Відкрита наука в психології: прозорість, пререєстрація, відкриті дані, код і реплікація

4 години тому

Читати 15 хв

Автор: Український психологічний ХАБ · Опубліковано: 7 жовтня 2026 · Редакційна політика

Відкрита наука в психології — це система дослідницьких і видавничих практик, завдяки яким стає видимим не лише фінальний висновок, а й шлях від запитання до даних, аналізу та перевірки результату. До цієї системи належать прозоре планування, пререєстрація, доступ до матеріалів, даних і коду там, де це етично й юридично допустимо, чітке розрізнення підтверджувального та пошукового аналізу, повне звітування, реплікації та аналітична відтворюваність. У ширшому міжнародному значенні відкрита наука також охоплює відкритий доступ, дослідницькі інфраструктури, наукову комунікацію і взаємодію із суспільством. Саме так її описує Рекомендація ЮНЕСКО з відкритої науки.

Головна ідея проста: наукове твердження стає сильнішим, коли інші можуть зрозуміти, як його отримано, перевірити аналітичні кроки, оцінити відхилення від початкового плану, повторно використати допустимі матеріали та спробувати відтворити або реплікувати результат. Водночас відкритість не є сертифікатом істинності. Відкрито опубліковане дослідження може мати слабкий дизайн, нерепрезентативну вибірку, проблеми вимірювання, помилки аналізу або надмірні причинні висновки. Відкрита наука робить ці властивості помітнішими й перевірюванішими, але не виправляє їх автоматично.

Коротка відповідь: що саме робить науку відкритою

У психологічному дослідженні відкритість найкраще розуміти як безперервний ланцюг перевірюваності. До збору або аналізу даних дослідник може зафіксувати питання, гіпотези, дизайн і план аналізу. Під час роботи — документувати матеріали, процедури, версії коду та відхилення від плану. Після аналізу — прозоро повідомити всі релевантні результати, надати доступ до даних і коду настільки, наскільки це дозволяють етика, згода учасників і право, а також створити умови для незалежної перевірки.

Ця логіка близька до рамки Transparency and Openness Promotion. Поточна версія TOP Guidelines є політичною та методологічною рамкою для підвищення перевірюваності емпіричних тверджень. TOP задає практики для дослідників, журналів, установ і грантодавців; це стандарт організації прозорості, а не емпіричний закон про те, що будь-яке дослідження, яке виконує певний пункт, обов’язково буде правильним.

Важливо також розрізняти відкриту науку і відкритий доступ. Відкритий доступ відповідає насамперед на запитання, чи може людина прочитати наукову публікацію без платного бар’єра. Відкрита наука охоплює ширший дослідницький цикл: планування, матеріали, дані, код, звітування, рецензування, перевірку й повторне використання. Стаття може бути у відкритому доступі, але залишатися непрозорою щодо даних та аналізу; навпаки, окремі дані можуть мати контрольований доступ через вимоги конфіденційності, хоча дослідження в інших аспектах є дуже прозорим.

Чому відкрита наука стала центральною темою психологічної методології

Психологія працює з багатьма рівнями невизначеності одночасно: складними конструктами, варіативністю людської поведінки, вибірками з певних популяцій і контекстів, множинними можливими способами підготовки даних та аналізу. Саме тому якість знання залежить не тільки від того, чи отримано статистично значущий результат, а й від того, наскільки прозоро дослідник показав шлях до нього. Загальну логіку дизайну, вибірки, аналізу й обмежень пояснює окрема стаття Психологічне дослідження: що це, методи, дизайн і як читати результати.

У 2010-х роках масштабні реплікаційні проєкти зробили проблему особливо видимою. Open Science Collaboration повторила 100 експериментальних і кореляційних досліджень із трьох психологічних журналів: 97% оригінальних робіт мали статистично значущий результат, тоді як серед реплікацій значущими були 36%; за іншими критеріями оцінка успішності реплікації також відрізнялася. Цей проєкт не дає універсальної «частки правдивих досліджень у психології»: він стосувався конкретного набору статей і конкретних критеріїв реплікації. Його значення полягає в тому, що стійкість опублікованих ефектів стала предметом прямої емпіричної перевірки, а не припущенням. Див. Open Science Collaboration, 2015.

