In Bakaniko/notesSIGR2021: Notes from SIGR 2021 thematic school

knitr::opts_chunk$set(
  collapse = TRUE,
  comment = "#>"
)

Manque de reproductibilité

J.P. Ioannidis : problème d'expérimentations => résultats faux

Fraude dans la recherche: comment la détecter ? Comité d'enquête => perte de crédibilité dans la recherche et la science.

• Dong-Pyou Han (2013) : 57 mois de prison, 7.2 million de dollar d'amende, 1 article retiré
• Dierik Stapel (2011) : 58 articles retirés
• Brian Wansink (2016) : 17 articles retirés

Conséquences des mauvaises pratiques scientifiques

• Reinhart et Rogoff (2010): politiques d'austérité, fichier excel pourri, méthodes pas claires. Point positif cela a con

Mauvaise science délétère: soutient des politiques néfastes, affecte la vie des gens, frontière brouillé entre science et excroquerie, favorise les théories du complot

Crise de la crédibilité ?

Ces problèmes ont toujours existés. Beaucoup plus de publications mais aussi beaucoup plus de rétractations.

Difficultés à reproduire des études passées, tout domaine confondu.

Plusieurs causes:

• raisons sociales : conflits d'intérêt, manque d'incitation à reproduire son propre travail.
• causes méthodologiques et techniques: biais, mauvais design, analyse faible, rapport faibles, manque d'information, code source non disponible

Karl Popper (1934): notion de falsifiability et de crucial experiment, les bonnes expérimentations permettent de discriminer les bonnes des mauvaises théories. Les occurrences uniques non reproductibles n'apportent rien à la science : problème c'est un idéal pas un norme: évènements extrêmenent rares en astronomie, études comportementales

Reproductibilité : un valeur centrale de la sceince

Universalité : Reproductibilité agit comme un moyen de contrôle, d'évaluer la robustesse.

Incrément : la science se construit aussi sur le travail de tous, y compris les erreurs. La reproductibilité permet de réaliser un contrôle qualité.

Les pratiques scientifiques ont évalos avec l'arrivée des ordinateurs - Ben Marwirk (2015)

How computer broke science

Geoffrey Chang : erreur de programmation dans un script utilisé dans plusieurs labos. 5 articles retirés. Pousse la communauté à améliorer les pratiques de génie logiciel.

L'utilisation de tableur généère des problèmes: encodage des données, limites des logiciels (pertes de données COVID) Boite noire statistiques problèmes de statbilité numérique et d'environnement logiciel.

Les soucis de reproductibilité varient selon le domaine

• problèmes méthodo, stats en SHS, cancérologie
• ingénérie logicielle, reproductibilité computationnelle en génétique
• mécanique des fluides : problèmes numériques

Articlespubliés : uniquement résultats positifs mais pas de publication des échecs, des impasses

Recherche reproductible: combler l'écart entre chercheur et lecteur par plus de transparence.

Première apparition de reproductible research

Claerbout & Karrenbach (1992)

Reproductibilité, réplicable, robustesse, généralisation

reproductibilité expériementale : mêmes données, mêmes protocole : résultat similaire

reproductibilité statistiques : même daonnées, même analyse:

reproductibilité computationnelle : même donnée, même code, même environnement : résutlats exactement identique

Outils existants, standards existants

• notebook et workflow
• environnement logiciels
• plateforme de partage (github/gitlab/ zenodo/ HumaNum)

Bonnes pratiques

N°1 - prendre des notes et documenter

Document computationnel / progammation lettrée

Du code doit être lisible par une machine mais aussi un humain.

Outils : Jupyter notebook, Emacs Org-mode, Rstudio

Carnet de laboratoire et article reproductible

Documenter: - les hypothèses - les expérimentations - l'analyse initial et/ou l'interprétation des expérimentations - organisation: garder trace des choses à faire, faites, à tester, améliorer

Workflows

Les notebooks ne sont pas la panacée: ils peuvent devenir rapidement confus et n'incitent pas à faire du code propre

Les workflows découpent le code en sous-parties qui exécutent une petite tâche

Workflows: - meilleur vision - code composition et mouvement de données

Outils de workflow - Gnu Make - Galaxy, kepler, Taverna, Peagsus - R target, - léger : drake, swift, snakemake (make en python) - hybrid: SOS-notebook

N°2 Contrôler l'environnement logiciel

• environnement logiciel qui évolue
• dépendance à la version du logiciel ou du système d'exploitation
• impact du compilateur

Challenge reScience : reproduire une étude de plus de 10 ans

Complexité des écosystèmes

Matplotlib: - dépendances Python - dépendances système non visibles

Ecosystèmes non standards

Outil peu accessible

• documenter son usage
• si installation trop compliquée, les gens ne vont pas l'utiliser

Gestionnaire de conteneur et de paquets

• good : Guix
• bad : Docker, singularity
• ugly : ReproZip

Conteneur: - pour : léger, bonne isolation, facile à utiliser - contre : opaque (image binaire déjà faite), n'est pas prévu pour faire de la reproductibilité (orienté admin-sys)

• Gestionnaire de paquet propres aux langages pip/pipenv/virtualenv, conda, CRAN/Bioconductor
• GUIX/NiX: Gestionnaire de paquet fonctionnels, excellent isoloation, bon reproductibilité

N°3: gestion des versions et forges logicielles

Git

• outil de version de code
• développé depiuis 2005 par Linus Torvalds
• fonctionnement local avec possibilité de navigation poussées
• distribué : tout le monde a une pleine copie de l'historique

Github, Gitlab et autres

• hébergement gratuit de logiciels libres
• interface web agréable
• gestion des utilisateurs et des droits
• issues, intégration continue

Attention la pérennité n'est pas garantie ! Cela permet de collaborer mais pas archiver.

Archives

• Articles: arXiv.org, HAL
• données: Zenodo (CERN, licence libre d'utilisation), figshare
• logiciels: Software Heritage

Changer la façon de produire de la recherche

Changer les pratiques de recherche

Software Carpentry, The Turing Way

Changer les pratiques de publication

Evaluation des artéfacts et badges ACM

Conférences majeures: en mode open review, prix de l'article le plus reproductible, challenge de reproductibilité

Chnager les pratiques académiques

Mettre fin au Publish or perish

Publications de reproduction d'articles

Arrêter la prise en compte de l'impact factor

Plan National pour la Science Ouverte

Piliers principaux: - Open Access - Open Data - Open Source - Open Methodology : recherche reproductible (notebooks ouverts, infrastructures scientifiques ouvertes) - Open peer review : éviter les collusions - Open eductional ressources

Resources

• guide de la recherche reproductible
• MOOC Recherche reproductible
• à venir MOOC RR avancé => 2022
• contrôle de l'environnement logiciel
• workflow scientifique
• gestion des données

Bakaniko/notesSIGR2021 documentation built on Dec. 17, 2021, 10:45 a.m.