Archivo de la etiqueta: Alfabetización en datos

Competencias en alfabetización en datos: perspectivas de la industria y práctica profesional

Pothier, Wendy, and Patricia Condon. «Data Literacy Skills: Industry Perspectives and Professional Practice.» Portal: Libraries and the Academy 25, no. 2 (2025): 273-289. https://muse.jhu.edu/article/955946

Encuesta realizada a 164 profesionales de la industria de la cadena de suministro y logística en Estados Unidos y Canadá, con el objetivo de evaluar cómo se alinean las competencias propuestas de alfabetización de datos con las prácticas profesionales en el lugar de trabajo

La encuesta aborda la autopercepción de los encuestados de las competencias en alfabetización de datos y pregunta cómo se reflejan estas competencias en el trabajo diario de los individuos. Los resultados sugieren que las competencias de alfabetización de datos presentadas a los encuestados son muy valoradas en diversas categorías laborales y niveles de experiencia. Además, se observa una alineación entre las competencias de alfabetización de datos y las prácticas laborales del mundo real, especialmente cuando se consideran las competencias no técnicas. La discusión contextualiza estos hallazgos dentro de un trabajo bibliotecario más amplio en el ecosistema de la alfabetización de datos.

El estudio de investigación parte de la base de las competencias básicas propuestas por Wendy Pothier y Patricia Condon y su posterior correspondencia con el Marco de referencia, explorando cómo se manifiestan dichas competencias en la práctica profesional. Así, los autores identificaron siete áreas de habilidades clave esenciales para preparar a los estudiantes de empresariales para entrar en un lugar de trabajo con alfabetización informática:

  1. Organización y almacenamiento de datos
  2. Comprensión de los datos utilizados en contextos empresariales
  3. Evaluación de la calidad de las fuentes de datos
  4. Interpretar los datos
  5. Toma de decisiones basada en datos
  6. Comunicación y presentación eficaz de los datos
  7. Ética y seguridad de los datos

Los resultados indican que las competencias de alfabetización de datos son altamente valoradas en diversas categorías laborales y niveles de experiencia. Las cinco actividades relacionadas con datos más frecuentemente realizadas y consideradas más importantes por los encuestados son:​

  • Uso de datos para la toma de decisiones.​
  • Interpretación de datos.​
  • Presentación de datos.​
  • Evaluación de fuentes de datos.​
  • Identificación de fuentes de datos disponibles.​

Actividades como el procesamiento y análisis avanzado de datos, la organización de datos, la ética y seguridad de datos, y el almacenamiento de datos fueron clasificadas con menor frecuencia e importancia.

Adquisición de Habilidades de Datos en el Lugar de Trabajo

Un hallazgo notable es que muchos profesionales adquieren sus habilidades de datos en el trabajo o mediante recursos autodidactas, en lugar de a través de la educación formal. Esto sugiere una brecha en la preparación que ofrece la educación superior en relación con las habilidades prácticas de datos requeridas en el entorno laboral.​

Implicaciones para Bibliotecarios y Educadores

Los autores destacan que los bibliotecarios y educadores tienen un papel crucial en la preparación de los estudiantes para el mercado laboral, especialmente en la enseñanza de competencias de alfabetización de datos que son esenciales en el mundo profesional. Se sugiere que la instrucción en alfabetización de datos en el ámbito académico debe alinearse más estrechamente con las aplicaciones prácticas y las necesidades de la industria.​

Limitaciones del Estudio

El estudio reconoce ciertas limitaciones, como el sesgo hacia profesionales de nivel senior en la muestra y una representación limitada de diversidad en términos de género y raza. Además, la naturaleza autoevaluada de la encuesta podría influir en la precisión de los datos recopilados.​

Conclusión

Este estudio exploratorio subraya la importancia de las competencias de alfabetización de datos en la industria de la cadena de suministro y logística, y señala la necesidad de una mayor integración de estas habilidades en la educación superior para preparar eficazmente a los estudiantes para sus futuras carreras profesionales.

