alterlab-open-science

开放科学实践

概述

开放科学从根本上改变了研究的开展、分享和评估方式。开放科学不再将科学过程视为一系列私下进行、最终汇聚为精致论文的活动，而是让整个研究生命周期保持透明——从最初的假设，到数据收集、分析和传播。这种透明度有多重作用：提高人们对研究结果的信任，通过支持复用和重复验证加快科学进步，让负面结果也能被看见以减少资源浪费，并让更多人平等获取知识。

开放科学运动涵盖了多种实践：预注册研究设计和分析方案、在数据收集前接受同行评审的注册报告、依据 FAIR 原则（可发现、可访问、可互操作、可复用）开放分享数据和材料、通过多种途径（Green、Gold、Diamond）发表开放获取论文、使用容器和笔记本构建可复现的计算工作流、开放同行评审，以及使用持久化存储库长期保存数据。

本技能为实施上述各项实践提供实用指导。它并非倡议性文档——它承认开放与隐私之间的现实矛盾、开放获取出版的成本，以及有时与开放实践相冲突的职业激励。目标是让研究人员掌握相关知识，从而能够明智地决定采用哪些开放科学实践、何时采用以及如何采用。

何时使用此技能

在需要以下操作时使用此技能：

• 在 Open Science Framework（OSF）或 AsPredicted 上预注册研究
• 准备向期刊提交注册报告
• 为资助申请制定数据管理计划（NSF、NIH、ERC、UKRI）
• 按照 FAIR 原则分享研究数据
• 选择合适的数据存储库（Zenodo、Dryad、Figshare 或特定领域的存储库）
• 了解开放获取出版选项及其成本
• 为研究成果选择 Creative Commons 许可证
• 使用 Docker、Binder 或 Code Ocean 构建可复现的计算分析
• 创建其他人可以执行和验证的计算笔记本
• 参与或建立开放同行评审流程
• 规划并开展重复验证研究
• 开发或参与开源研究软件项目
• 遵守资助方关于数据分享和开放获取的规定
• 了解并实施 TOP 指南（Transparency and Openness Promotion，透明度与开放促进指南）

不适用场景

场景	请改用
IRB 申请、知情同意、GDPR/HIPAA 合规	alterlab-research-ethics
存储一篇预印本（arXiv、bioRxiv、SSRN、OSF Preprints）并选择其许可证	alterlab-preprint-deposition
数据已有后，仍按照冻结的方案进行分析（HARKing、结果切换）	alterlab-preregistration-discipline
撰写资助申请的正文、研究目标或预算	alterlab-research-grants
为土耳其境内研究制定符合 KVKK 的数据管理计划	alterlab-kvkk-dmp

核心能力

预注册

预注册是指在收集或分析数据之前，公开记录研究计划——包括假设、方法、样本量和分析策略。它可以区分验证性分析（检验假设）和探索性分析（生成假设），降低 p-hacking、HARKing（结果已知后提出假设）及其他可疑研究行为的风险。

主要预注册平台：

平台	最适合的用途	功能
OSF Registries	所有学科	多种模板、保密期选项、DOI，可与 OSF 项目集成
AsPredicted	快速预注册	8 个问题的模板，简单易用，可生成 PDF
ClinicalTrials.gov	临床试验	在美国，大多数干预性试验依法必须注册
PROSPERO	系统综述	专用于健康相关的系统综述
EGAP	政治学／治理	专为实验性治理研究设计

预注册应包含的内容：

1. 研究问题和假设 —— 陈述具体、可检验的预测
2. 研究设计 —— 实验、准实验、观察性研究、调查
3. 变量 —— 自变量、因变量、协变量、调节变量、中介变量
4. 样本 —— 目标人群、抽样策略、纳入／排除标准
5. 样本量论证 —— 提供功效分析或资源限制及其理由
6. 测量 —— 工具、量表、构念的操作化
7. 分析计划 —— 统计检验、模型设定、假设检验
8. 推断标准 —— Alpha 水平、多重比较校正
9. 排除标准 —— 移除数据点或参与者的规则
10. 探索性分析 —— 计划开展但不用于验证假设的分析

references/preregistration_guide.md 中收录了一段完整的预注册示例（假设、分析计划、功效分析），以及对预注册并不要求什么的常见误解（探索性分析、偏离计划、定性研究）。可复用的 OSF 和 AsPredicted 模板见 references/open-science-resources.md。

