Otwarte dane w badaniach: zwiększanie przejrzystości, powtarzalności i zaufania

Znaczenie otwartych danych dla przejrzystości badań naukowych

Wprowadzenie

Badania naukowe stanowią podstawę decyzji w dziedzinie zdrowia, edukacji, polityki klimatycznej, gospodarki i niezliczonych innych obszarów wpływających na codzienne życie. Aby decyzje te były dobrze uzasadnione, leżące u ich podstaw badania muszą być przejrzyste, weryfikowalne i wiarygodne. Tradycyjnie przejrzystość koncentrowała się na opublikowanym artykule – narracji wyjaśniającej, co zrobiono i co odkryto. Dziś nie jest to już wystarczające. Coraz częściej grantodawcy, czasopisma i opinia publiczna oczekują dostępu nie tylko do opisu, lecz także do danych, kodu i protokołów, na których się on opiera.

W tym miejscu pojawiają się otwarte dane. Otwarte dane to praktyka swobodnego i zgodnego z prawem udostępniania danych badawczych, aby inni mogli je analizować, ponownie wykorzystywać i rozwijać na ich podstawie kolejne badania. Są ściśle powiązane z szerszym ruchem otwartej nauki oraz z zasadami FAIR (Findable, Accessible, Interoperable, Reusable – możliwe do znalezienia, dostępne, interoperacyjne i możliwe do ponownego wykorzystania). Gdy dane są udostępniane otwarcie i w sposób odpowiedzialny, inni badacze mogą ponownie przeprowadzać analizy, sprawdzać ich odporność, łączyć zbiory danych i badać nowe zagadnienia, których pierwotni autorzy mogli nigdy nie przewidzieć. Krótko mówiąc, otwarte dane są jednym z najpotężniejszych narzędzi wzmacniania przejrzystości i powtarzalności badań.

Jednocześnie otwarte dane budzą uzasadnione obawy: dotyczące prywatności, niewłaściwego wykorzystania, błędnej interpretacji, braku infrastruktury oraz oporu kulturowego w środowisku akademickim. W tym artykule omówiono, co otwarte dane oznaczają w praktyce, dlaczego mają znaczenie dla przejrzystości, jakie wiążą się z nimi korzyści i wyzwania oraz co badacze i instytucje mogą zrobić, aby promować odpowiedzialne i zrównoważone udostępnianie danych.

Czym są otwarte dane w badaniach naukowych?

Otwarte dane w badaniach naukowych oznaczają dane i powiązane materiały udostępniane innym bez zbędnych ograniczeń. Zazwyczaj obejmują one:

• Surowe lub przetworzone zbiory danych wykorzystane w badaniu.
• Kod lub skrypty używane do czyszczenia, analizy lub wizualizacji danych.
• Protokoły, kwestionariusze i inne dokumenty metodologiczne.
• Metadane – informacje opisujące, jak, kiedy, gdzie i dlaczego zebrano dane.

Samo umieszczenie arkusza kalkulacyjnego gdzieś w Internecie nie oznacza automatycznie, że są to dobre otwarte dane. Aby dane badawcze były naprawdę otwarte i użyteczne, powinny obejmować:

• Swobodnie dostępne: Dostęp nie powinien być blokowany przez płatne zapory ani niepotrzebne bariery prawne.
• Dostępne w użytecznym formacie: Dane powinny być udostępniane w standardowych, niezastrzeżonych formatach (np. CSV zamiast niszowego lub przestarzałego formatu binarnego), aby inni mogli faktycznie z nich korzystać.
• Dobrze udokumentowane: Metadane, książki kodów i pliki ReadMe powinny dostarczać wystarczającego kontekstu, aby inni mogli zrozumieć znaczenie każdej zmiennej, sposób gromadzenia danych oraz wszelkie ograniczenia lub zastrzeżenia.
• Licencjonowane do ponownego wykorzystania: Wyraźne licencje otwarte (takie jak CC BY lub ODC-BY) określają, jak inni mogą ponownie wykorzystywać, modyfikować i cytować dane.

