Les initiatives de données ouvertes sont apparues comme une force de transformation en sciences psychologiques, remodelant fondamentalement la façon dont les chercheurs mènent, partagent et valident leur travail. En rendant les données de recherche accessibles au public, les psychologues s'attaquent aux défis critiques dans le domaine tout en ouvrant de nouvelles possibilités de découverte scientifique et de collaboration.
Comprendre les initiatives de données ouvertes en psychologie
Les initiatives de données ouvertes représentent un changement de paradigme dans la façon dont la recherche psychologique est menée et diffusée, qui suppose le partage systématique des ensembles de données, des méthodes de recherche, du code analytique et des résultats avec la communauté scientifique et le public en général.
Le mouvement vers l'ouverture des données en psychologie a pris une impulsion importante après des controverses notables en 2011 qui ont suscité un débat sur une crise de réplication dans le domaine. Ces événements ont catalysé un examen plus large des pratiques de recherche et ont conduit à ce que beaucoup appellent maintenant une révolution de crédibilité en sciences psychologiques.
Composantes essentielles des pratiques ouvertes en matière de données
Les initiatives ouvertes en matière de données englobent plusieurs éléments clés qui travaillent ensemble pour créer un écosystème de recherche plus transparent. Premièrement, les chercheurs déposent leurs données brutes dans des dépôts accessibles au public, en veillant à ce que d'autres scientifiques puissent accéder aux informations sous-jacentes aux conclusions publiées. Deuxièmement, une documentation exhaustive accompagne ces ensembles de données, y compris des descriptions détaillées des variables, des procédures de mesure et des protocoles de collecte de données.
Les documents de données fournissent des descriptions concises des ensembles de données et de leur emplacement, les documents ne pouvant être utilisés que pour les ensembles de données que les auteurs acceptent de mettre à disposition dans les dépôts publics.
L'évolution des infrastructures scientifiques ouvertes
L'infrastructure de support des données ouvertes en psychologie s'est considérablement développée ces dernières années.Le Cadre scientifique ouvert constitue une plateforme ouverte accessible pour les chercheurs pour afficher leurs données, tandis que les dépôts spécialisés s'adressent à des types spécifiques de recherche psychologique. Ces plateformes fournissent non seulement stockage mais aussi des outils pour le contrôle de versions, la collaboration et la gestion des données qui rendent le partage à la fois pratique et efficace.
Les préoccupations concernant la reproductibilité, la reproductibilité et la transparence ont suscité des pratiques et des comportements sous l'égide de la recherche ouverte, avec de nombreuses nouvelles initiatives représentant des changements procéduraux, structurels et communautaires.
La crise des répétitions et les données ouvertes comme solution
Pour bien comprendre l'importance des initiatives de données ouvertes, il est essentiel de comprendre le contexte dans lequel elles ont émergé. La psychologie, comme de nombreuses disciplines scientifiques, a fait face à des défis importants liés à la reproductibilité et à la reproductibilité des résultats publiés.
La portée du défi de la réplication
Le projet de reproductibilité : psychologie, coordonné par le psychologue Brian Nosek, a redid 100 études de trois revues de psychologie de haut niveau, et a révélé que sur 97 études originales ayant des effets significatifs, seulement 36 % ont été reproduites avec succès, avec des effets de taille moyenne de moitié de l'ampleur initiale.
Les défis de réplication s'étendent à différents sous-domaines de la psychologie. Les études en psychologie cognitive ont un taux de réplication plus élevé de 50% que les études en psychologie sociale à 25%. Ces résultats suggèrent que le problème n'était pas isolé dans des domaines de recherche particuliers, mais représentait un problème systémique nécessitant des solutions globales.
La crise de la reproduction fait référence à des échecs généralisés de reproduction des résultats scientifiques publiés, et comme la reproductibilité des résultats empiriques est la pierre angulaire de la méthode scientifique, ces échecs sapent la crédibilité des théories et remettent en cause des parties substantielles des connaissances scientifiques.
Comment les données ouvertes répondent aux défis de la réplication
Les initiatives ouvertes en matière de données visent directement à traiter de nombreux facteurs qui contribuent à la défaillance de la reproduction. Lorsque les données et les méthodes d'analyse sont accessibles au public, d'autres chercheurs peuvent vérifier que les analyses statistiques ont été effectuées correctement et que les résultats communiqués reflètent fidèlement les données sous-jacentes.
Pour tout rapport scientifique, répéter les analyses originales sur les données originales devrait donner les résultats originaux, mais une évaluation de 25 articles de la Science Psychologique décernés badges de données ouvertes a révélé que 16 articles initialement contenaient au moins une différence numérique majeure, bien que les valeurs cibles aient été finalement reproductibles sans la participation de l'auteur pour 9 articles et reproductibles avec la participation de l'auteur pour 6 articles.
