alterlab-open-science

オープンサイエンスの実践

概要

オープンサイエンスは、研究の実施、共有、評価のあり方を根本的に変えるものです。科学的なプロセスを、完成した論文の発表に至る一連の非公開の活動として扱うのではなく、オープンサイエンスでは、最初の仮説からデータ収集、分析、公開に至るまで、研究のライフサイクル全体を透明にします。この透明性には複数の目的があります。研究結果への信頼を高め、再利用や再現を可能にして科学の進歩を加速し、否定的な結果を可視化して無駄を減らし、知識へのアクセスを民主化します。

オープンサイエンスの運動には、幅広い実践が含まれます。研究計画と分析の事前登録、データ収集前に査読を受ける登録報告、FAIR 原則（検索可能、アクセス可能、相互運用可能、再利用可能）に基づくデータと資料のオープンな共有、さまざまな方式（グリーン、ゴールド、ダイヤモンド）によるオープンアクセス出版、コンテナやノートブックを用いた再現可能な計算ワークフロー、オープン査読、長期的なデータ保存のための永続的なリポジトリの活用などです。

このスキルでは、これらの実践を導入するための実用的なガイダンスを提供します。これは推進を目的とする文書ではありません。オープン性とプライバシーの間にある現実的な緊張関係、オープンアクセス出版の費用、オープンな実践と相反することもあるキャリア上のインセンティブを認めています。研究者が、どのオープンサイエンスの実践を、いつ、どのように採用するかについて、十分な情報に基づいて判断できるようにすることが目的です。

このスキルを使用する場面

次のような場合に、このスキルを使用してください。

• Open Science Framework（OSF）または AsPredicted で研究を事前登録する
• ジャーナルへの登録報告の投稿を準備する
• 研究助成金の申請用にデータ管理計画を作成する（NSF、NIH、ERC、UKRI）
• FAIR 原則に準拠して研究データを共有する
• 適切なデータリポジトリ（Zenodo、Dryad、Figshare、分野別リポジトリ）を選ぶ
• オープンアクセス出版の選択肢や費用を検討する
• 研究成果に適用するクリエイティブ・コモンズ・ライセンスを選ぶ
• Docker、Binder、Code Ocean を使用して再現可能な計算分析を構築する
• 他の人が実行・検証できる計算ノートブックを作成する
• オープン査読プロセスに参加する、またはその仕組みを整える
• 再現研究を計画・実施する
• オープンソースの研究用ソフトウェアを開発する、またはその開発に貢献する
• データ共有とオープンアクセスに関する資金提供機関の要件に準拠する
• TOP ガイドライン（透明性とオープン性の推進）を理解し、実践する

該当しないケース

シナリオ	代わりに使用
IRB 申請、インフォームド・コンセント、GDPR／HIPAA への準拠	alterlab-research-ethics
プレプリントを 1 件（arXiv、bioRxiv、SSRN、OSF Preprints）登録し、そのライセンスを選ぶ	alterlab-preprint-deposition
データが存在する状態で、分析を凍結済みの計画に従って行う（HARKing、アウトカムの変更）	alterlab-preregistration-discipline
助成金申請書の本文、研究目的、または予算を作成する	alterlab-research-grants
トルコでの研究に関する KVKK 準拠のデータ管理計画	alterlab-kvkk-dmp

主な機能

事前登録

事前登録とは、データを収集または分析する前に、仮説、方法、サンプルサイズ、分析戦略などの研究計画を公開して記録することです。これにより、仮説検証を目的とする確認的分析と、仮説の生成を目的とする探索的分析を区別し、pハッキング、HARKing（結果を知った後で仮説を立てること）、その他の問題のある研究慣行のリスクを低減できます。

主な事前登録プラットフォーム：

プラットフォーム	最適な用途	特徴
OSF Registries	すべての分野	複数のテンプレート、公開猶予オプション、DOI、OSFプロジェクトとの統合
AsPredicted	手軽な事前登録	8つの質問からなるテンプレート、シンプル、PDFを生成
ClinicalTrials.gov	臨床試験	米国での大半の介入試験で法的に義務付け
PROSPERO	システマティックレビュー	ヘルスケア関連のシステマティックレビューに特化
EGAP	政治学／ガバナンス	実験的なガバナンス研究向けに設計