注册报告

注册报告通过将预注册纳入同行评审流程，进一步拓展了预注册。研究分为两个阶段进行评审：

阶段 1：数据收集之前

• 引言、假设、方法和分析计划接受同行评审
• 如果获批，期刊会发出原则性接受（IPA）
• 只要遵循研究方案，无论结果如何，研究都会发表

阶段 2：数据收集之后

• 将结果和讨论补充到已接受的研究方案中
• 仅评审是否遵循计划以及解释质量
• 无论结果是否具有统计显著性，都会发表

注册报告的优势：

• 消除发表偏倚（无效结果也会发表）
• 同行评审可在高成本的数据收集开始前改进研究方法
• 由于结果不决定是否发表，因此消除 p-hacking 的动机
• 为验证性研究提供明确的承诺机制

提供注册报告的期刊： 目前已有 300 多种不同学科的期刊接受注册报告。开放科学中心在 cos.io/rr 提供完整列表。

references/preregistration_guide.md 中提供了完整的注释版阶段 1 投稿结构（引言、方法、分层分析计划、排除标准、时间表）；references/open-science-resources.md 中提供了按学科划分的注册报告期刊列表。

开放数据与 FAIR 原则

FAIR 原则为充分发挥数据对人类和机器的价值提供了框架：

可发现：

• 为每个数据集分配一个持久标识符（DOI）
• 使用丰富的元数据描述数据
• 将数据集登记到可搜索的资源中
• 在元数据中包含该标识符

可访问：

• 将数据存储在可信的存储库中，以便长期保存
• 使用标准化、开放的协议检索数据
• 即使无法共享数据本身，也要提供元数据
• 在必要时实施身份验证（并非所有数据都可以开放）

可互操作：

• 使用正式、可访问且共享的知识表示语言
• 使用遵循 FAIR 原则的词汇表
• 添加指向其他数据的限定引用

可重用：

• 使用准确且相关的属性描述数据
• 发布时附上清晰、易于访问的数据使用许可
• 为数据关联详细的来源信息
• 符合相关领域的社区标准

实用的数据共享清单： 完整的三阶段清单（共享前、准备存储、存储）涵盖去标识化、代码本、格式、许可、DOI 和数据可用性声明，详见 references/data_sharing_and_dmp.md。各学科的元数据标准和首选开放文件格式详见 references/open-science-resources.md。

数据管理计划

目前，大多数主要资助机构都要求在资助申请中提交数据管理计划（DMP）。DMP 说明如何收集、整理、存储、共享和保存数据。

NSF 数据管理与共享计划（DMSP，最多 2 页）： 自 PAPPG 24-1 Supplement 2 起（NSF 26-202；适用于 2026 年 1 月 22 日及之后授予的资助），计划需在 Research.gov 工具中编写（该工具于 2026 年 4 月 27 日发布；更早的申请需上传 PDF），且支持 NSF 资助的出版物的数据必须在出版时共享，任何例外情况都必须在 DMSP 中说明理由。具体要求因学部而异；计划通常涵盖：

1. 数据类型和其他研究成果
2. 数据和元数据标准
3. 访问和共享政策
4. 再使用和再分发政策
5. 归档和保存计划

NIH 数据管理与共享计划（2023 年后）：

1. 数据类型
2. 相关工具、软件和代码
3. 标准
4. 数据保存、访问及相关时间表
5. 访问、分发和再使用方面的考量
6. 数据管理与共享的监督

DMP 示例节选（数据类型、共享计划、标准）以及 DMP 编写工具列表（DMPTool、DMPonline、ARGOS）详见 references/data_sharing_and_dmp.md。

开放获取出版

开放获取（OA）取消付费墙，让任何人无需订阅即可阅读研究成果。开放获取有几种途径：

金色开放获取（Gold OA）： 论文发表在完全开放获取的期刊上。作者（或其资助方／机构）支付文章处理费（APC）。示例：PLOS ONE、eLife、BMJ Open。