La disponibilité de données ouvertes permet également aux chercheurs de réaliser des analyses plus sophistiquées des modérateurs potentiels et des conditions limites. Lorsque plusieurs ensembles de données sont accessibles au public, les méta-analyseurs peuvent examiner les modèles d'études de façon plus exhaustive, ce qui permet de tirer des conclusions plus solides sur les phénomènes psychologiques.
Principaux avantages des données ouvertes en sciences psychologiques
Les avantages des initiatives de données ouvertes vont bien au-delà de la crise de réplication, qui génère de multiples avantages qui améliorent la qualité, l'efficacité et l'impact de la recherche psychologique.
Transparence accrue et intégrité de la recherche
Transparency stands as perhaps the most fundamental benefit of open data initiatives. When researchers know that their data will be publicly available, they have stronger incentives to maintain rigorous data collection and analysis procedures. This accountability mechanism helps prevent questionable research practices and promotes adherence to high methodological standards.
Les évaluateurs et les lecteurs peuvent examiner si les données appuient les conclusions tirées dans les documents publiés, si d'autres méthodes analytiques peuvent donner des résultats différents et si les statistiques communiquées reflètent fidèlement les données sous-jacentes. Ce niveau d'examen renforce la confiance dans les constatations qui résistent à l'examen et aide à identifier celles qui nécessitent une révision ou une réinterprétation.
L'ouverture des données promet d'améliorer la rigueur de la recherche et de démocratiser la production de connaissances. En rendant les matériaux de recherche accessibles aux scientifiques, indépendamment de leurs ressources institutionnelles ou de leur situation géographique, les initiatives de données ouvertes contribuent à l'égalité des chances et permettent une plus grande participation au discours scientifique.
Amélioration de la reproductibilité et de la vérification
La reproductibilité, qui permet d'obtenir des résultats cohérents en utilisant les mêmes données et méthodes d'analyse, représente une pierre angulaire de la validité scientifique.
La difficulté d'établir la reproductibilité analytique a été rencontrée dans plusieurs domaines scientifiques, et un obstacle préliminaire est que les données de recherche sont généralement indisponibles, la gestion des données sous-optimale et la documentation insuffisante compliquent la réutilisation des données lorsque les données sont accessibles, empêchant ainsi l'évaluation en aval de la reproductibilité analytique.
Lorsque les chercheurs partagent non seulement leurs données, mais aussi leur code analytique, d'autres peuvent reproduire les analyses exactement comme elles l'avaient fait à l'origine.
Innovation accélérée et découverte scientifique
Les données ouvertes accélèrent considérablement le rythme des progrès scientifiques en permettant aux chercheurs de s'appuyer sur les travaux existants sans faire double emploi avec les efforts de collecte de données. Lorsque des ensembles de données de haute qualité sont accessibles au public, les scientifiques peuvent tester de nouvelles hypothèses, explorer d'autres cadres théoriques et effectuer des analyses secondaires que les chercheurs originaux n'ont peut-être pas prises en considération.
Ce gain d'efficacité est particulièrement utile dans les domaines où la collecte de données est coûteuse, prend du temps ou implique des populations difficiles à atteindre. Plutôt que chaque équipe de recherche recueillant ses propres données sur des questions similaires, plusieurs équipes peuvent analyser des ensembles de données partagés à partir de perspectives complémentaires, générant des informations plus rapidement et plus complètes que ce qui serait possible autrement.
Les chercheurs qui développent de nouvelles techniques statistiques ou des approches analytiques peuvent appliquer ces méthodes à des ensembles de données existants, en démontrant leur utilité et en comparant les résultats avec ceux obtenus au moyen d'approches traditionnelles.
Collaboration et partage des connaissances améliorés
Les initiatives ouvertes en matière de données favorisent la collaboration entre les chercheurs du monde entier en créant des ressources partagées qui transcendent les frontières institutionnelles et géographiques. Lorsque les ensembles de données sont accessibles au public, les scientifiques de différents laboratoires, pays et milieux disciplinaires peuvent travailler ensemble pour aborder des questions complexes qui nécessitent des compétences et des perspectives diverses.
La révolution de la crédibilité a conduit à la formation de diverses communautés de collaboration à grande échelle, dont les reproductions massives, les études de nombreux laboratoires, le projet scientifique cumulatif Hagen, l'accélérateur de sciences psychologiques et le cadre de formation en recherche ouverte et reproductible, avec une grande équipe scientifique représentant des collaborations à grande échelle de scientifiques qui mettent en commun des ressources entre laboratoires, institutions, disciplines, cultures et pays.
