【英語論文の書き方】第82回 「研究データと関連文書の管理(パート1):研究内容を文書で厳密に記録することがなぜ大切なのか」について

2021年6月18日 17時11分

第81回では「データ以外のもの(パート2)」を取り上げました。

第82回(今回)のテーマは
「研究データと関連文書の管理(パート1):研究内容を文書で厳密に記録することがなぜ大切なのか」についてです。
 
研究者は、データを長期的に残し、
未来の研究者がそのデータを利用できるように
保管することがますます求められています。
 
Kathy R. Berensonは、この課題について
完璧で素晴らしい概要を2018年に出版しています*が、
それは心理学分野の研究にフォーカスしたものとなっています。
(*Berenson, K.R. 2018, Managing Your Research Data and Documentation. American Psychological Association. 105 p. including index)
 
今回の4部作の記事では、彼女が書いた内容を踏まえて、
もっと実地調査や実験室での研究にフォーカスした概要をお伝えします。
 
どのような研究を行うにしても、入力データの品質、
その記録、分析の仕方を管理する方法を見つけることが大切です。
 
ぜひご参考になさってください。

 

Managing your study data and the supporting documentation. Part 1: Why it’s important to rigorously document your study and archive the data

By Geoffrey Hart
 
Increasingly, researchers are being asked to archive their data so that it remains available in the long term and can be used by future researchers. Kathy R. Berenson (2018) provides a thorough and excellent overview of this subject, but she focuses on psychology research. In this series of four articles, I’ll build upon what she’s written to provide a summary that focuses more on field and laboratory research.
 
Note: Berenson, K.R. 2018. Managing Your Research Data and Documentation. American Psychological Association. 105 p. including index (https://www.apa.org/pubs/books/4313048)
 
In part 1 of this series of four articles, I’ll discuss why it’s important to document your research and archive the data. In part 2, I’ll describe the project files you should create as part of your documentation. In part 3, I’ll discuss data validation and some important notes about any software you develop to support your analysis. In part 4, I’ll describe how to set up replication files—collections of data and methods that you can give to a colleague who wants to use your data or methods in their own research.
 
Whatever type of research you perform, it’s important to find ways to control the quality of your input data and standardize how you recorded and analyzed the data. This is particularly important for long-term research projects, in which you will need to apply a consistent, reliable, effective, and efficient method for many years so that the resulting multi-year dataset lets you combine data from multiple years to support deeper and more powerful analyses.
 
An important way to accomplish this goal is to go beyond archiving your data so that it will be available to future researchers: you should also document your data, methods, and analytical procedures, as this makes it easier for you to review what you’ve done and makes it easier for future researchers to understand what you’ve done so they can benefit from and build on your results. Replicability is an essential part of science, particularly in fields of research whose outcome will directly affect human lives. You’ve probably heard of the “replication crisis” (https://en.wikipedia.org/wiki/Replication_crisis), in which researchers try to replicate a study and obtain different or even contradictory results.
 
In studies of biological systems, including humans, so many factors vary between studies that the associated experimental conditions also change, and “identical” results are rarely possible. To mitigate this problem, it’s necessary to document your research sufficiently well that future researchers could repeat it for the same study system, under similar conditions, and obtain identical results. (This is essential in fields where your data will be useful to support meta-analyses of large datasets from multiple studies.) The better your documentation, the more likely it is that that replication will be successful because you have eliminated a major source of replication failure: the use of different or inconsistent methods. If future researchers fail to replicate your research, they can propose a plausible explanation that doesn’t relate to inconsistent methods.
 
Your documentation should be so complete and detailed that another researcher could control their experimental conditions well enough that if they repeated your study, they would be likely to obtain similar results. Alternatively, if you gave them your dataset, they should be able to perform the same calculations and statistical analyses that you performed and obtain the same results.
 