Percepciones sobre Alfabetización en Datos y Educación en Alfabetización en Datos

Ghodoosi, B., Torrisi-Steele, G., West, T., & Heidari, M. (2024). Perceptions of data literacy and data literacy education. Journal of Librarianship and Information Science, 0(0). https://doi.org/10.1177/09610006241246789

En la era de la transformación digital, la alfabetización en datos ha surgido como una competencia crítica para las organizaciones, impulsando una demanda de profesionales capacitados. A pesar de la escasez de talento con alfabetización en datos, las universidades luchan por alinear sus planes de estudio con las necesidades de la industria, lo que ha llevado a pedir una mejora en la educación en alfabetización en datos. Reconociendo los matices contextuales de este conjunto de habilidades, un enfoque de talla única no es suficiente. Para abordar esta brecha, los autores abogan por una exploración exhaustiva de las perspectivas de partes interesadas clave como asesores comerciales, estudiantes, profesores e investigadores. Comprender las diversas necesidades y expectativas de las partes interesadas es crucial para identificar deficiencias en la educación en alfabetización en datos, allanando el camino para mejoras en los programas universitarios.

El estudio es la fase preliminar de un proyecto más grande en curso en el que se utiliza la metodología de teoría fundamentada para explorar la pregunta «¿cómo se puede mejorar la educación en alfabetización en datos?». Los autores informan sobre un estudio a pequeña escala (ocho entrevistas) dirigido a explorar las perspectivas sobre la definición de alfabetización en datos, competencias y desafíos con dos representantes de cada uno de los cuatro grupos de partes interesadas en educación en alfabetización en datos: estudiantes, asesores comerciales, educadores e investigadores. Un desafío común identificado entre los participantes es la falta de habilidades de pensamiento crítico y alfabetización en datos, así como la falta de conciencia sobre la importancia del análisis de datos. Aunque los participantes eran conscientes de que diferentes empresas pueden necesitar diferentes habilidades de alfabetización en datos, no pudieron articular cuáles podrían ser esas diferencias. El estudio subraya la necesidad de desarrollar marcos para ayudar a guiar y avanzar en la educación en alfabetización en datos.

Alfabetización em datos: percepción y grados de satisfacción de estudiantes universitarios


Martín González Y. ., Travieso Rodríguez C., Toro Pascua J. C. ., Iglesias Rodríguez A. . y Hernández Martín A. (2023). Alfabetización em datos: percepción y grados de satisfacción de estudiantes universitarios. Revista General de Información y Documentación, 33(2), 353-371. https://doi.org/10.5209/rgid.93008

Gartner define la alfabetización en datos como la capacidad de leer, escribir y comunicar datos en su contexto, incluida la comprensión de las fuentes y construcciones de datos, los métodos y técnicas analíticos aplicados y la capacidad de describir el caso de uso, la aplicación y el valor resultante.


Este artículo presenta los resultados obtenidos de un estudio realizado en el marco de un Proyecto de Innovación Docente sobre alfabetización en datos, desarrollado en cinco titulaciones de grado de la Universidad de Salamanca, con el objeto de conocer la percepción y el grado de satisfacción de los estudiantes universitarios respecto a la búsqueda y recuperación de datos abiertos. Se ha aplicado el enfoque metodológico cuantitativo no experimental, empleando técnicas estadísticas, descriptivas e inferenciales. Se ha hecho una selección muestral por disponibilidad accediendo a 310 discentes de las ramas de conocimiento Ciencias Sociales y Jurídicas, y Artes y Humanidades. El instrumento de recogida de datos ha sido un cuestionario conformado por preguntas de respuesta cerrada y abierta, referidas a las variables que se pretendía estudiar. Los resultados obtenidos han permitido identificar las dificultades que encuentran los estudiantes en cuanto a la elección de la fuente de datos, la ejecución del proceso de búsqueda de información y la comprensión de los dataset. Asimismo, ponen de manifiesto cómo los discentes valoran positivamente la formación en datos y su utilidad en el aprendizaje de otras asignaturas, así como en su vida profesional. El estudio efectuado ha obtenido evidencia empírica acerca del nivel de percepción y satisfacción que poseen los estudiantes de grado en cuanto a la alfabetización en datos. Además, ha expuesto la necesidad de incorporar esta competencia transversal en la formación universitaria y de promover la, hasta ahora, limitada investigación sobre el uso potencial que tienen los datos abiertos en el aprendizaje.

