Se amplían las normas de identificadores persistentes de software de investigación

El cambio de política más silencioso en la salida de la investigación puede ser el que convierte el código de una nota de pie de métodos en un objeto recuperable. A través de las agencias de financiación, oficinas de revistas, sistemas de información de investigación universitaria y registros disciplinarios, se está pidiendo a los investigadores un identificador persistente -un DOI, un identificador de patrimonio de software, un identificador de recursos de investigación o un ID ASCL- para el software que escribieron, no sólo un enlace de GitHub que puede cambiar o desaparecer. La distinción suena técnica. No es. Una URL dice dónde se encontraba un repositorio; un identificador persistente dice qué versión del software se analizó y dónde vive la copia archivada.

El patrón no debería sorprender a cualquiera que haya visto mandatos de cita de datos propagados a través de revistas durante la última década. Los mandatos de identificador persistente de software siguen el mismo camino, sólo más rápido, porque las verificaciones de reproductibilidad ahora fallan en el código perdido tan a menudo como en los datos perdidos. La consecuencia para los académicos que trabajan es que el software ya no es un subproducto de una subvención. Es una salida de investigación con el mismo peso evidencial que un conjunto de datos, y necesitará cada vez más la misma máquina de identificación.

Un DOI no es una promesa; es un mecanismo de recuperación

El identificador persistente más común para el software de investigación es el identificador de objeto digital, o DOI, mentado a través de DataCite y registrado por repositorios como Zenodo, figshare, un repositorio institucional, o un centro de datos nacional. Un DOI apunta a metadatos y una página de destino; no garantiza por sí mismo que el software sea abierto, revisado o reutilizable. Esa brecha es importante porque un DOI puede unirse a un depósito privado sin archivos públicos y todavía satisfacer una caja de cumplimiento. Fundadores y revistas están, por lo tanto, estratificando dos requisitos: un identificador persistente más un depósito en un archivo que realmente puede recuperar la versión.

Software Heritage funciona de manera diferente. Asigna identificadores intrínsecos, llamados SWHIDs, a partir del contenido del código fuente en sí. Un archivo, directorio, compromiso, liberación o repositorio completo obtiene un identificador calculado a partir de su hash, lo que significa que el identificador puede ser verificado contra el objeto y no depende de un único proveedor que permanezca en línea. Para la investigación biomédica, el Identificador de Recursos de Investigación, o RRID, se ha utilizado desde 2014 para identificar software, anticuerpos, líneas celulares y otras herramientas; muchas revistas en las ciencias de la vida requieren RRIDs en secciones de métodos.

Donde aparecen los requisitos

Los editores se movieron primero.PRINCIPIOS DE CITACIÓN DE SOFTWARE FORCE11, publicado en 2016, pidió a los autores que citaran la versión específica del software utilizado e incluyeran un identificador persistente cuando existe. Casi una década después, la política de la revista se ha endurecido de sugerencia a condición. Las revistas Nature Portfolio piden a los autores que proporcionen declaraciones de disponibilidad de código y, donde exista un repositorio público, un DOI u otro identificador persistente. PLOS y PeerJ usan RRIDs en las directrices de identificación de recursos para herramientas y materiales biológicos, y las revistas de la American Astronomical Society hace mucho tiempo que el software hizo citas a través de la Biblioteca de Códigos de Fuente de Astrofísica como parte de su práctica de referencia estándar.

La Oficina de Información Científica y Técnica del Departamento de Energía de Estados Unidos ejecuta DOE CODE, un servicio de registro de software que emite DOIs para paquetes desarrollados con financiación federal. Consejos de investigación en Europa han comenzado a pedir a los titulares de subvenciones que incluyan software en planes de gestión de datos con identificadores adecuados, y elPrincipios de la FAIR para Software de Investigación (FAIR4RS)El documento, publicado en 2022, hizo de los identificadores un requisito de primer nivel: para ser localizables y reutilizables, el software debe ser identificado de manera única y persistente.

El modelo se estableció por mandatos de cita de datos, que las revistas adoptaron antes de que los financiadores forzaran la emisión; este sitio rastreó ese cambio en unInforme anterior sobre los mandatos de cita de datos. elMandatos de ORCID para revisores y editoresAmbos patrones hacen que la expansión del identificador de software se sienta menos como una novedad y más como la continuación de un esfuerzo de una década para hacer los objetos de investigación abordables.