事前登録に含める項目：

1. 研究課題と仮説 -- 具体的で検証可能な予測を示す
2. デザイン -- 実験的、準実験的、観察的、調査
3. 変数 -- 独立変数、従属変数、共変量、調整変数、媒介変数
4. サンプル -- 対象集団、サンプリング戦略、採用／除外基準
5. サンプルサイズの根拠 -- 検出力分析またはリソース上の制約とその根拠
6. 測定 -- 測定機器、尺度、構成概念の操作化
7. 分析計画 -- 統計的検定、モデルの仕様、前提条件の確認
8. 推論の基準 -- 有意水準、多重比較の補正
9. 除外基準 -- データポイントまたは参加者を除外するルール
10. 探索的分析 -- 計画しているが、確認的ではない分析

事前登録の抜粋例（仮説、分析計画、検出力分析）と、事前登録で必須ではないもの（探索的分析、計画からの逸脱、質的研究）に関するよくある誤解は、references/preregistration_guide.mdにまとめられています。再利用可能なOSFおよびAsPredictedのテンプレートは、references/open-science-resources.mdにあります。

登録済みレポート

登録済みレポートは、事前登録を査読プロセスに組み込むことで、事前登録をさらに発展させたものです。研究は2段階で審査されます。

ステージ1：データ収集前

• 序論、仮説、方法、分析計画が査読されます
• 採択されると、ジャーナルは原則採択（IPA）を発行します
• プロトコルに従っている限り、結果にかかわらず研究は出版されます

ステージ2：データ収集後

• 採択されたプロトコルに結果と考察を追加します
• 計画への準拠と解釈の質のみが審査されます
• 結果が統計的に有意かどうかにかかわらず出版されます

登録済みレポートの利点：

• 出版バイアスをなくします（帰無結果も出版されます）
• 高額なデータ収集を行う前に査読で方法を改善できます
• 結果によって出版の可否が決まらないため、pハッキングの動機をなくします
• 確認的研究に明確なコミットメントの仕組みを提供します

**登録済みレポートを受け付けているジャーナル：**現在、さまざまな分野の300を超えるジャーナルが登録済みレポートを受け付けています。Center for Open Scienceが、完全な一覧をcos.io/rrで管理しています。

ステージ1の投稿構成を注釈付きで詳しく示した資料（序論、方法、段階的な分析計画、除外基準、タイムライン）は、references/preregistration_guide.mdにあります。分野別の登録済みレポート対応ジャーナル一覧は、references/open-science-resources.mdにあります。

オープンデータとFAIR原則

FAIR原則は、人間と機械の双方にとってデータを最大限に有用にするためのフレームワークです。

検索可能（Findable）：

• すべてのデータセットに永続的識別子（DOI）を割り当てます
• 豊富なメタデータでデータを説明します
• 検索可能なリソースにデータセットを登録します
• メタデータに識別子を含めます

アクセス可能（Accessible）：

• 長期保存に対応した信頼できるリポジトリにデータを保管します
• データ取得には標準化されたオープンプロトコルを使用します
• データ自体を共有できない場合も、メタデータを提供します
• 必要に応じて認証を実装します（すべてのデータをオープンにできるわけではありません）

相互運用可能（Interoperable）：

• 知識の表現には、正式でアクセス可能な共有言語を使用します
• FAIR原則に準拠する語彙を使用します
• 他のデータへの適切な参照を含めます

再利用可能（Reusable）：

• 正確で関連性の高い属性を使ってデータを説明します
• 明確でアクセス可能なデータ利用ライセンスを付けて公開します
• 詳細な来歴情報をデータに関連付けます
• 分野に関連するコミュニティ標準を満たします

実践的なデータ共有チェックリスト： 匿名化、コードブック、形式、ライセンス、DOI、データ利用可能性に関する声明を網羅した3段階のチェックリスト（共有前、提出準備、提出）は、references/data_sharing_and_dmp.md にあります。分野別のメタデータ標準と推奨されるオープンファイル形式は、references/open-science-resources.md にあります。

データ管理計画

現在、主要な資金提供機関のほとんどが、助成金申請の一部としてデータ管理計画（DMP）を求めています。DMPでは、データの収集、整理、保管、共有、保存の方法を説明します。

NSFデータ管理・共有計画（DMSP、最大2ページ）： PAPPG 24-1 Supplement 2（NSF 26-202、2026年1月22日以降の助成が対象）以降、計画はResearch.govのツールで作成します（2026年4月27日公開。それ以前の申請ではPDFをアップロード）。NSFの資金提供を受けた論文を支えるデータは、公開時に共有する必要があり、例外がある場合はDMSPでその理由を示します。各局のガイダンスが適用され、計画では通常、以下の項目を扱います。

