The Turing Way项目五周年庆典:开放科学社区的发展与展望
The Turing Way是一个由社区驱动的开放科学项目,旨在为数据密集型研究提供可重复性、伦理性和协作性的实践指南。该项目于2019年在英国Loughborough举办的Collaborations Workshop上首次发布,经过五年的发展,已成长为一个拥有450多位协作者、300多章节的综合性资源库。在即将到来的CW24研讨会上,The Turing Way社区计划举办一场特别的60分钟工作坊,庆祝这一里程碑,并展望未来发展方向。
核心章节展示
工作坊将重点展示三个与CW24主题相契合的章节:
-
代码测试实践
作为项目最早发布的章节之一,该部分强调在AI辅助编程时代保持"人类在环"的重要性。随着大型语言模型被广泛用于代码生成,本章节特别警示了完全依赖AI编写测试用例的风险——这相当于让AI"自己批改作业"。社区将分享如何建立有效的测试流程,确保代码质量的同时保持人类监督。 -
数字研究的环境影响
这一章节体现了The Turing Way与Pangeo、环境数据科学手册等社区的协作成果。内容不仅涵盖如何将开放研究实践应用于环境数据科学,还深入探讨了如何评估和减少数据科学工作流程的碳足迹。社区成员正在参与ELIXIR环境影响焦点小组等工作,推动该领域的实践发展。 -
包容性研究活动设计
这是即将合并的新章节,由AI for Multiple Long Term Conditions研究支持设施与The Turing Way可访问性工作组联合开发。该指南特别关注如何有效整合患者和公众参与(PPIE),打破"公民"与"科学家"之间的界限,确保研究活动对各类参与者都具有包容性。
互动环节设计
工作坊将采用混合形式,同时照顾线下和线上参与者的体验:
-
回顾与展望讨论:通过分组讨论,收集社区对过去五年开放科学发展变化的观察,以及对未来五年前景的预测。线下使用便利贴,线上使用Miro协作板记录观点(组织者已注意到Miro的可访问性限制,将安排专人协助视障参与者)。
-
生日庆祝环节:工作坊最后将进行简短的生日庆祝,线下参与者可以共享蛋糕(包含素食和无麸质选项),全体成员齐唱生日歌,象征社区的持续成长与活力。
社区协作模式
The Turing Way的成功很大程度上归功于其开放的协作模式:
- 任何人都可以通过GitHub提出修改建议或新增内容
- 定期举办协同写作会议,降低新贡献者的参与门槛
- 建立专门的主题频道(如环境可持续性频道)深化特定领域的讨论
- 通过播客、新闻通讯等多渠道扩大影响力
这种模式不仅保证了指南内容的多样性和时效性,也培养了一个全球性的开放科学实践者网络。五周年庆典既是对过往成就的肯定,也是对未来协作创新的号召。随着AI技术、环境挑战等新议题不断涌现,The Turing Way社区将继续演化,为负责任的研究实践提供与时俱进的指导。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0298- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









