Labvanced 与开放科学的精神
由于 Labvanced 是一项基于订阅的服务，这对很多人来说可能听起来与开放科学不符。但情况远非如此。Labvanced 通过其设置方式以及允许研究人员创建和发布实验的方式，不仅拥抱了开放科学的精神，还推动了在线实验研究的最佳实践。
公共实验库与开放科学
Labvanced 为希望尽可能使在线研究自由可访问和可分享的研究人员提供几种途径，其中之一就是公共实验库。通过公共实验库，研究人员可以发布他们的实验，以便任何希望参与的人都可以参与。在发布实验时，研究人员可以指定该研究可以作为模板的程度（即可以被其他订阅用户导入），并且还可以说明非 Labvanced 用户的“开放访问”是什么样的——例如，是否只有设计/实验设置可以查看，还是收集的数据也可以公开访问。
公共实验库 是目前存在的最大的开放科学/开放实验库之一，且不断增长，全球各地的外部机构已列出了超过 600 项研究。这使得审阅者可以“检查”实现（即使没有账户）并查看收集的数据（如果您选择了公开可用）。我们看到许多研究人员在高影响力的期刊中为此目的提供 Labvanced 链接。
还需注意的是，研究人员可以在公共实验库中免费发布研究；研究将永远在那（或在研究人员允许的时间内）。这意味着实验可以自由创建，而其他研究人员无需支付费用即可检查/审阅您的工作。我们相信，这种更高程度的开放性和透明性在其他地方尚未看到。
可重复性/可重用性
共享或导出实验的某种封装形式对希望向其他研究人员展示或传达其实验设计的研究人员来说是很重要的，而不依赖于公共实验库。
在 Labvanced 中进行的所有实验具有最高的可重复性，因为每个实验中使用的代码都是完全相同的。这是因为所有研究人员在使用 Labvanced 时进行的研究编辑/研究实施将创建一个 JSON 数据文件（即实验规范），然后由 Labvanced 实验播放器引擎“播放/运行”，以确保在平台上所有研究执行的功能相同。
通常，基于编程的实验依赖某种“自定义 React/Python/自托管解决方案”，其中每个复杂实验都是自己的代码库。虽然研究人员确实会使用并拥有一些可以在其研究中重复使用的代码（即组件），但这些研究之间的代码/逻辑通常比较 Labvanced 基于的研究存在更高的差异，这可能最终会减少可重复性。
最终，在研究中拥有相同的代码基础（如 Labvanced 所做的）是一种有效的方式，有助于扩展、时间管理，以及创建某种框架，而不是以纯粹自定义的方式一次又一次编写项目。当然，作为实验心理学研究人员，Labvanced 为其用户提供了编码的机会，在这种情况下，应用程序中有一个可访问的 JavaScript 编辑器和用于 CSS 的编辑器。
关于可重用性的实际棘手之处在于，尚不存在一种普遍接受的在线研究实验协议/实验格式，尤其在诸如基于网络摄像头的眼动追踪、多用户支持等能力方面。
目前唯一存在的全球网络标准是在数据存储和数据交换领域，其中使用 JSON… 而这正是我们在这里使用的。重要的是，Labvanced 用户可以随时以免费的一键方式导出整个 JSON 实验规范，这意味着您可以以标准化 JSON 格式下载、保存和分享您的实验结构（与 Labvanced 无关）。
如前所述，JSON 格式本质上捕获了实验结构。因此，例如，如果您在 Labvanced 中有一个命令“在帧开始时记录注视”，这将通过如下导出/共享的 JSON 代码反映出来（注意：这是一个简化示例）：
event: { trigger: onNewGaze actions [ {setRecVar:{ varID: "j234o234h234234" }} ] }
因此，在可重用性和可重复性的主题上，使用 Labvanced 构建的实验可以通过导出 JSON 文件进行沟通，从而将实验结构与他人共享。
开源
Labvanced 背后的许多源代码实际上是开源的，出于透明性原因，可以在 Github 上查阅 (https://github.com/Labvanced/)。然而，某些部分，如 Labvanced 的专有基于网络摄像头的眼动追踪技术和神经网络，则未包含在内。这是因为我们必须保护我们在创建最准确的基于网络摄像头的眼动追踪技术中所投入的多年投资。否则它会被窃取，我们确实看到过来自小型和大型公司的此类企图。
结论
实验室或学生通常希望依赖某种结合 PsychoJS+Pavlovia 的方式进行更简单的实验，或者甚至走上创建完全自定义的 React/Python/自托管解决方案的道路，以实现更复杂的实验，然后将其代码作为开放科学协议的一部分进行分享。
尽管编程研究可以是一条很好的道路（我们自己也是程序员），但这确实伴随着挑战。当然，自己完全编程一个研究是合理的，特别是如果您有IT专业人员为复杂的大规模研究做这类工作。
在我们看来，长远来看，使用像 Labvanced 这样的平台通常更加高效和经济，因为总的来说，我们已经投入了 20 多年的开发者时间（即 3-4 名开发者在 7 年以上的时间里）来编写代码，从而以一种流畅的过程创建强大的（网络）实验，同时确保 精确的刺激呈现 并给予研究人员监控在线特定变量以实现 实验控制。
总的来说，Labvanced 支持开放科学和透明性，并提供多种选项供研究人员与他们领域的其他专业人士分享和导出他们的研究。