +¿Cómo?,Espacios,Registros o repositorios +¿Cómo?,Espacios,Divulgación cientifica +¿Cómo?,Espacios,Reportes de agencias gubernamentales +¿Cómo?,Espacios,Reportes de agencias no gubernamentales o grupos de la comunidad +¿Cómo?,Marco temporal,Antes de que la investigación comience +¿Cómo?,Marco temporal,Durante el proceso de investigación +¿Cómo?,Marco temporal,Inmediatamente después de que los datos fueron recolerados +¿Cómo?,Marco temporal,Despés de la publicación +¿Cómo?,Marco temporal,Durante o después de las revisiones o el análisis de la investigación +¿Cómo?,Mecanismos,Discusiones entre cientificos (orales o escritas) +¿Cómo?,Mecanismos,Colaboraciones interdisciplinares +¿Cómo?,Mecanismos,Colaboraciones con miembros de la comunidad +¿Cómo?,Mecanismos,Organos asesores gubernamentales y otras iniciativas +¿Cómo?,Mecanismos,Procedimientos contradictorios (e.g. cortes científicas) +¿Qué podría afectar iniciativas de transparencia?,Amenazas,Dañar compañías +¿Qué podría afectar iniciativas de transparencia?,Amenazas,Violación de privacidad +¿Qué podría afectar iniciativas de transparencia?,Amenazas,Generación de escepticismo inapropiado +¿Qué podría afectar iniciativas de transparencia?,Amenazas,Crear un falso sentido de confianza +¿Qué podría afectar iniciativas de transparencia?,Amenazas,Causar confusión +¿Qué podría afectar iniciativas de transparencia?,Amenazas,Facilitación de esfuerzos para acosar o mal guiar. diff --git a/lisa-book.rds b/lisa-book.rds index 4c0d591..2a4fc2e 100644 Binary files a/lisa-book.rds and b/lisa-book.rds differ diff --git a/packages.bib b/packages.bib index ef54359..32ab24d 100644 --- a/packages.bib +++ b/packages.bib @@ -27,7 +27,7 @@ @Manual{R-rmarkdown title = {rmarkdown: Dynamic Documents for R}, author = {JJ Allaire and Yihui Xie and Jonathan McPherson and Javier Luraschi and Kevin Ushey and Aron Atkins and Hadley Wickham and Joe Cheng and Winston Chang and Richard Iannone}, year = {2021}, - note = {R package version 2.8}, + note = {R package version 2.9}, url = {https://CRAN.R-project.org/package=rmarkdown}, } diff --git a/render274c693dc56.rds b/render274c693dc56.rds new file mode 100644 index 0000000..3db0c2c Binary files /dev/null and b/render274c693dc56.rds differ