DataSeer与AAAS（美国科学促进会）宣布推出两项新的试点项目，旨在支持跨学科的高质量报告。第一项将为AAAS旗舰期刊Science的作者生成预填写的MDAR（Materials Design Analysis Reporting，材料设计分析报告），从而节省他们的时间并提升报告质量。第二项将建立一个开放科学指标基线数据集，量化作者在Science上分享他们的数据和代码的方式和时间。
科学传播中的MDAR框架
MDAR框架为生命科学报告确立了广泛适用的最低标准。该框架自2017年开始合作开发，并于2021年最终确定，同时附有一份研究人员使用的清单。MDAR清单旨在支持透明报告，并捕获重复研究和验证研究所需的关键信息。根据研究的不同，完成的清单可以记录数十个数据集、测定法、细胞系、DNA序列和其他重要细节。
许多顶尖期刊已采用MDAR要求，并鼓励作者使用这份清单。在Science期刊中，MDAR清单已成为生命科学手稿的必需部分，并作为补充材料与完成的文章一起发表。但对于许多研究人员来说，完成MDAR清单既耗时又困难。这些清单中经常包含一些无信息量的陈述，如“详情见手稿”。
虽然MDAR框架是为生命科学设计的，但它有扩展到其他领域的潜力。这项试点将探索使MDAR清单在跨学科中更广泛适用的方法。
简化MDAR清单
与DataSeer合作的试点项目颠覆了MDAR的传统做法，不是让作者自己完成清单，而是利用DataSeer的自然语言处理技术预填写MDAR清单，邀请作者确认条目并填写缺失的细节。这种方法既减轻了作者在MDAR要求方面的工作负担，又确保了每份MDAR清单都包含与文章相关的数据和其他研究材料的丰富且详细的信息。
Science期刊的执行编辑Valda Vinson表示：“我们特别感兴趣的是能够增强可重复性的同时减少作者工作量的工具。一份全面的清单可能是审查过程中的重要组成部分。”
DataSeer的创始人兼首席执行官Tim Vines表示，“没有一致、完整和透明的报告，重复研究就会变成一个试错的过程。这可能会很昂贵、耗时，有时甚至根本不可能实现，通过促进可重复性，MDAR标准支持更高效、可靠和值得信赖的研究。通过自动化MDAR清单，DataSeer有助于缩小科学界为自己设定的理想标准与日常科学传播中的实际应用之间的差距。”
衡量AAAS的开放科学
DataSeer的开放科学指标工具可同时扫描数千篇文章，识别和量化已发表文献中的开放科学实践。在试点期间，DataSeer将分析AAAS文章的一个子集，并提供包括数据共享、代码共享、协议共享、预印本发布等在内的顶级指标。这些数据还将显示随时间变化的趋势以及不同地区、机构和期刊之间的差异。
