[论文解读] A sustainable infrastructure concept for improved accessibility, reusability, and archival of research software

Timo Koch, Dennis Gläser+7 more|arXiv (Cornell University)|Jan 27, 2023

Scientific Computing and Data ManagementDecision Sciences被引用 3

一句话总结

本文提出了一套可持续的研究软件基础设施，通过多模态软件制品表示（如容器化环境、基于浏览器的应用程序和源代码）以及符合FAIR原则的元数据和开放获取存储库，提升了可访问性、可重用性和归档能力。该方法通过与软件工程最佳实践对齐并整合到现有研究工作流中，实现了实际可复现性与长期可重用性。

ABSTRACT

Research software is an integral part of most research today and it is widely accepted that research software artifacts should be accessible and reproducible. However, the sustainable archival of research software artifacts is an ongoing effort. We identify research software artifacts as snapshots of the current state of research and an integral part of a sustainable cycle of software development, research, and publication. We develop requirements and recommendations to improve the archival, access, and reuse of research software artifacts based on installable, configurable, extensible research software, and sustainable public open-access infrastructure. The described goal is to enable the reuse and exploration of research software beyond published research results, in parallel with reproducibility efforts, and in line with the FAIR principles for data and software. Research software artifacts can be reused in varying scenarios. To this end, we design a multi-modal representation concept supporting multiple reuse scenarios. We identify types of research software artifacts that can be viewed as different modes of the same software-based research result, for example, installation-free configurable browser-based apps to containerized environments, descriptions in journal publications and software documentation, or source code with installation instructions. We discuss how the sustainability and reuse of research software are enhanced or enabled by a suitable archive infrastructure. Finally, at the example of a pilot project at the University of Stuttgart, Germany -- a collaborative effort between research software developers and infrastructure providers -- we outline practical challenges and experiences

研究动机与目标

• 解决研究软件制品长期归档与可重用性问题，这些制品往往随时间推移变得不可访问或无法复现。
• 通过使研究人员能够在原始结果无法复现的情况下，仍能探索和重用软件，提升实际可复现性。
• 开发一个支持多种重用场景的框架，通过同一软件制品的多样化表示形式（如源代码、文档和交互式环境）实现。
• 将软件归档与FAIR原则（可查找、可访问、可互操作、可重用）对齐，以确保长期可持续性和实用性。
• 将基础设施解决方案与现有的研究软件开发和出版工作流集成，以最小化干扰并最大化采用率。

提出的方法

• 设计一种多模态表示概念，将研究软件制品视为研究状态的快照，支持多种重用模式：可安装的代码、容器化环境、基于浏览器的应用程序和文档。
• 将FAIR原则整合到元数据和软件描述中，以确保在不同存储库和平台之间实现可查找性、可访问性和互操作性。
• 利用公共、开放获取的基础设施（如Software Heritage和Zenodo）实现长期归档，并提供持久标识符（DOIs、URL），以确保稳定性。
• 调整现有的软件安装工作流（如git clone、pip install），使其与长期数据归档访问模式兼容，特别是针对高性能计算和复杂依赖关系。
• 实施一种去中心化、可扩展的交互式重用模型，用户可贡献计算资源，从而减少对集中式、高成本云基础设施的依赖。
• 与研究软件工程师及基础设施提供商合作，在现实场景中（如斯图加特大学的DuMu x和ViPLab项目）进行系统原型设计与测试。

实验结果

研究问题

• RQ1 如何以确保长期可访问性和可重用性的方式归档研究软件制品，使其超越已发表结果的范围？
• RQ2 哪些软件制品的多模态表示形式最能支持多样化的重用场景，包括探索、修改和部署？
• RQ3 如何在实践中应用FAIR原则于软件元数据和文档中，以增强可查找性和互操作性？
• RQ4 何种基础设施模型能够实现研究软件的可持续、可扩展且去中心化的重用，同时最小化对专有或高成本云服务的依赖？
• RQ5 在将归档与重用基础设施整合到现有研究软件开发和出版工作流时，会面临哪些实际挑战？

主要发现

• 在2005年至2017年间发表的研究论文中，约25%的引用URL已无法访问，凸显了可持续软件归档的紧迫性。
• 在被引用论文中随机选取的98个生物信息学软件包中，仅有一半被标记为“易于安装”，表明安装便捷性与引用影响力之间存在显著相关性。
• 多模态表示概念成功支持了多样化的重用场景，包括通过基于浏览器的应用程序进行交互式探索，以及通过容器化环境实现可复现执行。
• 将软件制品与Software Heritage和Zenodo等公共开放归档库集成，可实现持久、符合FAIR原则的访问与版本控制。
• 在工作流适配中面临实际挑战，例如将标准软件安装（如pip install）与归档API访问对齐，需要精心设计接口和工具支持。
• 去中心化、社区驱动的交互式重用模型是可行且可扩展的，可在减少对集中式、高成本基础设施依赖的同时，保持与FAIR原则的一致性。