Şimdiye kadarki en iyi yol, tüm kodunuzu ek materyal olarak dahil etmektir. Mümkünse, sonuçlarınızı yeniden oluşturmak için gerekli rasgele tohumlara sahip dosyalar da ekleyin. Bu, kullanıcıların (umursamayabileceğiniz) sonuçlarınızı yeniden oluşturmasına izin vermekle kalmaz, aynı zamanda kaldığınız yerden daha kolay devam etmelerini sağlar. Bu, işinizde yeni işbirliklerine ve alıntılara olanak tanır. Ne yazık ki, bu, kodunuzu temizlemeye ve hatanın ücretsiz olduğundan emin olmanın zorluğuyla birlikte gelir. Bu nedenle, pratikte olağan olandan daha idealdir. Ama en azından, sonuçlarınızı üretmek için kullanılan kodunuzun bir sürümünü arşivlemelisiniz, bu şekilde başka bir araştırmacı kod isterse, onu üretebilirsiniz.
Makalenizdeki açıklama açısından, o zaman modelin temel yeni özelliklerinin yüksek düzeyde, uygulamadan bağımsız bir açıklamasına konsantre olurum (bu, en iyi kağıdın elde ettiği pratik kısımdır). Eğer ince ayar yapılırsa sonucu kalitatif olarak değiştirecek özelliklere odaklanın. Çalıştığım çoğu model nicel sonuçlar üretir, ancak belirli miktarlar genellikle ilgi çekici değildir, sadece nitel davranıştır (çünkü parametreler genellikle doğada gözlemlenebilir olanlardan çok uzaktır). Bu nedenle, modelin, değiştirilirse sistemin kalitatif davranışını değiştireceği kısımlarını tanımlamaya odaklanıyorum. Eğer bu zihniyet beni modelimin son ayrıntılarını uygulamaya indirmeye zorlarsa, o zaman modelimin çok sağlam olmadığını ve dolayısıyla hurdaya çıkarılması gerektiğini biliyorum.
Kağıt içi açıklamanızın yeterli olup olmadığını test etmenin iyi bir yolu, sizinle birlikte bu projede çalışmayan bir arkadaşınızdan (veya öğrencinizden) modelinizi nasıl uygulayabileceklerini tarif etmelerini istemektir. Bunu denerken sıkışmazlarsa (aynı nitel sonuçları üretmesi gereken bir modelin taslağına gelirler gibi), o zaman iyi bir açıklama işi yaptığınızı bilirsiniz.