# MOOC Recherche Reproductible

> Autrice : Flavie B. 
>
> Modifié le : 2025/08/25.

## Préambule - Posons le décor

Introduction sur la crise de la reproductibilité, définition des notions de reproductibilité et de transparence. 

Interviews et synthèses très intéressantes pour éclairer et questionner les pratiques dans différents domaines.

__Références utiles (pour moi) :__
- [Article d'Alexandre Hocquet sur reproductibilité](https://theconversation.com/reproduire-un-resultat-scientifique-plus-facile-a-dire-qua-faire-129848)
- [Article de Caroline Muller sur Zotero](https://consciences.hypotheses.org/1184)

## Module 1 - Cahier de notes, cahier de laboratoire 

> Suivi la semaine du 2025/08/18.

Présentation de divers formats et approches de la prise de notes, qui couvrent plusieurs périodes historiques et plusieurs domaines de la recherche.

Réflexion sur l'organisation de ces notes au moyen d'outils (numériques mais pas que) pour ne pas finir noyé·e. 

S'entraîner à l'utilisation de Markdown et git. 

__Contenu :__
- [x] Vidéos de présentation/cours
- [x] Entretiens
- [x] Tutoriels
- [x] Fiches supplémentaires
- [x] Exercices

Liens vers les exercices réalisés : [Exercice](module1/exo2) 

__Références utiles (pour moi) :__
- [Tuto Markdown](https://www.jdbonjour.ch/cours/markdown-pandoc/) [depuis le cours]
- [Remarkable tool](https://remarkableapp.github.io/) [depuis le cours]
- [Climatological Database for the World's Ocean, 1750-1850](https://loc.maps.arcgis.com/apps/instant/interactivelegend/index.html?appid=b55d3c2ebb4b4b25a48f28cb9309cbd8&center=-2.601;49.6589&level=7) [depuis le cours]
- [Reliable Knowledge, John Ziman](https://archive.org/details/reliableknowledg00john/) [depuis le forum]

## Module 2 - La vitrine et l'envers du décor : le document computationnel 

> Suivi la semaine du 2025/08/25.

Causes d'échec de reproduction des analyses : 
1. Manque d'information, problème d'accès aux données
2. Erreurs de calcul ou de méthodologie stat
3. Manque de rigueur scientifique et technique (qui en général conduit aux deux autres).

D'où l'importance de la transparence : expliciter augmente les chances de trouver les erreurs et de les corriger. 

Un outil permettant d'améliorer la transparence et la tracabilité est présenté ici : le document computationnel.

Je connais très bien python et Jupyter, mais encore plus R et Rstudio (je suis plus à l'aise avec Rstudio que Jupyter). 

Je choisis donc de suivre le parcours Jupyter dans un premier temps, mais je compte aussi suivre le parcours org-mode plus tard.

__Contenu :__
- [x] Vidéos de présentation/cours
- [x] Tutos
- [ ] Exercices

Tips : 

Pour personnaliser l'export jupyter notebook : 
```
jupyter nbconvert --to mypackage.MyExporter notebook.ipynb
```

Liens vers les exercices réalisés : 

__Références utiles (pour moi) :__
- [Critiques article Reihart-Rogoff sur dette](https://en.wikipedia.org/wiki/Growth_in_a_Time_of_Debt)
- [Défaut dans méthode stat IRMf](https://www.pnas.org/doi/10.1073/pnas.1602413113) & [Blog sur cet article et ses suites](https://www.cogneurosociety.org/debunking-the-myth-that-fmri-studies-are-invalid/)
- [Problèmes de reproductibilité en science avec recours aux ordinateurs](https://theconversation.com/how-computers-broke-science-and-what-we-can-do-to-fix-it-49938)