Recherche reproductible - Principes méthodologiques pour une science transparente

Description du cours

Vous prenez des notes et vous voulez vous y retrouver ? Vous faites des calculs sur ordinateur et vos résultats changent d’un jour à l’autre ? Vous aimeriez partager avec vos collègues vos analyses de données et vos derniers travaux et qu’ils puissent les réutiliser ?

Les auteurs de ce Mooc poseront les bases d’une recherche reproductible et vous expliqueront comment utiliser les bons outils :

• Markdown pour la prise de note structurée
• des Outils d'indexation (DocFetcher et ExifTool)
• Gitlab pour le suivi de version et le travail collaboratif
• Notebooks (Jupyter, Rstudio ou Org-mode) pour combiner efficacement calcul, représentation et analyse des données

Vous apprendrez au cours des exercices basés sur des cas pratiques à utiliser ces outils pour améliorer votre prise de notes, votre gestion des données et des calculs. Pour cela, vous disposerez d'un espace Gitlab et d'un espace Jupyter, intégrés à la plateforme FUN et qui ne nécessitent aucune installation. Ceux qui le souhaitent pourront réaliser les travaux pratiques avec Rstudio ou Org-mode après avoir installé ces outils sur leur machine. Toutes les procédures d'installation et de configuration des outils sont fournies dans le Mooc, ainsi que de nombreux tutoriels.

Les auteurs présenterons également les enjeux et les difficultés de la recherche reproductible.

Objectifs du cours

• Comprendre les enjeux et les difficultés de la recherche reproductible
• Découvrir des outils pour améliorer sa prise de notes, sa gestion des données, et des calculs
• Se familiariser avec un outil de suivi de gestion de version (Gitlab)
• Se familiariser avec les documents computationnels réplicables (Jupyter, RStudio ou Org-Mode)
• Écrire un notebook pour combiner efficacement une analyse de données et sa documentation

A qui s’adresse ce cours ?

Ce Mooc s'adresse aux doctorant-e-s, chercheur-se-s , étudiant-e-s en master, enseignant-e-s, ingénieur-e-s de toutes disciplines qui souhaitent se former à des environnements de publication et des outils fiables.

Plan du cours

• Posons le décor : La reproductibilité, en crise ? Reproductibilité et transparence
• Module 1 : Cahier de notes, cahier de laboratoire
• Module 2 : La vitrine et l’envers du décor : le document computationnel
• Module 3 : La main à la pâte : une analyse réplicable
• Module 4 : Vers une étude reproductible : la réalité du terrain

Équipe pédagogique

Auteurs :

• Arnaud Legrand, Chercheur en informatique, CNRS/LIG, Inria, UGA
• Christophe Pouzat, Neurophysiologiste, CNRS/MAP5 Univ. Paris Descartes
• Konrad Hinsen, Biophysicien, CNRS, Centre de biophysique moléculaire, Soleil

Accompagnement pédagogique :

• Laurence Farhi, ingénieure pédagogique, Inria Learning Lab
• Marie-Hélène Comte, ingénieure pédagogique, Inria Learning Lab
• Benoit Rospart, ingénieur développement, Inria Learning Lab

Partenaires

Avec le soutien du Fonds national de la science ouverte