Reproducibilidad significa que los datos y el código de investigación están disponibles para que otros sean capaces de obtener los mismos resultados alcanzados en sus trabajos. Este concepto está íntimamente relacionado con el de replicabilidad, el acto de repetir una metodología científica con el objetivo de alcanzar conclusiones similares. Estos conceptos son elementos centrales de la investigación empírica.
Este curso se enfoca en los conceptos y herramientas detrás de la presentación de informes de análisis de datos modernos de una manera reproducible. La investigación reproducible es la idea de que los análisis de datos y, de manera más general, las afirmaciones científicas, se publican con sus datos y código de software para que otros puedan verificar los hallazgos y aprovecharlos.
La necesidad de reproducibilidad aumenta drásticamente a medida que los análisis de datos se vuelven más complejos, involucrando conjuntos de datos más grandes y cálculos más sofisticados. La reproducibilidad permite que las personas se centren en el contenido real de un análisis de datos, en lugar de en los detalles superficiales informados en un resumen escrito.
Además, la reproducibilidad hace que un análisis sea más útil para otros porque los datos y el código que realmente llevó a cabo el análisis están disponibles.
Lo que aprenderás en este curso:
- Semana 1: Conceptos, ideas y estructura:
- Esta semana cubrirá las ideas básicas de la investigación reproducible, ya que puede que algunos de ustedes no estén familiarizados con ellas. También cubrimos la estructuración y organización de un análisis de datos para ayudar a que sea más reproducible. Te recomiendo que veas los videos en el orden en que aparecen en la página web, pero ver los videos fuera de orden no arruinará la historia.
- Semana 2: Markdown y Knitr:
- Esta semana cubrimos algunas de las herramientas básicas para desarrollar documentos reproducibles. Cubrimos la herramienta de programación literaria knitr y mostramos cómo integrarla con Markdown para publicar documentos web reproducibles. También presentamos la primera evaluación por pares que requerirá que escriba un análisis de datos reproducible usando knitr.
- Semana 3: Lista de verificación de investigación reproducible y análisis de datos basado en evidencia:
- Esta semana cubre lo que se podría llamar una lista de verificación básica para garantizar que un análisis de datos sea reproducible. Si bien no es absolutamente suficiente seguir la lista de verificación, proporciona un estándar mínimo necesario que sería aplicable a casi cualquier área de análisis.
- Semana 4: Estudios de caso y comentarios:
Esta semana hay dos estudios de caso relacionados con la importancia de la reproducibilidad en la ciencia para que los vea.
¿Cómo obtengo el curso?
Este curso es ofrecido desde la plataforma de Coursera, es un curso que puedes obtener de manera gratuita bajo ciertas condiciones.
La primera opción es elegir la opción de “Curso gratuito sin certificado”, de esta manera podrás acceder al contenido del curso y finalizarlo, pero no podrás obtener un certificado de finalización avalado por la plataforma.
La segunda opción es elegir “auditar curso”, con esta opción podrás acceder al contenido de video del curso, pero no podrás realizar los exámenes ni obtener el certificado de finalización. Si no ves la opción de auditar curso, debes verificar en la parte de abajo usando el scroll (en forma de link).
Las opciones varían dependiendo el curso, pero con cualquiera de las dos podrás acceder gratuitamente al contenido. Por si fuera poco, algunos cursos tienen la opción de ayuda económica, con los cuales puedes solicitar dicho apoyo y ser acreedor de un curso de pago.
Para obtener el curso de manera gratuita da clic en el siguiente botón: