Pembuka

Mengapa Alur Kerja Perlu Dirancang Sebelum Data Dikumpulkan

Pada pertemuan sebelumnya setiap kelompok telah menetapkan pertanyaan penelitian dan memilih dataset yang akan digunakan. Pertemuan ini membahas satu langkah yang sering diabaikan, yaitu merancang bagaimana data tersebut akan dikelola sejak diunduh hingga menjadi luaran yang dapat dipertanggungjawabkan. Rancangan itu disebut alur kerja penelitian digital, dan tempat bekerjanya disebut ruang kerja proyek.

Banyak mahasiswa memandang pengelolaan data sebagai urusan teknis yang dapat diselesaikan belakangan. Pandangan tersebut beralasan karena kegiatan mengunduh, menyalin, dan menyimpan berkas terasa sederhana pada minggu pertama sebuah proyek. Persoalan muncul ketika proyek berjalan beberapa minggu, anggota kelompok bertambah, dan berkas mulai berlipat ganda dengan nama yang mirip satu sama lain. Pada titik tersebut waktu yang seharusnya dipakai untuk menganalisis data justru habis untuk mencari berkas yang benar. Briney, Coates, dan Goben (2020) mencatat bahwa persoalan ini bukan milik mahasiswa saja, melainkan juga dialami peneliti berpengalaman di berbagai institusi.

Besaran persoalannya dapat diukur. Sebuah kajian yang dirujuk oleh Briney dkk. (2020) menemukan bahwa data biologi menghilang dengan laju sekitar tujuh belas persen per tahun setelah artikel diterbitkan. Angka tersebut berarti bahwa dalam waktu lima tahun sebagian besar data pendukung sebuah publikasi sudah tidak dapat ditemukan kembali, bahkan oleh penulisnya sendiri. Penyebabnya jarang berupa peristiwa besar seperti kebakaran laboratorium, melainkan hal sehari-hari seperti laptop rusak, tautan penyimpanan kedaluwarsa, atau berkas tersimpan dengan nama yang tidak lagi dipahami. Modul ini disusun untuk mencegah kelompok mengalami masalah serupa dalam skala yang lebih kecil.

Peristiwa dalam vignette tersebut tidak disebabkan oleh kurangnya kemampuan teknis. Penyebabnya adalah tidak adanya kesepakatan tentang di mana berkas disimpan, bagaimana berkas diberi nama, dan siapa yang berhak mengubah data mentah. Kesepakatan semacam itu tidak memerlukan perangkat lunak mahal dan tidak memerlukan keahlian pemrograman. Yang dibutuhkan hanyalah keputusan yang diambil di awal, lalu dicatat agar seluruh anggota mengikuti aturan yang sama. Modul ini membimbing setiap kelompok untuk mengambil keputusan tersebut secara sadar dan mendokumentasikannya.

Identitas Pertemuan

Peta Perjalanan Modul

Modul ini terdiri atas enam bab isi yang disusun mengikuti urutan pekerjaan nyata sebuah kelompok penelitian. Bab pertama membangun peta besar berupa siklus hidup data, sehingga materi pertemuan tiga sampai sepuluh dapat dilihat sebagai satu rangkaian yang utuh. Bab kedua dan ketiga membahas cara menuangkan rancangan menjadi diagram alur dan cara memilih perangkat kerja pada setiap tahapnya. Bab keempat dan kelima membahas penataan ruang kerja bersama serta dokumentasi yang membuat data dapat dipahami orang lain. Bab keenam menutup rangkaian dengan pembahasan mengenai pemanfaatan kecerdasan buatan secara bertanggung jawab dalam merancang alur kerja.

Bab 1

Peta Besar: Siklus Hidup Data Penelitian

Materi yang dipelajari sejak pertemuan ketiga sampai kesepuluh kerap terasa sebagai potongan topik yang berdiri sendiri. Siklus hidup data penelitian berfungsi sebagai kerangka yang menyatukan potongan-potongan tersebut ke dalam satu perjalanan yang bersinambung.

Siklus hidup data adalah rangkaian tahap yang dilalui data sejak direncanakan hingga digunakan kembali oleh pihak lain. Kerangka yang paling banyak digunakan dalam bidang ekologi dan biologi dikembangkan oleh Strasser dkk. (2012) melalui inisiatif DataONE. Kerangka tersebut membagi perjalanan data ke dalam delapan tahap, yaitu merencanakan, mengumpulkan, menjamin mutu, mendeskripsikan, melestarikan, menemukan, mengintegrasikan, dan menganalisis. Delapan tahap ini tidak selalu dijalani secara berurutan, karena pada praktiknya beberapa tahap berlangsung bersamaan. Meskipun demikian, kerangka tersebut berguna sebagai daftar periksa agar tidak ada tahap yang terlewat begitu saja.

Membaca Ulang Materi Sebelumnya melalui Siklus Hidup Data

Keunggulan utama kerangka siklus hidup adalah kemampuannya menempatkan materi lama pada posisi yang tepat. Pembahasan mengenai jenis, sumber, dan format data pada pertemuan ketiga sesungguhnya merupakan bagian dari tahap merencanakan dan mengumpulkan. Pembahasan mengenai dimensi kualitas data pada pertemuan keempat merupakan tahap menjamin mutu. Pembahasan mengenai metadata dan rencana pengelolaan data pada pertemuan kesembilan dan kesepuluh merupakan tahap mendeskripsikan dan melestarikan. Dengan pemetaan semacam ini, mahasiswa tidak perlu mempelajari konsep baru, melainkan cukup menempatkan konsep yang sudah dikuasai ke dalam kerangka yang lebih besar.

Entropi Data dan Alasan Mendokumentasikan Sejak Awal

Strasser dkk. (2012) memperkenalkan istilah entropi data untuk menggambarkan kecenderungan alami sebuah dataset kehilangan makna seiring berjalannya waktu. Ketika data baru diunduh, seluruh konteksnya masih segar dalam ingatan, sehingga singkatan pada nama kolom terasa jelas dan keputusan pembersihan terasa mudah diingat. Beberapa bulan kemudian ingatan tersebut memudar, sementara berkasnya tetap ada tanpa penjelasan apa pun. Hart dkk. (2016) menegaskan bahwa entropi data inilah yang membuat dataset lama sering kali tidak dapat digunakan kembali meskipun secara fisik berkasnya masih tersimpan. Pencegahannya sederhana, yaitu mendokumentasikan konteks pada saat konteks tersebut masih diingat, bukan pada saat laporan akan dikumpulkan.

Bab 2

Menuangkan Rancangan menjadi Diagram Alur

Siklus hidup data bersifat umum dan berlaku bagi semua penelitian. Diagram alur bersifat khusus dan menggambarkan langkah konkret yang akan dijalankan oleh satu kelompok terhadap satu dataset tertentu.

Diagram alur penelitian digital adalah gambar yang memperlihatkan urutan pekerjaan dari data mentah hingga luaran akhir. Briney dkk. (2020) menyatakan bahwa penyusunan diagram semacam ini memberi manfaat ganda bagi sebuah tim penelitian. Manfaat pertama bersifat teknis, yaitu tim memperoleh gambaran menyeluruh mengenai langkah yang harus dikerjakan beserta urutannya. Manfaat kedua bersifat sosial, yaitu proses menggambar diagram memaksa seluruh anggota tim menyamakan pemahaman mengenai cara kerja proyek. Pada banyak kasus, perbedaan pemahaman antaranggota baru terungkap ketika diagram mulai digambar bersama-sama.

Lima Simbol yang Perlu Dikuasai

Diagram alur menggunakan sekumpulan simbol baku yang jumlahnya cukup banyak, namun untuk keperluan modul ini lima simbol sudah memadai. Penggunaan simbol yang konsisten membuat diagram dapat dibaca orang lain tanpa penjelasan lisan. Kelompok tidak perlu menguasai seluruh simbol standar, tetapi wajib menggunakan simbol yang sama secara konsisten di dalam satu diagram. Ketidakkonsistenan penggunaan simbol adalah kesalahan yang paling sering ditemukan pada diagram alur buatan pemula.

Menyusun Diagram Alur secara Bertahap

Penyusunan diagram alur sebaiknya dimulai dari kerangka kasar, bukan dari gambar yang rapi. Langkah pertama adalah menuliskan seluruh pekerjaan yang terbayangkan pada kertas atau catatan digital tanpa memperhatikan urutan. Langkah kedua adalah mengurutkan pekerjaan tersebut dan mengelompokkannya ke dalam empat kelompok besar, yaitu memperoleh data, merapikan data, menganalisis data, dan menyajikan hasil. Langkah ketiga adalah menyisipkan titik keputusan pada bagian yang mungkin bercabang, misalnya ketika data ternyata tidak lengkap. Langkah keempat baru berupa penggambaran diagram menggunakan perangkat digital agar dapat dilampirkan dalam dokumen proyek.

