Otwarta nauka i badania

Problemy:

• Coraz powszechniejsza jest opinia, że ​​oszustwo naukowe jest powszechne.
• Dobra nauka wymaga powtarzalności. Aby zrozumieć i powtórzyć wynik typowego badania technologii edukacyjnej, może być wymagany dostęp do:
  • Tego samego środowiska programowego, w którym uruchomiono technologię edukacyjną.
  • Materiałów dydaktycznych, z których korzystali uczniowie.
• Łatwo jest przypadkowo prowadzić złą naukę. Na przykład, jeśli przeprowadzisz 50 badań i znajdziesz 2 istotne wartości z p=0,05, prawdopodobnie wyjdą one przypadkowo dodatnie.
• Zeszyty laboratoryjne, które kiedyś służyły do ​​przechowywania archiwalnych zapisów procesu naukowego, wyszły z mody.

Rozwiązanie? Przejrzystość! (i konkretnie otwarta nauka)

Przez resztę tej sesji będziesz aktywistą otwartej nauki. Uważasz, że:

• Badania potwierdzające powinny być wstępnie zarejestrowane.
• Badania potwierdzające powinny mieć miejsce, zanim pula danych zostanie zanieczyszczona badaniami eksploracyjnymi.
• Cały kod źródłowy technologii edukacyjnej powinien być darmowym oprogramowaniem typu open source, dzięki czemu będziesz mógł zrozumieć kontekst, w którym przeprowadzono badanie, i je powtórzyć.
• Wszystkie materiały dydaktyczne powinny być otwarte, ponownie, na powtarzalność i zrozumienie badania.
• Wszystkie analizy przeprowadzane w ramach badania powinny być nie tylko otwarte (na powtarzalność), ale także rejestrowane, aby zapobiec polowaniu na wartość p.

Omów, czego można oczekiwać od repozytorium. Kilka tarć:

• Masz szczególną alergię na żądania „prawa do bycia zapomnianym”, ponieważ utrata danych uniemożliwia replikację naukową.
• Rzeczywiście uważasz, że dane badawcze powinny być szeroko udostępniane.
• Oprogramowanie własnościowe uniemożliwia replikację (np. dane z systemu ed-tech Pearson)
• Modele uczenia maszynowego mogą mieć setki gigabajtów i mogą ewoluować (nawet w sposób ciągły!)
• Dane szkoleniowe mogą być jeszcze większe!
• Dane edukacyjne mogą obejmować dane audio-wideo, szczegółowe dane strumienia kliknięć itp.
• Nie można odtworzyć wielu klasycznych wyników technologii edukacyjnych z lat 1960-2000, ponieważ te komputery już nie istnieją lub nie działają, a programy zostały utracone.
• Nie można odtworzyć wyników na podstawie usług sieciowych z lat 2000., które już nie istnieją (lub nawet tych, które uległy znacznym zmianom, takich jak Khan Academy).
• Dane bez kontekstu i możliwości interpretacji są bezużyteczne.
• Możliwość odkrycia. Jak ludzie znajdują potrzebne im dane? * W związku z powyższym, jaki inny kontekst jest potrzebny do znalezienia i wykorzystania danych?

Omów, czego oczekujesz od repozytorium danych i jak je rozbudować, aby wspierać otwartą naukę, integralność badań i przejrzystość badań.

Dobrym, szerszym zestawem wytycznych, których chcielibyśmy przestrzegać, jest IES SEER