Otwarte dane są często przechowywane w publicznych repozytoriach (np. Zenodo, Figshare, Dryad, Harvard Dataverse) lub w wyspecjalizowanych repozytoriach dziedzinowych (np. GenBank dla sekwencji genetycznych, ICPSR dla danych z nauk społecznych). Wiele czasopism wymaga obecnie oświadczenia o dostępności danych, wyjaśniającego, gdzie można je znaleźć i na jakich warunkach są dostępne.

Otwarte dane i przejrzystość badań

Przejrzystość badań to stopień, w jakim badanie może być przez innych zrozumiane, ocenione i odtworzone. Otwarte dane przyczyniają się do przejrzystości na kilka sposobów:

• Weryfikacja: Niezależni badacze mogą sprawdzić, czy opublikowane analizy i wnioski znajdują potwierdzenie w danych.
• Odtwarzalność: Inne zespoły mogą ponownie wykonać poszczególne etapy analizy, korzystając z tych samych danych i kodu, aby sprawdzić, czy pierwotne wyniki są odtwarzalne.
• Odporność wyników: Można przeprowadzać dodatkowe testy odporności wyników (np. z użyciem alternatywnych modeli, różnych podgrup lub zaktualizowanych danych), aby ocenić, na ile wyniki są wrażliwe na przyjęte założenia.
• Wykrywanie błędów: Błędy w kodowaniu danych, analizie lub raportowaniu można łatwiej wychwycić, gdy materiały źródłowe są dostępne.

W dziedzinach takich jak medycyna, nauka o klimacie i polityka społeczna – gdzie badania mogą wpływać na regulacje, wytyczne dotyczące leczenia i zachowania społeczne – te aspekty przejrzystości nie są jedynie akademickimi ideałami; są niezbędne dla zaufania publicznego i odpowiedzialności etycznej.

Odtwarzalność i „kryzys replikacji”

Obawy dotyczące odtwarzalności wzrosły w ostatnich latach, szczególnie w psychologii, naukach biomedycznych i ekonomii. Zakrojone na szeroką skalę projekty replikacyjne wykazały, że niektóre opublikowane efekty trudno lub wręcz nie da się odtworzyć. Przyczyn jest wiele, ale brak dostępu do oryginalnych danych i kodu stanowi poważną barierę. Bez materiałów źródłowych często nie sposób ustalić, czy rozbieżności wynikają z rzeczywistych różnic w danych, wyborów analitycznych czy błędów.

Otwarte dane bezpośrednio odnoszą się do tego problemu. Gdy zbiory danych i kod są dostępne, niezależne zespoły mogą przeprowadzać replikacje lub ponowne analizy, sprawdzając, czy wnioski pozostają trafne przy nieco innych założeniach lub po dodaniu kolejnych danych. Z czasem prowadzi to do powstania bardziej solidnej bazy wiedzy, w której twierdzenia są wielokrotnie analizowane i potwierdzane z różnych perspektyw.

Korzyści z otwartych danych w badaniach

1. Wzmacnianie rzetelności naukowej

Otwarte dane wzmacniają rzetelność naukową, czyniąc badania bardziej rozliczalnymi. Świadomość, że inni będą mogli zobaczyć i analizować ich dane, zachęca badaczy do stosowania najlepszych praktyk w zakresie projektowania badań, zarządzania danymi i raportowania. Ta przejrzystość pomaga:

• Zniechęcają do wątpliwych praktyk badawczych, takich jak wybiórcze raportowanie lub „p-hacking”.
• Zmniejszają ryzyko celowej manipulacji danymi lub ich fałszowania.
• Zwiększają pewność, że opublikowane wyniki odzwierciedlają rzeczywiste wzorce w danych.

Gdy pojawiają się problemy, otwarte dane ułatwiają ich wykrywanie i korygowanie. Korekty, komentarze i recenzowanie po publikacji mogą opierać się na bezpośredniej analizie dowodów źródłowych, a nie tylko na spekulacjach wynikających z treści artykułu.

