Archivo de la categoría: Investigación

Conjunto de herramientas para archiveros y bibliotecarios que apoyan la investigación y la enseñanza en Humanidades Digitales

Sayers, Karen. «A Toolkit for Archivists and Librarians Supporting Research and Teaching in Digital Humanities», The Research Libraries (RLUK) and The National Archives (TNA), 24 de abril de 2024.

Texto completo

Este toolkit es un recurso para archiveros y bibliotecarios que apoyan, o desean apoyar, a investigadores y profesores de humanidades digitales y convertirse en socios o colaboradores en proyectos. Además, es valioso para investigadores, profesores académicos y gestores. El toolkit contiene enlaces a proyectos de humanidades digitales, recursos de capacitación y redes de apoyo.


«Toolkit for Archivists and Librarians Supporting Research and Teaching in Digital Humanities» es una herramienta diseñada por Karen Sayers. Está dirigida a archiveros y bibliotecarios que desean brindar apoyo a investigadores y profesores de humanidades digitales, así como convertirse en socios o colaboradores en proyectos relacionados. Además, es útil para investigadores, profesores académicos y gestores. El toolkit incluye enlaces a proyectos de humanidades digitales, recursos de capacitación y redes de apoyo.

Durante 2023-24, Karen Sayers realizó una investigación centrada en humanidades digitales utilizando datos de series de registros históricos. Para crear este toolkit, consideró esencial comprender los procesos que un investigador de humanidades digitales.

El toolkit esta dividido en secciones que describen las etapas en un proyecto de investigación. Contiene enlaces a recursos que brindan apoyo o capacitación relacionados con las habilidades necesarias para llevar a cabo investigaciones en humanidades digitales. El recurso se centra en habilidades de investigación que son especialmente relevantes para las humanidades digitales.

Dentro del toolkit, se incluyen enlaces a recursos de acceso abierto para apoyar a investigadores y profesores de humanidades digitales siempre que sea posible. Es importante recordar que constantemente están surgiendo nuevos recursos.

Revisión de los acuerdos transformativos en el Reino Unido

Brayman, Kira, Amy Devenney, Helen Dobson, Mafalda Marques, y Anna Vernon. «A Review of  Transitional  Agreements  in the UK». Zenodo, 7 de marzo de 2024. https://doi.org/10.5281/zenodo.10787392.

Encargado y supervisado por grupos estratégicos de Jisc, con la colaboración de Delta Think, una empresa de análisis y datos de acceso abierto (OA), este informe profundiza en el panorama del OA, centrándose en los acuerdos transformativos (AT). Su objetivo es reunir pruebas, estimular el debate en los sectores de la enseñanza superior y la investigación y ofrecer recomendaciones prácticas.

El estudio aborda las siguientes cuestiones

  • ¿Qué proporción de la literatura académica está disponible a través de OA?
  • ¿Qué impacto han tenido los TAs negociados por Jisc en facilitar el acceso abierto a las publicaciones de investigación del Reino Unido?
  • ¿Cómo han influenciado los TAs en los costos para las instituciones de educación superior del Reino Unido?
  • ¿Hasta qué punto han ayudado los TAs al cumplimiento por parte de los autores con los mandatos de los financiadores?
  • ¿Cómo han contribuido los TAs a aumentar la transparencia respecto a los procesos de OA de los editores dentro de la comunidad académica?

Guía necesaria para el uso de la inteligencia artificial en la detección de conductas impropias en las presentaciones de artículos a revistas científicas

Hosseini, Mohammad, y David B Resnik. «Guidance Needed for Using Artificial Intelligence to Screen Journal Submissions for Misconduct». Research Ethics, 11 de mayo de 2024, 17470161241254052. https://doi.org/10.1177/17470161241254052.

Las revistas y editoriales están utilizando cada vez más la inteligencia artificial (IA) para examinar las presentaciones en busca de posibles conductas impropias, incluido el plagio y la manipulación de datos o imágenes.

Si bien el uso de la IA puede mejorar la integridad de los manuscritos publicados, también puede aumentar el riesgo de acusaciones falsas/no fundamentadas. Las ambigüedades relacionadas con las responsabilidades de las revistas y editoriales con respecto a la equidad y transparencia también plantean preocupaciones éticas.

