"การทำซ้ำการวิจัย" เป็นการวิเคราะห์ที่ทำซ้ำได้
การทำซ้ำการวิจัยเป็นคำที่ใช้ในโดเมนการวิจัยบางอย่างเพื่ออ้างถึงเฉพาะในการดำเนินการวิเคราะห์เช่นนั้น
- รหัสแปลงข้อมูลดิบและเมตาดาต้าเป็นข้อมูลที่ประมวลผล
- รหัสจะทำการวิเคราะห์ข้อมูลและ
- รหัสรวมการวิเคราะห์ลงในรายงาน
เมื่อแบ่งปันข้อมูลและรหัสดังกล่าวสิ่งนี้จะช่วยให้นักวิจัยคนอื่น ๆ สามารถ:
- ทำการวิเคราะห์ที่ไม่ได้รายงานโดยนักวิจัยดั้งเดิม
- ตรวจสอบความถูกต้องของการวิเคราะห์ที่ดำเนินการโดยนักวิจัยดั้งเดิม
การใช้งานนี้สามารถเห็นได้ในการอภิปรายของเทคโนโลยีเช่นSweave เช่น Friedrich Leisch เขียนในบริบทของ Sweave ว่า "รายงานสามารถปรับปรุงได้โดยอัตโนมัติหากข้อมูลหรือการวิเคราะห์เปลี่ยนแปลงซึ่งช่วยให้สามารถทำการวิจัยซ้ำได้อย่างแท้จริง" นอกจากนี้ยังสามารถเห็นได้ในมุมมองงาน CRAN เกี่ยวกับการวิจัยแบบทำซ้ำซึ่งระบุว่า "เป้าหมายของการวิจัยที่ทำซ้ำคือการผูกคำแนะนำเฉพาะในการวิเคราะห์ข้อมูลและข้อมูลการทดลองเพื่อให้ทุนการศึกษาสามารถสร้างใหม่เข้าใจและตรวจสอบได้ดีขึ้น"
การใช้งานที่กว้างขึ้นของคำว่า "การทำซ้ำ"
การทำซ้ำเป็นเป้าหมายพื้นฐานของวิทยาศาสตร์ มันไม่ใช่เรื่องใหม่ รายงานการวิจัยรวมถึงวิธีการและส่วนผลลัพธ์ที่ควรสรุปว่าข้อมูลนั้นถูกสร้างขึ้นประมวลผลและวิเคราะห์อย่างไร กฎทั่วไปคือรายละเอียดที่ให้ไว้ควรเพียงพอที่จะทำให้นักวิจัยที่มีความสามารถเหมาะสมที่จะนำข้อมูลที่ได้รับมาและทำซ้ำการศึกษา
ความสามารถในการทำซ้ำนั้นสัมพันธ์กับแนวคิดเรื่องความสามารถในการทำซ้ำและการวางนัยทั่วไป
ดังนั้นคำว่า "การวิจัยที่ทำซ้ำได้" ซึ่งนำมาใช้กับเทคโนโลยีอย่าง Sweave จึงเป็นชื่อเรียกที่ไม่ถูกต้องเนื่องจากมันบ่งบอกถึงความเกี่ยวข้องที่กว้างกว่าที่มันครอบคลุม นอกจากนี้เมื่อนำเสนอเทคโนโลยีอย่าง Sweave ให้กับนักวิจัยที่ไม่ได้ใช้เทคโนโลยีดังกล่าวนักวิจัยดังกล่าวมักจะประหลาดใจเมื่อฉันเรียกกระบวนการนี้ว่า "การวิจัยที่ทำซ้ำได้"
คำที่ดีกว่า "การวิจัยที่ทำซ้ำได้"
ระบุว่า "การวิจัยที่ทำซ้ำได้" ตามที่ใช้ในบริบทที่คล้ายกับ Sweave เฉพาะที่เกี่ยวข้องกับแง่มุมหนึ่งของการวิจัยที่ทำซ้ำได้อาจใช้คำอื่นแทน ทางเลือกที่เป็นไปได้ ได้แก่ :
- การวิเคราะห์แบบทำซ้ำ:
