Los proyectos de investigación suelen estar compuestos por tres o más unidades de proyecto, más pequeñas pero muy complejas, que se ejecutan en paralelo generando múltiples conjuntos de datos. Hacer que estos datos estén disponibles en el momento de su publicación de acuerdo con los cuatro principios fundacionales: localizabilidad, accesibilidad, interoperabilidad y reutilizabilidad (principios FAIR) es un requisito estándar y una parte establecida del flujo de trabajo de la investigación. Este curso ofrece una introducción a la Gestión de Datos de Investigación (GDI), la contextualización de los conjuntos de datos mediante la adición de los metadatos pertinentes, la teoría y la aplicación práctica de los principios FAIR y CARE (personas y finalidad), así como una visión general de los repositorios de datos de investigación adecuados, junto con los aspectos legales y éticos a tener en cuenta en el proceso.
Principios FAIR
Los “Principios Rectores FAIR para la gestión y custodia de datos científicos” proporcionan directrices para mejorar la Localizabilidad, Accesibilidad, Interoperabilidady Reutilizaciónde los activos digitales mediante la capacidad de acción de las máquinas.
Principios CARE
Los “Principios CARE para la Gobernanza de los Datos Indígenas ” complementan los principios FAIR existentes al estar orientados a las personas y a los objetivos, reflejando el papel crucial de los datos en el avance de la innovación y la autodeterminación indígenas.
Módulos
I) Introducción y Plan de Gestión de Datos de Investigación y (RDM)
- El arte de la hoja de cálculo: csv, datos ordenados, interoperabilidad, legibilidad mecánica y humana
- Inventario de datos, organización de carpetas, nombres de archivos, copias de seguridad
- Datos abiertos y FAIR: repositorios, licencias, principios FAIR
- los principios CARE #BeFAIRandCARE
- Del diseño experimental a la publicación >> el Plan de Gestión de la Investigación (Datos)
II) Reproducibilidad y análisis de datos
- Metadatos: experimento y muestra amplia, contenido, calendario
- Control de versiones y herramientas de ayuda (git, Rstudio, Github)
- Combina datos de distintas fuentes
- Modificación de datos, documentación de análisis con MS Excel, R y Rstudio
- Haz que tu análisis sea legible para el ser humano – comentario de código: convenciones y ejemplos, paquete dplyr
III) Design Thinking y métodos ágiles, Visualización de datos
- Herramientas digitales para la gestión de proyectos científicos
- Kanban ágil para la ciencia
- El lienzo de diseño del proyecto
- Seguimiento y evaluación de proyectos
- Convierte tus conjuntos de datos en gráficos e imágenes
Sugerencias de lectura y recursos
Gregory K, Khalsa SJ, Michener WK, Psomopoulos FE, de Waard A, Wu M (2018) Once consejos rápidos para encontrar datos de investigación. PLoS Comput Biol 14(4): e1006038. doi.org/10.1371/journal.pcbi.1006038
Wilkinson, MD. y otros, (diciembre de 2016), Los Principios Rectores FAIR para la gestión y custodia de datos científicos. nature.com/datoscientíficos
La iniciativa Data FAIRport es un movimiento abierto iniciado como seguimiento práctico de un Taller Lorentz celebrado en Leiden, Países Bajos, en enero de 2014, con el nombre: Diseñando conjuntamente un FAIRport de Datos. Su visión es unirse y apoyar a las comunidades existentes que intentan hacer realidad y posibilitar una situación en la que los datos científicos valiosos sean “FAIR” en el sentido de ser Localizables, Accesibles, Interoperables y Reutilizables. | datafairport.org
DMPonline te ayuda a crear, revisar y compartir planes de gestión de datos que cumplan los requisitos institucionales y de los financiadores. Lo proporciona el Centro de Conservación Digital (DCC). dmponline.dcc.ac.uk
Una inmersión profunda en los datos FAIR: https: //howtofair.dk/ – Presentado por el Foro Nacional Danés para la Gestión de Datos de Investigación, con el apoyo de la Cooperación Danesa de Infraestructuras Electrónicas (DeiC).