OpenTalks #11

内容来源:OpenScience

跨学科开源多功能元分析数据库建设

在以往的科学研究中,大量成果往往以文章PDF及数据集的形式报告和存储。然而,不同学科领域之间报告标准的差异和机器不可读取的局限,使得研究者在综述与元分析研究中,对信息的提取耗时费力。近年来,学术文章发表数量的不断增加和可重复性危机的出现,使得对比不同研究间结果和搜证纵览整个领域文献变得更加重要。那么针对这类问题是否有可行的解决方案?

本期OpenTalk我们有幸邀请到合作数据库(Cooperation Databank, CoDa)的创始人阿姆斯特丹自由大学实验与应用心理学系的Daniel Balliet教授,与核心开发团队成员金淑娴(该系在读博士生),分享他们在跨学科开源多功能数据库建设方面的经验。

CoDa 应用平台官方网站:
https://app.cooperationdatabank.org/
CoDa 文章预印本下载链接:
https://psyarxiv.com/rveh3/

报告信息

时间
北京时间[UTC+8] 12月3日(周四) 21:00
欧洲中部时间[CET] 12月3日(周四) 14:00
美国东部时间[EST] 12月3日(周四) 08:00
时长为1小时

zoom信息
Meeting ID: 913 9401 0836

报告流程

CoDa简介(8-10 min, Jin + Balliet)
CoDa详细介绍(25-30 min, Jin)
CoDa总结与展望(10 min, Balliet)
问答(10-15 min)

报告语言:英语

分享嘉宾
Daniel Balliet,教授
阿姆斯特丹自由大学实验与应用心理学系教授,阿姆斯特丹合作实验室(Amsterdam Cooperation Lab, ACL)与合作数据库(CooperationDatabank, CoDa)创始人,人类合作行为领域研究者,ERC Starting Grant与ERC Consolidator Grant获得者。更多信息见:
https://amsterdamcooperationlab.com/danielballiet/

金淑娴,在读博士
阿姆斯特丹自由大学实验与应用心理学系在读博士,合作数据库(Cooperation Databank, CoDa)核心开发团队及编委会成员,主要使用元分析、调查、田野实验等方法研究社会困境的情境特征、互依性与人类合作行为。
题目:The Cooperation Databank

摘要

Publishing studies using standardized, machine-readable formats will enable machines to perform meta-analyses on-demand. To build a semantically-enhanced technology that embodies these functions, we developed the Cooperation Databank (CoDa) – a databank that contains 2,641 studies on human cooperation (1958-2017) published in Chinese, English, and Japanese. Experts annotated these studies for 312 variables, including the quantitative results (effect sizes). We designed an ontology that defines and relates concepts in cooperation research and that can represent the relationships between individual study results. We have created a research platform that, based on the dataset, enables users to retrieve studies that test the relation of variables with cooperation, visualize these study results, and perform (1) meta-analyses, (2) meta-regressions, (3) estimates of publication bias, and (4) statistical power analyses for future studies. CoDa offers a vision of how publishing studies in a machine-readable format can establish institutions and tools that improve scientific practices and knowledge.