Riproducibilità e trasparenza nella ricerca scientifica

Perché una scienza più aperta rende la ricerca più solida e affidabile

Negli ultimi anni, nella comunità scientifica si parla sempre più spesso di riproducibilità e trasparenza della ricerca. Non si tratta di temi riservati a statistici o metodologi, ma di questioni che toccano da vicino chiunque faccia ricerca: studenti, ricercatori e docenti di ogni disciplina.

Alla base del metodo scientifico c’è un’idea semplice ma fondamentale: i risultati devono poter essere verificati, compresi e, se possibile, riprodotti da altri. Quando questo non avviene, la fiducia nella ricerca si indebolisce e diventa difficile costruire conoscenza solida nel tempo.

In questo articolo introduciamo i concetti chiave legati alla riproducibilità e alla trasparenza, mostrando perché sono importanti e come possono essere integrati nella pratica quotidiana della ricerca universitaria.

Che cosa significa “riproducibilità” e perché è diventata un problema

Con il termine riproducibilità si intende la possibilità di ottenere gli stessi risultati utilizzando gli stessi dati, le stesse procedure e lo stesso codice di analisi. Un concetto collegato, ma distinto, è quello di replicabilità, che riguarda invece la coerenza dei risultati quando uno studio viene ripetuto raccogliendo nuovi dati, ma rispondendo alla stessa domanda di ricerca (The Turing Way Community, 2025).

Negli ultimi anni, numerosi studi hanno mostrato che molti risultati scientifici – in particolare nelle scienze psicologiche e sociali – sono difficili da replicare (Camerer et al., 2018; Open Science Collaboration, 2015). Uno studio rilevante in questo ambito ha evidenziato come meno della metà degli effetti psicologici analizzati venisse replicata con risultati simili a quelli originali (Open Science Collaboration, 2015).

Questi risultati non indicano necessariamente che la ricerca sia “sbagliata”, ma mettono in luce diversi problemi strutturali: campioni piccoli, analisi flessibili non sempre dichiarate, forte enfasi sui risultati “significativi” e scarsa condivisione di dati e materiali. A partire da queste evidenze si è sviluppata la metaricerca (Ioannidis, 2018), ovvero lo studio sistematico di come viene prodotta la conoscenza scientifica e di come migliorare le pratiche di ricerca.

Open science: più trasparenza in ogni fase della ricerca

Una delle risposte principali alla crisi di riproducibilità è il movimento dell’open science. Con questo termine si indica un insieme di pratiche che mirano a rendere la ricerca più trasparente, accessibile e verificabile, lungo tutto il suo ciclo di vita.

Fare open science non significa solo “condividere i dati”, ma adottare maggiore chiarezza in diverse fasi del lavoro scientifico:

• dichiarare in anticipo ipotesi e metodi (preregistrazione),
• documentare in modo accurato analisi e procedure,
• condividere dati, materiali e codice quando possibile,
• rendere i risultati accessibili tramite open access o preprint.

Un’attenzione particolare è rivolta ai dati di ricerca, che non includono solo i dataset finali, ma anche codice, materiali, protocolli e documentazione. Per guidarne una buona gestione sono stati proposti i principi FAIR (Wilkinson et al., 2016): i dati dovrebbero essere Findable, Accessible, Interoperable e Reusable. Questo significa che dovrebbero essere facilmente rintracciabili, accessibili senza barriere inutili, comprensibili anche ad altri ricercatori e riutilizzabili nel tempo.

Sempre più università, riviste scientifiche ed enti finanziatori richiedono oggi pratiche di questo tipo, riconoscendo che una ricerca più aperta è anche una ricerca di maggiore qualità.

Come avvicinarsi all’open science: piccoli passi concreti

Avvicinarsi all’open science può sembrare impegnativo, soprattutto per studenti e dottorandi. Spesso si ha l’idea che sia necessario “fare tutto” subito: preregistrare ogni studio, condividere ogni dato, usare strumenti complessi. In realtà, questa pratica può essere adottata in modo graduale.

