Principios FAIR y la implementación de flujos de trabajo para la gestión de datos en la investigación.Webinar organizado por DataCite: https://datacite.org/  . El manejo efectivo de datos en la investigación se ha convertido en un aspecto fundamental para avanzar en el conocimiento científico y promover la colaboración global. En este seminario web, exploraremos los Principios FAIR (Encontrables, Accesibles, Interoperables y Reutilizables) y su papel en la implementación de flujos de trabajo eficientes para la gestión de datos en el ámbito de la investigación.

DataCite  invita a unirse a este webinar que tendrá lugar el 9 de octubre de 2023, a las 15:00 UTC  en el que se hablará sobre:

• El Proyecto FAIR Workflows, la adopción de principios FAIR y cómo se ve en la práctica
• La importancia de la citación de datos para la investigación y la iniciativa Make Data Count
• La experiencia una organización miembro de DataCite y su repositorio de datos

Registrarse en el siguiente enlace /webinar/register/9016951354806/WN_UI_DuTtFSTegF1NcdB2NmA 

Este webinar será presentado en español y tendrá una duración de 60 minutos, incluyendo tiempo para preguntas y respuestas. Las diapositivas y la grabación serán compartidas después a través de la Comunidad de DataCite Zenodo (https://zenodo.org/communities/datacite/?page=1&size=20) y el Canal de YouTube (https://www.youtube.com/@DataCiteChannel), respectivamente.

Descripción de los datos de investigación

En la guía Datos de Investigación de la Biblioteca, se ha añadido el apartado: «Descripción de los DataSets»

Las agencias y organismos financiadores requieren depositar los datos de investigación en acceso abierto a través de repositorios, ya sean temáticos o institucionales. El Repositorio Documental de la Universidad de Valladolid: UVaDOC (https://uvadoc.uva.es/), da acceso abierto a la producción científica generada por la Universidad y permite el depósito de datos en la colección «Datos de Investigación. Datasets« para depositar los datos de investigación generados por los investigadores de la Universidad.

UVaDOC asigna un identificador DOI a los conjuntos de datos, lo que facilita la verificación de los datos, citación, difusión, reutilización, y acceso a largo plazo Para que los datos de investigación puedan ser interpretados y reutilizables es necesario describirlo y explicar cómo se crearon los datos, cuál es el contexto, la estructura y el contenido.

Este tipo de información debe proporcionarse de dos formas, cumplimentando los campos de metadatos y en la Documentación del fichero README (en formato txt.)

1. Metadatos que describen los datos

La descripción de los datos se hace a través de los metadatos (son datos que describen otros datos) En el momento de incluir o depositar los datos de investigación, mediante “Autoarchivo” en UVaDOC, el investigador debe cumplimentar un formulario o plantilla que contiene metadatos como:

• Autor / Autores
• Título del dataset
• Editor: Si se está depositando un documento que no ha sido publicado, y no tiene editor debe poner el nombre de la institución y Centro, bajo la cual ha realizado el trabajo
• Fecha de publicación o de distribución pública: (sólo el año)
• Fecha de creación del conjunto de datos: aaaa-mm-dd
• Cita del dataset
• Departamento/GIR/Instituto/Laboratorio:
• Palabras clave
• Cobertura espacial: Lugar de recogida de datos o lugar al que hacen referencia los datos.
• Cobertura temporal: Periodo que cubre el dataset o periodo de recogida de datos.
• Está basado en: si se basa en conjuntos de datos previos, propios o ajenos; estudios preliminares, que se hayan utilizado para la generación del Dataset.
• Es referenciado por: Referencia a los trabajos (por ejemplo, artículos) que mencionan el conjunto de datos. Incluyendo en la referencia el handle correspondiente a cada una de ellas.
• Es parte de: si el conjunto de datos forma parte de otro, alojado o no en UVaDOC, o de otro trabajo de investigación. CUMPLIMENTE SÓLO UN /url/handle POR CAMPO.
• Resumen
• Tabla de contenidos
• Versión
• Formato del fichero
• Idioma
• Patrocinador: Entidades / organizaciones / agencias Financiadoras + Número de Acuerdo de Subvención
• Derechos: (Acceso abierto o embargado)

Su finalidad es describir los datos que se depositan con el objetivo de poder ser recuperados.

Ejemplos de Datos en UVaDOC:

https://uvadoc.uva.es/handle/10324/41022 Bueis Mellado, Teresa de los; Bravo Oviedo, Felipe; Pando Fernández, Valentín; Muscoso, Adele; Turrión Nieves, María Belén (2018). Soil, climatic, physiographic and stand data in Pinus sylvestris and Pinus halepensis plantations in Spain [dataset]. In Datasets. Universidad de Valladolid. https://doi.org/10.35376/10324/41022  

2. Documentación: Fichero README

Para una correcta compresión y utilización de los datos de investigación, es imprescindible crear el  fichero Readme.txt, que estará ubicado junto al resto de ficheros que contienen los datos de investigación.

El fichero Readme.txt contiene información importante complementaria sobre el dataset, sobre su utilización, creación y/o actualización de los datos. Su objetivo es  interpretar y reutilizar los datos.

