Datos de investigación

Os datos de investigación son aqueles materiais xerados ou recollidos durante o transcurso dunha investigación.

• Serven para validar os resultados obtidos na investigación
• Son aceptados pola comunidade científica para poder refutar ou comprobar novo coñecemento.
• Poden ter formatos variados e múltiples orixes dependendo da disciplina científica de onde procedan.

Neste tipo de datos inclúense estatísticas, resultados de experimentos, cadernos de campo, cuestionarios, etc.

Denomínase dataset ao conxunto de datos reunidos durante a execución dun proxecto de investigación.

A Xestión de datos de investigación abarca as tarefas de organizar, estruturar, almacenar, preservar e difundir os datos utilizados.

A correcta xestión e documentación dos datos ao longo do seu ciclo vital permitirá:

• Aforrar tempo e facer un uso eficiente dos recursos dispoñibles sen duplicar esforzos.
• Reutilizar os datos ao manterse exactos, completos, auténticos e fiables 
• Protexer e preservar os datos en repositorios apropiados, permitindo que poidan servir a novas investigacións e descubrimentos no futuro.
• Cumprir os requisitos dos organismos financiadores que esixen a presentación de plans de xestión de datos e/ou o depósito en repositorios. Horizonte 2020 é o programa que financia proxectos de investigación e innovación de diversas áreas temáticas no contexto europeo

Infografía sobre boas prácticas na xestión dos datos de investigación, elaborada polo Servei de Biblioteques, Publicacións i Arxius da  Universitat Politècnica de Catalunya e traducida na Sección de Información e Referencia do Servizo de Biblioteca da Universidade da Coruña.

Os datos de investigación débense poder compartir e reutilizar de forma legal en novas investigacións, de forma que outros investigadores poidan ter acceso aos mesmos. 

Os principios FAIR fan referencia a como deben tratarse os datos de investigación para que sexan localizables, accesibles, interoperables e reutilizables (Findable, Accessible, Interoperable, Reusable).

• Localizables: asignándolles un identificador único e permanente (DOI, handle...). Describíndoos con metadatos enriquecidos. Rexistrándoos e indexándoos en recursos de busca.
• Accesibles: utilizando protocolos estandarizados de comunicación que sexan abertos e gratuítos. Cando os datos non poidan ser abertos por razóns de seguridade, privacidade ou intereses comerciais, débense garantir procedementos de autenticación e autorización. Os metadatos estarán accesibles, aínda que os datos non estean dispoñibles.
• Interoperables: os metadatos deben utilizar linguaxes accesibles, compartidas e estandarizadas, vocabularios que sigan os principios FAIR, e incluír referencias cruzadas e enlaces entre datos e metadatos. 
• Reutilizables: os metadatos conterán unha licenza clara e accesible sobre a reutilización dos datos.

Hai ferramentas que permiten valorar se os datos son FAIR, é dicir, localizables, accesibles, interoperables e reutilizables. Algúns exemplos son:

• FAIR data self-assessment tool
• FAIR-Aware