En el presente artículo, se proporciona la siguiente guía:

    • Todos los casos de conducta impropia sospechosa identificados por herramientas de IA deben ser revisados cuidadosamente por humanos para verificar la precisión y garantizar la responsabilidad;
    • Las revistas/editoriales que utilizan herramientas de IA para detectar conductas impropias deben utilizar solo herramientas bien probadas y confiables, permanecer vigilantes con respecto a formas de conducta impropia que no pueden ser detectadas por estas herramientas y mantenerse al tanto de los avances en tecnología;
    • Las revistas/editoriales deben informar a los autores sobre irregularidades identificadas por herramientas de IA y darles la oportunidad de responder antes de enviar acusaciones a sus instituciones de acuerdo con las pautas del Comité de Ética de Publicaciones;
    • Las revistas/editoriales que utilizan herramientas de IA para detectar conductas impropias deben examinar todas las presentaciones relevantes y no solo presentaciones seleccionadas al azar/intencionalmente; y
    • Las revistas deben informar a los autores sobre su definición de conducta impropia, su uso de herramientas de IA para detectar conductas impropias y sus políticas y procedimientos para responder a casos sospechosos de conducta impropia.

    ChatGPT para bibliometría: un amplio corpus de aplicaciones

    Torres-Salinas, Daniel, Mike Thewall, y Wenceslao Arroyo-Machado. «ChatGPT for Bibliometrics:  A Comprehensive Corpus of Applications», 2 de mayo de 2024. https://zenodo.org/records/11103551.

    Este artículo explora el papel transformador de ChatGPT en la mejora de las metodologías de investigación bibliométrica a lo largo de varias etapas del estudio académico. Analiza la aplicación de ChatGPT en estudios bibliométricos en cinco etapas fundamentales de la investigación: preparación y consulta, procesamiento de datos, análisis de datos, interpretación de resultados y redacción científica. Destacando la versatilidad de ChatGPT, el artículo muestra su utilidad para agilizar el manejo de datos, mejorar la profundidad analítica y facilitar la comunicación académica. Con capacidades que van desde la consulta de API externas hasta la personalización de respuestas para necesidades de investigación específicas, ChatGPT puede contribuir a la eficiencia y eficacia de la investigación bibliométrica. También se discuten consideraciones éticas, abogando por la integración de ChatGPT para mantener altos estándares éticos y mejorar la integridad de la investigación.

    Declaración de Barcelona. Los investigadores necesitan bases de datos bibliográficas «abiertas»

    Barcelona Declaration on Open Research Information

    Español

    Los investigadores necesitan bases de datos bibliográficas «abiertas», según una nueva declaración Las principales plataformas, como Web of Science, ampliamente utilizadas para generar métricas y evaluar a los investigadores, están protegidas por derechos de propiedad intelectual.


    Cuando las universidades están decidiendo a quién contratar y promocionar, o cuando las organizaciones de financiamiento están seleccionando proyectos para financiar, es muy probable que estén consultando más que solo los materiales de solicitud. Muchas organizaciones confían en bases de datos que recopilan información sobre publicaciones, incluidos autores, afiliaciones, citas y fuentes de financiamiento, para crear métricas destinadas a cuantificar la productividad de un investigador y la calidad de su trabajo.

    Algunas de las bases de datos más conocidas, como Web of Science y Scopus, son propietarias y ofrecen datos y servicios de acceso pago que respaldan estas y otras métricas, incluidos los rankings universitarios y los factores de impacto de las revistas. Pero en una declaración publicada hoy, más de 30 organizaciones de investigación y financiamiento llaman a la comunidad a comprometerse con plataformas que, en cambio, sean gratuitas para todos, más transparentes sobre sus métodos y sin restricciones sobre cómo se puede utilizar los datos.

    La Declaración de Barcelona sobre la Información de Investigación Abierta afirma que «en un momento en que la toma de decisiones en ciencia está cada vez más guiada por indicadores y análisis, abordar los problemas de la información de investigación cerrada debe ser una prioridad absoluta». Los firmantes hasta ahora incluyen a financiadores como la Fundación Bill y Melinda Gates y la Agencia Nacional de Investigación de Francia, así como a más de una docena de instituciones académicas.