1. データおよびその他の研究成果物の種類
2. データとメタデータの標準
3. アクセスと共有に関する方針
4. 再利用と再配布に関する方針
5. アーカイブと保存の計画

NIHデータ管理・共有計画（2023年以降）：

1. データの種類
2. 関連するツール、ソフトウェア、コード
3. 標準
4. データの保存、アクセス、関連するタイムライン
5. アクセス、配布、再利用に関する考慮事項
6. データ管理と共有の監督

DMPの記入例（データの種類、共有計画、標準）と、DMP作成ツール（DMPTool、DMPonline、ARGOS）の一覧は、references/data_sharing_and_dmp.md にあります。

オープンアクセス出版

オープンアクセス（OA）によりペイウォールがなくなり、誰でも購読せずに研究を読めるようになります。OA にはいくつかの方法があります。

ゴールド OA： 完全なオープンアクセスジャーナルで出版します。著者（または資金提供者／所属機関）が論文掲載料（APC）を支払います。例：PLOS ONE、eLife、BMJ Open。

グリーン OA： 著者が論文のバージョン（プレプリントまたは受理済み原稿）をリポジトリに登録します。ジャーナルがエンバーゴ期間（通常6～12か月）を設けることがありますが、現在は米国の主要な資金提供機関がこれを無効にしています。2024年版NIH Public Access Policyでは、2025年7月1日以降に受理された受理済み原稿を、出版日にPubMed Centralで公開することが義務付けられています。また、NSFは2026年1月22日以降の助成金について、NSF-PARへの登録に対する12か月のエンバーゴを撤廃しました。APCは不要です。リポジトリには、機関リポジトリ、PubMed Central、arXiv、SSRNなどがあります。

ダイヤモンド OA（プラチナ OA）： ジャーナルはオープンアクセスで、APCは不要です。費用は機関、学術団体、助成金によって賄われます。人文科学系の多くのジャーナル、Journal of Machine Learning Research、一部の学会誌などが該当します。

ハイブリッド OA： ジャーナルは購読制ですが、個々の記事について（APCを支払うことで）OAを選択できます。機関が購読料とAPCの両方を支払うため、議論を呼んでいます。一部の資金提供機関（例：cOAlition S／Plan S）は、ハイブリッド OAへの資金提供を終了しています。

ブロンズ OA： 出版社のウェブサイトで無料で読めますが、オープンライセンスはありません。出版社はいつでもアクセスを取り下げることができます。真のOAではありません。

APCの価格帯（2026年。価格は毎年変わるため、ジャーナルの料金ページを確認してください）：

出版社の区分	一般的なAPC
メガジャーナル（PLOS ONE：$2,477）	$2,000-$2,600
中堅の専門ジャーナル	$2,000-$4,000
インパクトファクターの高いジャーナルのゴールド OA オプション（Natureは現在$12,000超）	$5,000-$13,000
ダイヤモンド OA ジャーナル	$0

権利保持戦略： cOAlition Sの加盟機関を含む多くの資金提供機関が、権利保持戦略を支持するようになっています。この戦略では、出版社の方針にかかわらず、著者が著者最終稿に対するCC-BYライセンスを保持します。これにより、受理後すぐにグリーン OA として登録できます。

分野別のプレプリントサーバー：

サーバー	分野
arXiv	物理学、数学、コンピューターサイエンス、定量生物学
bioRxiv	生物学
medRxiv	医療科学（査読を経ていない臨床研究の知見）
SSRN	社会科学、経済学、法学
PsyArXiv	心理学
SocArXiv	社会学、政治学
EdArXiv	教育学
EarthArXiv	地球科学
ChemRxiv	化学
OSF Preprints	全分野

研究のためのクリエイティブ・コモンズ・ライセンス

クリエイティブ・コモンズ（CC）ライセンスは、研究成果を共有するための標準化された条件を定めています。オープンサイエンスには、ライセンスを理解することが欠かせません。