Сучасний огляд літератури про реплікацію, робастність і відтворюваність підкреслює ширший висновок: невдала реплікація не є автоматичним доказом нечесності чи безглуздості первинної роботи. Розбіжність може виникати через випадкову варіативність, неточність оцінок, відмінності вибірок і контекстів, недостатньо специфіковані умови ефекту, аналітичні рішення або проблеми початкового дослідження. Реплікація є механізмом самокорекції, який допомагає уточнювати межі твердження. Цей статус докладно розглядають Nosek та співавтори, 2022.

Тому словосполучення «реплікаційна криза» не означає, що психологія як наука недостовірна. Воно позначає сукупність емпіричних і метанаукових проблем, які виявили розрив між бажаною перевірюваністю знання та частиною історичних практик. Окремий матеріал Реплікаційна криза в психології: причини і наслідки розглядає саме цей проблемний вузол; відкрита наука є ширшою системою практик, а не синонімом «кризи».

Прозорість дослідження: показати не лише результат, а й процес

Прозорість починається з дослідницького запису. Читач має мати змогу зрозуміти, яке питання ставили, які змінні та результати вважали первинними, як формували вибірку, що виключали, які перетворення виконували, які моделі запускали, які аналізи були запланованими, а які виникли після перегляду даних. Для якісного дослідження набір релевантної інформації інший: важливими можуть бути дослідницька позиційність, контекст, логіка вибірки, процедура кодування, рефлексивність, методологічна цілісність і шлях від матеріалу до інтерпретації. Прозорість не означає насадження одного кількісного шаблону на всі методології.

APA Journal Article Reporting Standards мають окремі рекомендації для кількісних, якісних і змішаних досліджень. JARS допомагають повідомляти достатньо інформації для оцінювання роботи, але є стандартом звітування, а не знаком того, що дизайн автоматично має низький ризик упередження. Так само повний звіт слабкого дослідження залишається слабким дослідженням; його перевага в тому, що слабкі місця легше побачити.

Пререєстрація: що було вирішено до того, як став відомий результат

Пререєстрація створює датований запис дослідницьких рішень до того, як результати можуть вплинути на ці рішення. У найпростішому випадку фіксують гіпотези, основні змінні, дизайн, критерії включення й виключення, планований розмір вибірки та статистичний аналіз. Це допомагає відрізнити передбачення від пояснень, сформованих після перегляду даних. Методологічну логіку цієї практики докладно описує Nosek та співавтори у статті The preregistration revolution.

Пререєстрація не забороняє пошуковий аналіз і не вимагає механічно виконувати невдалий план. Дослідник може змінити модель, додати аналіз або відмовитися від початкового рішення, якщо з’явилася вагома причина. Наукове значення полягає в прозорому маркуванні: що було заплановано, що змінилося, чому змінилося і що було знайдено вже після контакту з даними. Саме тому пререєстрація дослідження має окремий канонічний намір і не зводиться до загального поняття відкритої науки.

Вона також не гарантує достатньої статистичної потужності, валідного вимірювання, відсутності змішаних чинників, правильного причинного висновку чи чесної реалізації протоколу. Пререєстрація відповідає на вузьке, але фундаментальне питання: які рішення були доступні для впливу результату, а які — зафіксовані до нього.

Пререєстрація і Registered Reports — різні речі

Registered Reports, або зареєстровані звіти, є видавничим форматом. На першому етапі журнал рецензує дослідницьке питання, теоретичне обґрунтування, дизайн і план аналізу до того, як результат відомий, а за відповідності критеріям може надати принципову згоду на публікацію. Після виконання дослідження робота проходить другий етап рецензування. Така модель змінює сам момент редакційного рішення: принаймні ключове рішення про прийнятність роботи не залежить від того, чи вийшов «позитивний» результат. Огляд розвитку формату дають Chambers і Tzavella, 2022.

Пререєстрація може існувати без журналу і без попередньої редакційної оцінки. Registered Report включає попередню фіксацію плану, але додає рецензування до результатів та принципову згоду на публікацію за дотримання погодженого протоколу. Емпіричне порівняння робіт із психології та нейронаук дало початкові дані, що зареєстровані звіти отримували вищі оцінки методологічної та аналітичної строгості, хоча автори прямо характеризували цю базу як початкову, а не як остаточний доказ універсальної переваги формату. Див. Soderberg та співавтори, 2021.

Відкриті матеріали: щоб процедуру можна було зрозуміти і повторити

Матеріали дослідження — це не декоративні додатки. До них можуть належати інструкції учасникам, стимули, сценарії експерименту, анкети, протоколи, схеми рандомізації, словники змінних, кодові книги, файли для проведення завдань і документація. Коли процедура описана лише коротким абзацом у статті, незалежній команді важко визначити, що саме потрібно відтворити. Відкриті матеріали скорочують цю невизначеність.