绿色开放获取（Green OA）： 作者将论文的某个版本（预印本或已接收稿件）存入知识库。期刊可能会设定禁发期（通常为 6-12 个月），但美国主要资助方现在已取消这一限制：2024 年 NIH 公共获取政策要求，2025 年 7 月 1 日或之后接收的稿件必须在发表当天公开存入 PubMed Central；NSF 则取消了 2026 年 1 月 22 日或之后获批项目的 NSF-PAR 存档 12 个月禁发期。无需支付 APC。知识库包括机构知识库、PubMed Central、arXiv 和 SSRN。

钻石开放获取（Diamond OA，亦称白金开放获取）： 期刊为开放获取期刊，且不收取 APC——费用由机构、学术协会或资助项目承担。示例包括许多人文学科期刊、Journal of Machine Learning Research，以及一些学会期刊。

混合开放获取（Hybrid OA）： 期刊采用订阅制，但提供单篇论文开放获取选项（需支付 APC）。这种模式颇具争议，因为机构需要支付两次费用（订阅费 + APC）。一些资助方（如 cOAlition S / Plan S）已不再资助混合开放获取。

青铜开放获取（Bronze OA）： 论文可在出版商网站免费阅读，但没有开放许可证。出版商可以随时撤销访问权限。这不是真正的开放获取。

APC 费用范围（2026 年；价格每年都会变化，请查看期刊的费用页面）：

出版商类别	通常的 APC
大型期刊（PLOS ONE：$2,477）	$2,000-$2,600
中档专业期刊	$2,000-$4,000
可选金色开放获取的高影响力期刊（Nature 现在收费超过 $12,000）	$5,000-$13,000
钻石开放获取期刊	$0

权利保留策略： 许多资助方（包括 cOAlition S 成员）现在支持权利保留策略，即作者保留作者已接收稿件的 CC-BY 许可证，无论出版商的政策如何。这使作者能够在稿件获接收后立即将其存入知识库，以实现绿色开放获取。

各学科预印本服务器：

服务器	学科
arXiv	物理学、数学、计算机科学、定量生物学
bioRxiv	生物学
medRxiv	健康科学（未经同行评审的临床研究结果）
SSRN	社会科学、经济学、法律
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	所有学科

研究成果的知识共享许可协议

知识共享（CC）许可协议为共享研究成果提供标准化条款。理解这些协议对开放科学至关重要。

许可选项（从限制最少到限制最多）：

许可协议	允许的用途	要求	限制
CC0（公共领域）	任何用途	无	无
CC-BY	任何用途	署名	无
CC-BY-SA	任何用途	署名、相同方式共享	衍生作品必须使用相同许可协议
CC-BY-NC	非商业用途	署名	不得用于商业用途
CC-BY-NC-SA	非商业用途	署名、相同方式共享	不得用于商业用途，且必须使用相同许可协议
CC-BY-ND	仅限分享	署名	不得创作衍生作品
CC-BY-NC-ND	非商业分享	署名	不得用于商业用途，不得创作衍生作品

建议：

• 数据： CC0 或 CC-BY 4.0（可重复使用性最高；数据库另受单独的法律保护）
• 出版物： CC-BY 4.0（包括 Plan S 在内的许多资助方都要求使用）
• 软件： 使用经 OSI 批准的许可证（MIT、Apache 2.0、GPL）——CC 许可协议并非为软件设计
• 教育材料： CC-BY 或 CC-BY-SA（可用于开放教育资源，OER）

可复现分析

可复现性意味着其他研究者可以使用你的数据和代码，得到相同的结果。计算可复现性是最低标准；可重复性（使用新数据得到相似结果）则是更高的目标。

可复现性的层级：

1. 文档记录 -- 充分描述分析步骤，使他人原则上能够复现
2. 共享代码 -- 分享实际使用的分析脚本
3. 环境记录 -- 记录使用的软件版本、程序包和操作系统
4. 容器化 -- 打包完整的计算环境（Docker、Singularity）
5. 可执行环境 -- 提供一键运行分析的方式（Binder、Code Ocean）

各层级的工具： Docker/Singularity 用于打包完整环境；Binder（mybinder.org）可将带有 environment.yml 或 install.R 的 GitHub 仓库转换为实时交互式 Jupyter/RStudio 会话，无需在本地安装；Code Ocean 可确保可复现性，并为每个已发布的“计算胶囊”提供 DOI（Nature 等机构使用它来验证结果）。务必固定确切的程序包版本，以确保环境能够以相同方式重新构建。

