过去10年，神经科学对开放科学的态度发生了翻天覆地的变化。由于期刊和资助者的强制要求、大型公共存储库的建立以及学术文化的广泛转变，现在许多研究人员常规性地存入数据供任何人使用。这一实践有许多好处——包括数据的二次分析、错误的发现以及实践教学材料的开发。但当前的数据共享实践常常不足。作为存入数据的使用者，我经常发现自己需要仔细研究那些极难浏览的存储库。许多存储库缺乏足够的元数据，需要大量的侦探工作——通常还需要与作者多次电子邮件往来——才能解读数据的格式。此外，数据的组织通常对特定存储库来说是特殊的，使得应用标准化软件工具变得困难。本文基于《The Transmitter》的观点文章，系统解析为什么卫生数据方法应成为常态、当前实践的障碍以及如何通过培训、评估和文化变革来促进有用的开放科学。
一、当前数据共享的问题
| 问题 | 描述 |
|---|---|
| 元数据不足 | 存储库缺乏足够的信息来理解数据 |
| 格式特殊 | 数据的组织方式对特定存储库来说是特殊的，难以应用标准化工具 |
| 难以导航 | 存储库极难浏览 |
| 需要大量侦探工作 | 通常需要与作者多次电子邮件往来才能解读数据格式 |
| 预处理负担 | 大部分时间都耗费在预处理上 |
| 培训不足 | 产生数据的学员没有接受过这方面的指导 |
| 文化不重视 | 学术文化不重视数据卫生 |
二、为自己整理数据：自私的论点
| 场景 | 问题 | 解决方案 |
|---|---|---|
| 匆忙完成实验和提交论文 | 没有记录为什么以特定方式组织数据、为什么添加某个预处理步骤、各个变量是什么 | 投入时间正确组织数据 |
| 提交后6个月准备修改稿 | “最重要的合作者是我六个月前的自己，但过去的我不回邮件” | 产生卫生数据——干净、组织良好、可理解 |
核心信息：为自己使数据（和代码）有用，自动也使它们对他人有用。
三、卫生数据的好处
| 好处 | 描述 |
|---|---|
| 修改更顺利 | 正确组织的数据使修改更容易 |
| 长期可用性 | 更容易处理多年后想要使用数据的研究人员的请求 |
| 更广泛的传播 | 数据更容易被发现和使用 |
| 更多引用 | 可用的数据导致工作被更广泛地传播和引用 |
| 新科学见解 | 他人可能从数据中发现新的见解 |
| 社区善意 | 在研究社区中建立善意 |
四、为什么卫生数据方法不是常态？
| 障碍 | 描述 |
|---|---|
| 激励错位 | 花时间发表论文对招聘和晋升的影响远大于花时间格式化数据 |
| 缺乏培训 | 学生没有学习这些技能的课程 |
| 评估困难 | 期刊和资助者的评估和执行是劳动密集型的 |
五、促进有用开放科学的解决方案
| 解决方案 | 描述 |
|---|---|
| 改变招聘和晋升 | 委员会应将开放科学实践作为评估过程的一部分（如要求提供开放科学声明）；重点应放在有用的开放科学上 |
| 期刊和资助者 | 虽然评估和执行是劳动密集型的，但期刊和资助者可以是解决方案的一部分 |
| 培训 | 学生应学习教授这些技能的课程；教授应教授这些课程，并在实验室中设定数据共享实践的标准 |
| 实验室指南 | 主要研究者应制定自己的指南与团队分享，根据实验室的需求和约束量身定制 |
六、可用资源
| 资源 | 描述 |
|---|---|
| 《良好研究代码手册》 | Patrick Mineault撰写，阐述了代码共享的最佳实践 |
| 开放科学中心 | 开放性和可重复性的模块化培训课程 |
| 脑成像数据结构 | 神经影像数据标准化格式 |
| Neurodata Without Borders | 神经生理学数据标准化格式 |
| 国际神经信息学协调设施 | 支持FAIR实践 |
| 实验室特定指南 | 主要研究者为其团队创建的指南 |
七、作者实验室的具体实践
| 实践 | 描述 |
|---|---|
| 《代码和数据共享的轻量级指南》 | 帮助实验室成员开发对自身和他人用户友好且可重复的工作流程 |
| 基本标准执行 | 确保学员遵守存入数据的基本标准 |
| 讨论与指导 | 每当出现困惑时讨论这些问题 |
| 同伴学习 | 开放科学成为实验室的规范后，学员可以互相指导 |
八、结论：从自上而下执行到自下而上规范
使数据（和代码）为自己有用，自动也使它们对他人有用。这导致工作的更广泛传播和引用、新的科学见解以及研究社区中的善意。要使用卫生数据方法成为常态，我们需要：
改变激励：招聘和晋升委员会应重视开放科学实践
提供培训：创建教授数据卫生技能的课程
制定标准：在实验室中设定数据共享的标准
创建资源：开发指南、手册和标准化格式
培养文化：使开放科学成为实验室的规范
核心信息：
当前数据共享实践常常不足（元数据不足、格式特殊、难以导航）。
为自己整理数据（卫生数据）自动使数据对他人有用。
主要障碍是激励错位（发表论文>数据格式化）和缺乏培训。
解决方案包括：改变招聘/晋升、提供培训、制定实验室指南。
目标是使开放科学成为实验室的规范，减少对自上而下执行的依赖。