Проте «відкрити матеріали» не завжди означає опублікувати все без обмежень. Частина інструментів може бути захищена авторським правом або ліцензіями; деякі стимули можуть містити конфіденційну інформацію; клінічні протоколи й матеріали можуть мати додаткові етичні обмеження. Коректна прозорість у такій ситуації полягає в тому, щоб чітко вказати, що існує, що доступне, на яких умовах і чому певні компоненти закриті.

Відкриті дані: перевірюваність без порушення приватності

Доступ до даних дає змогу перевіряти кодування, повторювати аналіз, знаходити помилки, проводити альтернативні специфікації, об’єднувати дані в нових синтезах і ставити вторинні запитання. Проте психологічні дані часто стосуються людей, їхніх симптомів, поведінки, біографії, стосунків або інших чутливих характеристик. Тому принцип «чим відкритіше, тим краще» має етичну межу.

Етичне поширення даних потребує планування ще до збору: інформованої згоди, оцінки ризику повторної ідентифікації, мінімізації набору змінних, деідентифікації, вибору відповідного репозитарію та, за потреби, контрольованого доступу. Практичні ризики і рішення для даних досліджень за участю людей систематизує Meyer, 2018. Відкритість не скасовує обов’язку захищати учасників.

Корисною рамкою для повторного використання є FAIR: дані та метадані мають бути findable, accessible, interoperable і reusable — тобто такими, що їх можна знайти, отримати за визначеною процедурою, поєднувати та повторно використовувати. FAIR Principles не слід плутати з вимогою безумовно викласти всі дані у відкритий доступ. Для чутливих даних «доступність» може означати чітко описану процедуру авторизованого доступу, а не публічне завантаження без контролю.

Відкритий код: не тільки файл, а відтворюване аналітичне середовище

Код аналізу показує послідовність перетворень, моделей, графіків і підсумкових чисел точніше, ніж короткий текстовий опис. Але один файл зі скриптом ще не забезпечує аналітичну відтворюваність. Потрібно знати структуру вхідних даних, версії пакетів і програмного середовища, порядок запуску, параметри, випадкові зерна там, де вони мають значення, і зв’язок між конкретним аналізом та конкретним результатом у статті.

Дослідження політики обов’язкового відкриття даних у журналі Cognition добре показує цю межу. Після запровадження політики частка статей із заявами про доступність даних зросла з 25% до 78%, а частка наборів, які дослідники оцінили як придатні до повторного використання, — з 22% до 62%. Водночас під час спроби відтворити 1324 цільові значення у 35 статтях частину результатів не вдалося отримати навіть після допомоги авторів, а в багатьох випадках така допомога була потрібна. Це було спостережне оцінювання конкретної журнальної політики, тому його не слід перетворювати на універсальний показник усієї психології. Воно демонструє інше: доступність файлів і реальна відтворюваність — різні рівні. Див. Hardwicke та співавтори, 2018.

Реплікація і відтворюваність: ключове розрізнення

У сучасній методології терміни вживаються не абсолютно однаково в усіх дисциплінах, тому в конкретному тексті важливо визначити операційне значення. Для A01 Українського психологічного ХАБу реплікація означає перевірку твердження на нових даних або новому проведенні дослідження, тоді як відтворюваність стосується можливості отримати той самий або узгоджений аналітичний результат із тими самими даними, кодом і процедурами. Аналогічне розрізнення між повторенням обчислень на тих самих даних і отриманням узгоджених результатів у новому дослідженні використовує National Academies, 2019.

Якщо інша команда бере опублікований набір даних і скрипт та не може отримати таблицю з тими самими числами, це насамперед проблема аналітичної відтворюваності. Якщо вона збирає нових учасників за тим самим або концептуально спорідненим дизайном і перевіряє, чи виникає очікуваний ефект, це питання реплікації. Докладні сторінки: Реплікація дослідження і Відтворюваність досліджень.

Це розрізнення важливе для інтерпретації невдачі. Аналіз може бути повністю відтворюваним на вихідних даних і водночас не реплікуватися на новій вибірці. І навпаки, загальна закономірність може повторюватися в нових дослідженнях, хоча конкретна стаття не надає достатньо даних або коду, щоб незалежно відтворити її числа.