可直接复制使用的方案——R 分析用的 Dockerfile、带注释的 Binder environment.yml、用于软件引用的 CITATION.cff 文件，以及可复现代码的八项核心规则（相对路径、随机种子、程序包管理器、会话信息、流水线自动化、版本控制、README、在干净的机器上测试）——均位于 references/reproducible_workflows.md。Makefile 流水线和完整的项目目录结构位于 references/open-science-resources.md。

计算笔记本

Jupyter 笔记本、R Markdown 和 Quarto 文档可将代码、文本和结果整合到同一份文档中。若使用得当，它们是开展可复现研究的强大工具。

Jupyter 笔记本（.ipynb）：

• 最适合 Python、Julia、R
• 支持交互式探索和可视化
• 在浏览器中运行，可通过 GitHub、Binder、Google Colab 分享
• 风险：非线性的执行顺序可能破坏可复现性

R Markdown（.Rmd）/ Quarto（.qmd）：

• 最适合 R（也支持 Python、Julia）
• 可生成精美的文档（PDF、HTML、Word）
• 线性执行模型（比笔记本更具可复现性）
• papaja 程序包可直接生成符合 APA 格式的手稿

笔记本最佳实践：

• 分享前重启并运行所有单元格（确保线性执行）
• 使用有意义的单元格顺序（不要依赖乱序执行）
• 提交到版本控制前清除所有输出
• 使用 nbstripout 或类似工具，避免差异文件过于臃肿
• 在生产分析中，将笔记本与独立脚本配合使用

开放式同行评审

开放式同行评审包含多种做法，旨在提高评审流程的透明度：

开放式同行评审模式：

1. 公开身份 -- 向作者披露评审者姓名（有时也会公开）
2. 公开评审报告 -- 随论文一同发布评审文本
3. 开放参与 -- 任何人都可以提交评审或评论（而不只是受邀评审者）
4. 开放互动 -- 作者与评审者在评审期间进行对话
5. 开放预审稿件 -- 预印本可让公众在正式评审前发表评论

实行开放式同行评审的期刊：

期刊/平台	模式
eLife	发布评审意见及作者回复
BMJ	公开身份、公开评审报告
F1000Research	发表后开放评审
PLOS ONE（可选）	作者可以选择公开评审报告
PeerJ	作者可以发布评审历史
Frontiers	公开身份、结构化评审报告

数据存储库

选择合适的存储库取决于您的学科、数据类型和资助方要求。

通用存储库：

存储库	最大文件大小	许可证	DOI	保存期限
Zenodo	每条记录 50 GB（最多 100 个文件）	灵活	是	CERN 长期保存
Dryad	通过网页上传时为 300 GB（更大的文件可另行安排）；数据发布费从 $150 起，除非由成员机构或期刊承担	必须使用 CC0	是	经整理，长期保存
Figshare	20 GB 私有存储空间，单个文件 20 GB（免费 figshare.com 账户）；更大容量需付费使用 Figshare Plus	灵活	是	长期保存
OSF	单个文件 5 GB；每个私有项目或组件 5 GB／每个公开项目或组件 50 GB	灵活	是	长期保存
Harvard Dataverse	通过浏览器上传时，单个文件 2.5 GB	灵活	是	长期保存

领域专用存储库（部分示例）：

存储库	领域	备注
GenBank / SRA	基因组学	序列数据必须使用
PDB	蛋白质结构	结构生物学必须使用
ICPSR	社会科学	提供经整理且受访问控制的选项
PANGAEA	地球科学	地理参考数据
Qualitative Data Repository	定性研究	专用于访谈／民族志数据
UK Data Archive	社会科学（英国）	长期保存
Archaeology Data Service	考古学	立足英国，面向国际

复现研究

复现研究旨在重现先前研究的发现。它们对科学的自我纠正至关重要，但长期以来受到低估。

复现类型：

1. 直接复现 -- 相同的方法、相同的样本群体、相同的分析
2. 概念复现 -- 使用不同的方法检验相同的理论预测
3. 系统性复现 -- 在条件、样本群体或情境之间进行有计划的变化