This careful approach to documenting your research also lets you compare your results more effectively with previously published results. For example, if you’ve studied a specific ecosystem and want to claim that another researcher’s results support your conclusions, you must find studies of an ecosystem that is sufficiently similar to your study system to allow a fair comparison. The greater the difference in species, climatic conditions, anthropogenic impacts, and other factors, the better the support. The more similar the methodology, the better the support. Any differences provide a plausible explanation for differences in the results. Alternatively, you must be able to recognize when an ecosystem is sufficiently different from your study system that the differences can explain any contrast between the results of the two studies. Such comparisons are easiest if the research has been documented sufficiently well that you truly understand what the other researchers did and how it differs from what you did. This also increases the likelihood that other researchers who perform meta-analyses can determine whether to include your results in their analysis.
 
These suggestions are reasonable, but the biggest problem you’ll encounter lies in how to manage your data and the documentation that explains it. (Most researchers receive no formal training in managing and documenting their data, and have to invent their own methods. Berenson’s 2018 book provides a detailed explanation. Here, I’m providing an overview based on her work.) Determining how to manage your data and documentation is difficult, in part because modern research generates large quantities of complex data that you must manage. Fortunately, there are logical ways to proceed that make this task easier and more effective. One of the key strategies is to develop objective, clear methods for organizing, processing, and analyzing your data—and to combine this with such a good explanation of what you’ve done that another researcher could exactly repeat what you did. I’ll discuss these issues in the remaining three parts of this series of articles.
 
One final thing to keep in mind before we begin exploring how to manage your data and methods: It’s increasingly rare for research to have no ethical considerations, particularly when the research results have implications for human health and safety or for the world that supports our lives. These ethical considerations include the need to manage your data in such a way that it can be shared. In particular, research that received government funding should be freely available to all the taxpayers who supported that research, including other researchers. This issue is so important that the American Psychological Association now asks its members to archive their data so that it remains available for a minimum of 5 years. A better target might be 10 years, particularly for important and innovative research or research that was difficult and expensive to perform. Other ethical considerations include how to safeguard the privacy of individuals (e.g., by anonymizing their data), how to protect rare or endangered species (e.g., by not providing detailed location instructions that would let unethical collectors steal those organisms), and how to avoid harm to future researchers (e.g., by explicitly documenting potentially dangerous procedures and how to avoid those problems).
 
In Part 2 of this article, I’ll discuss how to set up a structure that will help you manage your data and the associated documentation.
 

無料メルマガ登録

メールアドレス
お名前

これからも約2週間に一度のペースで、英語で論文を書く方向けに役立つコンテンツをお届けしていきますので、お見逃しのないよう、上記のフォームよりご登録ください。
 
もちろん無料です。

バックナンバー

第1回 if、in case、when の正しい使い分け:確実性の程度を英語で正しく表現する

第2回 「装置」に対する英語表現

第3回 助動詞のニュアンスを正しく理解する:「~することが出来た」「~することが出来なかった」の表現

第4回 「~を用いて」の表現:by と with の違い

第5回 技術英文で使われる代名詞のitおよび指示代名詞thisとthatの違いとそれらの使用法

第6回 原因・結果を表す動詞の正しい使い方:その1 原因→結果

第7回 原因・結果を表す動詞の使い方:その2 結果→原因

第8回 受動態の多用と誤用に注意

第9回 top-heavyな英文を避ける

第10回 名詞の修飾語を前から修飾する場合の表現法

第11回 受動態による効果的表現

第12回 同格を表す接続詞thatの使い方

第13回 「技術」を表す英語表現

第14回 「特別に」を表す英語表現

第15回 所有を示すアポストロフィー + s ( ’s) の使い方

第16回 「つまり」「言い換えれば」を表す表現

第17回 寸法や重量を表す表現

第18回 前置詞 of の使い方: Part 1

第19回 前置詞 of の使い方: Part 2

第20回 物体や物質を表す英語表現

第21回 句動詞表現より1語動詞での表現へ

第22回 不定詞と動名詞: Part 1

第23回 不定詞と動名詞の使い分け: Part 2

第24回 理由を表す表現

第25回 総称表現 (a, theの使い方を含む)