Ces initiatives de collaboration démontrent la puissance des données ouvertes pour permettre aux laboratoires de mener des recherches qui seraient impossibles à mener seuls. En regroupant les données et l'expertise, les chercheurs peuvent obtenir des échantillons de taille et de diversité qui fournissent des résultats plus solides et plus généralisables que les études traditionnelles à laboratoire unique.
Avantages en matière d'éducation et de formation
Les données ouvertes fournissent des ressources inestimables pour l'éducation et la formation en méthodes de recherche psychologique.Les étudiants peuvent acquérir une expérience pratique en analysant les données de recherche réelles, en apprenant à naviguer sur la complexité des ensembles de données réels plutôt que des exemples de manuels simplifiés.
La recherche montre que les bourses ouvertes et reproductibles ont des répercussions sur la littératie scientifique, l'engagement et les attitudes des étudiants envers la science, avec des preuves démontrant les avantages et les défis dans ces domaines lors de l'intégration des bourses ouvertes dans l'enseignement supérieur.
Les enseignants peuvent utiliser des ensembles de données accessibles au public pour enseigner les méthodes statistiques, la conception de la recherche et les techniques d'analyse des données.Les étudiants peuvent reproduire les résultats publiés comme des exercices d'apprentissage, en se familiarisant avec le processus de recherche et l'importance de la reproductibilité.
Impact et citation accrus de la recherche
La recherche qui comprend des données ouvertes reçoit souvent plus d'attention et de citation que les travaux qui ne partagent pas de données. Cette incidence accrue se produit pour plusieurs raisons. Premièrement, d'autres chercheurs peuvent plus facilement tirer parti d'un travail ouvertement partagé, ce qui mène à des études de suivi qui citent la recherche originale. Deuxièmement, la transparence associée aux données ouvertes accroît la crédibilité, rendant les résultats plus susceptibles d'être fiables et intégrés dans les travaux ultérieurs.
Les documents de données — publications décrivant les ensembles de données et leurs utilisations potentielles — fournissent un mécanisme permettant aux chercheurs de recevoir la reconnaissance pour la création de ressources de recherche précieuses, même s'ils n'ont pas encore analysé les données elles-mêmes.
Démocratisation de l'accès à la recherche
Les initiatives de données ouvertes aident à démocratiser l'accès aux ressources de recherche, en réduisant les disparités entre les établissements bien financés et ceux qui disposent de moins de ressources. Les chercheurs des petites universités, des pays en développement ou travaillant en dehors des milieux universitaires traditionnels peuvent accéder aux mêmes ensembles de données de haute qualité que leurs collègues des institutions d'élite.
Cette démocratisation s'étend au-delà de la communauté universitaire, et comprend des praticiens, des décideurs, des journalistes et des membres du public qui pourraient être intéressés à mieux comprendre les résultats de la recherche.
Défis et considérations dans la mise en œuvre des données ouvertes
Bien que les initiatives de données ouvertes offrent des avantages substantiels, leur mise en oeuvre présente plusieurs défis qui nécessitent un examen attentif et des solutions réfléchies.
Préoccupations en matière de protection de la vie privée et d'éthique
La protection de la vie privée des participants représente peut-être le défi le plus important dans la mise en oeuvre de pratiques ouvertes en psychologie. La recherche implique souvent des informations sensibles sur les pensées, les sentiments, les comportements et les circonstances personnelles des individus.
Les communautés psychologiques et psychiatriques produisent des données à une échelle toujours croissante et pour que la société tire le meilleur parti de ces ressources riches, il y a un intérêt important pour le partage ouvert de données à grande échelle, mais il est impératif que ces initiatives scientifiques ouvertes garantissent que les préoccupations relatives à la confidentialité des données soient prises en compte de manière adéquate.
La mise en oeuvre de certaines pratiques scientifiques ouvertes dans la recherche clinique est souvent compliquée en raison de préoccupations éthiques et de protection de la vie privée. Les chercheurs doivent soigneusement équilibrer les avantages du partage de données par rapport aux risques pour la vie privée des participants, particulièrement lorsqu'ils travaillent avec des populations vulnérables ou des sujets sensibles.
Stratégies de protection de la vie privée
Plusieurs stratégies peuvent aider les chercheurs à partager des données tout en protégeant la vie privée des participants. La désidentification consiste à supprimer ou à obscurcir des renseignements qui pourraient identifier des personnes particulières, comme des noms, des adresses et d'autres identifiants uniques.
Les risques liés à la vie privée peuvent être atténués par des mécanismes de gouvernance appropriés à la fois sociaux, comme l'application d'accords sur l'utilisation des données, et technologiques, comme la désidentification de données structurées et de récits non structurés.
