Methods for data analysis in the biomedical, life and social sciences are developing at a rapid pace. At the same time, there is increasing concern that education in quantitative methods is failing to adequately prepare students for contemporary research. These trends have led to calls for educational reform to undergraduate and graduate quantitative research method curricula. We argue that such reform should be based on data-driven insights into within- and cross-disciplinary use of research methods. Our survey of peer-reviewed literature screened ~3.5 million openly available research articles to monitor the cross-disciplinary usage of research methods in the past decade. We applied data-driven text-mining analyses to the methods and materials section of a large subset of this corpus to identify method trends shared across disciplines, as well as those unique to each discipline. As a whole, usage of T-test, analysis of variance, and other classical regression-based methods has declined in the published literature over the past 10 years. Machine-learning approaches, such as artificial neural networks, have seen a significant increase in the total share of scientific publications. We find unique groupings of research methods associated with each biomedical, life and social science discipline, such as the use of structural equation modeling in psychology, survival models in oncology, and manifold learning in ecology. We discuss the implications of these findings for education in statistics and research methods, as well as within- and cross-disciplinary collaboration.

中文翻译：

---

生物和社会科学的历史和跨学科趋势表明，先进分析技术的应用正在加速

生物医学，生命科学和社会科学中的数据分析方法正在迅速发展。同时，人们越来越关注定量方法的教育未能充分为学生提供当代研究的准备。这些趋势导致要求对本科和研究生定量研究方法课程进行教育改革。我们认为，这样的改革应该基于对研究方法的内部和跨学科使用的数据驱动的见解。我们对经过同行评审的文献进行的调查筛选了约350万篇公开可用的研究文章，以监控过去十年中研究方法的跨学科使用。我们将数据驱动的文本挖掘分析应用于该语料库很大一部分的方法和材料部分，以识别跨学科共享的方法趋势，以及每个学科所特有的 总体而言，在过去的10年中，T检验，方差分析和其他基于经典回归的方法的使用率在下降。诸如人工神经网络之类的机器学习方法在科学出版物的总份额中已取得了显着增长。我们发现与每个生物医学，生命和社会科学学科相关的研究方法的独特分组，例如在心理学中使用结构方程模型，在肿瘤学中使用生存模型以及在生态学中进行多种学习。我们讨论了这些发现对统计学和研究方法以及跨学科和跨学科合作教育的意义。在过去的10年中，其他基于回归的经典方法在文献中有所下降。诸如人工神经网络之类的机器学习方法在科学出版物的总份额中已取得了显着增长。我们发现与生物医学，生命和社会科学学科相关的研究方法的独特分组，例如在心理学中使用结构方程模型，在肿瘤学中使用生存模型以及在生态学中进行多种学习。我们讨论了这些发现对统计学和研究方法以及跨学科和跨学科合作教育的意义。在过去的10年中，其他基于回归的经典方法在文献中有所下降。诸如人工神经网络之类的机器学习方法在科学出版物的总份额中已取得了显着增长。我们发现与生物医学，生命和社会科学学科相关的研究方法的独特分组，例如在心理学中使用结构方程模型，在肿瘤学中使用生存模型以及在生态学中进行多种学习。我们讨论了这些发现对统计学和研究方法以及跨学科和跨学科合作教育的意义。科学出版物的总份额显着增加。我们发现与每个生物医学，生命和社会科学学科相关的研究方法的独特分组，例如在心理学中使用结构方程模型，在肿瘤学中使用生存模型以及在生态学中进行多种学习。我们讨论了这些发现对统计学和研究方法以及跨学科和跨学科合作教育的意义。科学出版物的总份额显着增加。我们发现与生物医学，生命和社会科学学科相关的研究方法的独特分组，例如在心理学中使用结构方程模型，在肿瘤学中使用生存模型以及在生态学中进行多种学习。我们讨论了这些发现对统计学和研究方法以及跨学科和跨学科合作教育的意义。