    La Universidad de la Sorbona, que canceló su suscripción a Web of Science el año pasado y cambió a una plataforma más nueva y abierta llamada OpenAlex, dijo en un comunicado que “al firmar la Declaración, queremos demostrar que no solo este movimiento hacia la información de investigación abierta debería ser un objetivo, sino que también se puede lograr”. El cambio puede ayudar a remediar el enfoque de las bases de datos existentes en las revistas en inglés, dicen los defensores. También podría ayudar a mejorar “la circulación del conocimiento científico y local producido en diferentes idiomas, formatos y en diferentes regiones geográficas”, dice otro signatario, el Consejo Latinoamericano de Ciencias Sociales a través del Foro Latinoamericano para la Evaluación Científica.

    Jason Portenoy, ingeniero de datos senior en OurResearch, reconoce esta necesidad de aporte de la comunidad, diciendo que es comprensible que las instituciones puedan dudar en volver a hacer el trabajo. “Pero la diferencia es que con OpenAlex, está sucediendo de manera abierta”, dice. Cualquier brecha en la calidad de los datos se está cerrando rápidamente, agrega Jason Priem, CEO de OurResearch. “OpenAlex está evolucionando muy rápidamente, y a menudo los problemas descubiertos por nuestra comunidad se solucionan en unos pocos meses”. Cuando uno de los coordinadores de la declaración, Ludo Waltman, director científico del Centro de Estudios de Ciencia y Tecnología en la Universidad de Leiden, y colegas recientemente usaron OpenAlex para clasificar más de 1400 universidades en todo el mundo, concluyeron que, aunque necesita mejorar, el enfoque produjo “datos de calidad sorprendentemente buenos”.

    Daniel Hook, CEO de Digital Science, que opera la base de datos propietaria Dimensions, acoge esta idea. (Dimensions ya ofrece una versión gratuita para uso no comercial, aunque los usuarios deben suscribirse para acceder a todas las funciones). Sin embargo, Hook dice que tal transición llevará tiempo. Las bases de datos propietarias necesitan recuperar los costos de establecer, mejorar y mantener conjuntos de datos tan grandes, un desafío que los equivalentes abiertos como OpenAlex también podrían enfrentar a largo plazo.

    La declaración es un «excelente desarrollo», dice Elizabeth Gadd, experta en comunicaciones académicas y jefa de cultura e evaluación de investigación e innovación en la Universidad de Loughborough, que no estuvo involucrada en su preparación. “Muchas organizaciones han hecho compromisos públicos con prácticas de investigación abierta pero continúan utilizando fuentes de datos bibliográficos cerradas y comerciales para análisis de investigación”. El anuncio debería “estimular a una gama más amplia de organizaciones a ‘poner su dinero donde está su boca’”.

    Con ese fin, los partidarios de la declaración esperan establecer una Coalición para la Información de Investigación Abierta para planificar los próximos pasos, dice la coordinadora Bianca Kramer, experta en comunicaciones académicas de la consultora Sesame Open Science. “Queremos facilitar que las organizaciones trabajen hacia esa transición, entre otras cosas, beneficiándose de la experiencia de los demás y explorando la acción colectiva”.

    COMPROMISOS


    1 – Haremos que la apertura sea la norma para la información de investigación que utilizamos y producimos

    • La apertura será la norma para la información sobre investigación que utilizamos, por ejemplo, para evaluar a investigadores e instituciones, apoyar la toma de decisiones estratégicas y encontrar resultados de investigación relevantes.
    • La apertura será la norma para la información de investigación que produzcamos, por ejemplo, la información sobre nuestras actividades y resultados, con excepción de la información cuya apertura sería inapropiada (‘tan abierta como sea posible y tan
      cerrada como sea necesario’


    2. – Trabajaremos con servicios y sistemas que apoyen y hagan posible
    la información abierta sobre investigación

    • En cuanto a los servicios y plataformas de publicación, requeriremos que la información de investigación generada en los procesos de publicación (por ejemplo, metadatos de artículos de investigación y otros resultados) esté disponible de forma abierta a través de infraestructuras académicas abiertas, utilizando protocolos e identificadores estándar cuando estén disponibles.
    • En el caso de los sistemas y plataformas para la gestión interna de la información de investigación (por ejemplo, los actuales sistemas de información de investigación), requeriremos que toda la información de investigación pertinente pueda exportarse y hacerse abierta, utilizando protocolos e identificadores estándares cuando estén disponibles.


