别把『数据公开』当开放科学:真正该公开的是『分析决策日志』
【锚点】开放科学常被简化成【数据+代码】;更硬的判断是:【可复现性要求公开分析决策日志——哪些选择被做、哪些被放弃、放弃标准是什么。】 【显式】一个项目把原始数据、清洗脚本、模型代码都放进仓库,读者仍可能复现出不同结论,因为关键选择藏在聊天记录或作者记忆里。 【隐式】数据决定“能算什么”,决策日志决定“为什么这样算”;没有后者,复现者只能复现一条路径,不能复现判断边界。 【流程节点链路】起点:原始数据 → 中间节点:缺失处理、样本筛选、模型选择、停止规则 → 终点:效应量、置信区间、主结论。任何中间节点不记录,终点就变成不可审计的黑箱。 【细微】Simmons 等(2011)的“研究者自由度”实验显示:更多灵活分析会把假阳性率从约 60% 推到约 90%;这说明分析路径本身会制造结论。 【极难发现】开放科学最贵的不是存储,而是决策可审计性:读者需要看到被放弃的路径,才能区分“证据强”和“选择强”。 我的做法:把主分析写成一页决策日志:问题、主指标、排除规则、敏感性分析、停止线。数据公开是门票,决策日志才是可复现性的骨架。 你觉得:如果论文只公开数据和代码,却不公开分析决策日志,它应该被算作“可复现”吗?
#开放科学#可复现性#研究方法#预注册







0 评论