Lo studio della diffusione di una pericolosa specie marina invasiva (L. sceleratus) nel Mediterraneo è stato condotto riusando dati e modelli di machine learning FAIR, con un approccio Open Science che ha permesso di strutturare un flusso di lavoro in cui ogni passaggio è ripercorribile e riproducibile. I risultati dello studio sono stati inclusi negli avvisi ufficiali della FAO per le nazioni del Mediterraneo
Di cosa si tratta
Il lavoro aveva l'obiettivo di predire dell’impatto futuro (densità di zone colonizzate) sulle nazioni del Mediterraneo dell'espansione della specie invasiva L. sceleratus. Lo studio è stato condotto applicando un ensemble di modelli di machine learning per l’apprendimento delle caratteristiche ambientali favorevoli all’espansione della specie e la predizione dell’impatto futuro.
Per questo esperimento sono stati riusati dati FAIR di parametri ambientali, osservazioni di specie, e modelli aperti e riusabili di machine learning. Abbiamo inoltre utilizzato l’infrastruttura D4Science per collaborare. Alcuni degli autori non si sono mai incontrati fisicamemente ma hanno interagito grazie alle funzionalità di supporto al lavoro cooperativo offerto dal Virtual Research Environment dell’infrastruttura.
L'approccio è descritto nell’articolo: Coro, G., Vilas, L. G., Magliozzi, C., Ellenbroek, A., Scarponi, P., & Pagano, P. (2018). Forecasting the ongoing invasion of Lagocephalus sceleratus in the Mediterranean Sea. Ecological Modelling, 371, 37-49.
Enti e/o progetti di riferimento
L’esperimento è stato sviluppato nel contesto del progetto europeo BlueBRIDGE (grant agreement no. 675680). Gli autori appartenevano ai seguenti istituti/organizzazioni:
-
Istituto di Scienza e Tecnologie dell’Informazione “Alessandro Faedo” – CNR, Pisa, Italy
-
Food and Agriculture Organization of the United Nations (FAO), Rome, Italy
-
University of Vigo, Pontevedra, Spain
-
Cranfield Water Science Institute, Cranfield University, Cranfield, United Kingdom
Approccio Open Science
Per realizzare questo lavoro sono stati usati dati e modelli machine learning FAIR messi a disposizione da altre infrastrutture. Inoltre, l’intero esperimento è stato condotto seguendo l’approccio Open Science. In particolare, l’esperimento è stato pubblicato come un Workflow descritto da una successione di link a servizi aperti (processi) con interfaccia standardizzata (Web Processing Service). Questa scelta permette la riproducibilità e la ripetibilità di ogni passo dell’esperimento stesso, i cui risultati sono stati pubblicati in maniera armonizzata su un catalogo dell’infrastruttura D4Science orientato al paradigma FAIR.
L’approccio OS è stato inoltre fondamentale per convincere i decision maker della FAO ad includere i risultati nelle loro direttive ufficiali per i paesi del Mediterraneo, essendo i risultati e la metodologia completamente trasparenti.
Lesson learned
L’approccio Open Science ha permesso di velocizzare la realizzazione dell’esperimento e di combinaree efficacemente le competenze complementari degli autori, che hanno dunque apprezzato e verificato le potenzialità dell’Open Science. Tuttavia, non esiste ad oggi un sistema premiale per chi sviluppa le proprie metodologie orientandole all’Open Science, per esempio un risultato scientifico oggi non viene valutato in relazione alla sua ripetibilità e riuso.
Difficoltà o questioni aperte
I tool per massimizzare la conformità delle metodologie al paradigma dell’OS sono troppo difficili da usare per chi non proviene da un ambito informatico. Affinché l’OS venga adottato da ampiamente dalla comunità scientifica, l’OS deve diventare una disciplina, abbandonando il suo attuale status preponderante di filosofia.
Riferimenti scientifici e materiali divulgativi
- Articolo scientifico:
Coro, G., Vilas, L. G., Magliozzi, C., Ellenbroek, A., Scarponi, P., & Pagano, P. (2018). Forecasting the ongoing invasion of Lagocephalus sceleratus in the Mediterranean Sea. Ecological Modelling, 371, 37-49.
- Materiali di disseminazione:
News del Cnr che ha rilanciato un’intervista su New Scientist dedicata all’argomento
News Cnr sulla selezione EOSC dell’esperimento
Report FAO che include i risultati descritti
23 ottobre 2023