Сумнівні дослідницькі практики: відкритість робить аналітичну гнучкість видимою

У складному аналізі часто існує багато правдоподібних рішень: які спостереження виключити, які змінні трансформувати, яку модель обрати, чи додати коваріати, які результати назвати основними. Гнучкість сама по собі не є порушенням. Проблема виникає, коли рішення залежать від результату, а в статті подаються так, ніби були єдиним наперед визначеним шляхом.

p-hacking стосується аналітичної або збиральної гнучкості, використаної так, що вона підвищує шанс отримати статистично переконливий результат без належного відображення кількості спроб і рішень. HARKing — це ретроспективне формулювання гіпотези після ознайомлення з результатом із подальшим представленням її як апріорної. Це різні практики, хоча обидві можуть входити до ширшого класу сумнівних дослідницьких практик. Пререєстрація, повне звітування і доступ до аналітичного коду зменшують невидимість таких рішень, але не роблять їх фізично неможливими.

Окрема системна проблема — залежність видимості дослідження від результату. Якщо «позитивні» або статистично значущі результати легше публікуються, література може перебільшувати ефекти. Цей механізм розглядає стаття Публікаційне упередження: що це і як воно впливає на метааналіз. Зареєстровані звіти адресують частину цієї проблеми, бо ключове видавниче рішення переноситься на етап до отримання результатів.

Стандарти звітування і відкритість — теж не одне й те саме

Добре звітування потрібне навіть тоді, коли дані неможливо оприлюднити. Читач має знати, що саме зроблено. JARS у психології, PRISMA для систематичних оглядів та інші стандарти виконують різні функції: вони визначають, яку інформацію потрібно повідомляти для конкретного типу роботи. Стандарт звітування не замінює оцінку ризику упередження, етичну експертизу, аналіз певності доказів або статистичний синтез.

Так само відкритий репозитарій не компенсує неповний опис. Файл із даними без словника змінних може бути практично непридатним. Скрипт без версій пакетів може не запускатися. Протокол без пояснення фактичних відхилень створює ілюзію точності. Відкрита наука працює як система лише тоді, коли окремі елементи утворюють зрозумілий і перевірюваний дослідницький запис.

Що показують дослідження самих практик відкритої науки

Частина переваг відкритої науки випливає з логіки перевірюваності: якщо дані й код доступні та задокументовані, незалежна перевірка принаймні стає можливою. Але ефективність конкретних політик і стимулів — окреме емпіричне питання. Їх потрібно перевіряти метадослідженнями, а не оголошувати корисними лише тому, що вони звучать переконливо.

Наприклад, дослідження запровадження значків відкритих практик у Psychological Science виявило різке зростання частки статей з відкритими даними після введення такого стимулу порівняно з журналами, де значків не було. Це підтримує ідею, що редакційні стимули можуть змінювати поведінку щодо поширення даних, але дизайн дослідження не дозволяє трактувати будь-який значок як універсальну причинну гарантію якісного обміну. Див. Kidwell та співавтори, 2016.

Ширша програма реформ, описана в A manifesto for reproducible science, включає поліпшення методів, звітування, поширення, відтворюваності, оцінювання та системи стимулів. Автори прямо наголошують, що навіть перспективні реформи мають оцінюватися й удосконалюватися ітеративно: хороша методологічна ідея не звільняється від вимоги перевіряти її наслідки.

Відкрита наука не означає «все викласти у відкритий доступ»

У дослідженнях за участю людей існує межа між прозорістю науки та конфіденційністю учасника. Дослідник може зробити відкритими протокол, аналіз і синтетичні приклади даних, але надати реальні дані тільки після перевірки запиту, через захищений репозитарій або взагалі не поширювати їх, якщо ризик повторної ідентифікації неприйнятний. Коректна відкрита практика в такому випадку — не приховати відсутність доступу, а пояснити її причину і, за можливості, надати безпечний маршрут доступу.

Таке розуміння відповідає і міжнародній, і українській нормативній логіці. Рекомендація ЮНЕСКО поєднує відкритість із правами, етикою, інфраструктурою та справедливістю. Український Закон «Про наукову і науково-технічну діяльність» після змін 2026 року визначає відкриту науку через доступ і повторне використання наукових результатів та дослідницьких даних, прямо виключаючи інформацію з обмеженим доступом і вимагаючи дотримання авторських та суміжних прав. Чинний текст закону доступний на сайті Верховної Ради України.

