Même si la terminologie peut varier d'un auteur ou d'une communauté à l'autre, il est important de comprendre que l'on peut distinguer -différent niveau de "réplication" selon que l'on s'est contenté de +différents niveaux de "réplication" selon que l'on s'est contenté de vérifier que l'on pouvait ré-exécuter le code et obtenir exactement les mêmes résultats ou bien que l'on arrivait à reproduire des résultats similaires en suivant une approche similaire (éventuellement avec un -autre langage, une autre méthode de calcul, etc.). À Ce sujet, vous +autre langage, une autre méthode de calcul, etc.). À ce sujet, vous pourrez vouloir par exemple lire https://arxiv.org/abs/1708.08205.
-Le diable se cache souvent dans des endroits auxquels on ne penserait -jamais et nous sommes nous-mêmes allés de surprise en surprise en +Le diable se cache souvent dans des endroits auxquels on n'aurait jamais +pensé et nous sommes nous-mêmes allés de surprise en surprise en préparant ce MOOC, notamment avec l'exercice du module 2 sur Challenger. C'est pourquoi nous vous proposons dans cet exercice, de refaire une partie de l'analyse des données de Challenger, comme l'ont fait Siddhartha Dallal et ses co-auteurs il y a presque 30 ans dans leur article Risk Analysis of the Space Shuttle: Pre-Challenger Prediction of Failure et publié dans le Journal of the American -Statistical Association (Vol. 84, No. 408, Déc., 1989), mais dans -dans un autre langage de votre choix (Python, R, Julia, SAS, -…). +Statistical Association (Vol. 84, No. 408, Déc., 1989) mais dans un autre langage de votre choix (Python, R, Julia, SAS…).
Nous savons d'expérience que si les estimations de pente et d'intercept sont généralement les mêmes, on peut avoir des différences -lorsque l'on regarde un peu plus dans les détails les estimateurs de -variance et le R2. Il peut également y avoir des surprises dans le +lorsque l'on regarde les estimateurs de variance et le R2 un peu plus +dans les détails. Il peut également y avoir des surprises dans le graphique final selon les versions de bibliothèques utilisées.
L'ensemble des calculs à effectuer est décrit ici avec les -indications sur comment contribuer: +indications sur comment contribuer : https://app-learninglab.inria.fr/gitlab/moocrr-session1/moocrr-reproducibility-study/
-Vous y trouverez notre réplication des calculs de Dallal et al. (en -R), une mise en œuvre en python et une en R (très similaires à ce que +Vous y trouverez notre réplication des calculs de Dallal et al. (en +R), une mise en œuvre en Python et une en R (très similaires à ce que vous avez pu utiliser dans le module 2). Cet exercice peut donc se -faire à deux niveaux: +faire à deux niveaux :
Vous pourrez alors discuter sur le forum des succès et des échecs que -vous avez pu rencontrer. Pour cela: +vous aurez pu rencontrer. Pour cela :
-Pour chacun vous indiquerez si le résultat est: +Pour chacun vous indiquerez si le résultat est :
-Vous indiquerez également dans ce tableau: +Vous indiquerez également dans ce tableau :
Dans cet exercice, nous vous proposons de reprendre l'exercice précédent mais en mettant à jour l'environnement de calcul. En effet, nous avons rencontré des surprises en préparant ce MOOC puisqu'il nous est arrivé d'avoir des résultats différents entre nos machines et -l'environnement jupyter que nous avions mis en place pour le MOOC. Ça -sera peut-être également votre cas! +l'environnement Jupyter que nous avions mis en place pour le MOOC. Ça +sera peut-être également votre cas !
Comme précédemment, vous mettrez à jour le tableau et vous discuterez -sur le forum des succès et des échec que vous aurez rencontrés. +sur le forum des succès et des échecs que vous aurez rencontrés.
Rescience (http://rescience.github.io/) est un journal de sciences computationnelles entièrement ouvert dont l'objectif est d'encourager