Es importante escribir un buen archivo README para que la investigación se presente de forma compacta. En él se incluye información sobre la autoría, título, metodología, breve descripción del conjunto de datos, derechos de uso, etc. Se debe de publicar en inglés, para asegurar un mayor alcance dentro de la comunidad investigadora.

• El documento README debe estar en  formato .txt,
• El documento debe llamarse «README»
• Se recomienda que la información se exprese en inglés, para favorecer la reusabilidad del dataset.
• La forma correcta de guardar el fichero README.txt es con la Codificación: UTF con BOM

Recomendamos que cree su archivo «README.txt»  basado en estas plantillas:

1. Modelo plantilla Universidad de Burgos: Modelo_fichero_Readme
   
2. Modelo plantilla CSIC: Modelo-Fichero-Readme
   
3. Modelo Plantilla Madroño: Modelo-fichero-Readme
   

 Ejemplos de Datos en UVaDOC: con documento Readme

https://uvadoc.uva.es/handle/10324/54599 Fernández Fuertes, Raquel; Gómez Carrero, Tamara (2022). Codeswitching experimental data: grammatical person [dataset]. In Datasets. Universidad de Valladolid. https://doi.org/10.35376/10324/54599

OpenCAYLE: Almacenamiento de Datos y publicación en Acceso Abierto El Centro de Supercomputación de Castilla y León (SCAYLE) https://www.scayle.es/ es una Organización no lucrativa, perteneciente al Sector Público de Castilla y León, que tiene como actividad principal, la mejora de las tareas de investigación en las Universidades, los centros de I+D+i y las empresas de Castilla y León, promoviendo y desarrollando acciones de innovación en el mundo de la Sociedad del Conocimiento, el área del cálculo intensivo, las comunicaciones y los servicios avanzados, contribuyendo mediante el perfeccionamiento tecnológico al desarrollo económico de la Comunidad y a la mejora de la competitividad de las empresas.

Su misión es proporcionar servicios e infraestructuras avanzadas en el ámbito de las tecnologías de la información y las comunicaciones a los organismos públicos de investigación, las empresas e Instituciones, impulsando la cooperación científica y el uso de infraestructuras comunes, actuando como centro de servicios de computación y comunicaciones avanzadas en Castilla y León y promoviendo el desarrollo de la ciencia y la transferencia de tecnología

Anuario: https://www.scayle.es/wp-content/uploads/ANUARIO/ANUARIO_2021/Anuario-SCAYLE_2021.pdf

En el aspecto técnico, el evento más destacable ha sido el crecimiento de la demanda en el servicio de almacenamiento de datos masivos OPENCAYLE, que ha superado las previsiones y obligará a aumentar la capacidad mucho antes de lo previsto.

OpenCAYLE 

En 2020 ha entrado en producción un nuevo servicio de SCAYLE para los científicos y los centros de I+D+i de la comunidad autónoma y del país, OpenCAYLE, con objetivo de satisfacer las necesidades de almacenamiento de grandes volúmenes de datos y, en lo posible hacerlos públicos. El servicio OpenCAYLE se enmarca en la estrategia europea de Ciencia Abierta, en particular con la European Science Cloud (EOSC) para la promoción del acceso y la reutilización de datos científicos, en particular los generados con fondos públicos de investigación.

OpenCayle es una plataforma de servicios para almacenamiento masivo, publicación y tratamiento de datos científicos, aunque puede ser usado para datos de cualquier naturaleza. El servicio de almacenamiento, base de la plataforma, está basado en el concepto de almacenamiento de objetos y buckets del protocolo S3.

Los datos del servicio OpenCayle por defecto son: 100 buckets – 1Tb de almacenamiento, distribuido como el usuario considere en objetos asociados a los buckets.

OpenCAYLE. Guía de usuario: https://www.scayle.es/manual/es/opencayle

Vídeo: https://uvadoc.uva.es/handle/10324/53868

Qué es la reutilización de datos de investigación?

The definition of reuse. Stephanie van de Sandt , Sünje Dallmeier-Tiessen, Artemis Lavasa, Vivien Petras. Data Science Journal, 2019,18: 22, pp. 1–19. DOI: http://doi.org/10.5334/dsj-2019-022

imagen de: https://datos.gob.es/

La capacidad de reutilizar los datos de investigación ahora se considera un beneficio clave para la comunidad de investigación en general. Los investigadores de todas las disciplinas se enfrentan a la presión de compartir sus datos de investigación para que puedan ser reutilizados. La demanda de uso y reutilización de datos tiene implicaciones sobre cómo documentamos, publicamos y compartimos la investigación en primer lugar y, quizás lo más importante, afecta cómo medimos el impacto de la investigación, que comúnmente es una medida de su uso y reutilización. Es sorprendente que las comunidades de investigación, los responsables políticos, etc. aún no hayan definido claramente qué es el uso y la reutilización. Postulamos que se necesita una definición clara de uso y reutilización para establecer mejores métricas para un registro académico integral de individuos, instituciones, organizaciones, etc.

