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

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,脑细胞的分支结构,对于神经系统功能和疾病至关重要.
• 数字神经形态学重建的有限公共可访问性阻碍了科学进步,并造成了研究冗余.
• 数据共享对于克服这些局限性和促进神经科学领域的合作至关重要.

研究的目的:

• 量化共享数字神经形态学数据对科学发现和作者认可的影响.
• 分析公开共享的神经形态学数据集的长期可重复使用性和引用影响.
• 开发工具,以促进跟踪和识别在同行评审出版物中的数据再利用.

主要方法:

• 对神经形态学出版物进行了全面的文献分析.
• 通过比较共享数据集与非共享数据集的引用率来评估数据共享的影响.
• 一个开源的引用跟踪网络服务被开发和发布.

主要成果:

• 通过NeuroMorpho.Org共享神经形态学数据显著增加了文章引用率,使作者受益.
• 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.
• 使用更大的数据集的整合应用程序的引用量是个别数据集再分析的两倍.

结论:

• 分享数字神经形态数据提高了科学可见性,加速了发现.
• 神经科学中的开放数据实践导致引用的增加和更广泛的研究影响.
• 开发的工具支持用于学术和资金评估的数据重复使用识别.