CODE poza FAIR: mapa drogowa dla wielokrotnego użytku oprogramowania badawczego

Dlaczego niewidoczny kod stojący za nauką ma znaczenie

Za niemal każdym współczesnym przełomem naukowym — od mapowania galaktyk po odczytywanie DNA — stoi oprogramowanie wykonujące ciężką pracę. Mimo to kod ten jest często traktowany jako coś drugorzędnego: ukryty, kruchy i trudny do ponownego użycia lub sprawdzenia przez innych. W artykule postawiono tezę, że jeśli chcemy wiarygodnej, powtarzalnej nauki, musimy traktować oprogramowanie badawcze jako podstawowy produkt naukowy, a nie narzędzie jednorazowego użytku. Autorzy proponują praktyczną mapę drogową nazwaną CODE, która ma pomóc badaczom i instytucjom przekształcić dzisiejsze jednorazowe skrypty w niezawodne, możliwe do udostępniania elementy budulcowe przyszłych odkryć.

Jak nauka zaczęła zależeć od oprogramowania

W zaledwie kilka dekad oprogramowanie stało się centralnym elementem niemal każdej dziedziny badań. Badania pokazują, że blisko połowa artykułów naukowych obecnie wspomina o oprogramowaniu — czy to używanym do analizy danych, sterowania przyrządami, symulowania złożonych systemów, czy nawet będącym głównym wynikiem badań. W odróżnieniu od gotowego artykułu czy statycznego zbioru danych, oprogramowanie jest jednak obiektem „żywym”: zmienia się, gdy naprawiane są błędy, dodawane funkcje i pojawiają się nowi współtwórcy. Współistnieje wiele wersji tego samego programu, a każda zależy od delikatnego otoczenia systemów operacyjnych i bibliotek. Nawet drobna zmiana w tym środowisku może zmienić wyniki — albo całkowicie unieruchomić kod. Ta żywa, współzależna natura oznacza, że tradycyjne zasady udostępniania danych, zaprojektowane dla plików statycznych, nie wystarczają, by uczynić oprogramowanie naprawdę wielokrotnego użytku.

Od FAIR do CODE: nowe spojrzenie na narzędzia badawcze

W ciągu ostatniej dekady zasady FAIR — Findable (znajdowalne), Accessible (dostępne), Interoperable (interoperacyjne), Reusable (ponownie używalne) — zmieniły sposób, w jaki naukowcy postępują z danymi. Próby rozszerzenia FAIR na oprogramowanie przyniosły ważne postępy, ale autorzy twierdzą, że oprogramowanie potrzebuje bardziej dopasowanych wytycznych. Opierając się na dekadach doświadczeń społeczności wolnego i otwartego oprogramowania, proponują stopniową mapę drogową zorganizowaną wokół czterech filarów, które wygodnie tworzą akronim CODE: Open (Otwarte), Document (Dokumentuj), Execute (Wykonuj), Collaborate (Współpracuj). Zamiast wymagać doskonałości od razu, mapa jest warstwowa, tak by badacze z niewielkim formalnym przygotowaniem w inżynierii oprogramowania mogli krok po kroku przyjmować lepsze praktyki, podczas gdy bardziej zaawansowane zespoły mogą dążyć do wyższych poziomów odporności i otwartości.

Uczynienie kodu otwartym, zrozumiałym i uruchamialnym

W filarze „Open” autorzy zachęcają naukowców, by przestali wysyłać zipy na prośbę i zamiast tego publikowali kod źródłowy na publicznych platformach deweloperskich, które śledzą historię i wspierają współpracę. Podkreślają znaczenie długoterminowego archiwizowania w dedykowanych infrastrukturach, takich jak globalne archiwa kodu źródłowego, aby projekty pozostawały dostępne nawet w razie zamknięcia serwisu hostingowego. Jasne licencje open‑source i wyraźne wskazanie autorstwa są niezbędne, aby inni wiedzieli, co mogą robić prawnie i kogo należy uznać. Filar „Document” koncentruje się na uczynieniu oprogramowania zrozumiałym: używaniu znaczących nazw, dodawaniu komentarzy tłumaczących rozumowanie zamiast powtarzania kodu, dostarczaniu prostych przykładów i samouczków oraz pisaniu oddzielnej dokumentacji referencyjnej dla części programu, z którymi użytkownicy rzeczywiście wchodzą w interakcję.

