Werkstroom automatiseren met Make en GitHub Actions voor onderzoekers

Stel je voor: je zit in de laatste week voor een deadline, en in plaats van handmatig data te verwerken, bestanden te hernoemen en rapporten te genereren, loopt alles automatisch. Terwijl jij koffiestand houdt met je collega. Klinkt als een droom? Het is realistisch.

En het is eenvoudiger dan je denkt. Onderzoekers besteden gemiddeld 30 tot 40 procent van hun tijd aan repetitieve taken die geautomatiseerd kunnen worden.

Denk aan het verwerken van datasets, het genereren van rapporten, het synchroniseren van bestanden, of het notificeren van teamleden. Tijd die je liever besteedt aan écht onderzoek. Daarom zijn automatiseringstools zoals Make (voorheen Integromat) en GitHub Actions een gamechanger voor iedereen die serieus wil werken aan reproduceerbaarheid en efficiëntie.

Waarom automatisering essentieel is voor onderzoekers

Onderzoek draait om betrouwbaarheid, herhaalbaarheid en transparantie. Als jij elke handmatige stap documenteert, maar je collega doet het net even anders, ontstaan er verschillen.

En die verschillen kunnen je hele onderzoek ondermijnen. Automatisering lost dit op. Je definieert een proces één keer, en het wordt telkens identiek uitgevoerd.

Geen menselijke fouten, geen vergeten stappen, geen inconsistenties. Bovendien slimp: je werkstroom wordt een soort levend document van je onderzoeksmethode.

Met name binnen de Open Science-beweging wordt automatisering steeds belangrijker. FAIR-data-principes vragen om reproduceerbare workflows, en dat is lastig te realiseren als alles met de hand gebeurt.

Wat is GitHub Actions en waarom is het handig voor onderzoek?

GitHub Actions is een automatiseringstool die rechtstreekt is geïntegreerd in GitHub. Het is gratis open-source projecten, en voor onderzoekers met een academische licentie vaak ook gratis voor private repositories.

Het idee is simpel: je schrijft een workflow-bestand in YAML-formaat in je repository, en GitHub voert automatisch acties uit op basis van triggers. Bijvoorbeeld: Voor onderzoekers is dit bijzonder krachtig. Stel je hebt een Python-script dat statistische analyses uitvoert op je dataset.

• Elke keer als je code pusht, wordt een test uitgevoerd.
• Elke week op maandag om 9:00 uur wordt een dataset vernieuwd.
• Als iemand een issue opent, krijgt het automatisch een label.

Met GitHub Actions kun je dat script automatisch laten draaien wanneer nieuwe data beschikbaar is. Het resultaat wordt opgeslagen, en je hoeft er zelf niks voor te doen.

GitHub biedt gratis 2.000 minuten per maand aan rekentijd voor privé-repositories. Dat is meer dan genoeg voor de meeste onderzoekstoepassingen.

Wat is Make en hoe verschilt het van GitHub Actions?

Make is een visueel automatiseringplatform. In plaats van code te schrijven, bouw je workflows door blokken te verbinden in een drag-and-drop-interface.

Het is vergelijkbaar met Zapier, maar krachtiger en beter geschikt voor complexe scenario's. Waar GitHub Actions vooral werkt binnen de GitHub-omgeving, verbindt Make honderden externe applicaties met elkaar. Google Sheets, Dropbox, Slack, ORCID, Dataverse, email, databases, je naam het.

Voor wie zwaardere bio-informatica pipelines bouwt, is een vergelijking tussen Nextflow en Snakemake essentieel voor reproduceerbaarheid.

• Een nieuwe entry in een Google Sheet automatisch wordt toegevoegd aan je onderzoeksdatabank.
• Upload je een bestand naar Dropbox, dan wordt het gekopieerd naar je GitHub repository.
• Je publiceert een preprint, en je team krijgt automatisch een Slack-notificatie.

Voor onderzoekers die niet fulltime aan code werken, is dit een enorme voordeel. Je kunt bijvoorbeeld een scenario bouwen waarbij: Make biedt een gratis tier met 1.000 operaties per maand. Voor uitgebruik zijn er betaalde plannen vanaf circa 9 euro per maand.

GitHub Actions en Make samen: de ultieme combo

Het mooie is dat je deze tools niet hoeft te kiezen. Ze vullen elkaar perfect aan.

GitHub Actions, vaak een startpunt bij de keuze tussen GitHub versus GitLab voor onderzoekssoftware, is ideaal voor taken die te maken hebben met code, data-analyse, versiebeheer en technische workflows. Denk aan het draaien van R-scripts, het valideren van datasets, of het automatisch bouwen van documentatie. Make schint in verbindingen met allerlei webapplicaties, het aggregeren van informatie uit verschillende bronnen, en het stroomlijnen van communicatie rond je onderzoek. Een praktisch voorbeeld: je onderzoeksgroep gebruikt een Google Formulier om data te verzamelen.

Make pikt die responses op, valideert ze, en stuurt ze naar een GitHub repository.

Voor elke nieuwe commit draait GitHub Actions automatisch een analyse-script en publiceert de resultaten naar een webpagina. Jij hoeft alleen maar de resultaten te interpreteren.

Stap voor stap aan de slag

Geen gedoe met uitgebreide cursussen of maanden lang leren programmeren. Deze aanpak werkt:

1. Identificeer je meest vervelende taak

Waar verlies je de meeste tijd? Waar maak je regelmatig fouten? Begin daar.

2. Kies het juiste gereedschap

Kleine winnen geven motivatie. Gaat het om code en data-analyse? Gebruik GitHub Actions. Gaat het om koppelen van apps en diensten? Gebruik Make. Combineer waar nodig. Je hoeft niet zelf te verzinnen wat er mogelijk is.

3. Begin met een bestaande workflow

GitHub Actions heeft een marktplaats met duizenden kant-en-klare workflows. Make biedt honderden templates.

4. Test en documenteer

Pas iets bestaands aan in plaats van bij nul te beginnen. Automatisering is pas waardevol als anderen het ook kunnen begrijpen en hergebruiken. Leg uit wat je workflow doet, waarom je het hebt ingericht, en hoe het werkt.

5. Deel je werk

Dat draagt bij aan de reproduceerbaarheid van je onderzoek. Open Science betekent delen. Publiceer je workflows, deel je Make-scenarios als templates, en ontdek de beste tools voor reproduceerbaar onderzoek om andere onderzoekers met dezelfde taken te helpen.

Concreet voordeel voor je onderzoekspraktijk

De onderzoekers die nu stappen zetten in automatisering, bouwen een enorme voorsprong op. Niet omdat ze slimmer zijn, maar omdat ze hun tijd beter besteden.

Je hoeft geen programmeur te zijn. Je hoeft geen informaticus te zijn.

Je moet alleen bereid zijn om één uur te investeren in het automatiseren van een taak die je anders elke week vijftien minuten doet. Binnen een maand heb je die tijd terugverdiend. En de maanden daarna? Puur winst.

De tools zijn er. De kennis is er. Het enige wat nodig is, is dat je begint.