Dans ces modèles, les données sont disponibles pour les chercheurs qualifiés qui acceptent des conditions d'utilisation précises et qui démontrent des mesures de protection appropriées pour protéger la vie privée des participants. Bien que cette approche soit moins ouverte que l'accès public illimité, elle met en balance les avantages du partage des données avec les besoins en matière de protection de la vie privée.
L'obtention d'un consentement éclairé pour le partage des données constitue une autre considération importante. Les chercheurs devraient informer les participants pendant le processus de consentement que leurs données peuvent être partagées avec d'autres chercheurs, en expliquant quelles protections seront en place et comment les données seront utilisées.
Normalisation et qualité des données
Pour que les données partagées soient utiles aux autres chercheurs, elles doivent être bien organisées, clairement documentées et présentées de façon à ce que d'autres puissent les comprendre et les utiliser. Toutefois, la psychologie manque de normes universelles pour l'organisation et la documentation des données, ce qui entraîne une variabilité dans la structure et la description des ensembles de données par les chercheurs.
D'autres chercheurs peuvent se demander quelles variables représentent, comment elles ont été mesurées, quelles valeurs sont valides et comment les données manquantes sont codées. Sans cette information, même les données accessibles au public peuvent être difficiles ou impossibles à utiliser efficacement.
Principes FAIR en matière de données
Les principes FAIR – Fidable, Accessible, Interoperable et Reutilisable – fournissent un cadre pour la création de données partagées de haute qualité. Les données disponibles sont des identifiants persistants et sont décrites avec de riches métadonnées qui permettent de découvrir par des outils de recherche. Les données accessibles peuvent être récupérées à l'aide de protocoles standard, avec des spécifications claires sur toutes les restrictions d'accès.
Les chercheurs doivent connaître les normes de métadonnées, la présentation des données et les pratiques exemplaires en matière de documentation. Les institutions et les organismes de financement peuvent appuyer ces efforts en offrant une formation, une infrastructure et des incitatifs pour créer des données FAIR.
Contraintes en matière de ressources et de temps
La préparation des données pour le partage exige du temps et des efforts que de nombreux chercheurs peinent à trouver dans leur charge de travail existante. Les données doivent être nettoyées, organisées, documentées et déposées dans des dépôts appropriés.Ces tâches peuvent prendre du temps, en particulier pour les ensembles de données complexes ou les chercheurs qui n'ont pas initialement prévu le partage des données.
Les besoins en ressources des pratiques ouvertes en matière de données peuvent être particulièrement difficiles pour les chercheurs en début de carrière, ceux qui travaillent dans des établissements d'enseignement ou ceux qui disposent d'un financement limité.
Les institutions et les organismes de financement peuvent aider à relever ces défis en fournissant des ressources pour la gestion des données, en reconnaissant le partage des données dans les décisions de promotion et de tenure et en inscrivant le temps de préparation des données dans les budgets et les délais de recherche.
Propriété intellectuelle et attribution
Les chercheurs peuvent avoir des inquiétudes quant au partage des données avant de les analyser eux-mêmes, craignant que d'autres puissent publier des résultats à partir de leurs données avant d'avoir l'occasion de le faire. Ces préoccupations sont particulièrement vives pour les chercheurs en début de carrière qui ont besoin de publications pour faire progresser leur carrière et pour les chercheurs qui ont investi des ressources considérables dans la collecte de précieux ensembles de données.
Les licences de partage de données peuvent préciser comment les données doivent être citées et quels types d'utilisations sont autorisés. Les périodes d'embaargo peuvent permettre aux chercheurs originaux de publier leurs premières constatations avant de rendre les données publiques. Les documents de données fournissent un mécanisme permettant aux chercheurs de recevoir des crédits pour la création de ensembles de données précieux, même avant de procéder à toutes les analyses possibles.
La communauté scientifique doit continuer à élaborer des normes qui reconnaissent et récompensent les efforts de partage des données. À mesure que ces normes s'établissent, les préoccupations concernant la « fuite » devraient diminuer et les avantages du partage devraient devenir plus apparents.
Défis propres à la recherche qualitative
Les données d'ouverture présentent des considérations pratiques, théoriques et éthiques pour les chercheurs qualitatifs en particulier. Les données qualitatives consistent souvent en de riches récits, transcriptions d'entrevues ou notes d'observation difficiles à dé-identifier sans perdre de leur contexte et de leur sens essentiels.