Alfabetización de Datos para el Sector Público

Data Literacy for the Public Sector: Lessons from Early Pioneers
in the U.S. Deloitte, 2022

Texto completo

Los avances en el acceso, la recolección, la gestión, el análisis y el uso de datos en las organizaciones del sector público han contribuido de manera significativa a mejoras constantes en los servicios, la eficiencia de las operaciones y la efectividad de los programas gubernamentales. La experiencia de ciudadanos, beneficiarios, gerentes y expertos en datos también está evolucionando a medida que los datos se vuelven omnipresentes y se integran de manera más fluida en los procesos de toma de decisiones. Para que las agencias puedan participar de manera efectiva en el cambiante panorama de los datos, la capacidad de alfabetización de datos y los modelos de programas a nivel organizacional pueden ayudar a garantizar que las personas en toda la fuerza laboral puedan leer, escribir y comunicarse con datos en el contexto de su función. Los datos y el análisis ya no son «solo» para especialistas, como ingenieros de datos y científicos de datos; en cambio, la alfabetización de datos se reconoce cada vez más como una competencia fundamental de la fuerza laboral.

Afortunadamente, en Estados Unidos han surgido varios pioneros que han avanzado estratégicamente en programas y actividades de alfabetización de datos a nivel organizacional, brindando beneficios a las personas en la fuerza laboral del sector público. Los programas pioneros son aquellos que reconocen la alfabetización de datos como algo más que simplemente capacitación. Ven la alfabetización de datos como un conjunto holístico de actividades para involucrar a los empleados de todos los niveles con datos, desarrollar empleados con habilidades relevantes y permitir la escalabilidad de la alfabetización de datos al complementar las habilidades de los empleados con apoyo de aprendizaje guiado y recursos.

Las agencias deben comenzar elaborando el caso para el cambio. Como es común en cualquier campo emergente, existen diversas definiciones e interpretaciones de «alfabetización de datos», lo que puede afectar el diseño del programa. Ser explícito acerca de los problemas que se están resolviendo, así como las necesidades y los impulsores que se abordarán con un programa de alfabetización de datos, es vital para evitar comienzos falsos. Al observar a los diez pioneros discutidos en este informe, surgieron lecciones clave que son relevantes para las agencias gubernamentales a medida que diseñan la capacidad y los programas de alfabetización de datos:

  • Involucrar a los líderes senior con roles y expectativas claras. Los líderes ejecutivos establecen el tono para la alfabetización de datos y el uso de datos en una organización, por lo que garantizar que el liderazgo tenga roles y responsabilidades claras también permite a los directores de datos, funcionarios de capital humano y otros patrocinar e implementar eficazmente el programa de alfabetización de datos.
  • Aclarar competencias y perfiles objetivos para un análisis de brechas efectivo. Enfoques reflexivos para la creación de programas de alfabetización de datos incluyen el uso de datos para evaluar competencias, perfiles, capacidad y habilidades existentes en toda la fuerza laboral, y luego identificar áreas estratégicas de inversión y mejora basadas en las prioridades organizacionales.
  • Cultivar un lenguaje común y compartido. Hablar sobre datos de manera común y comprensible en toda una organización puede impulsar la aplicación de habilidades y experiencia en datos para lograr un impacto duradero.
  • Mejorar la accesibilidad de los datos. Incluso con una fuerza laboral segura y capaz, si el acceso a los datos es restrictivo de manera no intencional y los datos no pueden utilizarse fácilmente en la práctica, los programas de alfabetización de datos estarán limitados en su capacidad para fomentar una cultura informada por datos en la agencia.
  • Alinear la gobernanza de datos y la alfabetización de datos. A medida que las agencias maduran en las políticas y prácticas de gobernanza de datos, la alfabetización de datos debe ajustarse de manera paralela y viceversa. Los productos clave de trabajo en gobernanza de datos, como un catálogo de datos, glosario y diccionario de datos, se convierten en bases y dependencias críticas para una iniciativa exitosa de alfabetización de datos.
  • Fomentar el uso de datos en la toma de decisiones. A medida que las organizaciones desarrollan programas de alfabetización de datos y avanzan en los procesos de gobernanza de datos, los líderes senior estarán cada vez más posicionados para resaltar el impacto explícito y el valor de los datos en la toma de decisiones en todos los niveles de la organización.