2. Ułatwianie współpracy i innowacji

Dane są cennymi zasobami. Gdy są udostępniane, ich wartość się zwielokrotnia. Otwarte dane umożliwiają:

• Współpraca międzydyscyplinarna: Zbiór danych zgromadzony przez ekologów może zainteresować ekonomistów, informatyków lub socjologów, którzy mogą wnieść do niego nowe metody i pytania.
• Nowe pytania badawcze: Naukowcy mogą łączyć wiele otwartych zbiorów danych, aby badać wzorce, których nie dałoby się wykryć w pojedynczym badaniu, takie jak trendy globalne lub zmiany długoterminowe.
• Rozwiązywanie problemów w ramach crowdsourcingu: Otwarte wyzwania i hackathony mogą zapraszać ekspertów z całego świata do analizowania wspólnych zbiorów danych i dzielenia się rozwiązaniami.

Ten potencjał współpracy jest szczególnie ważny w obszarach związanych ze złożonymi wyzwaniami społecznymi (np. reagowaniem na pandemie, adaptacją do zmian klimatu, planowaniem urbanistycznym), w których żaden pojedynczy zespół ani dyscyplina nie są w stanie udzielić wszystkich odpowiedzi.

3. Zwiększanie widoczności badań i liczby cytowań

Coraz więcej dowodów wskazuje, że artykuły, którym towarzyszą otwarte dane, otrzymują więcej cytowań niż te, którym ich brakuje. Gdy inni wykorzystują zbiór danych w kolejnych pracach, zazwyczaj cytują oryginalny artykuł i zbiór danych, zwiększając wpływ i widoczność badań. Otwarte dane mogą zatem:

• Wzmocnij profil akademicki i dorobek badacza.
• Wspieraj wnioski o finansowanie, które kładą nacisk na otwartość, wpływ i możliwość ponownego wykorzystania.
• Wzmocnij reputację czasopisma, sygnalizując zaangażowanie w przejrzystość i odtwarzalność wyników.

Wiele agencji finansujących i instytucji postrzega obecnie udostępnianie danych jako pozytywny wskaźnik odpowiedzialności naukowej i długoterminowej opłacalności.

4. Wspieranie zaangażowania społecznego i kształtowania polityki

Otwarte dane przynoszą korzyści nie tylko innym naukowcom. Gdy dane badawcze są dostępne w zrozumiałych formatach, mogą również wspierać:

• Polityka oparta na dowodach: Decydenci mogą bezpośrednio analizować istotne dane lub zlecać niezależne analizy, zamiast polegać wyłącznie na podsumowaniach.
• Kontrola dziennikarska: Dziennikarze śledczy mogą weryfikować twierdzenia i badać nowe perspektywy, podnosząc jakość relacjonowania nauki.
• Edukacja i nauka obywatelska: Uczniowie, nauczyciele i społeczności zajmujące się nauką obywatelską mogą wykorzystywać rzeczywiste dane w projektach i działaniach edukacyjnych.

Otwarte dane przyczyniają się zatem do powstania bardziej poinformowanego i zaangażowanego społeczeństwa, w którym decyzje opierają się na dostępnych dowodach, a nie na nieprzejrzystych twierdzeniach ekspertów.

5. Ograniczanie marnotrawstwa w badaniach

Gromadzenie danych często jest kosztowne i czasochłonne. Gdy zbiory danych pozostają na komputerze jednego badacza lub nigdy nie są udostępniane poza niewielką grupę, ich potencjał zostaje zmarnowany. Otwarte dane ograniczają to marnotrawstwo poprzez:

• Umożliwianie innym ponownego wykorzystania istniejących danych zamiast powielania wysiłków.
• Zachowywanie danych z badań, które nigdy nie zostały formalnie opublikowane lub przyniosły wyniki zerowe albo negatywne.
• Umożliwianie przeprowadzania metaanaliz i przeglądów systematycznych, które łączą wiele zbiorów danych w celu uzyskania dokładniejszych oszacowań.

