reproducérbarhed

Reproducérbarhed omtales i forskning som evnen til at genskabe resultater ved at anvende de samme data, de samme analysemetoder og det samme kodebaserede workflow. Når en undersøgelse er reproducérbar, kan andre uafhængigt følge trinene og få samme konklusioner, forudsat at forudsætningerne – data, scripts og miljø – er tilgængelige.

For at opnå reproducérbarhed er det nødvendigt at give adgang til data og kode, samt detaljeret dokumentation af analyseworkflowet. Praktiske tiltag inkluderer open data og open kildekode, registrering af præcise versioner (f.eks. git-commit IDs), afhængighedsstyring og brug af container-teknologier (som Docker eller Singularity) for at fastholde computerumgivelserne. Det er også vigtigt at sætte deterministiske seeds og tydeligt beskrive alle valg af parametre og modeller, så andre kan gentage beregningerne under identiske forhold.

Der er ikke altid fuld reproducérbarhed: nogle resultater er afhængige af tilfældige processer, støj, komplekse numeriske metoder eller ikke-reproducerbare data. Forskellige discipliner har varierende krav, og visse resultater kan være følsomme over for hardware eller software-miljøer. Derfor skal forventningerne til reproducérbarhed tilpasses konteksten.

Samtidig spiller kultur og politik en vigtig rolle. Mange tidsskrifter og institutioner fremmer reproducérbarhed gennem krav om kode og data, præregistrering af studier og klare dokumentationsstandarder. Reproducérbarhed anses som en vigtig indikator for troværdighed og gennemsigtighed i videnskaben.