Archivo README.txt  en la Descripción de DATOS

Los archivos README son una forma habitual de documentar el contenido y la estructura de una carpeta o un conjunto de datos para que los investigadores puedan localizar la información que necesitan. La documentación de datos se puede mantener en diversos formatos. Explore otras prácticas de documentación y metadatos.

Fuente: Harvard Biomedical Data Management’s README Files | Data Management

A template README for social science replication packages

Vilhuber, L., Connolly, M., Koren, M., Llull, J., & Morrow, P. (2020). A template README for social science replication packages (v1.0.0). Zenodo. https://doi.org/10.5281/zenodo.4319999

The typical README in social science journals serves the purpose of guiding a reader through the available material and a route to replicating the results in the research paper, including the description of the origins of data and/or description of programs. As such, a good README file should first provide a brief overview of the available material and a brief guide as to how to proceed from beginning to end, before then diving into the specifics. These template files structure such a README in a way that is compliant with the typical data and code workflow in the social sciences.

El README típico de las revistas de ciencias sociales tiene como objetivo guiar al lector a través del material disponible y mostrarle cómo replicar los resultados del artículo de investigación, incluyendo la descripción del origen de los datos y/o la descripción de los programas. Por lo tanto, un buen archivo README debe proporcionar primero una breve descripción general del material disponible y una breve guía sobre cómo proceder de principio a fin, antes de entrar en detalles. Estas plantillas estructuran dicho README de manera que se ajuste al flujo de trabajo típico de datos y códigos en las ciencias sociales.

Referencia incluída en la guía de Datos de investigación BUVA: Descripción de los Datasets -Universidad de Valladolid Biblioteca

Fundamentos en la gestión de datos de investigación

Martinez-Lavanchy, P. M. (2025, junio 15). Fundamentos en la gestión de datos de investigación. Zenodo. https://doi.org/10.5281/zenodo.15669813

Presentación realizada en el marco del Plan de Capacitación en Ciencia Abierta 2025 organizado por la Biblioteca de la Universidad de los Andes, Chile.

La publicación contiene la presentación expuesta a los asistentes del workshop número tres del programa, titulada «Fundamentos en la Gestión de Data de Investigación» y los resultados de la actividad interactiva realizada durante el taller utilizando Mentimeter.

La presentación se enfoca en introducir a investigadores a los conceptos de datos de investigación, gestión de datos, FAIR y datos abiertos. Además, aborda la introducción de buenas prácticas básicas que los investigadores pueden utilizar durante sus proyectos para gestionar los datos de investigación de manera efectiva.

Aumenta el impacto y la visibilidad de tu investigación con ORCID y DataCite

Webinar: Elevating your Research’s Impact and Visibility with ORCID and DataCite

Con motivo de la Love Data Week, que se celebra mundialmente del 9 al 15 de febrero, el próximo día 10 de febrero a las 17:00 (hora española peninsular) tendrá lugar un webinar conjunto con DataCite, ORCID y SPARC Science.

En el webinar, abordará los flujos de trabajo entre DataCite y ORCID, así como la integración en repositorios de datos, en este caso, SPARC Science.

También de analizará  cómo los identificadores persistentes responden a la pregunta de la LoveDataWeek «¿Dónde están los datos?» («Where is the data?»). El webinar será en inglés, quedará grabado y los materiales se compartirán tras la sesión. Podéis leer más información y registraros en el siguiente enlace: https://datacite.zoom.us/webinar/register/8517679630441/WN_H5S9VYLZSKqE1g2-XEaR8Q

Los identificadores persistentes desempeñan un papel fundamental a la hora de hacer que los resultados de la investigación sean visibles, estén conectados y sean reutilizables en todos los sistemas. ORCID y DataCite ofrecen soluciones complementarias que, cuando se utilizan conjuntamente, ayudan a los investigadores, las instituciones y los proveedores de infraestructura a mejorar la atribución, el seguimiento y la confianza en el ecosistema de la investigación.

Este seminario web práctico ofrece una introducción práctica a la integración de los flujos de trabajo de ORCID y DataCite. Se centra en dos métodos de integración consolidados: el asistente ORCID Search & Link y ORCID Auto-Update. Los participantes aprenderán cómo funcionan estas herramientas, qué problemas resuelven y cómo se pueden implementar para conectar automáticamente a los investigadores con los resultados de sus investigaciones, reducir el esfuerzo manual y mejorar la calidad de los metadatos.

