在开放科学时代的数据分析项目结构化与Kerblam!
Luca Visentin1, Luca Munaron1, Federico Alessandro Ruffinatti1
1Department of Life Sciences and Systems Biology, University of Turin, Turin, 10136, Italy.
F1000Research
|March 6, 2025
概括
将开放科学原则应用于数据分析项目结构可以提高透明度和理解. 这项研究提出了设计原则,并介绍了Kerblam!,这是一个简化数据处理和共享可重复性研究的工具.
科学领域:
- 数据科学数据科学数据科学
- 计算生物学 计算生物学
- 研究可复制性研究可复制性
背景情况:
- 数据分析项目结构通常依赖于个人偏好,阻碍了可访问性和透明度.
- 开放科学原则倡导更多的开放,可理解和可复制的研究实践.
- 将开放科学应用于项目结构可以提高研究可访问性和协作.
研究的目的:
- 调查共同的数据分析项目结构,并确定最佳实践.
- 开发用于结构化数据分析项目的基本设计原则.
- 推出Kerblam!,这是一个支持这些原则和改进数据管理的工具.
主要方法:
- 来自GitHub存储库的数据分析项目模板的分析.
- 对共识结构的可视化,以确定共同的模式和特征.
- 基于开放科学哲学的设计原则的开发.
主要成果:
- 项目模板之间存在有限的重叠,但确定了不同的做法.
- 制定了结构化数据分析项目的基本设计原则.
- 克尔布拉姆! 克尔布拉姆! 这是什么? 是作为一个项目管理工具开发的,以促进数据处理和工作流执行.
结论:
- 遵守拟议的设计原则和使用 Kerblam! 可以提高数据分析项目的透明度和可理解性.
- 拟议的框架旨在使数据分析项目对更广泛的研究界更有用.
- 促进标准化的项目结构促进了可重复性,并促进了数据科学领域的合作.
