La curación de datos

La curación de datos como metodología de investigación Valeria Montoya Roncancio, Inmaculada Bravo García. Gestión y reutilización de datos científicos: fundamentos y experiencias. Críspulo Travieso Rodríguez (coord.) Yolanda Martín González (coord.). Ediciones Universidad de Salamanca, 2025.  Páginas: 51-68

https://eusal.es/omp/eusal/catalog/view/2827/6849/11069 

En el contexto actual de creciente dependencia de los datos abiertos y reutilizables en la evaluación de la ciencia, la curación de datos se presenta como una metodología esencial en el campo de la Documentación. En esta investigación, se propone una metodología que combina técnicas de recuperación, normalización y análisis de datos, centradas en la verificación de registros provenientes de plataformas bibliográficas de datos como Web of Science (WoS) y Scopus utilizando identificadores persistentes como DOI, ORCID, ResearcherID, ScopusID e ISSN, con el fin de garantizar la fiabilidad del estudio.

Este enfoque permite identificar inconsistencias, duplicidades o ausencias de información relevante en los perfiles de autor y publicaciones científicas. Los resultados muestran la producción de la Universidad de Salamanca, como estudio de caso, donde se identificaron perfiles de autores con datos que requerían corrección en ambas plataformas y en el portal de producción científica institucional. Estas incidencias evidencian la necesidad de procesos sistemáticos de curación en la gestión documental, destacando el uso de este modelo para mejorar la calidad de los sistemas de información científica. Su aplicación en el ámbito de la Documentación favorece la generación de métricas confiables y la toma de decisiones basada en información verificada y reutilizable.

CURACIÓN DE DATOS 

La Red de Curación de Datos (Data Curation Network, DCN), organización de miembros formada por repositorios de datos institucionales y sin ánimo de lucro de todo Estados Unidos, promueve la investigación abierta haciendo que los datos sean más éticos, reutilizables y comprensibles. Como parte de estos esfuerzos, la DCN crea y difunde buenas prácticas de curación, desarrolla recursos y formaciones centrados en la comunidad y facilita el diálogo en torno a la curación de datos. Como destacan los miembros de la DCN, la curación de datos es esencial para preservar y mejorar la investigación, además de potenciar la facilidad de búsqueda, la reutilización, el impacto y la integridad.

Fuente: https://www.cos.io/blog/data-curation

¿Por qué curar datos?

Como explicó Wanda Marsolek, bibliotecaria de curación de datos de la Universidad de Minnesota, los datos brutos pueden ser desordenados y carecer de contexto. Sin una curación adecuada, los datos pueden resultar fragmentados, incoherentes y difíciles de interpretar.

A modo de ejemplo, Marsolek compartió un conjunto de datos que no contenía etiquetas de variables que indicaran lo que representa cada columna. «Si descubriéramos estos datos, no podríamos reutilizarlos», afirmó. «No tendríamos ni idea de qué son estas filas o columnas: unidades de medida o algo por el estilo».

¿Quiénes participan en la curación de datos?

La curación de datos es una colaboración entre investigadores, sistemas de repositorios y profesionales y curadores de datos. Durante el proceso de curación, los datos se organizan, describen, limpian, mejoran y conservan de forma sistemática para su uso público, de manera similar a como un conservador de museo prepara las obras de arte para su exposición.

«Los conservadores de datos están en una posición idónea para ofrecer opiniones sobre qué se debe compartir abiertamente, dónde se deben compartir los resultados y qué restricciones de acceso, si las hay, podrían ser necesarias para los datos», afirmó Marsolek. «La función del conservador de datos es apoyar a los investigadores en esta labor proporcionando diferentes niveles de apoyo a la conservación».

Niveles de conservación de datos

Los conjuntos de datos pueden revisarse con diferentes grados de profundidad, lo que a su vez repercute en la facilidad de búsqueda, el acceso y la equidad. Las decisiones sobre qué nivel utilizar pueden basarse en limitaciones de tiempo y capacidad, restricciones de conocimiento, las necesidades de los datos y la colaboración entre los participantes.