Bab 3

Memilih Perangkat Kerja pada Setiap Tahap

Setiap kotak pada diagram alur memerlukan perangkat untuk mengerjakannya. Modul ini membatasi pilihan pada perangkat berbasis Google yang dapat diakses gratis melalui akun kampus dan dapat dijalankan pada ponsel maupun komputer.

Pemilihan perangkat kerja sebaiknya didasarkan pada kesesuaian dengan tugas, bukan pada popularitas atau kecanggihan. Perangkat yang terlalu canggih untuk tugas sederhana justru memperlambat pekerjaan karena menuntut waktu belajar yang tidak sebanding dengan manfaatnya. Sebaliknya, perangkat yang terlalu sederhana akan memaksa pekerjaan dilakukan secara manual dan membuka peluang kesalahan. Untuk proyek pada mata kuliah ini, seluruh tahap dapat diselesaikan menggunakan enam perangkat yang saling terhubung dalam satu ekosistem. Keterhubungan tersebut penting karena mengurangi kegiatan mengunduh dan mengunggah berkas yang menjadi sumber utama kebingungan versi.

Data Mentah dan Data Kerja

Aturan terpenting dalam pengolahan data bukan berkaitan dengan perangkat, melainkan dengan perlakuan terhadap data mentah. Borer, Seabloom, Jones, dan Schildhauer (2009) menegaskan bahwa berkas data mentah harus selalu disimpan dalam kondisi asli, termasuk seluruh kesalahan dan ketidakrapiannya. Setiap perbaikan dilakukan pada salinan yang disebut data kerja, sehingga kondisi awal data selalu dapat ditelusuri kembali. Prinsip yang sama ditegaskan pula oleh Wilson dkk. (2017) sebagai praktik pertama dalam pengelolaan data penelitian. Penerapan prinsip ini pada Google Spreadsheet dilakukan dengan cara membuat lembar terpisah untuk data mentah dan mengunci lembar tersebut agar tidak dapat disunting.

Mencatat Setiap Langkah Pengolahan

Peneliti yang bekerja dengan bahasa pemrograman memperoleh catatan langkah secara otomatis karena setiap perintah tersimpan dalam skrip. Kelompok yang bekerja dengan lembar sebar tidak memperoleh keuntungan tersebut, sehingga pencatatan harus dilakukan secara sengaja. Solusi praktisnya adalah menambahkan satu lembar khusus bernama Log Pengolahan di dalam berkas yang sama. Lembar tersebut memuat tanggal, nama pelaksana, tindakan yang dilakukan, jumlah baris sebelum dan sesudah tindakan, serta alasan singkat. Catatan semacam ini memenuhi prinsip yang dianjurkan Wilson dkk. (2017) mengenai perekaman seluruh langkah pemrosesan data tanpa memerlukan kemampuan pemrograman.

Bab 4

Menata Ruang Kerja Proyek di Google Drive

Perangkat yang tepat tidak menolong apabila berkasnya tersebar tanpa aturan. Bab ini membahas penataan folder, penamaan berkas, pengaturan hak akses, dan pencadangan sebagai wujud nyata dari rencana pengelolaan data yang dipelajari pada pertemuan kesembilan.

Noble (2009) mengemukakan satu prinsip yang menjadi dasar seluruh penataan ruang kerja, yaitu bahwa orang lain harus dapat membuka folder proyek dan memahami isinya tanpa bertanya kepada pemiliknya. Orang lain yang dimaksud dapat berupa dosen penilai, anggota kelompok yang baru bergabung, atau bahkan diri sendiri beberapa bulan kemudian. Prinsip ini bersifat praktis dan mudah diuji, karena kelompok cukup meminta mahasiswa dari kelompok lain untuk membuka foldernya dan menceritakan isinya. Apabila penjelasan lisan masih diperlukan, penataan folder tersebut belum memadai. Uji sederhana ini akan dipakai sebagai kegiatan silang pada sesi tatap muka.

Struktur Folder Proyek

Struktur folder yang dianjurkan membagi berkas berdasarkan jenisnya, bukan berdasarkan nama anggota atau tanggal pengerjaan. Wilson dkk. (2017) menganjurkan pemisahan antara data, dokumen, dan hasil, sedangkan Noble (2009) menambahkan pentingnya penomoran agar urutan folder mencerminkan urutan pekerjaan. Penomoran di depan nama folder membuat susunan folder tetap teratur karena sistem akan mengurutkannya secara otomatis. Struktur berikut telah disederhanakan agar sesuai dengan cakupan proyek mata kuliah ini.

