Data analysis workflows in many scientific domains have become increasingly complex and flexible. Here we assess the effect of this flexibility on the results of functional magnetic resonance imaging by asking 70 independent teams to analyse the same dataset, testing the same 9 ex-ante hypotheses1. The flexibility of analytical approaches is exemplified by the fact that no two teams chose identical workflows to analyse the data. This flexibility resulted in sizeable variation in the results of hypothesis tests, even for teams whose statistical maps were highly correlated at intermediate stages of the analysis pipeline. Variation in reported results was related to several aspects of analysis methodology. Notably, a meta-analytical approach that aggregated information across teams yielded a significant consensus in activated regions. Furthermore, prediction markets of researchers in the field revealed an overestimation of the likelihood of significant findings, even by researchers with direct knowledge of the dataset2–5. Our findings show that analytical flexibility can have substantial effects on scientific conclusions, and identify factors that may be related to variability in the analysis of functional magnetic resonance imaging. The results emphasize the importance of validating and sharing complex analysis workflows, and demonstrate the need for performing and reporting multiple analyses of the same data. Potential approaches that could be used to mitigate issues related to analytical variability are discussed. The results obtained by seventy different teams analysing the same functional magnetic resonance imaging dataset show substantial variation, highlighting the influence of analytical choices and the importance of sharing workflows publicly and performing multiple analyses.

Data analysis workflows in many scientific domains have become increasingly complex and flexible. To assess the impact of this flexibility on functional magnetic resonance imaging (fMRI) results, the same dataset was independently analyzed by 70 teams, testing nine ex-ante hypotheses. The flexibility of analytic approaches is exemplified by the fact that no two teams chose identical workflows to analyze the data. This flexibility resulted in sizeable variation in hypothesis test results, even for teams whose statistical maps were highly correlated at intermediate stages of their analysis pipeline. Variation in reported results was related to several aspects of analysis methodology. Importantly, meta-analytic approaches that aggregated information across teams yielded significant consensus in activated regions across teams. Furthermore, prediction markets of researchers in the field revealed an overestimation of the likelihood of significant findings, even by researchers with direct knowledge of the dataset. Our findings show that analytic flexibility can have substantial effects on scientific conclusions, and demonstrate factors related to variability in fMRI. The results emphasize the importance of validating and sharing complex analysis workflows, and demonstrate the need for multiple analyses of the same data. Potential approaches to mitigate issues related to analytical variability are discussed.

The construction industry is rapidly changing due to the greater adoption of innovations and technology. This has necessitated changes in the competencies that the industry demands from new graduates. For academia to meet the changing needs of the industry, the inputs of practitioners are needed to complement academic pedagogical efforts. This study leverages the potential of Web 2.0 to develop a web platform called ConPEC to facilitate instructor-practitioner collaborations for enhancing student learning. ConPEC is aimed at providing instructors with equitable access to practitioners, increasing the participation of practitioners in instructors' pedagogical efforts, and enabling greater interaction of students with their communities of practice (CoP). These could facilitate achieving a proper blend of theory and practice in construction engineering education as well as ensure that students possess the competencies that the industry demands. This study demonstrates the efficacy of design principles in designing information systems. This study also demonstrates the usage of the Technology Acceptance Model (TAM) to explain and understand practitioners' acceptance of ConPEC. The findings reveal that practitioners perceived ConPEC to be useful, easy to use, and user-friendly. Practitioners’ behavioral intention-to-use ConPEC is significantly influenced by attitude toward usage, perceived ease of use, and trust. Trust also significantly influenced perceived ease of use. However, perceived usefulness has no direct significant influence on practitioners’ behavioral intention-to-use ConPEC. The study uncovers practitioners' acceptance behavior toward ConPEC which could be leveraged for further system development. The study also provides a framework that can be leveraged in diverse domains to develop similar initiatives aimed at addressing skill gaps in fresh graduates.