Para las organizaciones que buscan avanzar en programas de alfabetización de datos y desarrollar capacidad, las lecciones también sugieren una serie de recomendaciones prácticas, que incluyen:

  • Patrocinio. Los jefes de agencia deben designar a un Director Principal de Datos u otro funcionario para patrocinar el programa de alfabetización de datos y asignar recursos suficientes para la iniciativa, incluyendo la contratación de un líder del programa, proporcionar un presupuesto para el programa, respaldar asociaciones público-privadas y analizar continuamente las necesidades del personal a medida que el programa madura.
  • Transparencia. En apoyo del argumento de cómo la alfabetización de datos respalda los objetivos de la agencia, los ejecutivos gubernamentales deben ser más transparentes y ejemplares en la forma en que utilizan datos con el personal de la agencia, y respaldar la identificación de lagunas de datos a través de una agenda de aprendizaje.
  • Incentivos. A medida que los programas de alfabetización de datos de la agencia maduran, las agencias deben reforzar intencionalmente los valores culturales de decisiones basadas en datos y evidencia con incentivos para el uso de datos en subvenciones, regulaciones y orientación de políticas.

Los pioneros discutidos en este informe ofrecen lecciones tempranas a medida que otras organizaciones también buscan mejorar sus capacidades para utilizar datos. Reconocer que el desarrollo de programas es un proceso de aprendizaje significa que ninguna agencia u organización debe aspirar a tener un programa perfecto desde el principio; cada programa cambiará con el tiempo. Lo esencial es que cada organización comience a desarrollar su capacidad para utilizar datos y evidencia, y todo comienza con la alfabetización de datos.

¿Qué es la Alfabetización en Datos?

La Alfabetización en Datos se refiere a la capacidad de una persona para comprender, analizar y utilizar eficazmente datos en diversas formas. Implica la habilidad para interpretar y evaluar información presentada en formato numérico, gráfico o textual, así como la capacidad de comunicar y tomar decisiones basadas en esos datos. La alfabetización de datos no solo se trata de entender números, sino también de comprender el contexto, las fuentes y las limitaciones de los datos para tomar decisiones informadas.

En la actual era digital, donde la cantidad de datos generados y compartidos es masiva, la alfabetización de datos es esencial para navegar por la información de manera crítica y usarla para abordar problemas, tomar decisiones y comunicar ideas de manera efectiva. Las habilidades de alfabetización de datos incluyen la capacidad de analizar gráficos y tablas, interpretar estadísticas, reconocer patrones y tendencias, evaluar la calidad de los datos y comunicar resultados de manera clara y comprensible.

La alfabetización de datos es importante en una variedad de contextos, como la educación, los negocios, la toma de decisiones gubernamentales, la investigación y la vida cotidiana. Ayuda a las personas a tomar decisiones informadas, evitar el sesgo en la interpretación de datos y comprender mejor el mundo en el que vivimos. También es esencial para el desarrollo de habilidades digitales en la sociedad moderna, ya que está relacionada con la comprensión y el uso efectivo de la tecnología y las herramientas digitales.

