Uniwersytet Mikołaja Kopernika w Toruniu - Centralny punkt logowania
Strona główna

Running a reproducible research project

Informacje ogólne

Kod przedmiotu: 2401-CS-RaRRP-s2
Kod Erasmus / ISCED: (brak danych) / (0223) Filozofia i etyka Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Running a reproducible research project
Jednostka: Katedra Kognitywistyki
Grupy: Cognitive Science s2 - I i II rok przedmioty do wyboru
Strona przedmiotu: https://reproducible-neuroimaging.readthedocs.io/en/latest/
Punkty ECTS i inne: 4.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: angielski
Wymagania wstępne:

None.


Rodzaj przedmiotu:

przedmiot fakultatywny

Całkowity nakład pracy studenta:

Contact hours with teacher:


- participation in tutorials - 30 hrs

- consultations- 5 hrs


Self-study hours:

- preparation for tutorials - 30 hrs

- homework - 30 hrs

- preparing final project- 25 hrs


Altogether: 120 hrs (4 ECTS)

Efekty uczenia się - wiedza:

Student:

W1: has systematized and detailed knowledge about research practices improving reproducibility – K_W03, K_W14

W2: knows different approaches to preregistering research – K_W01

W3: is familiar with limitations of not sharing data and code in scientific research– K_W04, K_W05

W4: understands the motivations for running reproducible research project– K_W02

Efekty uczenia się - umiejętności:

Student:

U1: is able to prepare preregistration or preregistered report– K_U01, K_U06

U2: is capable of organize data and share the data in public repository- K_U07

U3: has advanced skills in documenting analysis code and version control- K_U04

U4: can report results of the scientific study performed in reproducible way- K_U11

Efekty uczenia się - kompetencje społeczne:

Student:

K1: understands the the importance of creative thinking in problem solving – K_K03, K_K14

K2: understands the need for collaboration in scientific research– K_K01

K3: is open to publicly share results of analyses – K_K04, K_K05

K4: is aware of a need of constant learning in academic research – K_K02

K5: identifies the importance of planning and work organization - K_K09

K6: participates in discussions and brainstorms - K_K05

K7: can communicate results of finalized project - K_K12

Metody dydaktyczne:

Observation/demonstration teaching methods:

- display


Expository teaching methods:

- description

- discussion

- participatory lecture


Exploratory teaching methods:

- brainstorming

- classic problem-solving

- experimental

- practical

- project work


Online teaching methods:

- content-presentation-oriented methods

- cooperation-based methods

- evaluative methods

- exchange and discussion methods

- games and simulations

- integrative methods

- methods developing reflexive thinking

- methods referring to authentic or fictitious situations

Metody dydaktyczne eksponujące:

- inscenizacja
- pokaz
- symulacyjna (gier symulacyjnych)

Metody dydaktyczne podające:

- opis
- pogadanka
- wykład informacyjny (konwencjonalny)
- wykład konwersatoryjny

Metody dydaktyczne poszukujące:

- ćwiczeniowa
- doświadczeń
- giełda pomysłów
- klasyczna metoda problemowa
- laboratoryjna
- obserwacji

Skrócony opis:

The progress of science is based on valuable research. Recent reports show, however, that scientists are not able to reproduce a large amount of published research. In this course, students will be introduced to the concept of reproducibility in research and will gain practical skills in research preregistration, data sharing, sharing analysis code, and writing a reproducible manuscript.

Pełny opis:

The goal of scientific research is to build reliable knowledge. To approach this, scientists should be able to repeat the analysis and replicate findings of other researchers. The individual research should be transparent and well documented so it can be verified by other scientists. Reproducibility stands for “obtaining consistent results using the same input data, computational steps, methods, and code, and conditions of analysis” [NAS, 2018]. The goal of this course is to guide students through essential research practices that will increase reproducibility in their research. The course will cover the following topics:

1. Introduction to reproducibility: reasons of reproducibility crisis, motivations of reproducible research, and good reproducible research practices;

2. Research preregistration: introduction to concepts of pre-registration and pre-registered reports.

3. Sharing and organizing data: setting up data management plan, structuring and naming project files, sharing data in open repositories; Brain Imaging Data Structure (BIDS) formatting, and controlling versions of data with DataLad.

4. Sharing and organizing analysis code: creating a reproducible data analysis workflow, code version control (Git/GitHub), containers (Docker), and good practices for coding and documenting your analysis;

5. Writing a reproducible manuscript.

Literatura:

1. National Academies of Sciences, Engineering, and Medicine. (2019).. Reproducibility and replicability in science. National Academies Press.

2. Ioannidis, J. P. (2005). Why most published research findings are false. PLoS medicine, 2(8), e124.

3. Open Science Collaboration. (2015). Estimating the reproducibility of psychological science. Science, 349(6251).

3. Baker, M. (2016). Reproducibility crisis. Nature, 533(26), 353-66.

Guide for Reproducible Research: https://the-turing-way.netlify.app/reproducible-research/reproducible-research.html

Metody i kryteria oceniania:

- test

- activity

- homework

- final project

Praktyki zawodowe:

fail- <50 pts (<50 %)

satisfactory- 51-60 pts (51-60 %)

satisfactory plus- 61-70 pts (61-70 %)

good - 71-80 pts (71-80 %)

good plus- 81-90 pkt (81-90 %)

very good- 91 pts (>90 %)

Zajęcia w cyklu "Semestr zimowy 2021/22" (zakończony)

Okres: 2021-10-01 - 2022-02-20
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Ćwiczenia, 30 godzin więcej informacji
Koordynatorzy: Karolina Finc
Prowadzący grup: Karolina Finc
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Ćwiczenia - Zaliczenie na ocenę

Zajęcia w cyklu "Semestr zimowy 2022/23" (zakończony)

Okres: 2022-10-01 - 2023-02-19
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Ćwiczenia, 30 godzin więcej informacji
Koordynatorzy: Karolina Finc
Prowadzący grup: Karolina Finc
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Ćwiczenia - Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.
ul. Jurija Gagarina 11, 87-100 Toruń tel: +48 56 611-40-10 https://usosweb.umk.pl/ kontakt deklaracja dostępności USOSweb 7.0.1.0 (2023-11-21)