Photo by Peaky Frames on Unsplash

Metadatos sin una versión fija sigue siendo un objetivo en movimiento

La mayoría del software en un laboratorio no es una liberación; es una rama. El identificador que importa está ligado a una versión, un instantáneo, una liberación o un compromiso específico, no a la vista predeterminada del repositorio. La integración GitHub de Zenodo ilustra cómo esto funciona en la práctica: un investigador conecta un repositorio, desencadena una liberación, y Zenodo archiva el estado exacto del código y cita un DOI para esa liberación. La URL de GitHub sigue siendo conveniente, pero el DOI se convierte en el anclaje de la cita.Guía de DataCite para software DOIindica que el objeto registrado debe ser una versión discreta, no un proyecto fluido.

Los historiadores ya conocen la lección: una cita sin una edición es un rumor.

Hay un segundo requisito, menos obvio. Un identificador persistente necesita metadatos adjuntos para ser útil: título, autores, versión, licencia, y un archivo de texto que dice a los usuarios cómo citar. El formato de archivo de citas y codemeta.json se están convirtiendo en las maneras estándar de llevar esos metadatos dentro de un repositorio. Sin ellos, un DOI puede resolver a una página de destino que enumera ningún nombre de autor, lo que no ayuda a nadie. Flujos de trabajo de depósito de repositorio ya manejan esto a escala, ya que los repositorios institucionales han visto crecer los depósitos; este sitio cubrió el patrón en unInforme anterior sobre depósitos de repositorio. el

Qué significa esto para un CV de la facultad y un laboratorio de investigación

Para un investigador de carrera temprana, el software con un DOI es citable en los mismos lugares que un papel: ORCID, repositorios institucionales, informes anuales de actividad y archivos de promoción.Un profesor asistente cuyo código de análisis tiene un DataCite DOI ha añadido una publicación sin añadir un artículo de revista; los comités de promoción están aprendiendo lentamente a leer esas entradas como salidas de primera clase en lugar de como apéndices técnicos.

Para un líder de laboratorio, la corrección operativa es pequeña. Depose la versión, adjunta el archivo de citas, registre el identificador en los informes de progreso. El cambio estratégico es mayor: los grupos de investigación que tratan el software como un producto obtienen resultados reproducibles, envíos más limpios y un flujo de salida visible cuando se cierran las subvenciones. Esto no es un coste de cumplimiento. Es un hábito de gestión de versiones con un identificador persistente adjunto a él.

El problema del archivo: un PID no es lo mismo que la conservación

Zenodo y los repositorios institucionales no son inmortales, y un DOI puede sobrevivir al servicio de alojamiento que una vez lo resolvió.El patrimonio del softwaredisminuye esa dependencia porque sus identificadores y archivo están atados al contenido mismo, pero incluso ese archivo debe ser financiado.La diferencia útil es entre la persistencia del identificador y la preservación del contenido.Un DOI promete resolución estable; no promete que los archivos permanecerán accesibles si el repositorio alojando la página de destino se cierra.

Un identificador persistente sin una garantía de conservación es una promesa escrita en metadatos.La diferencia con el software es que el código fuente es a menudo el único registro completo del método.Cuando el código desaparece y el identificador permanece, la cita apunta a una memoria, no a un método.

Photo by Wendy Tan on Unsplash

Una lista de verificación de cumplimiento corta para grupos de investigación

• Depose una versión publicada, no una rama en movimiento; etiquete una versión en el repositorio primero.
• Añade un archivo CITATION.cff o codemeta.json con título, autores, versión, licencia y descripción.
• Utilice un repositorio que pueda crear un DOI o SWHID: Zenodo, figshare, un repositorio institucional o Software Heritage.
• Registrar el identificador persistente en el sistema de información del proyecto de la agencia financiera, no sólo en el documento final.
• Compruebe la política de citas de software de una revista antes de enviar; incluya un RRID donde el campo utiliza RRIDs.

El software ha sido tratado durante mucho tiempo como la única cosa que la ciencia no tuvo que nombrar, porque el código se suponía ser sustituible y privado.La expansión de los mandatos de identificador persistente cambia esa suposición.Nombrar la versión no es el fin de la reproductibilidad.Es el punto en el que los métodos se vuelven abordables, y la ciencia se vuelve capaz de argumentar con su propio código.