Hemos tenido una acalorada discusión sobre este artículo entre mis colegas desde que salió el artículo de opinión.
Para fines de discusión, aquí está el párrafo problemático:
Una segunda preocupación sostenida por algunos es que surgirá una nueva clase de investigador: personas que no tuvieron nada que ver con el diseño y la ejecución del estudio pero que usan los datos de otro grupo para sus propios fines, posiblemente robando la productividad de la investigación planificada por el recolectores de datos, o incluso usar los datos para tratar de refutar lo que los investigadores originales habían postulado. Existe la preocupación de algunos investigadores de primera línea de que el sistema será asumido por lo que algunos investigadores han calificado como “parásitos de investigación”.
- Cómo obtener un trabajo de nivel de entrada en Data Science con una licenciatura en Ingeniería Electrónica y de Comunicación y tener un año de experiencia en la industria de semiconductores
- ¿Debería un científico de datos ser capaz de producir software?
- ¿Cómo es ser un científico de datos en Booking.com?
- ¿Dónde puedo encontrar mi primer trabajo como científico de datos con Python?
- ¿Qué debo hacer si quiero convertirme en científico de datos antes de los 35?
La idea de llamar a las personas que reanalizan publicaciones ya publicadas, “parásitos de investigación” de datos públicos es absurda. En primer lugar, no hay “usar la investigación de otra persona para su propio fin”. Nadie afirma que los datos son suyos, solo que la nueva forma de ver los datos es su propia idea. ¡Y el resultado final es que todo el campo se beneficia del análisis adicional ! Y si el nuevo análisis resulta determinar que el análisis inicial fue incorrecto, ¡aún mejor ! Luego, se evita más investigación basada en suposiciones erróneas, y todos ganan. La refutación de las hipótesis es uno de los pilares del método científico, ¡por el amor de Dios!
Por supuesto, siempre es agradable y potencialmente más productivo acercarse a los generadores de datos en el equipo original para asegurarse de que nada se malinterprete, y las colaboraciones son siempre la mejor manera de hacerlo, pero a veces ciertos científicos son ferozmente posesivos (este artículo es un ejemplo) y no quieren jugar bien en la caja de arena, prefieren arrojar arena a los ojos de otros investigadores.
Digo que pares de ojos adicionales en los datos, especialmente los grandes datos, siempre son bienvenidos , nunca parásitos, y si es necesario etiquetarlos, debe ser mutualismo o, en el peor de los casos, comensalismo .
Estoy expresando mis puntos de vista aquí, pero puedo decir con confianza que hasta ahora, el 100% de mis colegas han estado de acuerdo con lo que estoy expresando aquí. Hay muchos grupos independientes que vuelven a analizar los datos de TCGA (la página de inicio del Atlas del genoma del cáncer) y proponen nuevos ARN reguladores potenciales y otros descubrimientos interesantes y útiles. Creo que solo los científicos que estén realmente inseguros acerca de la calidad de los datos que están generando se sentirían incómodos al saber que otros revisarán sus datos con un peine fino. ¡Estoy orgulloso de trabajar con tantos “parásitos” sobresalientes!