规划复现研究：

• 向原作者索取原始材料（直接复现必需）
• 在 OSF 或 AsPredicted 上预注册复现计划
• 为研究确定足够的统计功效，以检测原始效应量（而不只是“显著性”）
• 使用“小望远镜”方法（Simonsohn，2015）确定最小可检测效应
• 同时依据原始效应和您最关注的最小效应报告结果
• 向发表复现研究的期刊投稿（例如，PLOS ONE 复现研究专刊）

重要考量：

• 尽早联系原作者——他们可能会分享材料、数据或分析代码
• 预先指定判定复现“成功”的标准
• 考虑开展多地点复现，以提高结果的普适性
• 无论结果如何都应发表——阴性复现具有科学价值

开源研究软件

研究软件日益被视为一流的学术成果。将其开源有助于提高可复现性，并推动社区贡献。

研究软件最佳实践：

1. 选择合适的许可证 -- MIT（宽松）、Apache 2.0（宽松并提供专利保护）、GPL（著佐权）
2. 使用版本控制 -- 使用 Git，并在 GitHub/GitLab 上创建公开存储库
3. 编写文档 -- README、安装说明、用法示例、API 参考
4. 添加测试 -- 单元测试、集成测试和回归测试
5. 使用持续集成 -- GitHub Actions、GitLab CI 或类似工具
6. 创建符合语义化版本规范的发行版本 -- v1.2.3（主版本号.次版本号.修订号）
7. 发布 DOI -- Zenodo-GitHub 集成可为每个发行版本生成 DOI
8. 撰写软件论文 -- Journal of Open Source Software (JOSS) 发表经过同行评审的软件论文
9. 添加 CITATION.cff 文件 -- 机器可读的引用元数据

references/reproducible_workflows.md 中提供了一个可直接调整使用的 CITATION.cff 示例（作者、ORCID、版本、DOI、许可证）。

最佳实践

开启开放科学

1. 从预注册开始 —— 免费、能改善研究设计，而且只需一小时。为你的下一项验证性研究使用 AsPredicted 模板。
2. 随下一篇论文分享数据 —— 选择 Zenodo 或特定领域的存储库。编写代码本。每次都会更容易。
3. 发布预印本 —— 在投稿前或投稿时，将论文上传到合适的预印本服务。这样可以提高可见度并确立优先权。
4. 使用版本控制 —— 如果你为研究编写任何代码，就使用 git。这是确保可复现性的硬性要求。
5. 随做随记录 —— 在项目进行期间编写 README 文件、代码本和分析日志，远比之后重新构建这些内容容易。

应对机构和资助方要求

1. 了解资助方的要求 —— NIH、NSF、ERC、UKRI 等许多机构现在都要求提交数据共享计划并提供开放获取。请阅读适用于你这项资助的具体政策。
2. 使用机构存储库 —— 许多大学运营机构存储库，符合 Green OA 的要求。
3. 查看出版商政策 —— Sherpa Romeo（sherpa.ac.uk/romeo）收录了出版商的自存档政策。
4. 为 APC 做预算 —— 在资助预算中列入开放获取出版费用。大多数资助方都允许这样做。
5. 与出版商协商 —— 如果资助方有要求，可在投稿附信中加入权利保留声明。
6. 查看期刊的 TOP 等级 —— TOP 2025 定义了七种研究实践（研究注册、研究方案、分析计划、材料、分析代码、数据和报告透明度），每种实践分为三个等级（披露；共享并引用；认证）；此外，还包括验证实践（结果透明度、计算可复现性）和验证研究类型（重复研究、注册报告、多宇宙分析、多分析者）。

在开放与限制之间取得平衡

1. 敏感数据 —— 并非所有数据都能或都应该公开共享。存在重新识别风险的人体受试者数据、涉及原住民数据主权的数据，以及专有数据，都需要谨慎处理。即使无法共享原始数据，也要共享元数据和分析代码。
2. 被抢先发表的顾虑 —— 预注册和预印本实际上可以通过建立带时间戳的公开记录，保护你免遭抢先发表。
3. 职业激励 —— 一些终身教职评审委员会低估开放科学贡献的价值。请记录开放资源的影响（下载量、引用次数、再利用情况）。
4. 时间成本 —— 学习和实施开放科学实践需要时间。从一两种实践开始，逐步扩展。

