Dentro de la ciencia abierta, se busca que, al realizar una investigación, esta pueda ser reproducida por otros investigadores e investigadoras a fin de aumentar la confianza de los resultados encontrados, que estos puedan ser verificados y además se tenga la posibilidad de realizar análisis alternativos. Para ello, se requiere como mínimo tener acceso a las bases de datos y la codificación usada en el software de análisis estadístico (Muñoz, 2018). La necesidad de tener investigaciones reproducibles surgió y tuvo mayor alcance a raíz de la demostración de distintos fraudes, manipulación de datos y resultados en investigaciones publicadas en revistas de alto impacto científico, conociéndose esto como una crisis de reproducibilidad. A partir de ese momento, se buscó promover la reproducibilidad dentro de la investigación científica, teniendo como ventaja una mayor transparencia acerca de la calidad e integridad de los estudios y disponibilidad de los datos completos, logrando así un mayor progreso en la ciencia.
La mejora en la reproducibilidad aumenta el rigor y calidad de la investigación y con ello una mayor confianza en la ciencia. Sin embargo, Bezjak et al. (2018) plantean que no es algo que se deba dar solo en una parte de la investigación, por el contrario, debe darse a lo largo del proceso, desde el comienzo del proyecto y la recolección de datos, hasta la interpretación y reporte de estos.
Debido a los problemas que existen en torno a la crisis de reproducibilidad en la ciencia y las diversas amenazas de hallazgos incorrectos en las investigaciones, en la presente reseña se hará una revisión de las medidas planteadas por Munafó et al. (2017) que podrían ser utilizadas para mejorar la eficiencia de la investigación y la solidez de los hallazgos científicos, al enfocarse en las amenazas específicas a la ciencia reproducible, las cuales se detallan en la siguiente imagen:
Estos desafíos presentes en las investigaciones son posibles de enfrentar y se puede buscar una solución que ayude a mejorar la calidad de los trabajos realizados. Sin embargo, las listas presentadas no son las únicas alternativas de solución a utilizar, se pueden buscar otras propuestas e ideas para que las prácticas de la investigación científica sean más confiables y eficientes durante todo el proceso, así como para que los resultados que se puedan obtener de esta contribuyan al conocimiento.
Ofrecer una solución a los problemas que surjan, no garantiza la eficacia en su aplicación. Por tanto, las alternativas de solución propuestas generan también otros desafíos, los cuales requerirán de una revisión y análisis de estos para buscar las soluciones alternativas que puedan responder de manera adecuada a las problemáticas encontradas.
Bezjak, S., Clyburne-Sherin, A., Conzett, P., Fernandes, P., Görögh, E., Helbig, K, y Heller, L. (2018). Open Science Training Handbook (Version 1.0). Zenodo. http://doi.org/10.5281/zenodo.1212496
Munafò, M. R., Nosek, B. A., Bishop, D. V. M., Button, K., Chambers, C. D., Percie du Sert, N., Simonsohn, U., Wagenmakers, E.-J., Ware, J. J., y Ioannidis, J. P. A. (2017). A manifesto for reproducible science. Nature Human Behaviour, 1, 21. https://doi.org/10.1038/s41562-016-0021
Muñoz, O. (2018). Investigación cualitativa reproducible: un camino que debemos empezar a recorrer. Universitas Médicas, 59(3), 1-10. https://doi.org/10.11144/Javeriana.umed59-3.icrc