F.A.I.R.-principerna: En snabb introduktion

Vilka är F.A.I.R-principerna?

FAIR-principerna är en uppsättning riktlinjer för att göra data Findable, Accessible, Interoperable och Reusable. Principerna infördes för att hantera utmaningarna med att dela och återanvända data inom vetenskaplig forskning, men de kan även tillämpas på andra områden.

Dessa principer syftar till att främja öppenhet, samarbete och maximering av datas potentiella värde inom och utanför vetenskaplig forskning.

F.A.I.R.-principerna är en uppsättning av fyra principer som infördes för att hantera utmaningarna med delning och återanvändning av data inom vetenskaplig forskning, men de kan också tillämpas på andra områden.

Det bidrar till att stärka processen när data samlas in, registreras och återanvänds.
De som använder data varje dag - till exempel dataforskare och dataanalytiker - letar efter sätt att öka integriteten och kvaliteten i datainsamlingsprocessen.
Dessa fyra F.A.I.R.-principer ger dataanalytiker riktlinjer som hjälper dem att säkerställa att data samlas in och registreras på ett effektivt och systematiskt sätt. När dessa element har uppfyllts blir det lättare att få tillgång till data och återanvända dem.

Dessa principer syftar till att främja öppenhet, samarbete och maximering av datas potentiella värde inom och utanför vetenskaplig forskning.

Vad det innebär att vara F.A.I.R.

Forskningsdata används ofta inte på ett ändamålsenligt sätt syfte. I själva verket är vetenskapliga data i många fall inte delad eller till och med återanvändbar.

Det kan bero på dataskydd eller på att uppgifterna är svåra att hitta. Föreställ dig vilken potential dessa data skulle ha om de användes för andra ändamål än det ursprungliga. Tänk på vad det skulle kunna innebära för medicinska genombrott när det gäller sjukdomar eller innovativa alternativa energialternativ. Fördelarna för samhället skulle vara enorma.

De som hanterar data varje dag, inklusive forskare, finansiärer och utgivare, vill göra vetenskapliga data mer tillgängliga och öka deras värde. Att ge andra forskare och vetenskapsmän tillgång till dina data underlättar nya upptäckter och uppmuntrar till öppenhet inom forskningen.

För att nå dit tog deltagarna i Lorentz Workshop "Jointly Designing a Data FAIRport" 2014 fram "The F.A.I.R. Principles for scientific data management and stewardship" för att vägleda forskare mot att optimera datadelning och säkerställa att data kan återanvändas av både människor och maskiner.

Men vad innebär det egentligen att vara F.A.I.R.? I den här artikeln går vi närmare in på vad F.A.I.R. innebär och varför det är viktigt.

Bakom akronymen F.A.I.R.

Det är en akronym, men det är också ett riktigt ord. I alla fall på engelska. Ett ord som betyder att spela enligt reglerna - ett ärligt förhållningssätt.

När vi inom vetenskapen talar om "F.A.I.R.-data" är det på samma sätt: forskare som arkiverar sina data följer reglerna. Regler som man har kommit överens om för att göra data lätta att hitta, tillgängliga, interoperabla och återanvändbara - vilket utgör akronymen F.A.I.R. Principerna ger forskarna en vägledning om hur deras data ska organiseras så att de blir lätta att komma åt, förstå, utbyta och återanvända.

Ladda ner vår e-bok för att ta reda på hur du kan göra din data F.A.I.R.

Låt oss ta en närmare titt på varje del av helheten.

F står för Findable

Visst, du kanske kan hitta dina data, men hur lång tid tar det? Kan du hitta dem enkelt?

Varje ögonblick som går åt till att söka efter information är ett ögonblick som tas från vetenskap och innovation. Det ska vara lätt att hitta data, vilket sparar både tid och ansträngning.

Låt oss ta ett klassiskt fall: vetenskapliga forskningsrapporter är notoriskt svåra att hitta, även om de publiceras med öppen tillgång. Anledningen till detta kan vara så enkel som att de inte har rätt nyckelord för att en sökmotor som Google, Bing eller Yahoo! ska kunna hitta dem.

Forskare bör välja sina nyckelord med omsorg. Att veta hur de kommer att användas kan vara till stor hjälp, eftersom det ger uppgiften en känsla av betydelse och mening. Att tänka på dessa ord kan göra stor skillnad när det gäller att hitta information.

En annan viktig punkt är konsekvens. Om forskarna använder olika nyckelord och termer för att namnge och lagra sin forskning spelar det ingen roll hur många nyckelord som är kopplade till den - de kommer inte att fungera som de ska.

Extrapolera nu detta till forskningsdata i ditt datahanteringsverktyg. Här har nyckelord och taggar samma funktion; de länkar samman associerade metadata och filer och gör det lättare att hitta dem senare.

Så ta en stund och fundera verkligen på vilka ord du ska använda för att tagga dina data. En minut nu kan spara dig en timme nästa vecka.

A står för Tillgänglig

Enligt en rapport från 2020 studie tryckt i Learned Publishing, forskare inom det medicinska och biologiska området är ovilliga att dela med sig av sina data. Orsakerna till detta varierar från att inte fullt ut förstå termen "vetenskapliga data" och vad den kan innehålla till att skydda sina forskningsresultat och den ansträngning som lagts ned på projektet, rädsla för att andra ska misstolka data och motvilja på grund av den inledande extra ansträngning som det kan ta att göra data mer tillgängliga med hjälp av tillhörande metadata.

Forskare bör överväga att lägga sina rädslor åt sidan och dela med sig av informationen, inte bara publicera den. Öppen tillgång är viktigt för innovation. Det maximerar inte bara potentialen i dina data, det sparar också tid för andra forskare och gör att studierna går framåt.

I står för Interoperable (driftskompatibel)

Ett stort hinder för att forskare inom biovetenskap inte delar med sig av sina data är att det är så svårt att standardisera forskningsdata och att det innebär så mycket arbete. Kan dina data användas i flera olika projekt och system? Om dina data inte är kompatibla och interoperabla begränsas deras användningsmöjligheter. Återigen bör forskare se till att deras data inte begränsas i sin användning.

R står för Reusable (återanvändbar)

Om du vill få ut mesta möjliga av dina data måste du se till att de kan återanvändas. Det innebär att du måste ha hela bilden klar för dig: ange dina källor, se till att du lägger till sammanhang och ge kontaktinformation till dem som vill ha - eller behöver - mer information.

Genom att lägga till den här nivån av detaljer och metadata underlättas datautvinning, där du kan söka - och hitta - dina data genom ett dokument eller till och med en uppsättning dokument.

Detta är särskilt viktigt i tider av Big Data-utveckling, där dataproduktionen har ökat exponentiellt men datahanteringen kämpar för att hålla jämna steg och organisera data till en sammanhängande bild som ger insikter.

Vissa viktiga finansieringsorganisationer, däribland Europeiska kommissionen, uppmuntrar och främjar F.A.I.R.-principerna för att skydda dataintegriteten och maximera forskningsinvesteringarna. Det är en enkel formel: använd kvalitetsingredienser för att producera en kvalitetsprodukt; en produkt som du kan använda om och om igen och som håller länge.