Maksymalizując wartość każdego zbioru danych, otwarte dane pomagają uczynić badania bardziej efektywnymi, oszczędnymi i odpowiedzialnymi środowiskowo.

Wyzwania i obawy związane z wdrażaniem otwartych danych

Mimo tych korzyści przejście na otwarte dane nie jest proste. Należy uwzględnić kilka uzasadnionych obaw, aby zapewnić, że udostępnianie danych będzie zarówno etyczne, jak i zrównoważone.

1. Prywatność i poufność danych

Badania z udziałem ludzi — zwłaszcza w medycynie, psychologii i naukach społecznych — często obejmują wrażliwe dane osobowe. Udostępnianie takich danych bez zabezpieczeń naruszałoby zobowiązania etyczne i wymogi prawne. Najważniejsze kwestie obejmują:

• Przestrzeganie przepisów, takich jak RODO (w Europie), HIPAA (w USA) oraz lokalnych przepisów o ochronie danych.
• Stosowanie technik pozbawiania danych identyfikatorów i anonimizacji, przy jednoczesnym uznaniu, że w niektórych sytuacjach ryzyka ponownej identyfikacji nigdy nie można zmniejszyć do zera.
• Korzystanie z repozytoriów o kontrolowanym dostępie, gdy pełne udostępnianie danych nie jest możliwe, i przyznawanie dostępu wyłącznie zweryfikowanym badaczom na określonych warunkach.

2. Obawa przed niewłaściwym wykorzystaniem lub błędną interpretacją danych

Badacze mogą obawiać się, że ich dane zostaną źle zrozumiane lub niewłaściwie wykorzystane przez osoby, które nie znają kontekstu ani ograniczeń tych danych. Typowe obawy obejmują:

• Nieprawidłowym analizom prowadzącym do mylących wniosków.
• Wykorzystywaniu danych bez właściwego podziękowania lub cytowania.
• Wykorzystywaniu danych w sposób sprzeczny z pierwotnymi zobowiązaniami etycznymi badania.

Obaw tych nie da się całkowicie wyeliminować, ale można je ograniczyć dzięki jasnej dokumentacji, solidnym licencjom i normom społecznościowym dotyczącym cytowania oraz odpowiedzialnego ponownego wykorzystywania danych.

3. Brak standaryzacji

W wielu dziedzinach nie ma jednego standardu określającego, jak dane powinny być strukturyzowane, oznaczane i dokumentowane. Utrudnia to łączenie zbiorów danych lub ich porównywanie. Postęp dokonuje się dzięki:

• Standardów danych właściwych dla poszczególnych dyscyplin (np. MIAME dla danych mikromacierzowych, DDI dla badań ankietowych w naukach społecznych).
• Szerszego przyjęcia zasad FAIR, które kładą nacisk na metadane czytelne maszynowo i interoperacyjne formaty.

Jednak osiągnięcie pełnej interoperacyjności wciąż pozostaje celem, nad którym trwają prace, i wymaga koordynacji między czasopismami, grantodawcami, repozytoriami i towarzystwami naukowymi.

4. Ograniczenia infrastrukturalne i zasobowe

Przechowywanie, opracowywanie i udostępnianie danych kosztuje oraz wymaga specjalistycznej wiedzy. Nie wszystkie instytucje mają dobrze rozwinięte usługi wsparcia w zakresie danych, a utrzymywanie wysokiej jakości repozytoriów przez dziesięciolecia jest niemałym zobowiązaniem. Zrównoważone otwarte dane wymagają:

• Długoterminowych modeli finansowania repozytoriów.
• Wykwalifikowanych opiekunów danych i bibliotekarzy, którzy mogą pomóc naukowcom w przygotowaniu i zdeponowaniu danych.
• Polityk instytucjonalnych, które uznają zarządzanie danymi za pełnoprawną część pracy badawczej, a nie opcjonalny dodatek.