Llevar a cabo un programa de alfabetización en datos implica planificación, diseño de contenido y enfoque en el desarrollo de habilidades clave para comprender y utilizar datos de manera efectiva. Aquí hay algunos pasos a considerar al crear un programa de alfabetización en datos:

  1. Definir Objetivos Claros: Establece objetivos específicos para el programa. ¿Qué habilidades en datos deseas que los participantes adquieran? ¿Cómo se beneficiarán de estas habilidades?
  2. Identificar Audiencia y Necesidades: Comprende quiénes serán los participantes del programa y cuáles son sus niveles actuales de conocimiento en datos. Esto ayudará a adaptar el contenido y enfoque.
  3. Diseñar Contenido Relevante: Crea materiales de capacitación que se ajusten a las necesidades de la audiencia. Incluye conceptos básicos sobre tipos de datos, gráficos, estadísticas y cómo interpretar la información.
  4. Enfocarse en la Práctica: Proporciona ejercicios prácticos y ejemplos del mundo real para que los participantes apliquen lo aprendido y desarrollen habilidades prácticas.
  5. Utilizar Herramientas y Tecnología: Introduce herramientas y software relevantes para trabajar con datos, como hojas de cálculo, visualización de datos y análisis estadístico.
  6. Promover el Pensamiento Crítico: Enseña a los participantes a evaluar la calidad de los datos, reconocer sesgos y comprender las limitaciones de la información.
  7. Ofrecer Formatos Flexibles: Considera ofrecer el programa en diferentes formatos, como talleres presenciales, cursos en línea o materiales descargables. Esto aumenta la accesibilidad.
  8. Incorporar Ejemplos Reales: Utiliza ejemplos y casos prácticos relacionados con áreas de interés de los participantes, como salud, negocios o educación.
  9. Facilitar la Comunicación: Enseña cómo comunicar los hallazgos y conclusiones derivadas de los datos de manera efectiva, ya sea mediante informes, presentaciones u otros medios.
  10. Evaluación y Retroalimentación: Implementa evaluaciones regulares para medir el progreso de los participantes. Escucha sus comentarios y ajusta el programa según sea necesario.
  11. Promoción y Participación: Anuncia el programa y motiva a los participantes a unirse. Crea un ambiente colaborativo donde puedan aprender entre sí.
  12. Mantenimiento y Actualización: Los datos y las herramientas evolucionan. Mantén el programa actualizado para reflejar las últimas tendencias y tecnologías en el campo de la alfabetización en datos.

Recuerda que la clave para un programa exitoso de alfabetización en datos es la práctica continua y la aplicación de las habilidades aprendidas en situaciones del mundo real.

Alfabetización en datos y gobierno

«Data Literacy and the UK Government [Report]». Open Data Institute, April 2022 | Accedido 30 de agosto de 2023.

Texto completo

En el siglo XXI, cada organización es una organización de datos y debe pensar en cómo utiliza los datos y su papel en ecosistemas de datos más amplios. Del mismo modo, cada función es ahora una función de datos. Sea cual sea nuestro trabajo, necesitamos conocer los datos -sus oportunidades y limitaciones- para desempeñarlo con eficacia.

ODI entiende la «alfabetización en datos» como «la capacidad de pensar críticamente sobre los datos en diferentes contextos y examinar el impacto de los diferentes enfoques a la hora de recopilar, utilizar y compartir datos e información». Va más allá de los conocimientos técnicos necesarios para trabajar con datos.

Esto también se aplica a nuestras funciones como ciudadanos, a nuestras funciones en los hogares y las familias, a nuestras funciones en el resto de nuestras vidas, cuando intentamos utilizar, interpretar y actuar a partir de la información. Si el gobierno británico quiere investigar y poner en marcha iniciativas más ambiciosas relacionadas con los datos y la inteligencia artificial, también necesitará que los ciudadanos tengan esta comprensión básica de los datos para que puedan examinar y apoyar dichos planes, siendo la confianza y la comprensión del público la clave de su éxito.

Uno de los seis puntos del manifiesto de la ODI -que nos ayudará a alcanzar nuestra visión de un mundo en el que los datos funcionen para todos- es la capacidad en materia de datos: «Todo el mundo debe tener la oportunidad de entender cómo se pueden utilizar y se están utilizando los datos. Necesitamos alfabetización en datos para todos, competencias en ciencia de datos y experiencia en el uso de datos para ayudar a resolver problemas».