La discussion sur les données ouvertes en psychologie sociale qualitative précède la crise de la réplication, mais les nuances de cette discussion en cours n'ont pas été traduites dans les lignes directrices actuelles de la revue sur les données ouvertes, avec une analyse de contenu de 261 revues établissant l'état des politiques actuelles de la revue.
Les chercheurs qualitatifs doivent examiner attentivement si et comment partager leurs données, en utilisant des approches comme le partage d'extraits anonymes plutôt que des transcriptions complètes, en fournissant des descriptions méthodologiques détaillées qui permettent d'évaluer la rigueur sans partager pleinement les données, ou en utilisant des modèles d'accès contrôlé pour des données particulièrement sensibles.
Meilleures pratiques pour la mise en oeuvre d'initiatives de données ouvertes
Pour réussir à mettre en oeuvre des pratiques ouvertes en matière de données, il faut planifier soigneusement, mettre en place des outils appropriés et respecter les pratiques exemplaires établies.
Planification du partage des données depuis le début
L'approche la plus efficace pour l'ouverture des données consiste à planifier le partage dès le début d'un projet de recherche plutôt que de le traiter comme une réflexion. Lorsque les chercheurs conçoivent des études en vue de partager des données, ils peuvent prendre des décisions concernant la collecte de données, l'organisation et la documentation qui facilitent le partage ultérieur.
La création de tels plans au début du projet permet de s'assurer que la documentation nécessaire est créée au fur et à mesure que la recherche avance plutôt que d'être reconstruite à partir de la mémoire après coup. De nombreux organismes de financement exigent maintenant des plans de gestion des données dans le cadre des demandes de subvention, reconnaissant leur importance pour maximiser la valeur de la recherche.
Choisir des dépôts appropriés
De nombreux dépôts existent pour partager des données de recherche psychologique, chacune avec des caractéristiques, des exigences et des publics différents. Les chercheurs devraient choisir des dépôts qui correspondent à leurs types de données, normes disciplinaires et objectifs de partage.
Les dépôts à usage général comme le Cadre scientifique ouvert, Figshare et Zenodo acceptent divers types de données et offrent des options flexibles pour l'organisation et le partage de matériel de recherche.Les dépôts à usage disciplinaire peuvent offrir des fonctionnalités spécialisées adaptées à des domaines de recherche particuliers.
Lors de la sélection d'un dépôt, les chercheurs devraient tenir compte de facteurs tels que la durabilité à long terme, la découverte, les contrôles d'accès et l'intégration avec d'autres outils de recherche.
Création d'une documentation complète
La documentation de haute qualité est essentielle pour rendre les données partagées utiles à d'autres. La documentation devrait comprendre des descriptions détaillées de toutes les variables, des procédures de mesure, des protocoles de collecte de données, et de toute étape de traitement ou de nettoyage des données.
Les fichiers README doivent fournir un aperçu de l'ensemble de données, expliquer sa structure et guider les utilisateurs dans la compréhension et l'utilisation des données. Lorsque vous partagez plusieurs fichiers, des conventions claires de noms de fichiers et des structures de répertoires aident les utilisateurs à naviguer efficacement les matériaux.
La documentation devrait également comprendre des renseignements sur le contexte de l'étude, les caractéristiques des participants et tout détail méthodologique pertinent susceptible d'affecter l'interprétation des données. L'objectif est de fournir suffisamment d'information qu'un chercheur qui ne connaît pas l'étude originale peut comprendre et utiliser de façon appropriée les données.
Code d'analyse de partage et matériaux
En plus des données brutes, le partage de code d'analyse et d'autres documents de recherche améliore la reproductibilité et permet à d'autres de tirer plus efficacement parti des travaux antérieurs.
Les documents de recherche comme les stimuli expérimentaux, les instruments d'enquête et les instructions de travail aident d'autres personnes à comprendre les procédures d'étude en détail et à faciliter les efforts de reproduction.
Établissement de licences et de conditions d'utilisation claires
Les licences Creative Commons offrent des options normalisées pour spécifier les permissions et les restrictions. La licence CC0 consacre des données au domaine public sans restriction, tandis que d'autres licences Creative Commons peuvent exiger une attribution, interdire l'utilisation commerciale ou imposer d'autres conditions.
Les décisions relatives aux licences devraient concilier ouverture et protection des renseignements personnels des participants ou des intérêts des chercheurs.
Le rôle des revues et des institutions dans la promotion de la libre diffusion des données
Les pratiques individuelles des chercheurs en matière de données ouvertes sont façonnées de façon significative par les politiques et les mesures incitatives établies par les revues, les institutions et les organismes de financement, qui jouent un rôle crucial dans la promotion et le soutien du partage des données.
