对神经科学出版物的图书统计分析量化了数据共享的影响
Herve Emissah1, Bengt Ljungquist2, Giorgio A Ascoli1,2
1Bioinformatics Program, College of Science, George Mason University.
bioRxiv : the preprint server for biology
|September 25, 2023
概括
分享神经形态数据显著增加了文章引用和双重发现. 16年来,数据的重复使用率仍然很高,促进了科学进步,并帮助研究人员在职业生涯中取得进步.
科学领域:
- 神经科学是一个神经科学.
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 神经形态学对大脑功能和病理学至关重要.
- 数字神经重建的有限公共可访问性阻碍了科学进步.
- 数据共享对于开发计算资源和加速发现至关重要.
研究的目的:
- 量化数据共享对神经形态学出版物的影响.
- 评估通过NeuroMorpho.Org.等存储库共享数字重建的好处.
- 提供追踪数据重复使用和认可作者贡献的工具.
主要方法:
- 神经形态学出版物的图书统计分析.
- 对共享与非共享数据集的引用率的分析.
- 开发和部署一个开源的引用跟踪网络服务.
主要成果:
- 分享神经形态数据显著增加了文章引用率.
- 数据的重复使用至少持续了16年,几乎是同行评审发现的两倍.
- 大量的共享数据集有助于实现具有更高引用率的整合性元分析.
结论:
- 神经科学中的数据共享显然通过增加引用来为作者带来好处.
- 开放数据存储库加速科学发现,促进合作.
- 追踪数据重复使用的工具可以支持研究人员的职业发展和资金决策.
