Zasady F.A.I.R: Krótkie wprowadzenie

Jakie są zasady F.A.I.R?

Zasady FAIR to zestaw wytycznych dotyczących tworzenia danych, które można znaleźć, udostępnić, interoperacyjnie i ponownie wykorzystać. Zasady te zostały wprowadzone w celu sprostania wyzwaniom związanym z udostępnianiem i ponownym wykorzystywaniem danych w badaniach naukowych, ale mogą być również stosowane w innych dziedzinach.

Zasady te mają na celu promowanie otwartości, współpracy i maksymalizacji potencjalnej wartości danych w badaniach naukowych i poza nimi.

Zasady F.A.I.R. to zestaw czterech zasad, które zostały wprowadzone w celu sprostania wyzwaniom związanym z udostępnianiem i ponownym wykorzystywaniem danych w badaniach naukowych, ale mogą być również stosowane w innych dziedzinach.

Pomaga to wzmocnić proces, gdy dane są przechwytywane, rejestrowane i ponownie wykorzystywane.
Ci, którzy korzystają z danych na co dzień - w tym analitycy danych i analitycy danych - szukają sposobów na zwiększenie integralności i jakości procesu przechwytywania danych.
Te cztery zasady F.A.I.R. stanowią wytyczne dla analityków danych, które pomagają im zapewnić, że dane są pozyskiwane i rejestrowane w sposób wydajny i systematyczny. Gdy te elementy zostaną spełnione, ułatwi to dostęp do danych i ich ponowne wykorzystanie.

Zasady te mają na celu promowanie otwartości, współpracy i maksymalizacji potencjalnej wartości danych w badaniach naukowych i poza nimi.

Co to znaczy być F.A.I.R.?

Dane badawcze często nie są wykorzystywane zgodnie z ich przeznaczeniem cel. W rzeczywistości, w wielu przypadkach dane naukowe nie są współdzielone lub nawet wielokrotnego użytku.

Może to być spowodowane ochroną danych lub tym, że dane są trudne do znalezienia. Wyobraźmy sobie potencjał tych danych, gdyby zostały one wykorzystane w sposób wykraczający poza ich pierwotny cel. Pomyślmy, co mogłoby to oznaczać dla przełomów w medycynie lub innowacyjnych alternatywnych opcji energetycznych. Korzyści dla społeczeństwa byłyby ogromne.

Osoby zajmujące się danymi na co dzień, w tym naukowcy, fundatorzy i wydawcy, chcą zwiększyć dostępność danych naukowych i ich wartość. Zapewnienie innym badaczom i naukowcom dostępu do danych ułatwia nowe odkrycia i zachęca do przejrzystości badań.

Aby to osiągnąć, uczestnicy warsztatów Lorentza "Jointly Designing a Data FAIRport" w 2014 r. opracowali "The F.A.I.R. Principles for scientific data management and stewardship", aby poprowadzić naukowców w kierunku optymalizacji udostępniania danych i zapewnienia, że dane mogą być ponownie wykorzystywane zarówno przez ludzi, jak i maszyny.

Ale co dokładnie oznacza bycie F.A.I.R.? W tym artykule omówimy, co oznacza F.A.I.R. i dlaczego ma to znaczenie.

Co kryje się za akronimem F.A.I.R.?

Chociaż jest to akronim, jest to również prawdziwe słowo. W każdym razie w języku angielskim. Słowo, które oznacza grę zgodnie z zasadami - uczciwe podejście.

W nauce, gdy mówimy o "danych F.A.I.R.", chodzi o to samo: badacze archiwizujący swoje dane przestrzegają zasad. Zasady, które zostały uzgodnione, aby dane były łatwe do znalezienia, dostępne, interoperacyjne i nadające się do ponownego wykorzystania - tworząc akronim F.A.I.R. Zasady te stanowią przewodnik dla naukowców, w jaki sposób ich dane powinny być zorganizowane, aby można je było łatwo uzyskać, zrozumieć, wymienić i ponownie wykorzystać.

Pobierz nasz eBook, aby dowiedzieć się, jak sprawić, by Twoje dane były F.A.I.R.

Przyjrzyjmy się bliżej każdej części całości.

F jak Findable

Oczywiście, możesz być w stanie znaleźć swoje dane, ale ile czasu Ci to zajmuje? Czy można je łatwo znaleźć?