Politiques et insignes du Journal
Les revues Psychological Science et autres délivrent maintenant des badges numériques aux chercheurs qui ont pré-enregistré leurs hypothèses et leurs plans d'analyse de données, ont ouvertement partagé leurs documents de recherche ou ont mis à disposition leurs données brutes.
Plus de 500 revues et 50 organisations ont adopté officiellement des lignes directrices sur la promotion de la transparence et de l'ouverture, qui démontrent un engagement généralisé à l'égard des principes scientifiques ouverts dans l'ensemble du domaine, et qui établissent les attentes en matière de partage de données, de partage de matériel et d'autres pratiques de transparence.
Certaines revues ont mis en oeuvre des politiques obligatoires de partage des données, exigeant des auteurs qu'ils rendent les données publiques accessibles comme condition de publication. Bien que de telles politiques puissent être controversées, en particulier en ce qui concerne la recherche qualitative et les données sensibles, elles reflètent une reconnaissance croissante de l'importance du partage des données pour le progrès scientifique.
Soutien institutionnel et infrastructure
Les différences constantes dans la participation ouverte à la recherche sont observées en fonction de la présence d'un soutien institutionnel à la recherche ouverte. Les établissements peuvent appuyer les pratiques de données ouvertes en fournissant des dépôts de données, en offrant une formation à la gestion et au partage des données et en reconnaissant le partage des données dans les décisions de promotion et de tenure.
Les bibliothèques et les bureaux de soutien à la recherche offrent de plus en plus de services pour aider les chercheurs à préparer les données à partager, notamment en aidant à créer des métadonnées, à sélectionner des dépôts et à élaborer des documents, ce qui réduit les obstacles au partage des données et contribue à assurer que les données partagées répondent aux normes de qualité.
Les établissements peuvent aussi favoriser des cultures qui valorisent la science ouverte en célébrant les chercheurs qui partagent des données, en intégrant la formation scientifique ouverte dans les programmes de deuxième et de troisième cycles et en établissant des politiques qui encouragent ou exigent le partage de données pour la recherche financée par les institutions.
Besoins de l'organisme de financement
De nombreux organismes de financement exigent ou encouragent le partage des données comme condition de soutien, ce qui implique généralement la création de plans de gestion des données, le dépôt de données dans des dépôts appropriés et la mise à disposition des données dans des délais précis après publication ou achèvement du projet.
Les politiques des organismes de financement encouragent fortement le partage des données et aident à normaliser ces pratiques dans l'ensemble du milieu de la recherche.
L'avenir des données ouvertes en sciences psychologiques
Les initiatives de données ouvertes continuent d'évoluer, les développements en cours promettant d'améliorer encore leurs avantages et de relever les défis qui subsistent.
Technologies et outils émergents
Les plateformes basées sur le cloud permettent une collaboration en temps réel sur l'analyse des données, permettant aux chercheurs de différents endroits de travailler ensemble de manière transparente. Les outils d'apprentissage automatique peuvent aider à la documentation des données et à la vérification de la qualité, réduisant ainsi l'effort manuel nécessaire pour préparer les données à partager.
Les progrès réalisés dans le domaine des technologies de protection de la vie privée, telles que la protection de la vie privée différentielle et le calcul sécurisé par plusieurs parties, peuvent permettre le partage de données sensibles avec des garanties de protection de la vie privée plus strictes, et pourraient élargir la gamme de données qui peuvent être partagées en toute sécurité, particulièrement dans les contextes de recherche clinique et appliquée.
Intégration avec d'autres pratiques scientifiques ouvertes
Les initiatives en matière de données ouvertes sont de plus en plus intégrées à d'autres pratiques scientifiques ouvertes, comme le préenregistrement, les rapports enregistrés et la publication en libre accès, ce qui crée un écosystème complet de transparence qui traite de multiples aspects du processus de recherche.
Le préenregistrement consiste à documenter publiquement les plans de recherche avant la collecte de données, ce qui réduit les possibilités de pratiques de recherche douteuses. Lorsqu'il est combiné à des données ouvertes, le préenregistrement permet à d'autres personnes de vérifier que les analyses ont été effectuées comme prévu et d'explorer d'autres méthodes d'analyse.
Accroître la participation mondiale
L'Association universitaire européenne a élaboré un programme scientifique ouvert pour 2025 et au-delà de la définition de priorités dans la recherche ouverte, tandis que la Stratégie scientifique ouverte de la Lettonie 2021-2027 vise à fournir des informations scientifiques librement accessibles et comprend des initiatives telles que l'obligation de plans de gestion des données pour la recherche financée par l'État.
À mesure que les pratiques de l'ouverture des données s'étendent à l'échelle mondiale, elles créent des possibilités de recherche plus diversifiée et inclusive.
