Markus Kainu
sosiaalipolitiikan tohtorikoulutettava,
Sosiaalitieteiden laitos, Turun yliopisto
Aleksanteri instituutti, Helsingin yliopisto

1. Avoin tiede ja avoimen tieteen koulukunnat
2. Toistettavuus avoimen tieteen käytäntönä
3. Demo: dynaamiset julkaisut avoimilla menetelmillä

• Avoin tiede (open science) on kattotermi liikkeelle, joka pyrkii edistämään avoimia toimintamalleja tieteellisessä tutkimuksessa.
• Keskeinen tavoite on tutkimustulosten, tutkimusdatan ja tutkimuksessa käytettyjen menetelmien julkaiseminen avoimella lisenssillä siten, että ne ovat vapaasti kaikkien halukkaiden tarkasteltavissa sekä käytettävissä.

Lähde: Wikipedia: Avoin tiede

• tutkimusjulkaisujen avoimen saatavuuden (open access) edistäminen,
• tutkimusaineistojen avoin julkaiseminen (open data),
• avoimen lähdekoodin (open source) ja avoimien standardien hyödyntäminen, sekä
• tutkimusprosessin julkinen dokumentointi niin kutsutun avoimen muistikirjan menetelmällä (open notebook science)

Lähde: Wikipedia: Avoin tiede

Resurssien jakamisen myötä tapahtuva:

• tieteen kehityksen nopeutuminen,
• tutkimuskäytäntöjen läpinäkyvyyden lisääntymisestä johtuva laadun ja tutkimuksen toistettavuuden parantuminen, sekä
• tutkimustulosten paremman saavutettavuuden myötä lisääntyvä yhteiskunnallinen vaikuttavuus
• Tutkimusaineistojen vapaa jakaminen saattaa myös lisätä viittauksia tehtyyn tutkimustyöhön

Lähde: Wikipedia: Avoin tiede

• Avoimesti dokumentoitu tutkimus löytyy googlesta jo varhaisessa vaiheessa, mikä voi poikia uusia yhteistyökuvioita

Lähde: Fecher & Friesike. (2013) Open Science: One Term, Five Schools of Thought.

• edellyttää murrosta tieteentekemisen tavoissa ja kulttuurissa
• aikaa vievää, kuten suunnitelu, projektinhallinta, lisensointi
• kannustimien puute
• OA lehdet heikosti arvostettuja
• yksityisyys

Lähde: github.com/openscienceASAP/openscience-presentations

• “tekniset hyödyt” realisoituvat laskennallisissa tieteissä
• luonnontieteiden mahdollisuudet ovat ihmistieteiden uhkia
  • Datat on arkaluonteisia
  • julkaisussa kirjojen ja perinteisten lehtien asema on kova
  • kaikessa avaamisessa nähdään varkauden riski
• monissa ihmistieteissä ei ole laskennallista “argumentaatiota”, vaan teksti puhuu puolestaan
  • kirjojen asema vahva
  • huoli laadukkaasta editoinnista
• ihmistieteissä usein tutkijat yksin vs. tutkimusryhmät luonnontieteissä -> riskien ottamista kartetaan
• tieteelliset seurat ja open access

Teemanumero Science-lehdessä: Communication in Science: Pressures and Predators ja siinä artikkeli Who's Afraid of Peer Review?

• keksitty juttu meni läpi monessa OA-lehdessä

Reaktioita artikkeliin:

• I confess, I wrote the Arsenic DNA paper to expose flaws in peer-review at subscription based journals
• Flawed sting operation singles out open access journals
• OASPA’s response to the recent article in Science entitled “Who’s Afraid of Peer Review?”
• Steve Harnan: Fair-Gold
• Guardian: Open access publishing hoax: what Science magazine got wrong

(reproducible research/analysis)

• tarkoitetaan tehokasta tapaa hallita data-analyysi kokonaisuutena aina raakadatasta julkaisuvalmiiksi taulukoiksi ja kuvioiksi asti
• ensisijaisesti kyse analyysin arvioitavuudesta ja luotettavuudesta
• lisäksi toistettava data-analyysi on suoraviivaisempi, helpommin hallittava sekä ennen kaikkean jaettava

