Crise de la reproductibilité ; reproducibility crisis ou replication crisis
Même dans la recherche la mieux décrite, il existe toujours une part de savoir tacite, càd un savoir qu'on ne sait pas expliciter et qui est impossible à formaliser
En anthropologie, le chercheur interagit avec son objet d'étude. La fiabilité, dans cette discipline, est évaluée par autre chose que la reproductibilité, par ex la réflexivité . Ce sont plus des enjeux de transparence que de reproductibilité qui dominent ici. Idem quand on documente un événement rare.
Si la reproductibilité conduit à plus de fiabilité en science, c'en est un moyen parmi d'autres, pas toujours suffisant, pas toujours nécessaire
Le but de la publication scientifique ou de la "technique littéraire" (litterary technology) de l'époque de Boyle n'était effectivement pas (et n'est toujours pas dans les publications aujourd'hui) exactement la reproductibilité, mais plutôt la légitimité
Étudier les controverses, c'est augmenter les chances de comprendre les formes de savoir tacite qui conditionnent la reproduction, qui n'apparaissent pas dans les publications, et qui surgissent au grand jour parce que des chercheurs contestent
Sabina Leonelli étudie ce qu'elle appelle les voyages des données (à l'ère des big data notamment). Les données, jamais "brutes", contiennent en elles toutes les théories, conditions, protocoles, biais, cultures qui ont servi à leur production et leur réutilisation se fait toujours dans d'autres conditions, par des chercheurs appartenant à d'autres cultures. Elle identifie 6 catégorie de reproductibilité :
- R. computationnelle : possible à partir d'un ensemble de fichiers et d'instructions écrites. C'est el seul domaine où une reproductivité absolue est envisageable et souhaitable
- R. Expérimentale directe (expréiences standardisées)
- R. Indirecte ou Hypothétiques (expé semi-standardisées)
- R. par expertie : expé non-standard er objets de rechecrhe rare
- Observation reproductible : étude de cas non expérimentales
- Recherche non reproductible : observation participante
Influence de l'informatique sur les méthodes statistiques : facile de faire en qq clic une régression, un test non paramétrique, mai sne signifie pas qu'on comprend forcément bien les hypothèses sou-jacente set qu'on sait interpréter les résultats. Souvent, les défauts de reproductibilité proviennent de mésemploi de méthodes stats et des outils "boîtes noires".
Voir aussi : [Reproduire un résultat scientifique : plus facile à dire qu’à faire](https://theconversation.com/reproduire-un-resultat-scientifique-plus-facile-a-dire-qua-faire-129848), Alexandre Hocquet, The Conversation, Mars 2020.
# Interagir avec GitLab via RStudio
<!-- Interagir avec GitLab via RStudio -->
__Etape 1.__ SOUs Rstudio
Générer ma clef SSH (qui comprend une partie publique (nom.pu) et une partie privée (nom)
Dans Rstudio > Tools > Global Options > GIT/SVN > code SSH : taper sur create (va générer la clef SSH)
Bien noter le lien vers le répertoire .ssh (par défaut c:\user\NomUtilisateur\.ssh\id_ed25519
__Etape2.__ Sous GitLab :
En haut à droite : Edit profile user
Dans le bandeau vertical gauche qui apparaît (l'agrandir si besoin via expand collapse), sélectionner key SSH, Copier - coller le code de la clef
## Faire le lien entre un projet sur GitLab et le même projet sous RStudio
Sous GitLab :
Bouton clone
Copier l'adresse URL
Puis sous Rstudio :
File> New project > version Control > git (clone a project from a Git repository) >
--> copier l'URL du GITLab
A la question "indiquer votre SSK Key" : coller notre numéro de clef SSH
Puis à la question ci-desssous, qui demande si on fait confiance à forgemia, repondre yes (sinon, ça ne fonctionnera pas !!!)