ライセンスの選択肢（許可範囲が広い順）：

ライセンス	許可されること	必要な条件	制限
CC0（パブリックドメイン）	あらゆる利用	なし	なし
CC-BY	あらゆる利用	表示	なし
CC-BY-SA	あらゆる利用	表示、継承	派生物には同じライセンスを適用
CC-BY-NC	非営利目的の利用	表示	商用利用不可
CC-BY-NC-SA	非営利目的の利用	表示、継承	商用利用不可、同じライセンスを適用
CC-BY-ND	共有のみ	表示	派生物の作成不可
CC-BY-NC-ND	非営利目的の共有	表示	商用利用不可、派生物の作成不可

推奨事項：

• データ： CC0またはCC-BY 4.0（最も再利用しやすいライセンス。データベースには別途、法的保護があります）
• 出版物： CC-BY 4.0（Plan Sを含む多くの資金提供機関が必須としています）
• ソフトウェア： OSI承認ライセンス（MIT、Apache 2.0、GPL）を使用してください。CCライセンスはソフトウェア向けではありません
• 教材： CC-BYまたはCC-BY-SA（OERとしての利用が可能になります）

再現可能な分析

再現性とは、別の研究者があなたのデータとコードを使って、同じ結果を得られることを意味します。計算上の再現性が最低限の基準であり、追試可能性（新しいデータで類似した結果を得ること）が目指すべき目標です。

再現性のレベル：

1. ドキュメント化 -- 誰かが原理上、分析を再現できるだけの十分な詳細を手順に記述します
2. コードの共有 -- 実際に使用した分析スクリプトを共有します
3. 環境の記録 -- 使用したソフトウェアのバージョン、パッケージ、オペレーティングシステムを記録します
4. コンテナ化 -- 計算環境全体をパッケージ化します（Docker、Singularity）
5. 実行可能な環境 -- ワンクリックで分析を実行する方法を提供します（Binder、Code Ocean）

各レベルのツール： Docker/Singularity は環境全体をパッケージ化します。Binder（mybinder.org）は、environment.yml または install.R を含む GitHub リポジトリを、ローカルへのインストール不要で利用できる、ライブのインタラクティブな Jupyter/RStudio セッションに変換します。Code Ocean は、「compute capsule」ごとに公開 DOI を提供し、確実な再現性を実現します（Nature などが結果の検証に使用しています）。環境を同一に再構築できるよう、パッケージの正確なバージョンを必ず固定してください。

すぐに使えるレシピとして、R 分析用の Dockerfile、注釈付きの Binder environment.yml、ソフトウェア引用用の CITATION.cff ファイル、再現可能なコードの8つの基本ルール（相対パス、乱数シード、パッケージマネージャー、セッション情報、パイプラインの自動化、バージョン管理、README、クリーンなマシンでのテスト）が references/reproducible_workflows.md にあります。Makefile パイプラインとプロジェクトディレクトリ全体の構成は references/open-science-resources.md にあります。

計算ノートブック

Jupyter ノートブック、R Markdown、Quarto ドキュメントは、コード、テキスト、結果を1つのドキュメントにまとめます。適切に使えば、再現可能な研究のための強力なツールです。

Jupyter ノートブック（.ipynb）：

• Python、Julia、R に最適です
• インタラクティブな探索と可視化ができます
• ブラウザーで実行でき、GitHub、Binder、Google Colab で共有できます
• リスク：実行順序が直線的でないため、再現性が損なわれることがあります

R Markdown（.Rmd）/ Quarto（.qmd）：

• R に最適です（Python、Julia にも対応しています）
• 洗練されたドキュメント（PDF、HTML、Word）を作成できます
• 実行モデルが直線的なため、ノートブックより再現性が高くなります
• papaja パッケージを使うと、APA 形式の原稿を直接作成できます

ノートブックのベストプラクティス：

• 共有する前にカーネルを再起動し、すべてのセルを実行します（実行順序が直線的であることを保証します）
• セルを意味のある順序に並べます（順不同の実行に依存しないでください）
• バージョン管理にコミットする前に、すべての出力をクリアします
• 差分が肥大化しないよう、nbstripout などを使用します
• 本番分析では、ノートブックに単体で実行できるスクリプトを組み合わせます

オープンな査読

オープン査読には、査読プロセスの透明性を高めるいくつかの取り組みが含まれます。

オープン査読のモデル：

1. 身元の公開 -- 査読者の名前が著者に（場合によっては一般にも）開示されます
2. 査読レポートの公開 -- 査読コメントが論文とともに公開されます
3. 参加の開放 -- 招待された査読者に限らず、誰でも査読やコメントを投稿できます
4. オープンなやり取り -- 査読中に著者と査読者が対話します
5. 査読前の原稿の公開 -- プレプリントにより、正式な査読の前に一般からコメントを募ることができます

