Digital resources in the Social Sciences and Humanities OpenEdition Our platforms OpenEdition Books OpenEdition Journals Hypotheses Calenda Libraries OpenEdition Freemium Follow us

ReproTea meets ReproHack

English version below

ReproducibiliTea Dresden ist eine Veranstaltungsreihe, bei der sich Studierende und Forschende über die Reproduzierbarkeit, Replizierbarkeit und generell die Qualität von Forschung austauschen können. Als Teil der weltweiten ReproducibiliTea Journal Club Initiative werden in einem lockeren Rahmen aktuelle Artikel rund um die Themen Open Science, Metawissenschaft, Forschungsdatenmanagement uvm. gelesen und bei der ein oder anderen Tasse Tee diskutiert. Im Wintersemester 2023/24 soll der inhaltliche Fokus der Veranstaltungen auf der komputationalen Reproduzierbarkeit wissenschaftlicher Erkenntnisse liegen.

In empirischen Wissenschaften hängen die Ergebnisse stark von den während der Datenauswertung getroffenen Analyseentscheidungen ab. Diese Entscheidungen müssen deshalb einerseits gut begründet sein, andererseits ist es wichtig, die einzelnen Analyseschritte nachvollziehbar darzustellen, damit andere Forschende die Ergebnisse und deren Interpretation einordnen können. Bestenfalls führt die unabhängige Anwendung der berichteten Datenauswertungsstrategie auf die gleichen Daten zu den gleichen Ergebnissen, diese sind also reproduzierbar. Dass dieser Idealfall zum Teil schwer zu erreichen ist, liegt unter anderem an den komplexen Datenvorverarbeitungs- und Auswertungsverfahren, sowie an den vielen Möglichkeiten der konkreten technischen Implementierung der Datenanalyse (z.B. welche Software in welcher Version verwendet wird).

Im ReproducibiliTea im Wintersemester 2023/2024 wollen wir uns damit befassen, wie die komputationale Reproduzierbarkeit erhöht werden kann und welche konkreten Schritte dabei helfen, Datenauswertungsstrategien transparent zu berichten. Außerdem möchten wir uns gern ganz praktisch mit diesem Thema auseinandersetzen, indem wir uns am Ende des Semesters an einem ReproHack versuchen. Dabei werden wir in einem halbtägigen Workshop die offen zur Verfügung gestellten Daten und den Auswertungscode einer Publikation nutzen, um die berichteten Ergebnisse zu reproduzieren. Wir sind sehr gespannt, ob uns dies gelingt und was wir dabei über die Potentiale und Fallstricke von Open Data und Open Code lernen.

Wir freuen uns auf spannende Diskussionen und Erkenntnisse zur Reproduzierbarkeit im Rahmen des ReproducibiliTeas im kommenden Semester. Eingeladen zu den hybriden Veranstaltungen sind Studierende und Forschende aller Fachrichtungen, egal ob mit viel, wenig oder keiner Vorerfahrung mit Open Science und Reproduzierbarkeit. Kommt gern zu den untenstehenden Terminen auf eine Tasse Tee im Open Science Lab der SLUB (OSL 3) oder digital im Zoom-Raum vorbei.

Termine:

19. Oktober 2023Challenge to scientists: does your ten-year-old code still run? (Perkel, 2020)
30. November 2023Principles for data analysis workflows (Stoudt, Vásquez & Martinez, 2021)
14. Dezember 2023Preparation for ReproHack
25. Januar 2023ReproHack Workshop

English Version1

ReproducibiliTea Dresden is a series of events where students and researchers can exchange ideas about reproducibility, replicability and generally the quality of research. As part of the worldwide ReproducibiliTea Journal Club Initiative, current articles around the topics of open science, metascience, research data management, and more will be read in a casual setting and discussed over a cup of tea or two. In the winter semester 2023/24, the content of the events will focus on the computational reproducibility of scientific findings.

In empirical sciences, results strongly depend on the analysis decisions made during data evaluation. Therefore, on the one hand, these decisions must be well justified, and on the other hand, it is important to present the individual analysis steps in a comprehensible way so that other researchers can classify the results and their interpretation. At best, the independent application of the reported data analysis strategy to the same data leads to the same results, i.e. they are reproducible. The fact that this ideal case is sometimes difficult to achieve is due, among other things, to the complex data preprocessing and analysis procedures, as well as to the many possibilities for the concrete technical implementation of data analysis (e.g., which software is used in which version).

In ReproducibiliTea in the winter semester 2023/2024, we want to address how to increase computational reproducibility and which concrete steps help to report data analysis strategies in a transparent way. We would also like to take a hands-on approach to this topic by trying our hand at a ReproHack at the end of the semester. This will involve a half-day workshop in which we will use openly provided data and the corresponding analysis code of a publication to reproduce the reported results. We are very excited to see if we succeed and what we learn about the potentials and pitfalls of Open Data and Open Code in the process.

We look forward to exciting discussions and insights on reproducibility at next semester’s ReproducibiliTea sessions. Students and researchers from all disciplines are invited to attend the hybrid events, whether with a lot, little, or no prior experience with Open Science and reproducibility. Feel free to drop by for a cup of tea in the SLUB Open Science Lab (OSL 3) or digitally in the Zoom-Room on the dates below.

Dates:

October 19th 2023Challenge to scientists: does your ten-year-old code still run? (Perkel, 2020)
November 30th 2023Principles for data analysis workflows (Stoudt, Vásquez & Martinez, 2021)
December 14th 2023Preparation for ReproHack
January 25th 2024ReproHack Workshop

Footnotes

  1. Translated with www.DeepL.com/Translator (free version)↩︎

OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Redakteur (6. Oktober 2023). ReproTea meets ReproHack. SLUB Open Science Lab. Abgerufen am 6. Februar 2025 von https://doi.org/10.58079/sl37


Das könnte dich auch interessieren …

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.