Penamaan Berkas

Nama berkas yang baik memuat informasi yang cukup untuk mengenali isinya tanpa membukanya. Briney dkk. (2020) menganjurkan agar nama berkas memuat tiga unsur, yaitu identitas proyek atau isi, tanggal dalam format baku, dan penanda versi apabila diperlukan. Tanda spasi sebaiknya diganti dengan garis bawah karena spasi dapat menimbulkan masalah pada beberapa sistem dan tautan. Penggunaan kata seperti final, fix, atau revisi terakhir sebaiknya dihindari sepenuhnya karena kata tersebut kehilangan maknanya begitu muncul versi berikutnya. Penomoran versi dengan angka jauh lebih andal daripada penanda berupa kata sifat.

Hak Akses dan Riwayat Versi

Google Drive menyediakan dua fasilitas yang sering tidak dimanfaatkan mahasiswa, yaitu pengaturan hak akses dan riwayat versi. Pengaturan hak akses memungkinkan folder data mentah diberi status hanya dapat dilihat, sehingga tidak ada anggota yang dapat menyuntingnya secara tidak sengaja. Riwayat versi menyimpan seluruh perubahan pada berkas Google Spreadsheet dan Google Dokumen, sehingga kondisi berkas pada tanggal tertentu dapat dipulihkan. Kedua fasilitas ini menjawab dua kekhawatiran terbesar dalam kerja kelompok, yaitu data yang terhapus dan pekerjaan yang tertimpa. Kelompok dianjurkan memberi nama pada versi penting melalui menu riwayat versi agar mudah ditemukan kembali.

Prinsip Pencadangan 3-2-1

Hart dkk. (2016) menegaskan bahwa penyimpanan pada satu tempat tidak pernah cukup, sebaik apa pun tempat tersebut. Prinsip pencadangan yang lazim digunakan disebut prinsip 3-2-1, yaitu menyimpan tiga salinan data, pada dua jenis media yang berbeda, dengan satu salinan berada di lokasi yang terpisah. Untuk proyek mata kuliah ini, prinsip tersebut dapat diterapkan dengan menyimpan salinan utama di Google Drive, salinan kedua di komputer atau ponsel salah satu anggota, dan salinan ketiga berupa unduhan berkala dalam format CSV. Borer dkk. (2009) menambahkan bahwa salinan arsip sebaiknya disimpan dalam format terbuka seperti CSV, bukan dalam format yang bergantung pada satu perangkat lunak tertentu. Alasannya adalah format terbuka tetap dapat dibaca meskipun perangkat lunak aslinya sudah tidak tersedia.

Bab 5

README dan Kamus Data sebagai Buku Manual Proyek

Folder yang tertata rapi menjelaskan tempat berkas berada, tetapi belum menjelaskan makna isinya. Dua dokumen pendek berikut berfungsi sebagai buku manual yang membuat data dapat dipahami tanpa kehadiran pembuatnya.

Konsep metadata telah diperkenalkan pada pertemuan ketiga dan keempat sebagai keterangan yang menjelaskan data. Pada bab ini konsep tersebut diwujudkan dalam bentuk yang paling sederhana dan paling banyak digunakan, yaitu berkas README dan kamus data. Noble (2009) menganjurkan agar setiap folder data memuat berkas README yang mencatat siapa mengunduh data tersebut, dari tautan mana, dan pada tanggal berapa. Tiga keterangan itu tampak sepele, namun justru merupakan informasi yang paling cepat terlupakan dan paling sering dibutuhkan. Tanpa keterangan tersebut, keterulangan sebuah proyek praktis tidak dapat dijamin.

Berkas README

Berkas README adalah dokumen teks pendek yang diletakkan pada folder dokumen dan dibaca paling awal oleh siapa pun yang membuka proyek. Isinya tidak perlu panjang, karena satu halaman umumnya sudah memadai untuk proyek pada tingkat mata kuliah. Yang terpenting adalah kelengkapan unsur pokoknya, bukan keindahan bahasanya. Berkas ini diperbarui setiap kali terjadi perubahan penting, misalnya ketika sumber data bertambah atau struktur folder berubah.