オープン査読を実践するジャーナル：

ジャーナル／プラットフォーム	モデル
eLife	査読レポートを著者の回答とともに公開
BMJ	身元の公開、査読レポートの公開
F1000Research	出版後のオープン査読
PLOS ONE（任意）	著者は査読レポートを公開するか選択できます
PeerJ	著者は査読履歴を公開できます
Frontiers	身元の公開、構造化されたレポート

データリポジトリ

適切なリポジトリは、専門分野、データの種類、資金提供者の要件によって異なります。

汎用リポジトリ：

リポジトリ	最大ファイルサイズ	ライセンス	DOI	保存
Zenodo	レコードあたり50 GB（最大100ファイル）	柔軟	あり	CERNによる長期保存
Dryad	ウェブアップロードで300 GB（それ以上は要相談）；会員機関またはジャーナルが負担しない場合、データ公開料金は150ドルから	CC0必須	あり	キュレーション済み、長期保存
Figshare	非公開ストレージ20 GB、ファイルあたり20 GB（無料のfigshare.comアカウント）；大容量の場合は有料のFigshare Plus	柔軟	あり	長期保存
OSF	ファイルあたり5 GB；非公開プロジェクトまたはコンポーネントあたり5 GB／公開プロジェクトまたはコンポーネントあたり50 GB	柔軟	あり	長期保存
Harvard Dataverse	ブラウザーアップロードでファイルあたり2.5 GB	柔軟	あり	長期保存

分野別リポジトリ（一部）：

リポジトリ	分野	備考
GenBank / SRA	ゲノミクス	配列データには必須
PDB	タンパク質構造	構造生物学には必須
ICPSR	社会科学	キュレーション済み、アクセス制御のオプションあり
PANGAEA	地球科学	地理参照データ
Qualitative Data Repository	質的研究	インタビュー／民族誌データに特化
UK Data Archive	社会科学（英国）	長期保存
Archaeology Data Service	考古学	英国を拠点とし、国際的な対象範囲

追試研究

追試研究では、先行研究の知見を再現しようとします。科学の自己修正に不可欠ですが、歴史的に十分な評価を受けてきませんでした。

追試の種類：

1. 直接追試 -- 同じ手法、同じ母集団、同じ分析
2. 概念的追試 -- 同じ理論的予測を検証する異なる手法
3. 系統的追試 -- 条件、母集団、または文脈を計画的に変化させる追試

追試研究の計画：

• 原著者から資料を入手します（直接追試では必須）
• OSFまたはAsPredictedで追試計画を事前登録します
• 元の効果量を検出できる検出力を確保します（単に「有意性」を見るのではありません）
• 「スモール・テレスコープ」アプローチ（Simonsohn、2015）を用いて、検出可能な最小効果を決定します
• 元の効果と、自身が関心を持つ最小効果の両方を基準に結果を報告します
• 追試を掲載するジャーナル（例：PLOS ONEの追試コレクション）に投稿します

主な考慮事項：

• 原著者には早めに連絡します。資料、データ、分析コードを共有してもらえる可能性があります
• 何をもって「成功した」追試とするか、基準を事前に明確に定めます
• 一般化可能性を高めるため、複数施設での追試を検討します
• 結果にかかわらず公開します。否定的な追試にも科学的価値があります

オープンソースの研究ソフトウェア

研究ソフトウェアは、学術成果の主要な一形態として認識されるようになっています。オープンソースにすることで再現性が高まり、コミュニティからの貢献が可能になります。

研究ソフトウェアのベストプラクティス：

1. 適切なライセンスを選択する -- MIT（寛容型）、Apache 2.0（特許保護付きの寛容型）、GPL（コピーレフト）
2. バージョン管理を使用する -- Gitを使い、GitHub/GitLabで公開リポジトリを運用します
3. ドキュメントを作成する -- README、インストール手順、使用例、APIリファレンス
4. テストを追加する -- 単体テスト、統合テスト、回帰テスト
5. 継続的インテグレーションを使用する -- GitHub Actions、GitLab CIなど
6. セマンティックバージョニングでリリースを作成する -- v1.2.3（major.minor.patch）
7. DOIを公開する -- Zenodo-GitHub連携により、各リリースのDOIが発行されます
8. ソフトウェア論文を執筆する -- Journal of Open Source Software（JOSS）は、査読済みのソフトウェア論文を掲載します
9. CITATION.cffファイルを追加する -- 機械可読な引用メタデータ