第26回研究開発」を表す英語表現

第27回 「0~1の数値は単数か複数か?」

第28回 「時制-現在形の動詞の使い方」

第29回  then, however, therefore, for example など接続副詞の使い方​

第30回  まちがえやすいusing, based onの使い方-分詞構文​

第31回  比率や割合の表現(ratio, rate, proportion, percent, percentage)

第32回 英語論文の書き方 総集編

第33回 Quality Review Issue No. 23 report, show の時制について​

第34回 Quality Review Issue No. 24 参考文献で日本語論文をどう記載すべきか​

第35回 Quality Review Issue No. 25 略語を書き出すときによくある間違いとは?​

第36回 Quality Review Issue No. 26 %と℃の前にスペースを入れるかどうか

第37回 Quality Review Issue No. 27 同じ種類の名詞が続くとき冠詞は付けるべき?!​

第38回 Quality Review Issue No. 22  日本人が特に間違えやすい副詞の使い方​

第39回 Quality Review Issue No. 21  previous, preceding, earlierなどの表現のちがい

第40回 Quality Review Issue No. 20 using XX, by XXの表現の違い

第41回 Quality Review Issue No. 19 increase, rise, surgeなど動詞の選び方

第42回 Quality Review Issue No. 18 論文での受動態の使い方​

第43回 Quality Review Issue No. 17  Compared with とCompared toの違いは?​

第44回 Reported about, Approach toの前置詞は必要か?​

第45回 Think, propose, suggest, consider, believeの使い分け​

第46回 Quality Review Issue No. 14  Problematic prepositions scientific writing: by, through, and with -3つの前置詞について​

第47回 Quality Review Issue No. 13 名詞を前から修飾する場合と後ろから修飾する場合​

第48回 Quality Review Issue No. 13 単数用法のThey​

第49回 Quality Review Issue No. 12  study, investigation, research の微妙なニュアンスのちがい

第50回 SinceとBecause 用法に違いはあるのか?

第51回 Figure 1とFig.1の使い分け

第52回 数式を含む場合は現在形か?過去形か?

第53回 Quality Review Issue No. 8  By 2020とup to 2020の違い

第54回 Quality Review Issue No. 7  high-accuracy data? それとも High accurate data? 複合形容詞でのハイフンの使用

第55回 実験計画について

第56回 参考文献について

第57回 データの分析について

第58回 強調表現について

第59回 共同研究の論文執筆について

第60回 論文の略語について

第61回 冠詞の使い分けについて

第62回 大文字表記について

第63回 ダッシュの使い分け

第64回 英語の言葉選びの難しさについて

第65回 過去形と能動態について

第66回 「知識の呪い」について

第67回 「文献の引用パート1」について

第68回 「文献の引用パート2」について

第69回 「ジャーナル用の図表の準備」について

第70回 「結論を出す ~AbstractとConclusionsの違い~」について

第71回 「研究倫理 パート1: 研究デザインとデータ報告」について

第72回 「研究倫理 パート2: 読者の時間を無駄にしない」について

第73回 「記号と特殊文字の入力」について

第74回 「Liner regression(線形回帰)は慎重に」について

第75回 「Plagiarism(剽窃)を避ける」について

第76回 研究結果がもたらす影響を考える

第77回 「データの解析(パート1):データ探索を行う」について

第78回 「データの解析(パート2):統計分析」について

第79回 「データの解析(パート3):データを提示する」について

第80回 データ、その他の大事なものをバックアップする(パート1)

第81回 「データ以外のもの(パート2)」について


〒300-1206
茨城県牛久市ひたち野西3-12-2
オリオンピアA-5

TEL 029-870-3307
FAX 029-870-3308
ワールド翻訳サービス スタッフブログ ワールド翻訳サービス Facebook ワールド翻訳サービスの動画紹介