Relever les défis restants
Le domaine continue de s'employer à relever les défis qui limitent l'adoption de données ouvertes. La mise au point d'outils de meilleure qualité pour la documentation des données, la création d'orientations disciplinaires pour différentes méthodes de recherche et l'établissement de normes plus claires concernant l'attribution des données représentent toutes des priorités permanentes.
Les pratiques de recherche ouvertes visent à améliorer la transparence et la reproductibilité, et bien qu'il existe des preuves d'une plus grande participation à des pratiques telles que l'enregistrement préalable à l'étude et les données ouvertes, les résultats montrent une grande variabilité de l'engagement, avec des différences fondées sur la méthodologie de recherche et le soutien institutionnel.
Études de cas : histoires de réussite en matière de données ouvertes
L'examen d'exemples précis d'initiatives réussies de données ouvertes illustre leurs avantages pratiques et fournit des modèles à suivre pour les autres.
Projets de collaboration à grande échelle
Une équipe de 186 chercheurs de 60 laboratoires représentant 36 nationalités de six continents a effectué des reproductions de 28 résultats classiques et contemporains en psychologie, en se concentrant non seulement sur la reproduction des résultats originaux, mais aussi sur la façon dont les résultats varient en fonction des variations des échantillons et des contextes.
Ces collaborations à grande échelle démontrent comment les données ouvertes peuvent permettre de répondre à des questions de recherche qui ne seraient pas possibles pour les laboratoires individuels.
Demandes d'admission à l'enseignement
Les ensembles de données accessibles au public sont devenus des ressources éducatives précieuses, permettant aux étudiants d'acquérir une expérience pratique avec des données de recherche réelles.Les instructeurs utilisent ces ensembles de données pour enseigner les méthodes statistiques, la conception de la recherche et l'analyse des données, en fournissant aux étudiants des compétences pratiques que les exemples de manuels ne peuvent pas correspondre.
Certains cours ont pour but de faire des études de reproduction à l'aide de données accessibles au public, de les enseigner au sujet du processus de recherche et de l'importance de la reproductibilité.
Étapes pratiques pour les chercheurs
Les chercheurs qui souhaitent adopter des pratiques de données ouvertes peuvent prendre plusieurs mesures concrètes pour commencer à partager leurs données de façon efficace et responsable.
Commencez petit et construisez progressivement
Les chercheurs nouveaux à ouvrir les données n'ont pas besoin de tout partager immédiatement. En commençant par un ensemble de données ou un projet unique permet d'apprendre sur le processus sans devenir submergé.
En commençant par des données moins sensibles ou des données provenant de projets terminés, on peut réduire les préoccupations au sujet de la protection de la vie privée et de la recherche.
Rechercher une formation et un soutien
De nombreuses institutions offrent des ateliers, des consultations et des ressources pour aider les chercheurs à se familiariser avec la gestion et le partage des données.L'utilisation de ces ressources peut accélérer l'apprentissage et aider à éviter les pièges communs.
La collaboration avec des collègues qui pratiquent déjà les données ouvertes peut fournir un précieux mentorat et des conseils pratiques. De nombreux chercheurs sont heureux de partager leurs expériences et d'aider d'autres à naviguer dans le processus de partage des données.
Avocat pour des politiques de soutien
Les chercheurs peuvent plaider en faveur de politiques institutionnelles et de politiques de publication qui appuient les pratiques de diffusion de données ouvertes, notamment en demandant aux institutions de les aider à gérer les données, en encourageant les revues à adopter des politiques de transparence ou en travaillant avec des organisations professionnelles à élaborer des directives spécifiques sur le terrain.
En prônant collectivement l'infrastructure et la reconnaissance, les chercheurs peuvent contribuer à créer un environnement où les pratiques de données ouvertes sont réalisables et récompensées plutôt que d'être considérées comme des charges supplémentaires.
Répondre aux préoccupations et aux idées reçues
Plusieurs préoccupations communes et idées fausses concernant les données ouvertes peuvent dissuader les chercheurs d'adopter ces pratiques.
Préoccupation : D'autres trouveront des erreurs dans mes données
Bien que la possibilité que d'autres puissent identifier des erreurs puisse se sentir menaçante, elle représente en fait l'un des principaux avantages des données ouvertes.Les erreurs sont inévitables dans les projets de recherche complexes, et les identifier permet de corriger et de mieux connaître les connaissances scientifiques.
Préoccupation : Je serai ébouillé
Les préoccupations concernant le partage des données sont compréhensibles mais souvent surestimées. La plupart des chercheurs travaillent sur leurs propres projets et ne cherchent pas à scruter les autres. Les normes de partage des données mettent de plus en plus l'accent sur l'attribution et la collaboration appropriées plutôt que sur l'exploitation concurrentielle des données des autres.