すぐにカスタマイズして使えるCITATION.cffの例（著者、ORCID、バージョン、DOI、ライセンス）は、references/reproducible_workflows.mdにあります。

ベストプラクティス

オープンサイエンスを始める

1. 事前登録から始める -- 無料で、研究デザインの改善につながり、所要時間も1時間ほどです。次の検証的研究にはAsPredictedのテンプレートを使いましょう。
2. 次の論文とともにデータを共有する -- Zenodoまたは分野別リポジトリを選び、コードブックを作成しましょう。共有するたびに簡単になります。
3. プレプリントを公開する -- 投稿前または投稿時に、適切なプレプリントサーバーにアップロードしましょう。認知度が高まり、優先権を確立できます。
4. バージョン管理を使う -- 研究でコードを書く場合は、gitを使いましょう。再現性を確保するうえで必須です。
5. 作業と並行して記録する -- プロジェクトの進行中にREADMEファイル、コードブック、分析ログを作成するほうが、後から再構築するよりはるかに簡単です。

機関や資金提供者の要件への対応

1. 資金提供者の義務を把握する -- NIH、NSF、ERC、UKRIなど、多くの機関がデータ共有計画とオープンアクセスを義務付けています。助成金に適用される具体的な方針を確認しましょう。
2. 所属機関のリポジトリを使う -- 多くの大学が、グリーンOAの要件を満たす機関リポジトリを運用しています。
3. 出版社の方針を確認する -- Sherpa Romeo（sherpa.ac.uk/romeo）には、出版社のセルフアーカイブ方針が掲載されています。
4. APCを予算に組み込む -- オープンアクセス出版費用を助成金の予算に含めましょう。ほとんどの資金提供者がこれを認めています。
5. 出版社と交渉する -- 資金提供者が求める場合は、カバーレターに権利保持に関する文言を盛り込みましょう。
6. ジャーナルのTOPレベルを確認する -- TOP 2025では、7つの研究慣行（研究登録、研究プロトコル、分析計画、資料、分析コード、データ、報告の透明性）がそれぞれ3段階（開示、共有して引用、認証）で定義されています。さらに、検証の慣行（結果の透明性、計算による再現性）と検証研究の種類（追試、登録報告、マルチバース、複数の分析者）も定義されています。

制約とオープン性のバランスを取る

1. 機微なデータ -- すべてのデータを公開できるわけでも、公開すべきなわけでもありません。再識別リスクのあるヒトを対象とした研究のデータ、先住民族のデータ主権に関する懸念、専有データには、いずれも慎重な取り扱いが必要です。生データを共有できない場合でも、メタデータと分析コードは共有しましょう。
2. 研究成果を先取りされる懸念 -- 事前登録とプレプリントは、実際には研究のタイムスタンプ付き公開記録を確立することで、成果の先取りから研究を守ります。
3. キャリア上のインセンティブ -- テニュア審査委員会の中には、オープンサイエンスへの貢献を過小評価するところもあります。オープンなリソースの影響（ダウンロード数、引用数、再利用）を記録しましょう。
4. 時間的コスト -- オープンサイエンスの実践には、習得と導入に時間がかかります。まず1つか2つの実践から始め、段階的に広げましょう。

オープンサイエンスを実践する研究室文化を築く

1. 自ら手本を示す -- PIであれば、研修生にも求める前に、自分の研究を事前登録し、自分のデータを共有しましょう。
2. 研修の機会を設ける -- 研究室ミーティングの時間を、オープンサイエンスのスキル（git、OSF、Docker、データ管理）の習得に充てましょう。
3. オープンな実践を評価する -- 研究室のメンバーがデータを共有したり、プレプリントを公開したり、オープンソースツールに貢献したりしたときは、その取り組みを認め、称えましょう。
4. テンプレートを作成する -- 研究室独自の事前登録テンプレート、データ管理計画、READMEテンプレートを作成し、導入のハードルを下げましょう。
5. 予算に組み込む -- 助成金の申請には、データ管理費、APC、オープンサイエンスのインフラ費用を含めましょう。