Що відкрита наука не виправляє

Відкритий процес може бути методологічно слабким. Якщо спостережне поперечне дослідження виявило асоціацію, публікація всіх даних і коду не перетворює цю асоціацію на причинний ефект. Якщо вибірка систематично не охоплює важливу частину популяції, прозорість не усуває селекційне упередження. Якщо психологічний конструкт вимірюється невідповідним способом, відкритий скрипт не надає вимірюванню валідності. Якщо статистична модель не відповідає структурі даних, повністю відтворюваний код лише робить помилку легше видимою.

Тому відкритість потрібно читати разом із дизайном. Для причинного висновку залишаються критичними часовий порядок, альтернативні пояснення, змішані чинники, селекція, вимірювання та припущення конкретного методу. Для статистичного висновку — адекватність моделі, невизначеність, розмір ефекту, план вибірки та множинність аналізів. Для якісного дослідження — відповідність методології питанню, прозорість інтерпретації, контекст і методологічна цілісність. Відкрита наука підсилює оцінюваність цих властивостей, а не замінює їх.

Як оцінити відкритість конкретного психологічного дослідження

Замість бінарного запитання «це відкрите дослідження чи ні?» корисніше перевіряти дослідницький цикл поетапно.

1. Чи є протокол або пререєстрація, і коли саме вона була зафіксована відносно збору та аналізу даних?

2. Чи видно, які гіпотези, результати й аналізи були первинними, а які додалися після перегляду даних?

3. Чи описані вибірка, критерії виключення, матеріали, процедура і всі суттєві відхилення від плану?

4. Чи доступні матеріали, дані й код? Якщо ні, чи пояснено етичні, правові, ліцензійні або технічні обмеження і чи є контрольований спосіб доступу?

5. Чи достатньо метаданих, словників змінних, інструкцій і версій програмного середовища, щоб іншій команді було зрозуміло, як працювати з файлами?

6. Чи збігаються заявлені висновки із силою дизайну? Кореляційне спостереження не повинно подаватися як доказ причинного ефекту лише через те, що дані відкриті.

7. Чи існують незалежні реплікації, повторні аналізи або синтез доказів? Для окремого твердження це часто важливіше, ніж сама наявність значка «open data».

8. Чи є сталі ідентифікатори, версії та посилання між статтею, протоколом, даними й кодом? Відкритість без зв’язку між артефактами ускладнює перевірку.

Як побудувати відкритий дослідницький процес

Для дослідника найкращий результат дає не публікація архіву в останній день, а планування відкритості від початку. На етапі питання варто визначити, які твердження будуть підтверджувальними, а які частини роботи залишаться пошуковими. На етапі етики — передбачити майбутнє поширення даних у формі, сумісній зі згодою учасників. До аналізу — зафіксувати рішення, для яких результат може створювати спокусу постфактум-оптимізації.

Під час роботи потрібні версійність матеріалів і коду, журнал суттєвих рішень та зрозуміла структура файлів. Після аналізу — звірка фактичного процесу з протоколом, явне позначення відхилень, документація даних і коду, створення стабільних посилань та ліцензій там, де вони доречні. Такий робочий процес полегшує не тільки зовнішній аудит. Він зменшує залежність самого автора від пам’яті й робить власне дослідження зрозумілішим через місяці або роки.

Відкритий процес особливо корисний для подальшого синтезу. Систематичним оглядам потрібні повні й доступні відомості про проведені дослідження, результати та методи; приховані або неповно повідомлені результати створюють ризик викривлення доказової картини. Як саме будується такий синтез, пояснює окрема сторінка Систематичний огляд: що це і як його читати.

Відкрита наука в Україні

В Україні відкрита наука вже є не лише академічною ініціативою, а й напрямом державної наукової політики. Кабінет Міністрів у 2022 році затвердив Національний план щодо відкритої науки, а Міністерство освіти і науки України публікує матеріали про його виконання. У 2026 році Закон № 4794-IX додав до Закону «Про наукову і науково-технічну діяльність» визначення «відкрита наука» та «відкритий доступ», а також закріпив серед принципів державної політики прозорість, контроль, відкритий доступ, відкрите рецензування, відтворюваність та інші пов’язані засади.

Для психології це створює важливий контекст, але законодавче закріплення термінів і науково-методологічна оцінка конкретного дослідження залишаються різними рівнями. Юридична відповідність не доводить статистичну коректність, а методологічна прозорість не звільняє від правових і етичних вимог щодо персональних та чутливих даних.