Una guida molto utile in questo senso è quella proposta da Kathawalla e colleghi (2021), che suggerisce di partire da azioni semplici e sostenibili, adattandole al proprio contesto accademico.

Alcuni esempi di primi passi concreti includono:

• organizzare meglio file, dati e script, in modo che un’altra persona (o noi stessi tra qualche mese) possa capirli;
• commentare il codice e salvare versioni chiare delle analisi;
• confrontarsi con colleghi e supervisori su temi come preregistrazione, condivisione dei dati e trasparenza;
• pubblicare un preprint per rendere il proprio lavoro visibile e accessibile prima della pubblicazione ufficiale.

Con maggiore esperienza, è possibile integrare pratiche più strutturate, come la preregistrazione degli studi o la condivisione di dati e materiali in repository pubblici.

Conclusione

In Austria, ad esempio, l’agenzia nazionale di finanziamento FWF promuove attivamente i principi di riproducibilità e trasparenza, richiedendo che i dati alla base delle pubblicazioni derivanti da progetti finanziati siano resi disponibili in accesso aperto, salvo motivate eccezioni di tipo etico o legale (FWF, n.d.).

Un impegno analogo è visibile anche a livello editoriale: il gruppo Springer Nature incoraggia la trasparenza dei metodi, la condivisione dei dati, l’uso di protocolli di ricerca e la diffusione dei risultati in open access, con l’obiettivo di rendere la ricerca più affidabile e accessibile (Springer Nature, n.d.).

Riproducibilità e trasparenza non sono requisiti aggiuntivi, ma elementi centrali di una buona pratica scientifica. Anche piccoli cambiamenti – una migliore organizzazione, maggiore chiarezza metodologica e una condivisione più consapevole – possono contribuire in modo significativo a una scienza più comprensibile, collaborativa e affidabile.

A cura di Alessandro Ocera, MSc e dottorando di ricerca presso la Sigmund Freud University.

Riferimenti

Camerer, C. F., Dreber, A., Holzmeister, F., Ho, T., Huber, J., Johannesson, M., Kirchler, M., Nave, G., Nosek, B. A., Pfeiffer, T., Altmejd, A., Buttrick, N., Chan, T., Chen, Y., Forsell, E., Gampa, A., Heikensten, E., Hummer, L., Imai, T., . . . Wu, H. (2018). Evaluating the replicability of social science experiments in Nature and Science between 2010 and 2015. Nature Human Behaviour, 2(9), 637–644. https://doi.org/10.1038/s41562-018-0399-z

FWF. (n.d.). Open-Access Policy for Research Data. Retrieved from https://www.fwf.ac.at/en/about-us/what-we-do/open-science/open-access-policy/open-access-policy-for-research-data#:~:text=A%20fundamental%20principle%20of%20modern,property%20rights%20and%20ethical%20standards

Ioannidis, J. P. A. (2018). Meta-research: Why research on research matters. PLoS Biology, 16(3), e2005468. https://doi.org/10.1371/journal.pbio.2005468

Kathawalla, U., Silverstein, P., & Syed, M. (2021). Easing into Open Science: A guide for graduate students and their advisors. Collabra Psychology, 7(1). https://doi.org/10.1525/collabra.18684

Open Science Collaboration. (2015). Estimating the reproducibility of psychological science. Science. https://doi.org/10.1126/science.aac4716

Springer Nature. (n.d.) Open science and open access. Open science is essential to solving the world’s urgent challenges. Retrieved from https://www.springernature.com/gp/open-science

The Turing Way Community. (2025). The Turing Way: A handbook for reproducible, ethical and collaborative research (1.2.3). Zenodo. https://doi.org/10.5281/zenodo.15213042

Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J., Appleton, G., Axton, M., Baak, A., Blomberg, N., Boiten, J., Bonino, D. S. S. L., Bourne, P. E., Bouwman, J., Brookes, A. J., Clark, T., Crosas, M., Dillo, I., Dumon, O., Edmunds, S., Evelo, C. T., Finkers, R., . . . Mons, B. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Nature. https://doi.org/10.1038/sdata.2016.18