您只想阅读论文?

您可以在以下位置阅读,下载并提供有关该论文的反馈,其中描述了我们为什么以及如何开发MLSN指南。 PeerJ预印本。我们将在某个时候将其提交给同行评审。我们正在分享到目前为止的工作,并期待您的反馈。

您要引用吗? 可以引用预印本.

伍兹(MS),斯托威尔(Stowell LJ),格林恩(WD)。 (2016)根据Mehlich 3土壤测试结果制定的草皮草最低土壤养分指南。 PeerJ预印本4:e2144v1 //doi.org/10.7287/peerj.preprints.2144v1

您想查看,研究或使用数据吗?

我们用于此项目的数据位于 data 目录。这些数据是在公共领域,没有版权。请用于您自己的项目。我们当然希望将来对这些数据进行更多的分析,并将其用作参考数据集。

借助此Shiny应用程序,您可以将数据与MLSN数据集进行比较

在本文中,我们将可持续性指数(SI)描述为将任何Mehlich 3土壤测试结果与MLSN数据进行比较的一种方式。 这个闪亮的应用程序 根据用户输入的土壤测试数据计算SI。

准则的计算

检查 mlsn_manuscript.Rnw 文件和 r 文件夹以查看生成准则的功能和脚本。

本文是可复制的

本文是完全可复制的。有关可重复性的更多信息,Simply Statistics博客上有一篇很棒的文章 可重复研究的真正原因很重要。如果您对此有所关注,则需要阅读整篇文章。这是摘录,这是我们在这里尝试做的:

现在,要清楚一点,当我使用“可重复性”一词或说一项研究具有可重复性时,我的意思不是“独立验证”,而是在另一位调查员中进行了一项独立研究,并得出了与原始研究相同的结论。 (这就是我所说的“复制”)。通过使用可复制这个词,我的意思是可以(由独立研究者)分析原始数据(和原始计算机代码)以获得与原始研究相同的结果。从本质上讲,这是 数据分析 可以成功重复。在大型计算研究中,可重复性尤其重要,因为在大型计算研究中,数据分析通常在支持最终结论方面起着举足轻重的作用。

许多人似乎将可复制性和正确性的概念混为一谈,但是他们不是同一回事。必须永远记住 研究可以重复但仍然是错误的。 “错误”是指结论或主张可能是错误的。如果我声称X导致Y(认为“糖导致癌症”),则我的数据分析可能是可重现的,但由于种种原因,我的声明最终可能是错误的。如果我的主张具有任何价值,那么其他人将尝试复制它,而主张的正确性将取决于其他人是否得出相似的结论。

那为什么可重复性如此重要?可重复性很重要,因为 这是研究者唯一可以保证的一项研究.