Malferma Kogna Scienco

Kunlaboro movas la sciencan progreson. Mi konstruas malfermajn metodojn por kogna-scienca esplorado — ilojn, teknikojn, kaj infrastrukturon, kiujn aliaj povas reuzi por krei, realigi, kaj kunhavigi sian propran laboron. Inspirita kaj edukita de projektoj kiel la Open Science Framework kaj la Turing Way, mi persone profitis el la malferma-scienca komunumo kaj mi konvinkiĝis pri ĝia valoro, precipe por sub-rimedaj laboratorioj kaj institucioj. Mi kontribuas tra la tuta procezo: eksperimenta dezajno, la teknologio kiu funkciigas la eksperimentojn, la analizaj metodoj, la lingvoj kiuj realigas ilin, kaj la iloj por komuniki kaj kunhavigi la rezultojn.

Pri mi

Mia nomo estas Luis Alberto Barradas Chacón. Mi estas doktoriĝanto ĉe TU Graz. Mi estas atestita gvidanto de atentema konscio (mindfulness) kaj membro de la Mexican Society for Bio- and Neurofeedback, same kiel de la Meksika Biosignaloj-grupo. Ĉi tiu retpaĝo kolektas parton de mia laboro kiel inĝeniero, kondutdatuma analizisto, statistikisto, kaj kogna sciencisto.

Eksperimenta dezajno

Mi programas kognajn eksperimentojn ekde mia unua trejnado pri Biofeedback kaj Neurofeedback en 2010. Mi lernis uzi NBS Presentation kaj E-Prime, sed konstatis ke la plej diversa kaj stabila solvo por la plej multaj el miaj projektoj ĉiam estis atingita per PsychoPy kaj OpenVIBE. Ambaŭ estas malfermitkodaj kaj havas grandajn komunumojn de uzantoj kaj programistoj. Dezajnoj kiel la Attention Network Test (ANT), la N-Back-tasko, kaj la Random Dot Motion Task (RDM), inter aliaj, estas libere haveblaj ĉe mia GitHub.

Teknologio por Kogna Scienco

Bona solvo por mia laboratorio ofte estas bona solvo por aliaj. Mi fidas je Lab Streaming Layer (LSL) por kognaj eksperimentoj, kiuj postulas sinkronigitan mezuradon de pluraj signaloj. Kun ĝi, malfermaj normoj kiel la Brain Imaging Data Structure (BIDS) kaj la Extensible Data Format (XDF) formas parton de la datumadministradaj kaj kunhavigaj solvoj, kiujn mi proponas. Ĉi tiuj realigoj ebligas ke granda nombro da aparatoj estu uzataj en la sama eksperimento, kaj ke la datumoj estu kunhavigataj kaj analizataj laŭ normigita maniero.

Datumanalizo

Malfermita kodo estas dua naturo en programar-disvolvado. La mondo de komputiko simple ne ekzistus kiel ĝi estas sen ĝi. La NumFOCUS-projekto tion scias. Dum mia tuta kariero, ili estis granda fonto de inspiro kaj subteno. Mi uzas la sciencan Python-stakon kaj la Julia-programlingvon por ĉiuj miaj datumanalizoj. Mi trovis grandan utilon en MNE-Python kaj PyTorch por miaj bezonoj pri signal-prilaborado kaj profunda lernado.

Scienca komunikado

Scienca komunikado subtenas ĉion alian, kion mi faras. Mi uzis Jupyter-notlibrojn dum mia tuta supera edukado. Plej lastatempe, Quarto plenumis miajn bezonojn pri pli fortika kaj reproduktebla scienc-komunika ilo. Kune kun tiuj, git kaj GitHub fariĝis fortaj iloj por kunhavigi kaj kunlabori pri miaj projektoj. Tio kompreneble ne anstataŭigas personan komunikadon, en la formo de kursoj, laborseminarioj, kaj konferencoj, sed ĝi ja faciligas kunhavigon kaj kunlaboron en malsamaj lingvoj kaj kun konstante ŝanĝiĝantaj versioj.

Scienco estas homrajto

Scienca scio estas komuna bono. La ĝusta mensa sinteno kaj iloj povas igi ĝian malkovron, administradon, kaj kunhavigon alireblaj por ĉiuj. Mia laboro estas unu provo meti tiun principon en praktikon — kaj helpi aliajn fari la samon.