El código científico ocupa una posición singular: es una herramienta de trabajo y, al mismo tiempo, una parte de la evidencia que conecta datos con resultados. Un informe puede describir un procedimiento con precisión y aun así resultar imposible de reconstruir si las transformaciones reales quedaron dispersas entre scripts, clics, archivos intermedios y decisiones no registradas.
Guardar copias sucesivas tampoco equivale a controlar versiones. Una carpeta con archivos llamados final, final_2 y final_ahora_si conserva estados, pero no explica qué cambió, por qué cambió, quién lo revisó ni qué resultado corresponde a cada estado. Git aporta una historia estructurada; GitHub añade colaboración y publicación; Quarto conecta la narrativa con código, resultados y referencias. Ninguna de estas herramientas, por sí sola, garantiza reproducibilidad.
flowchart LR
A[Problema científico] --> B[Datos]
B --> C[Código]
C --> D[Versiones]
D --> E[Validación]
E --> F[Documento]
F --> G[Publicación]
G --> H[Mantenimiento]
H -. retroalimentación .-> Aflowchart LR A[Problema científico] --> B[Datos] B --> C[Código] C --> D[Versiones] D --> E[Validación] E --> F[Documento] F --> G[Publicación] G --> H[Mantenimiento] H -. retroalimentación .-> A
La reproducibilidad requiere algo más que compartir código: exige entradas identificables, dependencias documentadas, configuración explícita, orden de ejecución, validaciones y evidencia de que el producto publicado corresponde a una versión concreta. Las pruebas reducen la probabilidad de propagar errores; la documentación conserva decisiones y límites; el mantenimiento evita que un resultado quede inutilizable cuando cambian las personas o el entorno.
| Capítulo | Pregunta central | Producto práctico |
|---|---|---|
| Principios de código científico | ¿Qué hace que un código sea científicamente defendible? | Script refactorizado |
| Control de versiones con Git | ¿Cómo se conserva la historia del trabajo? | Repositorio con commits |
| Colaboración y publicación con GitHub | ¿Cómo se colabora y publica? | Flujo con issue y pull request |
| Documentos científicos con Quarto | ¿Cómo se conectan narrativa, código y resultados? | Documento reproducible |
| Investigación reproducible | ¿Qué necesita otra persona para reconstruir el resultado? | Auditoría de reproducibilidad |
| Ingeniería de software científico | ¿Cuándo un script debe convertirse en un sistema? | Flujo modular |
| Pruebas, validación y calidad | ¿Cómo se detectan errores antes de publicar? | Suite mínima de pruebas |
| Documentación y mantenimiento | ¿Cómo se conserva utilizable el trabajo? | Plan de mantenimiento |
Caso transversal. La parte utiliza un informe reproducible de desembarques pesqueros construido con datos sintéticos. Cada capítulo mejora una dimensión del mismo producto sin introducir teoría estadística ni datos institucionales.
El recorrido culminará en la transformación de un script aislado en un repositorio capaz de validar datos sintéticos, generar un informe HTML, registrar su historia y documentar su mantenimiento. En esta fase inicial solo se desarrolla el primer eslabón: reconocer qué hace defendible al código y refactorizar un script frágil.