Zapewnienie, że wyniki można odtworzyć i udostępnić

Filar „Execute” zajmuje się powszechną frustracją: kodem, który formalnie istnieje, ale nie da się go uruchomić gdzie indziej. Mapa drogowa namawia autorów do wymienienia sprzętu i oprogramowania, od których zależy ich program, do oferowania wielokrotnego użytku środowisk obliczeniowych, gdy to możliwe (przez kontenery lub wyspecjalizowane menedżery pakietów), do dostarczania zestawów testów, aby użytkownicy mogli sprawdzić, czy oprogramowanie działa prawidłowo na ich maszynach, oraz do udostępniania rzeczywistych, wykonywalnych przypadków użycia odzwierciedlających typowe analizy. Ostatni filar, „Collaborate”, zachęca do otwartego, ciągłego zaangażowania: odpowiadania na zgłoszenia błędów i prośby o funkcje, wyjaśniania, czy i jak mile widziane są zewnętrzne wkłady, uczciwości co do ograniczeń wsparcia oraz, gdy to stosowne, budowania społeczności przez samouczki, warsztaty i mentoring. Razem te kroki przemieniają izolowany kod badawczy w wspólne narzędzie, któremu wiele osób może ufać i które może być ulepszane.

Rola każdego w wspieraniu lepszego oprogramowania badawczego

Artykuł wyraźnie pokazuje, że indywidualni badacze nie rozwiążą problemu oprogramowania sami. Instytucje powinny inwestować w dedykowanych inżynierów oprogramowania badawczego, uwzględniać oprogramowanie przy zatrudnianiu i awansach oraz zapewniać dobrze zarządzane platformy do hostingu kodu. Fundatorzy są zachęcani do wspierania długoterminowego utrzymania szeroko używanych narzędzi, a nie tylko tworzenia nowych, oraz do promowania licencjonowania open‑source jako domyślnego rozwiązania, które pomoże rozwiązać kryzys powtarzalności. Biblioteki mogą rozszerzyć swoją tradycyjną rolę, pomagając w archiwizacji oprogramowania, zarządzaniu identyfikatorami i tworzeniu katalogów ułatwiających odnajdywanie ważnych programów. Wreszcie wydawcy są wezwani do wymagania, by kod stojący za opublikowanymi wynikami był faktycznie udostępniony, połączony z artykułem i coraz częściej poddawany przeglądowi, podobnie jak sam artykuł.

Co ta mapa drogowa oznacza dla przyszłości nauki

Mówiąc prosto, autorzy dochodzą do wniosku, że dobra nauka zależy dziś od dobrego oprogramowania, a dobre oprogramowanie nie powstaje przypadkiem. Ich mapa drogowa CODE oferuje realistyczną ścieżkę od dzisiejszego patchworku ukrytych skryptów do ekosystemu, w którym kod badawczy jest otwarty, dobrze wyjaśniony, możliwy do uruchomienia gdzie indziej i ulepszany przez wielu. Stosując te kroki — i przy udziale uniwersytetów, fundatorów, bibliotek i czasopism — nauka może zbliżyć się do świata, w którym wyniki nie tylko robią wrażenie przy pierwszym ogłoszeniu, ale są też weryfikowalne, wielokrotnego użytku i trwałe przez lata.

Cytowanie: Di Cosmo, R., Granger, S., Hinsen, K. et al. CODE beyond FAIR: a roadmap for reusable research software. Sci Data 13, 514 (2026). https://doi.org/10.1038/s41597-026-06705-6

Słowa kluczowe: oprogramowanie badawcze, open source, powtarzalność, trwałość oprogramowania, otwarta nauka