    3. Apoyaremos la sostenibilidad de las infraestructuras para la información abierta sobre investigación

    • Asumimos la responsabilidad de apoyar infraestructuras para la información abierta sobre investigación, por ejemplo participando en la creación de comunidades y en la gobernanza de las mismas y aportando contribuciones justas y equitativas a la estabilidad financiera y al desarrollo de estas infraestructuras.
    • Esperamos que las infraestructuras que apoyamos apliquen buenas prácticas
      de gobernanza comunitaria y sostenibilidad (por ejemplo, los Principios de la
      Infraestructura Académica Abierta).


    4. Apoyaremos actuaciones colectivas para acelerar la transición hacia la apertura de la información sobre investigación

    • Reconocemos la importancia de compartir experiencias y coordinar acciones para promover en todo el sistema la transición de cerrada a abierta de la información de investigación.
    • Para facilitarlo, apoyamos la creación de una Coalición para la Información
      Abierta sobre Investigación y el refuerzo de la colaboración con otras iniciativas y organizaciones afines.

    Millones de artículos académicos en riesgo de desaparecer del Internet: un estudio revela lagunas en la preservación digital

    Millions of research papers at risk of disappearing from the Internet. En: Bandiera_abtest: a Cg_type: News Subject_term: Information technology, Scientific community, Publishing [en línea], 2024. [consulta: 3 mayo 2024]. Disponible en: https://www.nature.com/articles/d41586-024-00616-5.


    Un estudio sobre más de siete millones de publicaciones digitales sugiere que más de una cuarta parte de los artículos académicos no están siendo archivados y preservados adecuadamente. Esto indica que los sistemas de preservación en línea no están manteniendo el ritmo del crecimiento de la producción investigativa.

    Martin Eve, investigador de literatura, tecnología y publicación en la Universidad de Birkbeck, Londres, señala que la cadena de notas al pie es esencial para la epistemología científica y de investigación. Sin embargo, más de dos millones de artículos con identificadores digitales únicos (DOI) no aparecían en archivos digitales importantes, a pesar de tener un DOI activo.

    El estudio examinó si 7.438,037 obras con DOI estaban archivadas. Solo el 58% de los DOI referenciaban obras almacenadas en al menos un archivo digital. Esto plantea desafíos significativos para la preservación digital, especialmente para editoriales pequeñas que pueden carecer de recursos.

    El análisis sugiere medidas para mejorar la preservación digital, como requisitos más estrictos en las agencias de registro de DOI y una mayor conciencia del problema entre editores e investigadores. Eve destaca la importancia de garantizar la sostenibilidad a largo plazo del ecosistema de investigación.

    Guía para detectar revistas depredadoras


    Alonso Arévalo, J., Saraiva, R., & Flórez Holguín, R. (2020). Revistas depredadoras: fraude en la ciencia. Cuadernos De Documentación Multimedia, 31. https://doi.org/10.5209/cdmu.68498


    Las revistas depredadoras son publicaciones académicas fraudulentas que buscan obtener ganancias económicas aprovechándose de investigadores y académicos. Estas revistas suelen tener estándares de revisión por pares deficientes o inexistentes, y a menudo cobran tarifas exorbitantes a los autores para publicar sus trabajos sin proporcionar los servicios de revisión y edición adecuados.

    Para detectar revistas depredadoras, es importante estar atento a ciertos indicadores de mala calidad editorial. Algunas señales de advertencia incluyen:

    1. Solicitud de tarifas de procesamiento de artículo (APC): Las revistas legítimas a menudo cobran tarifas de procesamiento de artículo para cubrir los costos de publicación, pero las revistas depredadoras pueden cobrar tarifas excesivas o no proporcionar una justificación clara para estas tarifas.
    2. Falta de revisión por pares adecuada: Las revistas depredadoras a menudo afirman realizar revisión por pares, pero en realidad no tienen un proceso de revisión riguroso o no cuentan con revisores expertos en el campo del artículo.
    3. Correos electrónicos no solicitados: Si recibe correos electrónicos no solicitados de revistas académicas invitándolo a enviar artículos para su publicación, es posible que esté tratando con una revista depredadora.
    4. Sitio web de baja calidad: Las revistas depredadoras suelen tener sitios web de aspecto poco profesional, con errores gramaticales o ortográficos, y falta de información clara sobre el proceso de revisión por pares, el comité editorial y las políticas de publicación.
    5. Ausencia de indexación en bases de datos relevantes: Las revistas legítimas suelen estar indexadas en bases de datos académicas reconocidas, como PubMed, Scopus o Web of Science. Si una revista no aparece en estas bases de datos o tiene una presencia limitada, puede ser una señal de advertencia.