Por lo tanto, este artículo presenta una primera definición de reutilización de datos de investigación. Las características de la reutilización se identifican mediante el examen de la etimología del término y el análisis del discurso actual, lo que lleva a una variedad de escenarios de reutilización que muestran la complejidad del panorama de investigación actual, que se ha movido hacia un enfoque basado en datos. El análisis subraya que no hay razón para distinguir uso y reutilización. Discutimos lo que eso significa para posibles nuevas métricas que intentan cubrir las prácticas de Open Science de manera más integral. Esperamos que la definición resultante permita una estrategia mejor y más refinada para Open Science.

El Impacto de los Repositorios de Datos en la Investigación CientíficaBongiovani, Paola Carolina. URI: http://hdl.handle.net/2133/25919

Fecha: 2023-06-02

Resumen: Se presentaron conceptos relacionados a la ciencia abierta, el surgimiento de los repositorios de datos, los datos abiertos, sus beneficios. Se presentó el Repositorio de Datos Académicos RDA-UNR

“Horizon Europe Open Science requirements in practice”

Webinar “Horizon Europe Open Science requirements in practice” presentará los requisitos establecidos en el programa Horizonte Europa (HE) y las principales herramientas de apoyo y servicios que OpenAIRE ofrece para su cumplimiento.

Ya está disponible la inscripción para este webinar. Register here!

¿Tiene dudas o preguntas sobre sus obligaciones como becario de Horizonte Europa (HE) en materia de acceso abierto a las publicaciones y gestión de datos de investigación?
Presentaremos los requisitos de Horizonte Europa, seguidos de un tiempo para sus preguntas a nuestros expertos. También obtendrá una vista previa de las principales herramientas y servicios que OpenAIRE ofrece para ayudar a los coordinadores de proyectos y personal de apoyo a la investigación en el cumplimiento de los requisitos.
Infórmese sobre:
– Requisitos obligatorios y recomendados de Ciencia Abierta en HE.
– Cumplimiento del mandato de Acceso Abierto a las publicaciones en la HE
– Gestionar y compartir datos de investigación en proyectos de HE
– Elaboración de planes de gestión de datos y presentación de informes sobre publicaciones y conjuntos de datos en la educación superior.
– Herramientas y servicios de OpenAIRE para apoyar proyectos de HE

Data.europa.eu data quality guidelines

Publications Office of the European Union, Data.europa.eu data quality guidelines, Publications Office, 2021, https://data.europa.eu/doi/10.2830/79367

The publication ‘Data.europa.eu data quality guidelines’ contains a set of recommendations for delivering high-quality. They are addressed to data providers to support them in preparing their data, developing their data strategy and ensuring data quality. It is composed of the following four parts: 1. Recommendations for providing high-quality data. The recommendations cover general aspects of quality issues regarding the findability, accessibility, interoperability and reusability of data (including specific recommendations for common file formats like CSV, JSON, RDF and XML); 2. Recommendations for data standardization (with EU controlled vocabularies) and data enrichment; 3. Recommendations for documenting data; 4. Recommendations for improving the ‘openness level’. At the end of the publication the reader will find a glossary, a table with the overview of quality indicators and metrics, a checklist with the most important steps for improving the quality of data and metadata and a list of literature.

La publicación «Directrices de calidad de datos de Data.europa.eu» contiene un conjunto de recomendaciones para ofrecer datos de alta calidad. Están dirigidos a los proveedores de datos para ayudarlos a preparar sus datos, desarrollar su estrategia de datos y garantizar la calidad de los datos. Se compone de las siguientes cuatro partes: 1. Recomendaciones para proporcionar datos de alta calidad. Las recomendaciones cubren aspectos generales de problemas de calidad relacionados con la capacidad de encontrar, accesibilidad, interoperabilidad y reutilización de datos (incluidas recomendaciones específicas para formatos de archivo comunes como CSV, JSON, RDF y XML); 2. Recomendaciones para la estandarización de datos (con vocabularios controlados por la UE) y enriquecimiento de datos; 3. Recomendaciones para documentar datos; 4. Recomendaciones para mejorar el “nivel de apertura”. Al final de la publicación, el lector encontrará un glosario, una tabla con la descripción general de los indicadores y métricas de calidad, una lista de verificación con los pasos más importantes para mejorar la calidad de los datos y metadatos y una lista de literatura.

Data citation: a guide to best practice

Publications Office of the European Union, Jessop, P. (2022). Data citation: a guide to best practice, Publications Office of the European Union. https://data.europa.eu/doi/10.2830/59387

Everyday millions of people use data. They search, publish, reuse, analyse! But very often, a major difficulty for the users is finding the right data. And how to help them? It is simple: Cite the data! The publication “Data citation : a guide to best practice” is a practical guide that includes recommendations and best practices on how to cite data. It is divided in 3 parts: part 1 – issues in data citation, general recommendations; part 2 – recommendations on specific formats and other elements for data citation and part 3 – other information (e.g. specific differences between recommendations). At the end the reader will find annexes with checklists, diagrams and examples.