5. Opór kulturowy w środowisku akademickim

Na koniec znaczenie ma kultura organizacyjna. Niektórzy naukowcy obawiają się, że udostępnianie danych zmniejszy ich przewagę konkurencyjną, zwłaszcza na początku kariery. Inni mogą postrzegać zarządzanie danymi i ich dokumentowanie jako dodatkową pracę, która nie jest należycie doceniana przy podejmowaniu decyzji o awansach lub grantach. Przezwyciężenie tego oporu wymaga:

• Uwzględnianie udostępniania danych w kryteriach oceny i nagradzanie za nie.
• Podkreślanie udanych przykładów, w których otwarte dane doprowadziły do wpływowych współprac lub cytowań.
• Zapewnianie jasnych wskazówek dotyczących tego, kiedy i jak można udostępniać dane bez narażania uzasadnionych interesów związanych z karierą naukową.

Jak promować otwarte dane w badaniach

Promowanie otwartych danych jest wspólną odpowiedzialnością. Naukowcy, instytucje, czasopisma i grantodawcy mają tu do odegrania swoją rolę.

1. Przestrzegaj zasad otwartych danych i pomagaj je kształtować

Wiele agencji finansujących, czasopism i uniwersytetów wymaga obecnie planów udostępniania danych. Naukowcy powinni:

• Zapoznaj się z odpowiednimi zasadami dotyczącymi każdego projektu i upewnij się, że je rozumiesz.
• Uwzględniaj plany zarządzania danymi i ich udostępniania we wnioskach grantowych.
• Bierz udział w konsultacjach podczas opracowywania zasad, aby zapewnić ich praktyczność i uwzględnienie specyfiki dyscypliny.

2. Korzystaj z zaufanych repozytoriów

Zamiast przechowywać dane na osobistych stronach internetowych lub w przypadkowych folderach w chmurze, naukowcy powinni deponować zestawy danych w renomowanych repozytoriach, takich jak:

• Zenodo – https://zenodo.org
• Figshare – https://figshare.com
• Dryad – https://datadryad.org
• Harvard Dataverse – https://dataverse.harvard.edu
• PLOS Open Data – https://journals.plos.org/plosone/s/data-availability

Wiele dyscyplin ma również dedykowane repozytoria oferujące branżowe standardy metadanych i narzędzia.

3. Zastosuj odpowiednie otwarte licencje

Licencjonowanie jest niezbędne do wyjaśnienia praw do ponownego wykorzystania. Do często stosowanych opcji należą:

• Creative Commons CC BY 4.0: Umożliwia ponowne wykorzystywanie z obowiązkiem podania autorstwa.
• Open Data Commons (ODC-BY lub ODbL): Licencje zaprojektowane specjalnie dla baz danych i danych ustrukturyzowanych.

Wybór licencji, która równoważy otwartość z wszelkimi niezbędnymi ograniczeniami (na przykład wyłącznie do użytku niekomercyjnego), pomaga uniknąć niejasności i zachęca do odpowiedzialnego ponownego wykorzystywania.

4. Zainwestuj w dokumentację i metadane

Dobrze udokumentowane dane są znacznie bardziej wartościowe niż nieudokumentowane arkusze kalkulacyjne. Zestawy danych powinny zawierać co najmniej:

• Metadane opisowe: Informacje o tym, co przedstawiają dane, kiedy i jak je zebrano, kto je zebrał i w jakim celu.
• Opisy zmiennych i książki kodów: Jasne wyjaśnienia nazw kolumn, jednostek i schematów kodowania.
• Kod i skrypty analityczne: W miarę możliwości skrypty używane do czyszczenia, przekształcania i analizowania danych, wraz z komentarzami wyjaśniającymi każdy krok.
• Pliki ReadMe: Ogólne opisy wyjaśniające nowym użytkownikom, jak rozpocząć pracę i na co zwrócić uwagę.