Każda chwila spędzona na poszukiwaniu informacji to chwila zabrana nauce i innowacjom. Dane powinny być znajdowane z łatwością, oszczędzając zarówno czas, jak i wysiłek.

Weźmy klasyczny przypadek: artykuły naukowe są notorycznie trudne do znalezienia, nawet jeśli są publikowane w otwartym dostępie. Powodem tego może być brak odpowiednich słów kluczowych, które pozwoliłyby wyszukiwarce takiej jak Google, Bing czy Yahoo! na ich znalezienie.

Badacze powinni starannie dobierać słowa kluczowe. Wiedza o tym, w jaki sposób będą one używane, powinna pomóc; nadaje to zadaniu znaczenie i sens. Staranne przemyślenie tych słów może zrobić ogromną różnicę, jeśli chodzi o wyszukiwanie informacji.

Kolejną kluczową kwestią jest spójność. Jeśli badacze będą używać różnych słów kluczowych i terminów do nazywania i przechowywania swoich badań, nie będzie miało znaczenia, ile słów kluczowych jest z nimi powiązanych - nie będą one działać tak, jak powinny.

Teraz ekstrapoluj to na dane badawcze w swoim narzędziu do zarządzania danymi. W tym przypadku słowa kluczowe i tagi pełnią tę samą funkcję; łączą powiązane metadane i pliki oraz ułatwiają ich późniejsze wyszukiwanie.

Poświęć więc chwilę i naprawdę zastanów się, jakich słów będziesz używać do oznaczania swoich danych. Jedna minuta teraz może zaoszczędzić godzinę w przyszłym tygodniu.

A oznacza dostępność

Według danych z 2020 r. badanie wydrukowany w Learned Publishing, Naukowcy z dziedzin medycznych i biologicznych niechętnie dzielą się swoimi danymi. Powody tego są różne - od braku pełnego zrozumienia terminu "dane naukowe" i tego, co może on obejmować, po ochronę wyników swoich badań i wysiłku włożonego w projekt, obawę, że inni źle zinterpretują dane, a także niechęć wynikającą z początkowego dodatkowego wysiłku, jaki może wymagać zwiększenie dostępności danych za pomocą powiązanych metadanych.

Naukowcy powinni rozważyć odłożenie na bok swoich obaw i dzielenie się informacjami, a nie tylko ich publikowanie. Otwarty dostęp jest ważny dla innowacji. Nie tylko maksymalizuje potencjał danych, ale także oszczędza czas innych badaczy i sprawia, że badania posuwają się naprzód.

I oznacza interoperacyjność

Główną przeszkodą, dla której badacze w naukach przyrodniczych nie udostępniają swoich danych, jest zniechęcająca perspektywa standaryzacji danych badawczych i ilość pracy, jaką to przedstawia. Czy dane mogą być wykorzystywane w wielu projektach i systemach? Jeśli dane nie są kompatybilne i interoperacyjne, ogranicza to możliwości ich wykorzystania. Ponownie, badacze powinni upewnić się, że ich dane nie są ograniczone w ich wykorzystaniu.

R oznacza wielokrotnego użytku

Jeśli chcesz jak najlepiej wykorzystać swoje dane, musisz upewnić się, że można je ponownie wykorzystać. Oznacza to posiadanie pełnego obrazu w zasięgu wzroku: podaj swoje źródła, upewnij się, że dodajesz kontekst i oferujesz dane kontaktowe dla tych, którzy chcą - lub potrzebują - więcej informacji.

Dodanie tego poziomu szczegółowości i metadanych ułatwia eksplorację danych, w której będzie można przeszukiwać i znajdować dane za pomocą dokumentu lub nawet zestawu dokumentów.

Jest to szczególnie ważne w czasach ewolucji Big Data, gdzie produkcja danych wzrosła wykładniczo, ale zarządzanie danymi ma trudności z nadążaniem i organizowaniem danych w spójny obraz, który oferuje wgląd.

Niektóre kluczowe organizacje finansujące, w tym Komisja Europejska, zachęcają i promują zasady F.A.I.R. w celu ochrony integralności danych i maksymalizacji inwestycji w badania. To prosta formuła: używaj wysokiej jakości składników do produkcji wysokiej jakości produktu; takiego, którego możesz używać wielokrotnie i który będzie trwały.