建立开放科学实验室文化

1. 以身作则 —— 如果你是 PI，在要求学员这样做之前，先为自己的研究进行预注册并分享自己的数据。
2. 提供培训 —— 为开放科学技能（git、OSF、Docker、数据管理）安排实验室会议时间。
3. 奖励开放实践 —— 当实验室成员分享数据、发布预印本或为开源工具做贡献时，予以认可和赞扬。
4. 创建模板 —— 制定实验室专用的预注册模板、数据管理计划和 README 模板，降低采用门槛。
5. 为此编列预算 —— 在资助申请中列入数据管理、APC 费用和开放科学基础设施的开支。

常见陷阱

预注册常见问题

• 计划规定过于具体 —— 过于僵化的预注册计划会让数据收集过程中的合理方法决策无从施展。请针对预期可能出现的情况制定决策规则。
• 计划规定不够具体 —— 含糊的预注册对限制研究者的自由度帮助甚微。请明确说明分析决策。
• 查看数据后才进行预注册 —— 这会违背预注册的初衷。即使只是初步查看数据，也会损害分析的验证性地位。
• 将偏离计划视为失败 —— 只要透明报告并说明理由，偏离计划并无不可。科学研究本就复杂多变。

数据共享常见问题

• 共享数据时未注明许可 —— 在许多司法管辖区，未注明许可的数据默认受“保留所有权利”保护。务必注明许可（CC0 或 CC-BY）。
• 去标识化不足 —— 仅删除姓名并不足够。人口统计变量的组合可能会重新识别个人。请采用正式的匿名化方法，并咨询你的 IRB。
• 没有文档说明 —— 没有代码簿的数据对他人毫无用处。若无定义说明，诸如 “Q4_rev_3” 这样的变量名毫无意义。
• 忘记引用数据 —— 已发布的数据集应像论文一样引用。请使用 DOI。

可复现性常见问题

• “在我的机器上能运行”综合征 —— 依赖本地配置的代码在其他环境中会出错。请使用容器或虚拟环境。
• 笔记本执行顺序不一致 —— Jupyter 单元格乱序运行会产生隐藏状态。分享前务必重启内核并运行所有单元格。
• 硬编码路径 —— /Users/martinez/Desktop/project/data.csv 在其他人的机器上无法使用。请使用相对路径。
• 缺少随机种子 —— 未设置随机种子的随机分析每次运行都会产生不同结果。
• 依赖项过时 —— 使用锁文件记录软件包版本，可避免未来出现问题。

开放获取常见问题

• 掠夺性出版商 —— 掠夺性期刊会收取 APC，却不提供真正的同行评审。投稿前请查看 DOAJ 并核查出版商的声誉。
• 重复收费的出版商 —— 一些混合型期刊会同时收取订阅费和 APC。如今，许多资助方拒绝支付混合型 APC。
• 失去版权 —— 请仔细阅读出版协议。许多出版商要求转让版权，这会限制你分享自己作品的能力。
• 忽视禁运期 —— 如果你签署的出版协议规定了 12 个月的禁运期，请遵守约定，或在签署前协商。

参考文献

• Nosek, B. A., Ebersole, C. R., DeHaven, A. C., & Mellor, D. T. (2018). The preregistration revolution. Proceedings of the National Academy of Sciences, 115(11), 2600-2606.
• Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J., et al. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data, 3, 160018.
• Chambers, C. D. (2013). Registered Reports: A new publishing initiative at Cortex. Cortex, 49(3), 609-610.
• Simonsohn, U. (2015). Small telescopes: Detectability and the evaluation of replication results. Psychological Science, 26(5), 559-569.
• Open Science Collaboration. (2015). Estimating the reproducibility of psychological science. Science, 349(6251), aac4716.
• Suber, P. (2012). Open Access. MIT Press.
• Stodden, V., Leisch, F., & Peng, R. D. (Eds.). (2014). Implementing Reproducible Research. CRC Press.
• Center for Open Science. (2025). TOP 2025: Transparency and Openness Promotion Guidelines. https://www.cos.io/initiatives/top-guidelines
• Creative Commons. (2026). About CC Licenses. https://creativecommons.org/licenses/
• Bezjak, S., Clyburne-Sherin, A., Conzett, P., et al. (2018). Open Science Training Handbook. Zenodo. https://doi.org/10.5281/zenodo.1212496

属于 AlterLab Academic Skills 套件的一部分。