Kamus Data

Kamus data adalah tabel yang menjelaskan arti setiap kolom di dalam dataset. Broman dan Woo (2018) menempatkan pembuatan kamus data sebagai salah satu praktik pokok dalam penataan lembar sebar karena nama kolom hampir selalu berupa singkatan yang maknanya cepat memudar. Kamus data disimpan sebagai lembar terpisah di dalam berkas yang sama atau sebagai berkas tersendiri pada folder dokumen. Borer dkk. (2009) menambahkan satu tuntutan khusus bagi data biologi, yaitu pencatatan nama takson secara lengkap beserta otoritasnya, misalnya penulisan Homo sapiens Linn. yang menunjukkan bahwa penamaan tersebut merujuk pada Linnaeus. Tuntutan ini penting karena nama ilmiah dapat berubah seiring perkembangan pemahaman mengenai hubungan kekerabatan, sehingga nama tanpa otoritas berpotensi ditafsirkan berbeda di kemudian hari.

Bab 6

Kecerdasan Buatan sebagai Asisten Perancang Alur Kerja

Kecerdasan buatan generatif dapat membantu menyusun alternatif rancangan alur kerja dengan cepat. Bab ini membahas cara memanfaatkan bantuan tersebut secara bertanggung jawab, termasuk batas yang tidak boleh dilampaui.

Perancangan alur kerja merupakan salah satu tugas yang cocok dibantu oleh kecerdasan buatan generatif. Alasannya adalah karena tugas ini bersifat terbuka, memiliki banyak kemungkinan penyelesaian, dan hasilnya dapat diperiksa langsung oleh mahasiswa berdasarkan pengetahuan yang sudah dimiliki. Ketika sebuah kelompok meminta usulan urutan pekerjaan untuk proyeknya, kelompok tersebut berada pada posisi yang cukup untuk menilai apakah usulan itu masuk akal atau tidak. Posisi semacam ini berbeda dengan permintaan berupa fakta atau rujukan ilmiah, yang kebenarannya tidak dapat dinilai tanpa pemeriksaan terhadap sumber aslinya. Perbedaan ini menjadi dasar bagi aturan pemanfaatan yang diterapkan pada mata kuliah ini.

Tiga Aturan Pemanfaatan

Aturan pertama menyatakan bahwa kecerdasan buatan boleh dimanfaatkan untuk menghasilkan alternatif rancangan, menyusun kerangka, dan memperbaiki tata bahasa. Aturan kedua menyatakan bahwa keputusan akhir mengenai isi rancangan tetap berada pada kelompok, sehingga setiap usulan wajib dinilai dan disesuaikan dengan kondisi data yang sebenarnya. Aturan ketiga menyatakan bahwa seluruh pemanfaatan wajib dicatat dalam Log AI yang memuat perintah yang diberikan, ringkasan keluaran, dan bagian yang diubah oleh kelompok. Ketiga aturan ini sejalan dengan prinsip transparansi yang menjadi salah satu asas paling banyak disepakati dalam pedoman etika kecerdasan buatan di dunia, sebagaimana dilaporkan oleh Jobin, Ienca, dan Vayena (2019).

Batas yang Tidak Boleh Dilampaui

Batas terpenting berkaitan dengan rujukan ilmiah. Walters dan Wilder (2023) memeriksa enam ratus tiga puluh enam sitasi yang dihasilkan oleh dua versi model bahasa dan menemukan bahwa lima puluh lima persen sitasi dari versi lama merupakan rujukan fiktif yang tidak pernah diterbitkan. Versi yang lebih baru menunjukkan perbaikan berarti, namun delapan belas persen sitasinya tetap fiktif. Temuan tersebut menunjukkan bahwa perbaikan teknologi mengurangi risiko tetapi tidak menghilangkannya. Oleh sebab itu, setiap rujukan yang muncul dari kecerdasan buatan wajib ditelusuri keberadaannya pada mesin pencari ilmiah sebelum dicantumkan, dan rujukan yang tidak ditemukan wajib dibuang.

Format Log AI

Penugasan

Perancangan Projek 2: Workflow dan Ruang Kerja Data

Penugasan ini merupakan Produk Tahap 2 dari rangkaian Perancangan Projek yang dimulai pada pertemuan kesebelas. Seluruh pekerjaan dilakukan secara berkelompok dan menghasilkan satu berkas gabungan beserta satu folder kerja yang tertata.