    En resumen, para detectar revistas depredadoras, es crucial investigar cuidadosamente la reputación y la calidad editorial de la revista, así como analizar cualquier tarifa asociada y evaluar la transparencia y la integridad del proceso editorial.

    Los efectos de compartir datos de investigación, códigos y preprints en las citas

    Colavizza, Giovanni, Lauren Cadwallader, Marcel LaFlamme, Grégory Dozot, Stéphane Lecorney, Daniel Rappo, y Iain Hrynaszkiewicz. «An Analysis of the Effects of Sharing Research Data, Code, and Preprints on Citations». arXiv.org, 24 de abril de 2024. https://arxiv.org/abs/2404.16171v1.


    La liberación temprana de una publicación como preprints muestra una ventaja significativa en las citas, con un aumento promedio del 20.2%. Compartir datos en un repositorio en línea también está asociado con una ventaja de citas positiva, aunque menor, del 4.3% en promedio. Sin embargo, no se observa una ventaja significativa en las citas para compartir código.


    Las llamadas para hacer la investigación científica más abierta han ganado fuerza con una variedad de actores sociales interesados. Las prácticas de Ciencia Abierta incluyen, pero no se limitan a, el intercambio temprano de resultados a través de preprints y compartir abiertamente productos como datos y código para hacer que la investigación sea más reproducible y extensible. La evidencia existente muestra que adoptar prácticas de Ciencia Abierta tiene efectos en varios ámbitos. En este estudio, se investiga si adoptar una o más prácticas de Ciencia Abierta conduce a un número significativamente mayor de citas para una publicación asociada, que es una forma de impacto académico.

    Se utiliza un conjunto de datos novedoso conocido como Indicadores de Ciencia Abierta, producido por PLOS y DataSeer, que incluye todas las publicaciones de PLOS desde 2018 hasta 2023, así como un grupo de comparación muestreado del Subconjunto de Acceso Abierto de PMC. En total, se analizan alrededor de 122,000 publicaciones. Se calculan indicadores de citas a nivel de publicación y autor y se utilizan un amplio conjunto de variables de control para aislar el efecto de los Indicadores de Ciencia Abierta en las citas recibidas. Se muestra que las prácticas de Ciencia Abierta se adoptan en diferentes grados en disciplinas científicas.

    Se descubre que la liberación temprana de una publicación como preprints se correlaciona con una ventaja significativa de citas positivas de aproximadamente 20.2% de promedio. También se encuentra que compartir datos en un repositorio en línea se correlaciona con una ventaja de citas más pequeña pero aún positiva de 4.3% de promedio. Sin embargo, no se encuentra una ventaja de citas significativa para compartir código. Se necesita más investigación sobre medidas de impacto adicionales o alternativas más allá de las citas. Estos resultados probablemente sean de interés para los investigadores, así como para los editores, financiadores de investigación y responsables de políticas.

    IA para el Descubrimiento Científico

    Pool, Robert, ed. AI for Scientific Discovery: Proceedings of a Workshop. Washington, D.C.: National Academies Press, 2024. https://doi.org/10.17226/27457.

    Descargar

    El taller «IA para el Descubrimiento Científico» tuvo lugar del 12 al 13 de octubre de 2023. Las actas fueron publicadas en abril de 2024. El evento fue organizado por las Academias Nacionales de Ciencias, Ingeniería y Medicina.

    Durante el último siglo, la inteligencia artificial (IA) ha evolucionado desde la teoría computacional hasta las tecnologías de conversación cotidianas, capturando la atención e interés del público y los medios de comunicación. También ha llamado la atención de la comunidad científica, donde ha proporcionado una nueva herramienta para apoyar la investigación y la exploración. Si bien la IA en el contexto de la investigación científica ha existido durante décadas, los avances en tecnología computacional y en la percepción en el mundo físico han creado oportunidades para integrar la IA en la ciencia de maneras inesperadas, con capacidades que están acelerando rápidamente. Como resultado, la IA ha sido aprovechada por una colección en expansión de disciplinas en las ciencias físicas y biológicas, así como en dominios de ingeniería. Si bien las oportunidades para la IA en el descubrimiento científico parecen infinitas, existen numerosas preguntas sobre qué hace que un descubrimiento sea confiable y confiable, si dicha investigación debe llevarse a cabo sin supervisión o intervención humana, y cómo priorizar mejor la agenda de investigación y la asignación de recursos sin amplificar las disparidades para individuos y naciones por igual.