Préoccupation : Le partage des données est trop long-consommation
Si le partage des données exige du temps et des efforts, ces investissements deviennent plus faciles à gérer avec la pratique et la planification appropriée. Lorsque la gestion des données est intégrée aux flux de travail de recherche dès le début, l'effort supplémentaire nécessaire pour le partage est réduit au minimum. Le temps investi dans le partage des données peut également être compensé par des économies de temps lorsque d'autres peuvent s'appuyer sur votre travail sans exiger une correspondance approfondie sur les données et les méthodes.
L'impact plus large sur la culture scientifique
L'émergence de projets de reproduction à grande échelle qui ont donné des taux de réussite nettement inférieurs aux prévisions a causé une crise de réplication dans les domaines comportemental, cognitif et social, mais cette situation peut être reformulée à travers une révolution de crédibilité axée sur des changements positifs, structurels, procéduraux et communautaires qui auront un impact positif et à long terme sur l'environnement de la recherche.
Les initiatives de données ouvertes contribuent à un changement culturel plus large en sciences psychologiques vers une plus grande transparence, collaboration et rigueur, ce qui va au-delà du partage des données pour englober de multiples aspects du processus de recherche, de la conception des études à la publication et à la diffusion.
La transparence est de plus en plus appréciée parallèlement à la nouveauté, et la reproductibilité est reconnue comme essentielle plutôt qu'optionnelle.Ces changements culturels promettent de renforcer le fondement de la science psychologique et d'accroître sa crédibilité et son impact.
Ressources pour apprendre davantage
Les chercheurs intéressés à en apprendre davantage sur les initiatives de données ouvertes peuvent accéder à de nombreuses ressources.Le Center for Open Science fournit de nombreux documents sur les pratiques scientifiques ouvertes, y compris des guides, des tutoriels et des outils pour le partage des données. Le Cadre de la science ouverte offre une plate-forme pour le partage des données et d'autres documents de recherche ainsi que des ressources de documentation et de formation.
Des organisations professionnelles comme l'Association for Psychological Science et l'American Psychological Association ont développé des ressources et des politiques pour soutenir la science ouverte. Le Cadre pour la formation en recherche ouverte et reproductible (FORRT) fournit des ressources pédagogiques pour l'enseignement et l'apprentissage des pratiques scientifiques ouvertes.
Des revues spécialisées comme le Journal of Open Psychology Data publient des documents de données et fournissent des exemples de séries de données bien documentées. L'examen de documents de données publiés peut fournir des modèles précieux aux chercheurs qui se préparent à partager leurs propres données.
Conclusion : Faire place aux données ouvertes pour une science plus forte
En rendant les données de recherche accessibles au public, les psychologues s'attaquent aux défis cruciaux liés à la reproductibilité et à la réplication tout en ouvrant de nouvelles possibilités de collaboration, d'innovation et de découverte scientifique.
L'amélioration de la reproductibilité permet de vérifier les constatations et d'identifier les erreurs. L'innovation accélérée permet aux chercheurs de tirer parti plus efficacement des travaux existants. Une collaboration accrue permet de répondre à des questions de recherche qui ne seraient pas possibles pour les laboratoires individuels. Les applications éducatives offrent des possibilités de formation précieuses pour la prochaine génération de chercheurs.
Bien que la mise en oeuvre de pratiques ouvertes en matière de données pose des défis en matière de protection de la vie privée, de normalisation des données, de contraintes en matière de ressources et de propriété intellectuelle, ces défis sont de plus en plus relevés grâce à l'amélioration des outils, à la clarification des lignes directrices et à un soutien institutionnel plus solide.
Le mouvement vers l'ouverture des données s'inscrit dans une révolution plus large de la crédibilité en sciences psychologiques qui met l'accent sur la transparence, la rigueur et la collaboration.
Pour les chercheurs individuels, l'adoption de pratiques ouvertes en matière de données représente un investissement dans la qualité et l'impact de leur travail.Bien que la transition puisse nécessiter l'acquisition de nouvelles compétences et l'adaptation des flux de travail établis, les avantages – tant pour les chercheurs individuels que pour l'ensemble du domaine – en valent la peine.
Les initiatives de données ouvertes fournissent des mécanismes concrets pour renforcer les pratiques de recherche et accélérer le progrès scientifique. Ces pratiques continuent d'évoluer et de s'étendre, elles promettent de transformer les sciences psychologiques en une entreprise plus ouverte, plus collaborative et plus fiable qui réalise son potentiel de comprendre le comportement humain et d'améliorer les vies.