¿Qué Significa la Reproducibilidad en la Ciencia?
En la ciencia, la reproducibilidad y la replicabilidad son esenciales para la integridad de los datos. Este artículo se centra en la reproducibilidad en la ciencia, en el confuso panorama de la reproducibilidad en la investigación científica y en la nueva crisis de la reproducibilidad y lo que significa para la ciencia. Al final, te presentamos una excelente solución para la colaboración y la integridad científica: Orvium.
¿Qué es la Reproducibilidad en la Ciencia?
Una forma en que la comunidad científica confirma la validez de los descubrimientos científicos es repitiendo la investigación. La reproducibilidad y la replicabilidad se utilizan a veces indistintamente en la ciencia. Reproducibilidad significa obtener resultados consistentes utilizando los mismos datos que el estudio original. Replicabilidad significa obtener resultados consistentes utilizando nuevos datos o nuevos resultados computacionales para responder a la misma pregunta científica.
La reproducibilidad es esencial para la ciencia porque permite una investigación más exhaustiva, mientras que la replicabilidad confirma nuestros resultados. Existen muchos estudios y experimentos, lo que conlleva muchas variables diferentes, incógnitas y cosas fuera de tu control o que no puedes garantizar. Pero lo único que puedes garantizar es que tu trabajo sea reproducible. Una forma de hacerlo es siendo transparente.
¿Por qué es importante la transparencia a la hora de reproducir los estudios?
Debido a la naturaleza de la ciencia, es un reto saber si algo puede ser reproducido porque muchos factores pueden cambiar, y los resultados pueden no ser correctos o permanecer correctos en el tiempo. Pero sabemos que la ciencia sólo puede progresar si hay colaboración entre los investigadores. Eso incluye:
- Compartir los resultados (tanto los positivos como los negativos)
- Proporcionar documentación e informes sobre los datos, especialmente los datos brutos y no modificados
- Ser transparentes sobre los métodos y herramientas utilizados para llegar a un consenso.
Parte de esa colaboración incluye dar a otros investigadores la posibilidad de reproducir o replicar los resultados de la investigación. Esto se vuelve difícil para otros si el estudio original carece de información correcta y actualizada, hay una mala interpretación de los resultados o no se comparten los resultados negativos.
Se podría decir que la transparencia y el intercambio de resultados negativos van de la mano. Sabemos por nuestro artículo sobre los resultados negativos en investigación que al compartir los resultados negativos obtenidos al reproducir o replicar el trabajo de otro investigador, están inspirando nuevas direcciones para el trabajo futuro y contribuyendo a la comunidad de la Ciencia Abierta.
Los resultados negativos no significan que un investigador no esté capacitado o que su trabajo deba ser despreciado. De hecho, los resultados negativos pueden ayudar a demostrar la fiabilidad, porque muestran que los datos y la metodología son auténticos. Y si se fomentara ampliamente el intercambio de resultados negativos en toda la comunidad científica, más científicos o investigadores estarían más inclinados a intentar reproducirlos o replicarlos.
La Confusa Imagen que dibuja la Reproducibilidad
La confianza en todos los campos científicos es importante y debe tratarse como tal. Lo que está en juego es aún más importante cuando los resultados repercuten en las decisiones de salud de las personas, informan la política o afectan a futuros estudios científicos. Sin embargo, el temor a la no reproducibilidad está muy extendido en todas las disciplinas.
La incertidumbre es aún mayor cuando se trata de establecer si un resultado es lo suficientemente cercano como para llamarlo reproducible. Los científicos, los responsables políticos, los organismos de financiación, etc., han constatado que los resultados son poco reproducibles en determinados campos, como la psicología, la medicina forense y la epidemiología. Mientras tanto, los investigadores informaron de que no se reproducen los resultados en biología, química, medicina, física, ingeniería y ciencias de la tierra y del medio ambiente, a pesar de creer que la reproducibilidad de los hallazgos es crucial para el avance de la ciencia y para compartir correctamente los resultados.
La capacidad de reproducir resultados es difícil por múltiples razones
- el valor exacto de una medición compleja puede no ser idéntico al resultado de otro laboratorio
- el uso de técnicas especializadas es diferente, dada la naturaleza compleja de muchos de los estudios realizados
- muchos estudios científicos se basan en eventos únicos u observaciones de eventos puntuales (terremotos, huracanes, epidemias, estudios climáticos, etc.), lo que hace casi imposible la realización de un experimento controlado
- los problemas de metadatos y el hecho de que no haya suficientes investigadores que compartan el código y los programas informáticos utilizados para garantizar una investigación reproducible y reutilizable.
La Nueva Crisis de Reproducibilidad y lo que significa para la Ciencia
En lugar de centrarnos en la llamada "crisis" de la que hablan muchos científicos, centrémonos en establecer la confianza en la calidad de los datos científicos. Esto es crucial a medida que aumenta nuestra capacidad de almacenar, extraer y transferir grandes cantidades de datos. Desgraciadamente, en la actualidad hay pocas herramientas que evalúen la calidad de los datos. Un excelente ejemplo de un centro de investigación que utiliza herramientas de evaluación de la calidad de los datos parcialmente automatizadas es el Centro de Investigación de Termodinámica del NIST. Sin embargo, la adopción de un marco universal para la presentación de datos significaría mucho para la ciencia.
Los estudios que implican sistemas experimentales complejos son difíciles de reproducir, especialmente para los investigadores que no son expertos en ese campo concreto. La Research Data Alliance está explorando una solución única para facilitar la recopilación, el intercambio y la notificación de los detalles de las herramientas y los protocolos. Esto podría mejorar significativamente el seguimiento de los datos hasta una herramienta concreta y su información de calibración.
A su vez, esto puede mejorar la calidad general de los datos de la investigación y permitir que el intercambio de datos y programas informáticos en las distintas disciplinas y entre ellas sea un fuerte motivador de la replicabilidad. Un investigador o científico que quiera replicar o reproducir un estudio o experimento podrá hacerlo sin ser un experto en ese campo.
Mejoremos los Resultados
La capacidad de replicar o reproducir los resultados de la investigación dependerá y estará limitada por la fiabilidad de las hipótesis, los datos y los programas informáticos en los que se basan las conclusiones. Además, hay que contar con mejores sistemas para establecer una confianza en los resultados que todo el mundo pueda entender. Sólo así podremos finalmente replicar o reproducir los estudios con éxito.
Orvium se centra en la colaboración entre colegas y permite a los investigadores, revisores y editores gestionar su investigación en una plataforma abierta. Al ser una solución en la nube, no hay límite para lo que se puede hacer con los datos. ¿Tienes curiosidad por saber más sobre cómo mejoramos la publicación científica, la colaboración y la transparencia? Echa un vistazo a nuestra plataforma y descubre lo que puede interesarte.