- การวิเคราะห์ข้อมูลที่ทำซ้ำได้
- การวิเคราะห์ทางสถิติที่ทำซ้ำได้
- การรายงานที่ทำซ้ำได้
เงื่อนไขทั้งหมดข้างต้นเป็นภาพสะท้อนที่แม่นยำยิ่งขึ้นของการวิเคราะห์ที่คล้ายกับ Sweave การทำซ้ำการวิเคราะห์สั้นและหวาน การเพิ่ม "ข้อมูล" หรือ "เชิงสถิติ" จะช่วยอธิบายสิ่งต่าง ๆ ให้ชัดเจนยิ่งขึ้น แต่ยังทำให้คำนั้นยาวขึ้นและแคบลง นอกจากนี้ "สถิติ" มีความหมายแคบและกว้างและแน่นอนในความหมายแคบการประมวลผลข้อมูลส่วนใหญ่ไม่ได้เป็นสถิติ ดังนั้นกว้างโดยนัยคำว่า "การวิเคราะห์การทำซ้ำ" มีข้อดีของมัน
มันไม่เพียงเกี่ยวกับการทำซ้ำ
ปัญหาเพิ่มเติมอื่น ๆ ที่มีคำว่า "การวิจัยที่ทำซ้ำได้" คือเป้าหมายของเทคโนโลยีที่คล้าย Sweave ไม่ได้เป็นเพียงแค่ "การทำซ้ำ" มีจุดมุ่งหมายที่สัมพันธ์กันหลายประการ:
- การทำสำเนาได้
- การวิเคราะห์สามารถเรียกใช้ซ้ำได้อย่างง่ายดายเพื่อแปลงข้อมูลดิบเป็นรายงานขั้นสุดท้ายด้วยผลลัพธ์เดียวกันหรือไม่
- ความถูกต้อง
- การวิเคราะห์ข้อมูลสอดคล้องกับความตั้งใจของผู้วิจัยหรือไม่?
- ความตั้งใจของผู้วิจัยถูกต้องหรือไม่?
- ความใจกว้าง
- ความโปร่งใสความรับผิดชอบ
- คนอื่นสามารถตรวจสอบและตรวจสอบความถูกต้องของการวิเคราะห์ได้หรือไม่?
- ความสามารถในการปรับขยายได้, การปรับเปลี่ยนได้
- ผู้อื่นสามารถแก้ไขขยายนำมาใช้ใหม่และบดข้อมูลวิเคราะห์หรือทั้งสองอย่างเพื่อสร้างงานวิจัยใหม่ได้หรือไม่
มีข้อโต้แย้งว่าการวิเคราะห์ที่ทำซ้ำได้ควรส่งเสริมการวิเคราะห์ที่ถูกต้องเนื่องจากมีการบันทึกเป็นลายลักษณ์อักษรของการวิเคราะห์ที่สามารถตรวจสอบได้ นอกจากนี้หากมีการแชร์ข้อมูลและรหัสมันจะสร้างความรับผิดชอบซึ่งกระตุ้นให้นักวิจัยตรวจสอบการวิเคราะห์ของพวกเขาและทำให้นักวิจัยคนอื่น ๆ สามารถบันทึกการแก้ไขได้
การวิเคราะห์แบบจำลองยังสอดคล้องกับแนวคิดเกี่ยวกับการวิจัยแบบเปิด แน่นอนนักวิจัยสามารถใช้เทคโนโลยีเหมือน Sweave เพื่อตัวเอง หลักการวิจัยแบบเปิดสนับสนุนการแบ่งปันข้อมูลและรหัสการวิเคราะห์เพื่อให้สามารถนำมาใช้ซ้ำและตรวจสอบได้มากขึ้น
นี่ไม่ใช่บทวิจารณ์การใช้คำว่า "ทำซ้ำได้" ค่อนข้างเป็นเพียงการเน้นว่าการใช้เทคโนโลยีเหมือน Sweave นั้นเป็นสิ่งจำเป็น แต่ไม่เพียงพอที่จะบรรลุเป้าหมายการวิจัยทางวิทยาศาสตร์