La sesión está diseñada para investigadores, miembros de DataCite y ORCID, gestores de repositorios, personal de apoyo a la investigación y cualquier persona involucrada en la gestión o integración de identificadores persistentes.

Las diapositivas y las grabaciones se compartirán después del seminario web a través de la comunidad DataCite Zenodo y el canal de YouTube de DataCite. Rellene el formulario de inscripción para asistir.

Traducción realizada con la versión gratuita del traductor DeepL.com

Estrategias institucionales sobre la gestión de datos de investigación. Video

XXI Workshop de Proyectos Digitales (28 y 29 de mayo de 2026)

“Los datos como sustento de la Investigación: planes de gestión, publicación, trazabilidad y principios FAIR”.

Están abiertas las inscripciones del XXI Workshop de Proyectos Digitales que se celebrará en Albacete los días 28 y 29 de mayo de 2026.

El programa y la información general se irá completando en las próximas semanas: https://www.rebiun.org/workshops/xxi-workshop-proyectos-digitales/inicio

El acceso abierto a los resultados de la investigación es ya en nuestro ámbito una práctica consolidada. Pero la ciencia se sostiene sobre datos y este es un ámbito que aún presenta aspectos en los que el debate no está cerrado.

Durante estos días, profundizaremos en las cuestiones que nos plantean los datos que sustentan la investigación. Los planes de gestión y la obligatoriedad o no de publicarlos en repositorios. La publicación de datos en abierto y su impacto. La evaluación del cumplimiento de los principios FAIR en los repositorios institucionales. La trazabilidad, en suma, de los resultados de la ciencia y los datos vinculados.

Exploraremos las capacidades y posibilidades de nuestras instituciones para avanzar en la generalización y fortalecimiento de la Ciencia abierta.

Os invitamos a participar en este evento que nos permite profundizar en el papel nuclear que las bibliotecas y servicios de apoyo a la investigación están teniendo en la consolidación de los principios y prácticas de ciencia abierta y más específicamente en el campo de los datos de investigación donde todavía queda tanto por hacer. Evento que nos permite también compartir experiencias y buenos momentos.

F-UJI: herramienta de cumplimiento FAIR

F-UJI es un servicio web que evalúa de forma programática los principios FAIR de los objetos de datos de investigación a nivel de conjunto de datos basándose en las métricas de evaluación de objetos de datos FAIRsFAIR.

https://www.f-uji.net/

Foto: Maxim Berg en Unsplash

F-UJI, que evalúa datasets a través de su DOI o URL, o FAIR-Checker, que utiliza tecnologías de web semántica. Otras opciones incluyen el FAIR Data Self-Assessment Tool para autoevaluación, el cual funciona como un cuestionario interactivo, y FAIR-Aware, que ayuda a investigadores y administradores a conocer los requisitos para que los datos sean FAIR. Estas herramientas analizan si los datos son encontrables, accesibles, interoperables y reutilizables. 

• F-UJI: Un servicio web que evalúa el grado de cumplimiento FAIR de un dataset proporcionando su DOI o URL.
• FAIR-Checker: Utiliza tecnologías de web semántica para evaluar si un recurso digital cumple con los principios FAIR.
• FAIR Data Self-Assessment Tool: Una herramienta en línea que se presenta como un cuestionario para que los usuarios calibren su nivel de cumplimiento y reciban orientación adicional.
• FAIR-Aware: Una herramienta en línea que ayuda a los investigadores a evaluar su nivel de conocimiento sobre los requisitos FAIR antes de depositar sus datos.
• Otras herramientas: Existen diversas listas de verificación y guías, como las «Top 10 FAIR Data & Software Things» o las disponibles en los portales de iniciativas como OpenAire, que ofrecen un enfoque más manual o disciplinar. 

• Localizables (Findable): Las herramientas verifican si los datos tienen identificadores únicos y persistentes (como un DOI), si están descritos con metadatos ricos y si los metadatos se registran en un recurso con motor de búsqueda.
• Accesibles (Accessible): Se comprueba si se utilizan protocolos estandarizados para la recuperación de datos, si los protocolos son abiertos y gratuitos y si los metadatos permanecen accesibles incluso cuando los datos ya no lo están.
• Interoperables (Interoperable): Se evalúa si los datos y metadatos se ajustan a estándares y formatos reconocidos, como formatos abiertos que permitan su combinación e intercambio con otros conjuntos de datos.
• Reutilizables (Reusable): Las herramientas revisan si los datos se publican con una licencia clara, si se incluye información sobre su procedencia y si se cumplen los estándares relevantes de la comunidad de un dominio específico