よくある落とし穴

事前登録で陥りやすい問題

• 計画を細かく定めすぎる — 事前登録が厳格すぎると、データ収集時に妥当な方法上の判断を下す余地がなくなります。想定される不測の事態に対する判断ルールを盛り込みましょう。
• 計画を十分に具体化しない — 曖昧な事前登録では、研究者の自由度を抑える効果がほとんどありません。分析上の判断を具体的に記載しましょう。
• データを確認した後に事前登録する — それでは事前登録の目的が損なわれます。データを予備的に確認しただけでも、分析の確認的な位置づけが損なわれます。
• 計画からの逸脱を失敗とみなす — 計画から逸脱しても、透明性をもって報告し、正当な理由を示せば問題ありません。科学研究には複雑な面があります。

データ共有で陥りやすい問題

• ライセンスなしでデータを共有する — 多くの法域では、ライセンスのないデータは「すべての権利を留保」とみなされます。必ずライセンス（CC0 または CC-BY）を付与しましょう。
• 匿名化が不十分 — 名前を削除するだけでは不十分です。人口統計学的変数を組み合わせると、個人を再特定できる場合があります。正式な匿名化手法を用い、所属機関の審査委員会（IRB）に相談しましょう。
• 文書化がない — コードブックのないデータは、他の人にとって役に立ちません。「Q4_rev_3」のような変数名も、定義がなければ意味がありません。
• データの引用を忘れる — 公開されたデータセットは、論文と同じように引用する必要があります。DOI を使いましょう。

再現性で陥りやすい問題

• 「自分の環境では動く」症候群 — ローカル環境に依存するコードは、他の環境では動作しません。コンテナまたは仮想環境を使いましょう。
• ノートブックを順不同で実行する — Jupyter のセルを順不同で実行すると、隠れた状態が生じます。共有する前に、必ずカーネルを再起動してすべてのセルを実行しましょう。
• パスのハードコード — /Users/martinez/Desktop/project/data.csv は、他の人のマシンでは動作しません。相対パスを使いましょう。
• 乱数シードの設定漏れ — シードを設定していない確率的分析では、実行ごとに異なる結果が得られます。
• 依存関係が古い — ロックファイルでパッケージのバージョンを記録しておけば、将来の不具合を防げます。

オープンアクセスで陥りやすい問題

• ハゲタカ出版社 — ハゲタカジャーナルは論文掲載料（APC）を請求しますが、実質的な査読を行いません。投稿前に DOAJ と出版社の評判を確認しましょう。
• 二重取りをする出版社 — ハイブリッドジャーナルの中には、購読料と APC の両方を請求するものがあります。現在、多くの資金提供機関はハイブリッド APC の支払いを拒否しています。
• 著作権を失う — 出版契約を注意深く確認しましょう。多くの出版社は著作権の譲渡を求めるため、自分の研究を共有する権利が制限されます。
• 公開猶予期間を無視する — 12 か月の公開猶予期間を定めた出版契約に署名した場合は、その条件を守るか、署名前に交渉しましょう。

参考文献

• Nosek, B. A., Ebersole, C. R., DeHaven, A. C., & Mellor, D. T. (2018). 事前登録の革命. Proceedings of the National Academy of Sciences, 115(11), 2600-2606.
• Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J., et al. (2016). 科学データの管理と保管のための FAIR 指導原則. Scientific Data, 3, 160018.
• Chambers, C. D. (2013). 登録済みレポート：Cortex における新たな出版の取り組み. Cortex, 49(3), 609-610.
• Simonsohn, U. (2015). 小型望遠鏡：検出可能性と再現研究の結果の評価. Psychological Science, 26(5), 559-569.
• Open Science Collaboration. (2015). 心理科学の再現性の推定. Science, 349(6251), aac4716.
• Suber, P. (2012). オープンアクセス. MIT Press.
• Stodden, V., Leisch, F., & Peng, R. D. (編). (2014). 再現可能な研究の実践. CRC Press.
• Center for Open Science. (2025). TOP 2025：透明性とオープン性の推進ガイドライン. https://www.cos.io/initiatives/top-guidelines
• Creative Commons. (2026). CC ライセンスについて. https://creativecommons.org/licenses/
• Bezjak, S., Clyburne-Sherin, A., Conzett, P., et al. (2018). オープンサイエンス研修ハンドブック. Zenodo. https://doi.org/10.5281/zenodo.1212496

AlterLab Academic Skills スイートの一部です。