Поширені помилки в розумінні відкритої науки

«Якщо дані відкриті, результат правильний»

Ні. Відкриті дані дозволяють перевірити більше, але неправильна модель, проблемний дизайн або невдале вимірювання можуть залишатися. Відкритість підвищує можливість аудиту.

«Якщо дані не опубліковані публічно, дослідження закрите»

Не обов’язково. Дані людей можуть потребувати контрольованого доступу або залишатися закритими через реальний ризик ідентифікації, умови інформованої згоди чи правові обмеження. Важливі прозоре пояснення і максимальна безпечна доступність.

«Пререєстрація забороняє змінювати план»

Ні. Вона робить зміни видимими. Дослідник може відхилитися від плану, якщо це обґрунтовано, але має відділити заплановане від нового.

«Реплікація і відтворюваність — те саме»

У цій редакційній системі — ні. Реплікація перевіряє твердження на нових даних або новому проведенні; відтворюваність перевіряє можливість отримати узгоджений результат із вихідними даними, кодом і процедурами.

«Відкрита наука усуває реплікаційну кризу»

Вона змінює умови перевірки й стимули, але не скасовує випадкову варіативність, складність психологічних феноменів, проблеми теорії, вибірки чи вимірювання. Реформи самі потребують емпіричної оцінки.

«Відкрита наука — це лише технологія репозитаріїв»

Репозитарії є інфраструктурою. Методологічна суть полягає в тому, що дослідницькі рішення, докази й артефакти стають зрозумілішими, доступнішими для перевірки та придатнішими до повторного використання.

FAQ

Що таке відкрита наука простими словами?

Це організація науки так, щоб інші могли бачити і перевіряти не тільки висновок, а й достатню частину процесу його отримання: план, методи, матеріали, аналіз, дані та код у межах етичної й правової можливості, а також результати незалежних перевірок.

Чим відкрита наука відрізняється від відкритого доступу?

Відкритий доступ стосується доступності публікацій та, в українському законодавчому контексті, інших наукових результатів і ресурсів. Відкрита наука ширша: вона включає прозорість усього дослідницького циклу, дані, код, протоколи, перевірку, інфраструктури та співпрацю.

Чи обов’язково відкривати персональні дані учасників?

Ні. Приватність, ризик повторної ідентифікації, інформована згода і законні обмеження мають пріоритет. Можливі деідентифікація, контрольований доступ, агреговані або синтетичні дані, а інколи — аргументована відмова від поширення.

Чи гарантує пререєстрація, що дослідження якісне?

Ні. Вона підвищує прозорість часової послідовності дослідницьких рішень і допомагає розділити підтверджувальний та пошуковий аналіз, але не виправляє слабкий дизайн, недостатню вибірку, проблеми вимірювання або хибні припущення моделі.

Навіщо відкривати код, якщо в статті описаний аналіз?

Код містить фактичну послідовність перетворень і обчислень, яку текст часто стискає. Він полегшує перевірку чисел і повторний аналіз, особливо разом із даними, словником змінних і описом програмного середовища.

Чи означає невдала реплікація, що оригінальне дослідження було хибним?

Не автоматично. Потрібно оцінювати точність обох досліджень, сумісність процедур і популяцій, очікувану варіативність, статистичну невизначеність, можливі модератори та сукупність інших реплікацій. Один результат рідко вирішує питання сам по собі.

Чи можна застосовувати ті самі критерії відкритості до кількісних і якісних досліджень?

Базова вимога прозорості спільна, але конкретні критерії залежать від методології. У якісному дослідженні не потрібно механічно вимагати статистичної потужності або p-значень; натомість важливими є контекст, позиційність, логіка вибірки, аналітичний процес, рефлексивність і методологічна цілісність.

Головний висновок

Відкрита наука в психології — це інфраструктура перевірюваності знання. Її сила полягає не в одному інструменті, а в зв’язку між планом, процедурою, даними, кодом, звітом і незалежною перевіркою. Пререєстрація показує, що було вирішено до результату; Registered Reports змінюють видавничі стимули; відкриті матеріали, дані й код полегшують аудит і повторне використання; відтворюваність перевіряє аналітичний шлях; реплікація перевіряє твердження на нових даних. Жодна з цих практик окремо не гарантує істинності. Разом вони створюють середовище, у якому наукове твердження легше перевірити, виправити, уточнити або підтвердити.

Практичний рівень цієї прозорості докладно розглянуто в матеріалі Відкриті дані та код у психологічних дослідженнях: навіщо їх публікують і як захищають учасників.