Make Data Count. “Largest Collection of Data Reuse Indicators Now Openly Available.” Make Data Count, 15 de octubre de 2026. https://makedatacount.org/read-our-blog/new-frontier-for-open-data-metrics/. DOI: 10.60804/YG9V-7Q17

El proyecto Make Data Count presenta, en colaboración con Digital Science, una nueva colección abierta de indicadores que permite identificar las conexiones entre los artículos científicos y los conjuntos de datos que mencionan, citan o reutilizan.

La iniciativa responde a un problema importante para la ciencia abierta: aunque cada vez se publican más datos de investigación en repositorios y plataformas especializadas, todavía resulta difícil conocer con precisión hasta qué punto se utilizan en nuevos trabajos científicos y qué contribución realizan al avance del conocimiento. La publicación de un conjunto de datos constituye un primer paso hacia la apertura de la investigación, pero conocer su reutilización efectiva permite comprender mejor su alcance, su influencia y su valor para la comunidad científica. El nuevo recurso pretende cubrir esta necesidad mediante una infraestructura compartida que facilite el análisis sistemático de las relaciones entre publicaciones y datos de investigación.

La colección reúne referencias a conjuntos de datos identificados mediante DOI u otros números de acceso, extraídas de artículos científicos de distintas disciplinas. Uno de sus aspectos más relevantes es la distinción entre dos modalidades de utilización: los datos primarios, generados específicamente para desarrollar el estudio publicado, y los datos secundarios, procedentes de investigaciones anteriores y reutilizados en un nuevo trabajo. Esta diferenciación permite ir más allá del simple recuento de conjuntos de datos disponibles y estudiar cómo circula la información científica entre investigaciones. De este modo, se puede avanzar hacia una visión más completa del ciclo de vida de los datos: desde su producción y publicación hasta su reutilización por otros equipos, su incorporación a nuevos análisis y su contribución a la generación de conocimiento.

El desarrollo de esta iniciativa se apoya en una experiencia previa impulsada por Make Data Count a través de una competición organizada en Kaggle, en la que se invitó a especialistas a diseñar métodos capaces de detectar referencias a conjuntos de datos dentro de los artículos científicos y diferenciar entre datos originales y datos reutilizados. La competición dio lugar a cinco propuestas ganadoras, cuyos métodos se pusieron a disposición de la comunidad para facilitar su evaluación y reutilización. El paso decisivo ha consistido en llevar estos algoritmos a una escala mucho mayor, gracias a la colaboración con Digital Science, que aporta experiencia en el análisis de literatura científica y la infraestructura necesaria para mantener y ampliar el recurso. La iniciativa demuestra así cómo los resultados de una competición técnica pueden transformarse en un servicio de interés colectivo, abierto a investigadores, instituciones y proveedores de servicios de información científica.

Otro elemento destacable es el compromiso con la transparencia y la reproducibilidad. La colección se distribuye bajo una licencia de dominio público CC0, lo que facilita su reutilización, integración y adaptación sin las restricciones habituales de otros modelos de distribución. Además, se actualizará mensualmente y cada versión quedará fechada para que los usuarios puedan identificar y citar con precisión la edición utilizada en sus análisis. La publicación incorpora documentación técnica sobre los métodos empleados, su implementación y sus limitaciones, de manera que los resultados no tengan que aceptarse como indicadores incuestionables, sino que puedan examinarse, contrastarse y mejorarse. El primer conjunto de datos puede consultarse mediante un archivo CSV descargable y a través de BigQuery, una opción que facilita su análisis a gran escala.

La disponibilidad de esta colección puede tener implicaciones importantes para la evaluación de la investigación científica. Las agencias financiadoras, las universidades y los centros de investigación necesitan demostrar que los recursos destinados a producir y preservar datos generan beneficios reales para la comunidad científica. Hasta ahora, la evaluación de la producción investigadora ha estado muy condicionada por indicadores relacionados con las publicaciones, las citas bibliográficas y el impacto de las revistas. Sin embargo, estos indicadores no reflejan por sí solos el valor de los conjuntos de datos ni permiten conocer adecuadamente su reutilización en investigaciones posteriores. La nueva infraestructura ofrece una base común para desarrollar métricas complementarias, identificar conexiones entre trabajos científicos y conjuntos de datos, y analizar cómo los recursos compartidos contribuyen a la continuidad y al desarrollo de nuevas líneas de investigación.

La iniciativa también puede favorecer el desarrollo de nuevas herramientas bibliométricas y servicios de información científica. Los repositorios de datos, las bibliotecas universitarias, las oficinas de investigación y las plataformas de evaluación podrán incorporar estas relaciones a sus sistemas para mejorar la identificación de los datos citados y reutilizados. Para las bibliotecas, supone una oportunidad de ampliar su papel en la gestión de la ciencia abierta: no solo facilitar el depósito, la descripción y la preservación de los datos, sino también ayudar a visibilizar su uso, estudiar su impacto y asesorar a los investigadores sobre cómo documentar correctamente las fuentes de datos empleadas. La disponibilidad de información estructurada y reutilizable puede facilitar, además, la creación de paneles de seguimiento y nuevos indicadores institucionales sobre la contribución de los datos abiertos a la investigación.