    Reconociendo la actualidad y las considerables implicaciones de la IA en nuestro mundo, las Academias Nacionales de Ciencias, Ingeniería y Medicina organizaron la IA para el Descubrimiento Científico – Un Taller del 12 al 23 de octubre de 2023. Líderes de todo el mundo en el campo de la IA, destacados investigadores en diversas disciplinas científicas e ingenieriles, y expertos en ética, derecho y ciencias sociales se reunieron para evaluar el estado del campo y proporcionar orientación sobre las oportunidades, así como los desafíos, que se avecinan. Las presentaciones y discusiones exploraron el futuro de la IA en cuanto a su papel como investigador autónomo llevando a cabo descubrimientos y consideraron aspectos éticos de la IA utilizada para el descubrimiento científico independiente.

    Recomendaciones éticas para la investigación en inteligencia artificial del Comité Español de Ética de la Investigación (CEEI)

    Recomendaciones éticas para la investigación en inteligencia artificial. Comité Español de Ética de la Investigación (CEEI), 2024

    Descargar

    Este informe, elaborado en colaboración con la Oficina Española de Prospectiva Tecnológica, analiza los desafíos éticos que plantea el desarrollo y la aplicación de la inteligencia artificial (IA). El CEEI ofrece una serie de recomendaciones para garantizar que la investigación en IA se lleve a cabo de forma responsable y ética, teniendo en cuenta los posibles riesgos y beneficios para la sociedad.

    RESPONSABILIDAD EN EL DESARROLLO Y EL USO DE SISTEMAS AUTÓNOMOS

    Este conjunto de desafíos se centra en la capacidad de los sistemas de IA para tomar decisiones de manera automática, siempre bajo supervisión humana, conforme a las Directrices Éticas para una IA Fiable publicadas por la Comisión Europea en 2018 y las de la UNESCO de 2021. Aspectos específicos relacionados con la investigación en IA incluyen:

    1. Salvaguardar los derechos humanos y fundamentales: Los investigadores y las instituciones deben asegurar que los sistemas de IA respeten la dignidad, la autodeterminación y los derechos humanos y democráticos.
    2. Salvaguardar el medioambiente: Los sistemas de IA deben desarrollarse considerando su consumo energético y su impacto ambiental.
    3. Responsabilidad: Los investigadores deben proporcionar orientación sobre las decisiones y acciones de los sistemas de IA y colaborar con sus instituciones y otras partes interesadas.
    4. Inspeccionabilidad y trazabilidad: Es necesario identificar las fuentes de datos utilizadas por el sistema y la forma en que toma decisiones para garantizar su transparencia y justicia.
    5. Divulgación de la investigación: Los investigadores deben contribuir al debate público sobre los riesgos y oportunidades de la IA y presentar un balance equilibrado entre ambos.

    CONSECUENCIAS SOCIALES Y RESPONSABILIDAD SOCIAL DE LA INVESTIGACIÓN

    La IA tiene un gran potencial para generar cambios en diversas áreas de aplicación. En la investigación, es esencial:

    1. Reconocer la incertidumbre: Asesorar adecuadamente sobre la incertidumbre asociada con la investigación en IA y fomentar la investigación interdisciplinar.
    2. Asegurar una participación amplia: Comunicar los riesgos y oportunidades de manera transparente e involucrar a aquellos que se ven más afectados por las decisiones.
    3. Protección de datos y consideración a los individuos: Seguir los principios fundamentales de la protección de datos y asegurar el consentimiento adecuado en el uso de datos personales.

    DATOS

    El uso de datos, especialmente de grandes cantidades, plantea desafíos éticos en la investigación en IA. Es esencial:

    1. Asegurar la calidad de los datos: Cuestionar la calidad y relevancia de los datos, facilitar el acceso a fuentes de datos abiertas y garantizar la verificabilidad.
    2. Acceso justo a los datos: Asegurar que la investigación, los datos utilizados y los resultados obtenidos estén disponibles públicamente, evitando la evasión de los requisitos de transparencia.