FAIR data - FAIR data

En introduksjon til FAIR -data og vedvarende identifikatorer .
FAIR -dataprinsipper.jpg

FAIR -data er data som oppfyller prinsippene for funnbarhet , tilgjengelighet , interoperabilitet og gjenbruk . Akronymet og prinsippene ble definert i en artikkel i mars 2016 i tidsskriftet Scientific Data av et konsortium av forskere og organisasjoner.

FAIR-prinsippene understreker maskinens handlingsevne (dvs. beregningssystemers evne til å finne, få tilgang til, interoperere og gjenbruke data med ingen eller minimal menneskelig inngrep) fordi mennesker i økende grad er avhengige av beregningsstøtte for å håndtere data som følge av økningen i volum, kompleksitet og opprettingshastighet for data.

Forkortelsen FAIR/O -data brukes noen ganger for å indikere at datasettet eller databasen det gjelder er i samsvar med FAIR -prinsippene og også har en eksplisitt datakompetent åpen lisens .

FAIR -prinsipper, som utgitt av GO FAIR

Finnes

Det første trinnet i (re) bruk av data er å finne dem. Metadata og data skal være enkle å finne for både mennesker og datamaskiner. Maskinlesbare metadata er avgjørende for automatisk oppdagelse av datasett og tjenester, så dette er en vesentlig del av FAIRification-prosessen.

F1. (Meta) data er tildelt en globalt unik og vedvarende identifikator

F2. Data er beskrevet med rike metadata (definert av R1 nedenfor)

F3. Metadata inkluderer klart og eksplisitt identifikatoren for dataene de beskriver

F4. (Meta) data er registrert eller indeksert i en søkbar ressurs

Tilgjengelig

Når brukeren finner de nødvendige dataene, må de vite hvordan de kan nås, muligens inkludert autentisering og autorisasjon .

A1. (Meta) data kan hentes av identifikatoren ved hjelp av en standardisert kommunikasjonsprotokoll

A1.1 Protokollen er åpen, gratis og universelt implementerbar

A1.2 Protokollen åpner for en autentiserings- og autorisasjonsprosedyre, der det er nødvendig

A2. Metadata er tilgjengelige, selv når dataene ikke lenger er tilgjengelige

Interoperabel

Dataene må vanligvis integreres med andre data. I tillegg må dataene samvirke med applikasjoner eller arbeidsflyter for analyse , lagring og behandling .

I1. (Meta) data bruker et formelt, tilgjengelig, delt og bredt anvendelig språk for kunnskapsrepresentasjon.

I2. (Meta) data bruker vokabular som følger FAIR -prinsippene

I3. (Meta) data inkluderer kvalifiserte referanser til andre (meta) data

Gjenbrukbar

Det endelige målet med FAIR er å optimalisere gjenbruk av data. For å oppnå dette, bør metadata og data være godt beskrevet slik at de kan replikeres og/eller kombineres i forskjellige innstillinger.

R1. Meta (data) er rikt beskrevet med en rekke nøyaktige og relevante attributter

R1.1. (Meta) data blir utgitt med en klar og tilgjengelig databrukslisens

R1.2. (Meta) data er knyttet til detaljert opprinnelse

R1.3. (Meta) data oppfyller domenerelevante fellesskapsstandarder

Prinsippene refererer til tre typer enheter: data (eller et hvilket som helst digitalt objekt), metadata (informasjon om det digitale objektet) og infrastruktur. For eksempel definerer prinsipp F4 at både metadata og data er registrert eller indeksert i en søkbar ressurs (infrastrukturkomponenten).

-  GO FAIR, rettferdig prinsipper, https://www.go-fair.org/fair-principles/

Aksept og implementering av FAIR -dataprinsipper

Før FAIR var et papir fra 2007 det tidligste papiret som diskuterte lignende ideer knyttet til datatilgjengelighet.

På toppmøtet i G20 Hangzhou i 2016 ga G20 -lederne ut en uttalelse som godkjente anvendelsen av FAIR -prinsipper på forskning.

I 2016 utviklet en gruppe australske organisasjoner en uttalelse om FAIR Access to Australia's Research Outputs, som hadde som mål å utvide prinsippene til forskningsresultater mer generelt.

I 2017 ble Tyskland, Nederland og Frankrike enige om å opprette et internasjonalt kontor for å støtte FAIR -initiativet, GO FAIR International Support and Coordination Office .

Andre internasjonale organisasjoner som er aktive i forskningsdataøkosystemet, for eksempel CODATA eller Research Data Alliance (RDA), støtter også FAIR -implementeringer fra sine lokalsamfunn. FAIR-prinsippers implementeringsvurdering blir utforsket av FAIR Data Maturity Model Working Group of RDA, CODATAs strategiske Decadal-program "Data for Planet: Making data work for cross-domain challenges" nevner FAIR-dataprinsipper som en grunnleggende aktivator for datadrevet vitenskap.

"Implementering av FAIR -dataprinsipper - bibliotekenes rolle", en guide

Den Association of European Research Libraries anbefaler bruk av FAIR prinsipper.

En artikkel fra 2017 fra talsmenn for FAIR -data rapporterte at bevisstheten om FAIR -konseptet økte blant forskjellige forskere og institutter, men også forståelsen av konseptet ble forvirret ettersom forskjellige mennesker bruker sine egne forskjellige perspektiver på det.

Guider for implementering av FAIR -datapraksis sier at kostnaden for en datahåndteringsplan i samsvar med FAIR -datapraksis bør være 5% av det totale forskningsbudsjettet.

I 2019 ga Global Indigenous Data Alliance (GIDA) ut CARE -prinsippene for urfolks datastyring som en komplementær veiledning. CARE -prinsippene utvider prinsippene som er skissert i FAIR -data til å omfatte kollektiv fordel, myndighet til kontroll, ansvar og etikk for å sikre at retningslinjer for data omhandler historiske sammenhenger og kraftforskjeller. CARE-prinsippene for urfolks datastyring ble utarbeidet på International Data Week og Research Data Alliance Plenary, som var vertskap for arrangementet "Indigenous Data Sovereignty Principles for the Governance of Indigenous Data Workshop", 8. november 2018, Gaborone, Botswana.

Mangelen på informasjon om hvordan retningslinjene skal implementeres har ført til inkonsekvente tolkninger av dem.

I januar 2020 produserte representanter for ni grupper av universiteter rundt om i verden Sorbonne -erklæringen om forskningsdatarettigheter , som inkluderte en forpliktelse til FAIR -data, og oppfordret myndighetene til å gi støtte for å gjøre det mulig.

Se også

Referanser

Eksterne linker