Meta-Research Leseliste für Peer-Reviewer
Suchen Sie nach Möglichkeiten, Ihre Manuskripte und Peer-Reviews zu verbessern? Diese Leseliste "Wissenschaft der Wissenschaft" kann Ihnen helfen!
Bei der Begutachtung von Arbeiten oder beim Verfassen eigener Arbeiten ist es wichtig, daran zu denken, dass die Tatsache, dass etwas in Ihrem Fachgebiet Standard ist, nicht bedeutet, dass es die beste Vorgehensweise ist. Wissenschaftler:innen, Zeitschriften und Förderorganisationen erkennen zunehmend die Grenzen vieler bestehender Praktiken und führen neue Richtlinien ein, um Transparenz, Strenge und Reproduzierbarkeit zu verbessern. Die eLife Ambassadors-Gruppe für Meta-Forschung hat eine Liste von Meta-Forschungsartikeln für Autoren und Peer-Reviewer erstellt. Diese "Science of Science"-Artikel helfen den Peer-Reviewern, die Probleme mit einigen sehr verbreiteten Praktiken zu erkennen und zu verstehen.
Diese Sammlung von Artikeln bietet auch konstruktive Lösungen, die es den Autor:innen erleichtern, Transparenz, Strenge und Reproduzierbarkeit zu verbessern. Das Zitieren relevanter Meta-Forschungsartikel in Rezensionen ist ein Schritt, den Peer Reviewer unternehmen können, um die Qualität der wissenschaftlichen Literatur zu verbessern. Die Artikel in der Liste konzentrieren sich zwar auf Praktiken, die in den biomedizinischen Grundlagenwissenschaften üblich sind, aber diese Praktiken werden auch in vielen anderen Bereichen angewandt, die in der Regel kleine Stichprobengrößen haben. Jedes Thema ist klar gekennzeichnet, so dass es einfach ist, Artikel zu finden, die für Ihr Fachgebiet relevant sind.
Wenn Sie an einem Preprint- oder Peer-Review-Journal-Club (wie ASAPBio) teilnehmen, können Sie versuchen, einige dieser Artikel in einer Ihrer Sitzungen zu diskutieren. Der Austausch von Informationen über bewährte Verfahren mit Ihren Kolleg:innen kann die Qualität künftiger Diskussionen und Rezensionen verbessern.
Metaforschungsartikel und Lehrartikel
Metaforschungsartikel zur Verbesserung von Transparenz und Reproduzierbarkeit (in Englisch)
Why you shouldn’t use bar graphs to show continuous data (and what to do instead):
http://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.1002128
Follow-up paper with information on how to recognize & fix other common visualization problems: https://www.ahajournals.org/doi/10.1161/CIRCULATIONAHA.118.037777
Free online tools for creating better graphics for scientific publications:
- Interactive dotplots, box plots and violin plots:
https://www.jbc.org/article/S0021-9258(20)32792-7/pdf - Interactive line graphs:
http://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.1002484 - Other free tools for creating static graphics: https://twitter.com/T_Weissgerber/status/953334933019398145
How to create clear and informative image-based figures (photos, microscopy, electron microscopy, clinical imaging techniques):
https://journals.plos.org/plosbiology/article/metrics?id=10.1371/journal.pbio.3001161
- Creating image-based figures for publications (a Fiji workflow)
https://f1000research.com/articles/9-1373 - How to report imaging methods
https://elifesciences.org/articles/55133
The problem with underpowered studies:
https://www.nature.com/articles/nrn347Why it’s important to report all excluded observations & the reasons for exclusion:
http://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.1002331P-values are often reported incorrectly:
Why it’s important to present the information needed to verify the test result
https://link.springer.com/article/10.3758/s13428-015-0664-2Why we need to report more than “Data were analyzed by t-tests or ANOVA”:
https://elifesciences.org/articles/36163Why you can’t conclude that two experimental effects are different because one is statistically significant, and the other is not:
https://www.nature.com/articles/nn.2886When a case-control study is not a case-control study:
https://www.medicaljournals.se/jrm/content/abstract/10.2340/16501977-0343Unblinded studies find larger effects:
http://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.1002190Animal research: Follow the ARRIVE guidelines to improve transparency and reproducibility:
- http://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.1001756
- https://www.biorxiv.org/content/early/2017/09/12/187245
- https://elifesciences.org/articles/13615
Animal research: Multi-lab studies may improve reproducibility:
http://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.2003693Check for clusters of non-independent data (replicates, mice from the same litter, etc.):
Did the authors account for non-independence in their analysis? https://bmcneurosci.biomedcentral.com/articles/10.1186/1471-2202-11-5Beware of image manipulation:
http://mbio.asm.org/content/7/3/e00809-16.long- Interactive dotplots, box plots and violin plots:
Lehrartikel (in Englisch)
Common misconceptions about data analysis and statistics:
http://jpet.aspetjournals.org/content/351/1/200.full.pdf+htmlStrategies for improving data analysis and reporting in experimental biology:
http://jpet.aspetjournals.org/content/372/1/136Small samples are more likely to give spurious results:
http://www.jstor.org/stable/27858964Transparency is the key to quality:
http://www.jbc.org/content/290/50/29692.full.pdf+htmlResearch methods: Know when your numbers are significant:
http://www.nature.com/nature/journal/v492/n7428/full/492180a.htmlEine kürzere Version dieser Liste wurde ursprünglich vom eLife Ambassadors Meta-Research Team entwickelt und auf ECR Life veröffentlicht.