5. Zapewnij szkolenia i wsparcie

Instytucje powinny zapewniać szkolenia z zakresu:

• Najlepsze praktyki zarządzania danymi i ich organizacji.
• Etyczne i prawne aspekty udostępniania danych.
• Skuteczne korzystanie z repozytoriów, licencji i standardów metadanych.

Warsztaty, poradniki internetowe oraz wsparcie pracowników biblioteki lub działu IT mogą znacząco pomóc, zwłaszcza początkującym naukowcom.

Podsumowanie

Otwarte dane to coś więcej niż kwestia techniczna; to kulturowe i etyczne zobowiązanie do przejrzystości, odpowiedzialności i wspólnego postępu w nauce. Udostępniając dane badawcze w sposób dostępny, możliwy do ponownego wykorzystania i dobrze udokumentowany, naukowcy umożliwiają innym weryfikowanie ich wyników, rozwijanie ich pracy i stosowanie jej w nowych kontekstach. Wzmacnia to wiarygodność nauki, wspiera politykę opartą na dowodach i ogranicza marnowanie wysiłku.

Jednocześnie odpowiedzialne udostępnianie otwartych danych wymaga zwrócenia uwagi na prywatność, ramy prawne, standaryzację, infrastrukturę i system zachęt akademickich. Instytucje finansujące, czasopisma i instytucje powinny wspierać trwałe repozytoria, nagradzać udostępnianie danych oraz zapewniać szkolenia i wytyczne. Naukowcy z kolei powinni uwzględniać planowanie otwartych danych w swoich projektach od samego początku i traktować zarządzanie danymi jako integralną część dobrej praktyki badawczej.

W miarę jak społeczność akademicka zmierza w kierunku kultury otwartego dostępu, przyjęcie odpowiedzialnych praktyk udostępniania danych będzie kluczowe dla zapewnienia, że prace naukowe są solidne, etyczne i przynoszą społeczeństwu rzeczywiste korzyści. Wysokiej jakości, jasno napisana dokumentacja oraz oświadczenia dotyczące dostępności danych są kluczowymi elementami tych działań – a w związku z rosnącymi obawami dotyczącymi tekstów generowanych przez AI wielu autorów uzna za najbezpieczniejsze skorzystanie z usług profesjonalnej korekty dokonywanej przez człowieka, aby dopracować rękopisy i powiązane opisy danych przeznaczone do czasopism, które obecnie ściśle monitorują podobieństwo tekstu i wykorzystanie AI.

Dalsza lektura

Jeśli chcesz dowiedzieć się więcej o przejrzystości i rzetelności w publikowaniu akademickim, pomocne mogą być następujące artykuły:

1. Unikaj plagiatu dzięki prawidłowemu cytowaniu: najważniejsze wskazówki dotyczące sukcesu akademickiego – Omawia, jak staranne praktyki cytowania wspierają przejrzystość i chronią przed plagiatem.
2. Rosnące zagrożenie nierzetelnością badawczą i jej wpływ na zaufanie do nauki – Omawia, jak nierzetelność podważa zaufanie oraz jak otwartość może pomóc temu przeciwdziałać.
3. Zrozumieć wycofania publikacji: dlaczego prace badawcze są wycofywane i jaki ma to wpływ – Analizuje rolę korekt i wycofań publikacji w utrzymywaniu wiarygodnego dorobku naukowego.
4. Prawda o otwartym dostępie: obalanie mitów na rzecz bardziej sprawiedliwej przyszłości – Wyjaśnia, jak publikowanie w otwartym dostępie wiąże się z przejrzystością i równością w nauce.
5. Dlaczego konflikt interesów ma znaczenie w badaniach i jak nim zarządzać – Podkreśla znaczenie ujawniania konfliktów interesów i zarządzania nimi w celu ochrony rzetelności badań.

Łącznie zasoby te zapewniają szerszy kontekst pozwalający zrozumieć, jak otwarte dane, otwarty dostęp i etyczne praktyki publikacyjne współdziałają na rzecz przejrzystego i godnego zaufania ekosystemu badawczego.