Lähde: Workshop: Oikopolkua datasta julkaisuun 2/2013

• Analyysikoodin+datan jakaminen tiedeyhteisölle on tärkeä ja konkreettinen osa tieteellisen osaamisen ja tiedon kumuloitumista, ja merkittävä mahdollisuus juuri laskennallisten (sosiaali)tieteiden kehittymiselle
• Kun analyysissä käytetetään avoimen lähdekoodin ohjelmistoja on analyysi toistettavissa myös riippumatta tutkijan taloudellisista resursseista tai rajoittavista kaupallisten ohjelmien lisensseistä

Lähde: Workshop: Oikopolkua datasta julkaisuun 2/2013

• Kaikki ohjelmat vapaan ja avoimen lähdekoodin ohjelmia
• tekstit, esitykset, webbisivut tekstimuodossa

Käytän

• linux käyttöjärjestelmä
• markdown merkintäkieltä kirjoittamiseen (millä tahansa tekstieditorilla)
• R-kieltä data-analyysiin, tilastolliseen analyysiin ja tilastografiikkaan
• pandoc-dokumentinkääntäjää lähdekooditekstin kääntämiseen eri formaatteihin (.docx,.pdf,.ppt,.html,.epub,..)
• .git-versionhallintaa versionhallintaan

• kaikkien julkaisujen lähdekoodi tekstimuodossa
• erityyppiset julkaisut (slaidit,raportit,artikkelit) käännetään samasta koodipohjasta
• kaikki analyysin vaiheet ohjelmoitu ja dokumentoitu

library(RCurl)
# myCsv <- getURL("https://docs.google.com/spreadsheet/pub?key=0AqQZEZLGjzKAdHlaelpHU2VDR3V1blNfeExma19keFE&output=csv")
# dat <- read.csv(textConnection(myCsv), na.strings = "")
# save(dat, file="dat.RData")
load("dat.RData")

# uudet muuttujanimet
names(dat) <- c("aika","tieteenala",
        "empiriaPainot","teoriaPainot",
        "laadulPainot","dataAvointa",
        "yksinTyo","OaYleinen",
        "AtMahdollisuus","kunta")
#df <- dat[-1:-11,]
df <- dat
# aikaleimasta päivämäärä
library(stringr)
df$aika <- as.character(df$aika)
df$pvm <- str_trim(str_sub(df$aika, 1, 10))
df$pvm <- as.Date(df$pvm, format="%d.%m.%Y")

df[1:5,7:11]

library(ggplot2)
ggplot(df, aes(x=pvm)) + 
  geom_bar()

library(ggplot2)
ggplot(df, aes(x=tieteenala)) + 
  geom_bar()

library(knitr)
knit("dokkari.Rmd")
system("pandoc dokkari.md -o dokkari.pdf")
system("pandoc dokkari.md -o dokkari.odt")
system("pandoc -s dokkari.md -o dokkari.html")

Demossa käytettiin osin avointa dataa ja avoimia menetelmiä

avoin data

• kuntien paikkatieto googlesta (geocoding-funktiolla)
• Suomen paikkatietoaineisto GADM-tietokannasta
• tutkimusdata googlen lomakkeesta (ei-avoin)

avoimet menetelmät

• R-laskentaympäristö
• Rstudio IDE -käyttöliittymä
• liuta r-paketteja
• pandoc - dokumentin kääntäjä

• Avoimet analyysiohjelmistot vahvoja toistettavien/dynaamisten tutkimusraporttien (paperit,esitysgrafiikka,tms.) teossa
• dynaamisuuden edut: kun data tai analyysikoodi muuttuu, niin julkaisu on aina ajan tasalla

Linkkejä

• Xie (2014): Dynamic Documents with R and knitr
  • kirjan lähdekoodi githubissa
• Oikopolkua datasta julkaisuun - Toistettava data-analyysiprosessi määrällisessä sosiaalitutkimuksessa R:n, Markdownin ja knitr:n avulla