Luaran yang Dikumpulkan

Pembagian Peran yang Disarankan

Pembagian peran memudahkan pengerjaan dan sekaligus menjadi bukti kolaborasi yang akan diminta kembali pada pertemuan ketiga belas. Setiap anggota tetap wajib memahami keseluruhan alur kerja, sehingga peran ini bersifat koordinatif dan bukan pemisahan yang kaku. Kelompok dianjurkan mencantumkan pembagian peran pada berkas README agar tercatat secara resmi. Perubahan peran di tengah pengerjaan diperbolehkan sepanjang dicatat pada dokumen yang sama.

• Perancang alur: menyusun dan menggambar diagram alur penelitian
• Pengelola ruang kerja: membuat struktur folder, mengatur hak akses, dan menjalankan pencadangan
• Penyusun dokumentasi: menulis README dan kamus data
• Pemeriksa mutu: menguji kelengkapan berkas menggunakan daftar periksa dan memimpin uji silang
• Koordinator: menggabungkan seluruh luaran menjadi satu berkas dan mengurus pengumpulan

Daftar Periksa sebelum Pengumpulan

• Diagram alur memuat titik awal, titik akhir, minimal satu titik keputusan, dan minimal satu titik penyimpanan
• Setiap tahap pada diagram alur memiliki pasangan perangkat pada tabel peta perangkat
• Folder proyek memiliki lima subfolder bernomor dan sudah dibagikan kepada seluruh anggota serta dosen pengampu
• Folder data mentah berstatus hanya dapat dilihat dan berisi berkas asli yang belum pernah disunting
• Seluruh nama berkas memuat keterangan isi dan tanggal berformat tahun, bulan, tanggal
• Tidak terdapat berkas yang menggunakan kata fix, final, atau revisi terakhir pada namanya
• Berkas README memuat tautan sumber data, nama pengunduh, tanggal unduh, dan lisensi
• Seluruh kolom dataset sudah dijelaskan pada kamus data, termasuk otoritas pada nama takson
• Strategi pencadangan 3-2-1 sudah dijalankan minimal satu kali dan tercatat
• Log AI terisi lengkap dan seluruh rujukan sudah ditelusuri keberadaannya

Ringkasan

Cheat Sheet, Glosarium, dan Daftar Pustaka

Bagian ini merangkum seluruh aturan praktis yang dibahas pada modul agar dapat dipakai sebagai rujukan cepat selama pengerjaan proyek berlangsung.

Cheat Sheet Pengelolaan Data Proyek

Glosarium

Daftar Pustaka

Borer, E. T., Seabloom, E. W., Jones, M. B., & Schildhauer, M. (2009). Some simple guidelines for effective data management. Bulletin of the Ecological Society of America, 90(2), 205–214. https://doi.org/10.1890/0012-9623-90.2.205

Briney, K. A., Coates, H., & Goben, A. (2020). Foundational practices of research data management. Research Ideas and Outcomes, 6, e56508. https://doi.org/10.3897/rio.6.e56508

Broman, K. W., & Woo, K. H. (2018). Data organization in spreadsheets. The American Statistician, 72(1), 2–10. https://doi.org/10.1080/00031305.2017.1375989

Hart, E. M., Barmby, P., LeBauer, D., Michonneau, F., Mount, S., Mulrooney, P., Poisot, T., Woo, K. H., Zimmerman, N. B., & Hollister, J. W. (2016). Ten simple rules for digital data storage. PLOS Computational Biology, 12(10), e1005097. https://doi.org/10.1371/journal.pcbi.1005097

Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1(9), 389–399. https://doi.org/10.1038/s42256-019-0088-2

Noble, W. S. (2009). A quick guide to organizing computational biology projects. PLOS Computational Biology, 5(7), e1000424. https://doi.org/10.1371/journal.pcbi.1000424

Strasser, C., Cook, R., Michener, W., & Budden, A. (2012). Primer on data management: What you always wanted to know. DataONE. https://doi.org/10.5060/D2251G48

Walters, W. H., & Wilder, E. I. (2023). Fabrication and errors in the bibliographic citations generated by ChatGPT. Scientific Reports, 13, 14045. https://doi.org/10.1038/s41598-023-41032-5

Wilson, G., Bryan, J., Cranston, K., Kitzes, J., Nederbragt, L., & Teal, T. K. (2017). Good enough practices in scientific computing. PLOS Computational Biology, 13(6), e1005510. https://doi.org/10.1371/journal.pcbi.1005510