Enviar pesquisa
Carregar
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
•
Transferir como PPTX, PDF
•
6 gostaram
•
12,752 visualizações
D
daiki hojo
Seguir
心理学におけるオープンサイエンスするためのツールであるOpenScienceFrameworkとPsyArXivの説明です。 説明というよりツール紹介ですけれども。。。
Leia menos
Leia mais
Educação
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 30
Baixar agora
Recomendados
心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]
daiki hojo
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
nocchi_airport
あなたの心にBridgeSampling
あなたの心にBridgeSampling
daiki hojo
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
takehikoihayashi
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話
Classi.corp
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
Yu Tamura
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
Recomendados
心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]
daiki hojo
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
nocchi_airport
あなたの心にBridgeSampling
あなたの心にBridgeSampling
daiki hojo
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
takehikoihayashi
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話
Classi.corp
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
Yu Tamura
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
検定力分析とベイズファクターデザイン分析によるサンプルサイズ設計【※Docswellにも同じものを上げています】
検定力分析とベイズファクターデザイン分析によるサンプルサイズ設計【※Docswellにも同じものを上げています】
Hiroyuki Muto
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
分割時系列解析(ITS)の入門
分割時系列解析(ITS)の入門
Koichiro Gibo
関数データ解析の概要とその方法
関数データ解析の概要とその方法
Hidetoshi Matsui
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
hoxo_m
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
hoxo_m
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
Rで学ぶロバスト推定
Rで学ぶロバスト推定
Shintaro Fukushima
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
Masaru Tokuoka
1 8.交互作用
1 8.交互作用
logics-of-blue
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
Hiroshi Shimizu
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
強化学習その4
強化学習その4
nishio
これからの仮説検証・モデル評価
これからの仮説検証・モデル評価
daiki hojo
Bayesian Sushistical Modeling
Bayesian Sushistical Modeling
daiki hojo
Mais conteúdo relacionado
Mais procurados
検定力分析とベイズファクターデザイン分析によるサンプルサイズ設計【※Docswellにも同じものを上げています】
検定力分析とベイズファクターデザイン分析によるサンプルサイズ設計【※Docswellにも同じものを上げています】
Hiroyuki Muto
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
分割時系列解析(ITS)の入門
分割時系列解析(ITS)の入門
Koichiro Gibo
関数データ解析の概要とその方法
関数データ解析の概要とその方法
Hidetoshi Matsui
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
hoxo_m
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
hoxo_m
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
Rで学ぶロバスト推定
Rで学ぶロバスト推定
Shintaro Fukushima
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
Masaru Tokuoka
1 8.交互作用
1 8.交互作用
logics-of-blue
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
Hiroshi Shimizu
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
強化学習その4
強化学習その4
nishio
Mais procurados
(20)
検定力分析とベイズファクターデザイン分析によるサンプルサイズ設計【※Docswellにも同じものを上げています】
検定力分析とベイズファクターデザイン分析によるサンプルサイズ設計【※Docswellにも同じものを上げています】
Stanの便利な事後処理関数
Stanの便利な事後処理関数
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Stanコードの書き方 中級編
Stanコードの書き方 中級編
2 3.GLMの基礎
2 3.GLMの基礎
Stan超初心者入門
Stan超初心者入門
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
分割時系列解析(ITS)の入門
分割時系列解析(ITS)の入門
関数データ解析の概要とその方法
関数データ解析の概要とその方法
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
Rで学ぶロバスト推定
Rで学ぶロバスト推定
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
1 8.交互作用
1 8.交互作用
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
階層ベイズとWAIC
階層ベイズとWAIC
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
強化学習その4
強化学習その4
Mais de daiki hojo
これからの仮説検証・モデル評価
これからの仮説検証・モデル評価
daiki hojo
Bayesian Sushistical Modeling
Bayesian Sushistical Modeling
daiki hojo
GoogleCalenderをShinyを実装してみた(序) Tokyo.R #66 LT
GoogleCalenderをShinyを実装してみた(序) Tokyo.R #66 LT
daiki hojo
Stan勉強会資料(前編)
Stan勉強会資料(前編)
daiki hojo
MCMCしすぎて締め切り間近に焦っているあなたに贈る便利なgg可視化パッケージ
MCMCしすぎて締め切り間近に焦っているあなたに贈る便利なgg可視化パッケージ
daiki hojo
Stanの事後処理 LTver
Stanの事後処理 LTver
daiki hojo
楽にggplotを描く・整える
楽にggplotを描く・整える
daiki hojo
Mais de daiki hojo
(7)
これからの仮説検証・モデル評価
これからの仮説検証・モデル評価
Bayesian Sushistical Modeling
Bayesian Sushistical Modeling
GoogleCalenderをShinyを実装してみた(序) Tokyo.R #66 LT
GoogleCalenderをShinyを実装してみた(序) Tokyo.R #66 LT
Stan勉強会資料(前編)
Stan勉強会資料(前編)
MCMCしすぎて締め切り間近に焦っているあなたに贈る便利なgg可視化パッケージ
MCMCしすぎて締め切り間近に焦っているあなたに贈る便利なgg可視化パッケージ
Stanの事後処理 LTver
Stanの事後処理 LTver
楽にggplotを描く・整える
楽にggplotを描く・整える
Último
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
Tokyo Institute of Technology
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
YukiTerazawa
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
koheioishi1
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ssusere0a682
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ssusere0a682
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
yuitoakatsukijp
Último
(6)
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
1.
