神经科学
神经科学研究，由神经科学家评估
神经科学判断力如何在学系之外得以体现，以及创始群体将据以评判的标准。以下内容均为有意公开的草稿。
哪些内容可作为神经科学研究能力的证明
神经科学横跨从单通道记录到全脑成像的多个尺度，其公开记录也随之扩展：bioRxiv 预印本、存入 OpenNeuro 等库的数据集，以及与论文一同公开的分析流程。一个具有诚实伪影剔除标准的预处理流程，或一项在获得结果之前便声明统计阈值的成像研究，都是能力的直接证明。
在大学之外，神经科学工作往往隐藏在神经科技公司、制药公司靶点验证团队以及临床神经生理学实践之中。验证了脑机接口解码流程的科学家，或记录了某候选生物标志物为何未能重复验证的科学家，无论工牌上的头衔是否如此，做的都是神经科学研究。
这一领域的长期性失效模式是：小样本追逐大主张——统计效力不足的成像研究，以及经不起更严格校正的环路发现。识别主张与统计效力之间这一差距，是一种可学习、可评分的能力，也是这个学术群体对其神经科学家的期待所在。
阴性和零结果在这里具有真正的分量：一项统计效力充足却未能发现所声称效应的研究、对一项被广泛引用的环路发现所做的复制尝试、采用更严格多重比较校正的公开再分析。产出这些成果，是该领域所能提供的最有力的判断力证明之一。
神经科学评估标准，初稿
本标准着重考察信号与主张之间的距离，因为神经科学中小样本与高维数据的结合，使这一距离成为该领域评估的核心难题。
- 统计效力与校正
- 样本量在研究开始前已获论证，多重比较校正与实际进行的检验数量相符——而非在查看数据后才选定的子集。
- 方法透明度
- 采集参数、预处理流程与排除标准记录充分、可供重新运行，分析代码可供审阅。
- 主张纪律
- 结论保持在数据支持的范围之内；功能性或因果性表述须由扰动或干预挣得，而非从相关或共激活中借用。
- 跨尺度一致性
- 在某一描述层次——分子、环路、系统、行为——所做的主张与相邻层次的已知信息相互核对，不一致之处得到处理，而非被忽略。
神经科学创始评审员将先针对真实的预印本与数据集修订该草稿，之后才用于评分任何人。
评估标准的初稿可能包含项目合作伙伴的贡献。合作伙伴在评分中不具任何分量。
神经科学创始评审员的职责
首先针对神经科学家实际产出的成果对评分标准进行压力测试——一项成像研究与一篇单神经元电生理学论文的阅读方式截然不同，标准必须能够经受住两者的考验。
对公开成果进行校准轮次：对同一批预印本与数据集独立评分，随后结构化比较训练有素的评审员在哪些地方存在分歧，以及原因何在。
将各学科的校准记录（已完成设计、正在建设中）带入开放社区，使权重系统一旦运行，便以判断力经过衡量的神经科学家为起点。
适合哪些人
这一队列需要已经以最费心力的方式、跨越尺度与方法阅读他人成果的神经科学家：
- 在读讨论部分之前先读预处理流程的系统神经科学家与认知神经科学家。
- 模型与代码是其真正发表记录的计算神经科学家。
- 最佳成果存在于任何期刊都不会看到的验证报告中的神经科技与制药科学家。
- 在该领域统计效力问题的阴影下学会严谨研究设计的临床神经生理学家与早期研究者。
不适合哪些人
同样真实，值得在申请前一读：
- 希望为自己的研究项目获得认证的人——评审员在这里评估的是他人的成果。
- 希望比一个标准能够诚实建立的速度更快地获得资质认证的研究者。
- 不愿让自己的评分准确性被衡量并公开的人；校准正是这个社区的立足之本。
- 需要平台今天就能投入使用的人——评估机制仍在设计之中，本页有意如此说明。
申请成为神经科学评估员
申请表中已预先选择神经科学方向。请附上可供查阅的 ORCID 主页、bioRxiv 列表或数据仓库。