Naciones Unidas

Gestión de datos de investigación

Contexto de los principios FAIR

Procurar practicar una buena GDI permite generar mayores descubrimientos e innovación del conocimiento en base a la integración y reutilización de los datos publicados por parte de la comunidad científica. Sin embargo, el contexto digital actual no favorece de igual manera la posibilidad de obtener los máximos beneficios de las inversiones en investigación. Es por esto que distintos organismos patrocinadores de la ciencia han comenzado a requerir planes de gestión de datos generados con fondos públicos, permitiendo incluir la noción de “cuidado a largo plazo” de activos digitales, con el propósito de ser descubiertos y reutilizados para investigaciones posteriores. Sin embargo, la idea de una “buena gestión de datos” no está definida de forma clara y por lo general esto depende de las consideraciones del propietario de los datos o del repositorio.

Ante este contexto, surgen cuatro principios fundamentales que sirven de orientación para favorecer y maximizar el valor agregado de los datos de investigación y las publicaciones científicas contemporáneas. Estos cuatro principios son llamados FAIR, conocidos por su sigla en inglés que en español significan encontrable, accesible, interoperable y reutilizable.

Al aplicar y practicar los principios FAIR en la actividad científica, distintos actores se pueden ver beneficiados. Dentro de ellos están los investigadores, quienes podrán compartir y reutilizar datos, obtener reconocimiento y recibir interpretaciones de otros científicos. Así como los editores de datos profesionales, creadores de software y herramientas, agencias de financiamiento (públicas y privadas) y una comunidad científica relacionada a los datos interesada en avanzar en el descubrimiento y análisis de estos.

Los principios FAIR toman en cuenta distintos conceptos que están implícitos en el proceso de investigación, es decir, la puntualidad del intercambio, la selección de los datos, la administración a largo plazo, la evaluación e interoperabilidad legal. Esto quiere decir que los principios FAIR no solo se centran en los datos, sino que también se esperan ser aplicados en los metadatos, identificadores, software y planes de gestión de datos (PGD), haciendo que todos estos elementos permitan que los datos sean FAIR.

Traducción propia de principios FAIR

Elementos considerados en los principios FAIR

Los elementos más relevantes que son integrados por los principios FAIR son:

  • Documentos y Metadatos: Permiten que los datos sean encontrables, reproducibles, reutilizables e interoperables. La documentación toma en cuenta la descripción del proceso de recolección, procedencia y de los datos mismos (metadatos).
  • Formatos de los datos: Estos definen el alcance de interoperabilidad y reutilización de los datos. Si es posible, optar por un formato abierto, contenga metadatos embebido y que sea sostenible.
  • Acceso a los datos: En primer lugar, no se deben publicar los datos confidenciales. Planificar, al inicio del proyecto, los datos que se puedan compartir y cómo hacerlo. Si los datos no se pueden compartir, al menos se espera que se provea el acceso a los metadatos de los datos.
  • Identificadores persistentes: Permite que los datos sean encontrables, accesibles y citables de manera precisa. En el caso de los datos, existe el Digital Object Identifiers (DOIs)
  • Licencias de datos abiertos: Permite que los datos sean distribuidos de forma libre o con menos restricciones posibles. Se recomienda optar por Creative Commons CC0 o CC0-BY 4.0.

Hacer realidad los datos FAIR requiere, por otra parte, que las comunidades e instituciones de investigación y financiación generen cambios importantes en algunas prácticas relacionadas al marco de intercambio de los datos, esto incluye principios y prácticas, formatos de datos, estándares de metadatos, herramientas, infraestructuras de datos, etc. Así también, los marcos de interoperabilidad disciplinaria son fundamentales para la realización de los datos FAIR, procurando adoptar estándares comunes entre disciplinas que permitan intercambiar y trabajar con distintos datos entre distintas áreas del conocimiento.

Además, se considera importante y necesario que los investigadores desarrollen habilidades relacionadas con las prácticas FAIR. Estas habilidades se dividen en dos categorías: ciencia de datos y administración de datos. En el ámbito investigativo, la ciencia de datos se vincula con la capacidad de manejo, procesamiento y análisis de datos lo que permite extraer nuevos conocimientos. Por otro lado, la administración de datos está orientada a lograr que los datos sean gestionados, se compartan y conserven correctamente a lo largo del ciclo de vida de la investigación, teniendo como propósito, que los datos se conserven a largo plazo. Todos los investigadores necesitan contar con un conjunto de habilidades básicas sobre datos para tener la capacidad de tener un uso adecuado de los datos y tecnologías disponibles.

En conclusión, los principios FAIR abordan distintos elementos que integran el proceso investigativo y resaltan su relación con la ciencia abierta. Además es necesario que estos principios sean respaldados por políticas que soliciten una apertura y protección adecuada de los datos.

Bibliografía

Descargo de responsabilidad: Los contenidos y enlaces referenciados en las Biblioguias se proporcionan únicamente para información y no constituyen políticas, recomendaciones u opiniones de la CEPAL.
  • Last Updated: Jan 5, 2024 11:27 AM
  • URL: https://biblioguias.cepal.org/gestion-de-datos-de-investigacion
  • Print Page