Scholarly commons to
connect the entire research cycle 心理学における オープンサイエンス入門 ~OSFとPsyArXivを知る編~ 専修大学大学院 文学研究科 心理学専攻 修士課程2年 北條大樹 SRiP 002 「心理学における再現可能性入門」 LTセッション 2018/03/12(月)
2.
本資料について • 心理学におけるオープンサイエンスを実現するための 以下のツールのなんとなくの使い方について”知る”ことが目的。 https://osf.io/ https://psyarxiv.com/ Open
Science Framework (OSF) PsyArXiv 2
3.
これまでの心理学研究 3 p <
.05 p < .005 3 < BF 超能力が存在する!?
4.
これまでの心理学研究 4 p <
.05 p < .005 3 < BF 超能力が存在する!? え?超能力って凄くない?
5.
これまでの心理学研究 5 p <
.05 p < .005 3 < BF 超能力が存在する!? え?超能力って凄くない? 再現してみよ~
6.
これまでの心理学研究 6 p <
.05 p < .005 3 < BF 超能力が存在する!? え?超能力って凄くない? 再現してみよ~ できない
7.
これまでの心理学研究 7 p <
.05 p < .005 3 < BF 超能力が存在する!? ・どんなに研究結果が良くても研究過程がよくわからなかったりする ※ちなみに専大の学部2年の実験レポートならD評価(再提出)です。 また、それ以外の状況として ・記述統計量や散布図をみたい ・別の統計解析をかけてみたい(コードを見たい) なんてことがあったりする。 意外と論文中の付録が雑だったり、リンク切れしてたり...
8.
どうすれば良いのか? • 簡単。著者が箱を開けて、論文を書けば良い。 • 箱を開けて研究報告するのに便利なのがOSFとPsyArXiv 8
9.
オープンサイエンスな心理学研究のフロー 9 データ 分析コード 分析結果ファイル (Rでいう.Rdata) 論文中に載せきれなかった図表 研究計画(プレレジ) 論文初稿 submit
/ revise accept / reject 編集・査読
10.
それぞれの役割 • 研究計画を書いたテキストファイルをアップもしくはプレレジストレー ションをしておく(編集履歴が残る)。 • Rawデータ(もしくは整形データ)を挙げておく •
分析結果(.Rdata etc)・出力結果(図表ファイル等)を挙げておく。 • 論文に書ききれなかった付録文を挙げておく。 • 未公刊の論文(preprint)を挙げる(例えば論文の初稿)と同時に学会誌に submit • 査読修正(revision)を受けたので、修正し、論文を挙げる。 • アクセプトされたので、最終稿を挙げる。 • 論文の査読過程が明らかになる(過去versionも閲覧可能)。 10 研究をプロジェクト管理 プレプリントを公開・管理
11.
でも、公刊前に結果公開するのは怖い。 • 大丈夫。 • アクセプトされて論文公開されたら、誰でも見られる(public) 状態に切り替えればよい。 •
それまではprivateモードにしておく。 • これによって研究計画段階から論文までの流れ、及びそのデー タ分析過程が明らかになる(編集履歴も残るので...)。 11
12.
実践する 12
13.
Open Science Framework
13 https://osf.io/ まずは、Sign Upからアカウントを作成
14.
登録画面 14 必要な箇所を埋めて、登録。
15.
登録したら Sign in
する。 15 Create new projectを押す プロジェクトが存在しているならば、 ここに表示される。
16.
16プロジェクト名を入れてCreate できた!!
17.
17 ↑デフォはPrivate 公開するならMake Public ↓引用する時のURLはこれ タグ付けができる。 (検索で引っかかりやすくなる) ↑編集履歴 ファイルを挙げた・変更した等 ↑ここにファイル等を挙げていく。 フォルダを作ることもできる。 ↑プロジェクトの重要な情報・リンク・画像 ←このプロジェクトのライセンスを選べる ←プロジェクトについての記述 ←ここから共同研究者追加可能 ↑ここで更にいろいろいじれる(事前登録・アドオン等) プレレジをするならどうすれば良い?→
18.
18 ↑ここを押す プレレジをするなら
19.
プレレジ 19 消せないけどええのか?って聞かれる? あとはプレレジのテンプレを選択。 ←今回はPrereg Challengeを選択
20.
するとプレレジ画面がでる。 20 必要な項目(研究仮説等)を埋めたら完成→
21.
実際のプレレジ(https://osf.io/6tsnj/register/565fb3678c5e4a66b5582f67 を引用) 21 研究仮説を閲覧したり、 サンプルの取り方等々が確認できる
22.
PsyArXiv 22 まずは、Sign in、そして
Add a preprint (OSFアカウントがあれば再登録不要) https://psyarxiv.com/
23.
Upload の Upload
new preprint を選択 23
24.
ファイルをDropしてあげる。 24
25.
流れに沿って分野を埋めていく。 25
26.
こっちもね 26
27.
著者情報も。最後はCreate preprint 27
28.
できた。 28 版を更新するなら、Editから↑
29.
まとめ • OSFを使って研究全体のオープン化を簡単かつ無料で行うこ とができる。 • 必要に応じてPsyArXivでpreprintも公開できる。 •
OSFは機能の一つとしてOSF REGISTERIESもある。 • 研究の事前登録が可能。 • JASPなどと連携させてオープンなPsychology研究へ 29
30.
https://www.slideshare.net/daikihojo/jasp-89875504 SRiP 001 SRiP
002 HP https://dastatis.github.io/index.html Twitter @dastatis
Baixar agora