@@ -28,3 +28,53 @@ Signes d'activité cérébrale chez le poisson mort -> met le doigt sur des prob
Ces problèmes sont présents dans tous les domaines scientifiques.
La rigueur et la transparence sont alors de mise.
## Pourquoi est-ce difficile
Difficultés rencontrées lors des tentatives de reproduction d'expériences
- manque d'informations :
- données et sources,
- choix effectués (hypothèses sous-jacentes à l'analyse, etc.) . Choix non expliqués = choix suspicieux
- ordinateur : source d'erreur
- point and click
- les tableurs : erreurs de programmation et de manipulation de données
- pile logicielle complexe et mal maîtrisées (logiciels propriétaires qui fonctionnent comme des boîtes noires)
Problème : programmer, c'est dur ; mais il faut vérifier que chacune des briques de l'analyse est valable
- manque de rigueur et d'organisation
- pas de backup
- pas d'historique (manque de gestion de versions)
Dimension culturelle et sociale :
- article = version **simplifiée** de la procédure
- tracer et rendre dispo les informations : exige du temps
Tout rendre public ?
- les faiblesses deviendraient évidentes -> c'est normal, tout travail a ses faiblesses
- quelqu'un peut trouver une erreur -> oui, mais il faut que les erreurs soient connues
- quelqu'un pourrait en tirer avantage -> importance d'un article méthodologique
(Github : entre la plateforme de développement et le réseau social ; mettre ses travaux à disposition montre la propriété intellectuelle)
- les données peuvent être sensibles (ex : infos sur le vote, etc) -> se poser des questions éthiques, vérifier l'accessibilité des données
**Outils à éviter et alternatives**
- outils, formats et services propriétaires :
- adopter le format texte
- logiciels et langages de programmation libres
- répliquer les données à plusieurs endroits, si possible issus d'alternatives libres
- outils "intuitifs" : tableur, interfaces graphiques -> utiliser R ou Python
*Expliciter augmente les chances de trouver les erreurs et de les éliminer*
Ressources complémentaires intéressantes :
[How computers broke science – and what we can do to fix it](https://theconversation.com/how-computers-broke-science-and-what-we-can-do-to-fix-it-49938)
Recommandations issues de cet article :
- minimiser le point-and-click et utiliser des scripts
- utiliser les formats non-propriétaires
- organiser systématiquement les fichiers (voir par exemple [ici](https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1000424) pour la biologie computationnelle)
[Sur les boots camps destinés aux chercheurs - quelques indices de bonnes pratiques dans cet article](https://www.nature.com/news/boot-camps-teach-scientists-computing-skills-1.15799)
[Les erreurs dans les spreadsheets en biologie](https://qz.com/768334/years-of-genomics-research-is-riddled-with-errors-thanks-to-a-bunch-of-botched-excel-spreadsheets/)