Alfabetización en datos con Yolanda Martín González. Planeta Biblioteca 2022/10/26.

Alfabetización en datos con Yolanda Martín González

Planeta Biblioteca 2022/10/26

ESCUCHAR PROGRAMA DE RADIO

Ir a descargar

Entrevistamos a Yolanda Martín, profesora de Información y Documentación de la Universidad de Salamanca que nos cuenta la importancia y el valor de los datos en la toma de decisiones, de la necesidad de alfabetización y concienciación en torno al depósito de los datos y su utilización en lo que denominamos Ciencia Abierta. Una ciencia más democrática y participativa que promete un futuro más sostenible.

Martín-González, Y. ., & Iglesias-Rodríguez, A. . (2022). Alfabetización en Datos en las bibliotecas-CRAI españolas: Análisis descriptivo y propositivo. Revista Española De Documentación Científica, 45(2), e322. https://doi.org/10.3989/redc.2022.2.1857

Fomentar la alfabetización en datos: la enseñanza con datos cuantitativos en las ciencias sociales

Ruediger, Dylan, et al. «Fostering Data Literacy: Teaching with Quantitative Data in the Social Sciences.» Ithaka S+R. Ithaka S+R. 27 September 2022. Web. 13 October 2022. https://doi.org/10.18665/sr.317506

Texto completo

La alfabetización cuantitativa es una habilidad esencial del siglo XXI que las universidades se esfuerzan por enseñar a los estudiantes. Las ciencias sociales desempeñan un papel importante en estos esfuerzos porque atraen a estudiantes que, de otro modo, podrían evitar los cursos orientados a los datos y las matemáticas, y porque basan el razonamiento cuantitativo en contextos políticos y sociales que resuenan con los estudiantes universitarios. Sin embargo, las mejores prácticas pedagógicas para los instructores de ciencias sociales han tardado en surgir y las necesidades de apoyo de instructores y estudiantes siguen siendo difíciles de discernir.

El programa de Servicios de Apoyo a la Enseñanza de Ithaka S+R explora las prácticas de enseñanza y las necesidades de apoyo de los instructores universitarios. El proyecto más reciente en este programa, «Enseñanza con datos en las ciencias sociales», se centró en la identificación de los objetivos y las prácticas de enseñanza de los instructores en los cursos introductorios y avanzados de ciencias sociales y en la exploración de los puntos fuertes y débiles de los servicios de apoyo institucionales existentes. Como parte de este estudio, nos asociamos con bibliotecarios de 20 colegios y universidades de Estados Unidos, que realizaron 219 entrevistas con profesores de ciencias sociales. Estas entrevistas constituyen la base de este informe.

 «Fostering Data Literacy: Teaching with Quantitative Data in the Social Sciences.» explora por qué y cómo los profesores enseñan con datos, identifica los retos más importantes a los que se enfrentan y describe cómo los profesores y los estudiantes utilizan los recursos relevantes del campus y externos. En el cuerpo del informe se ofrecen detalles completos y recomendaciones prácticas para las partes interesadas, que ofrecen orientación a las bibliotecas universitarias y otras unidades del campus, al profesorado, a los proveedores y a otros interesados en mejorar las capacidades institucionales para apoyar la enseñanza intensiva de datos en las ciencias sociales.

Conclusiones clave

  • Las habilidades profesionales se enfatizan en todo el plan de estudios y son factores importantes en los programas y métodos que muchos instructores enseñan.
  • Los instructores se centran en la interrogación crítica de la información cuantitativa en las clases introductorias, mientras que enseñan a los estudiantes a realizar su propia investigación y análisis en los cursos de la división superior.
  • Enseñar a los estudiantes a utilizar programas informáticos de análisis es un proceso práctico que requiere una cantidad significativa de valioso tiempo de instrucción, a veces a costa de enseñar perspectivas específicas de la disciplina.
  • Los instructores suelen evitar pedir a los estudiantes que localicen datos por su cuenta porque la mayoría de ellos tienen dificultades para encontrar conjuntos de datos adecuados. Incluso a los profesores les resulta difícil encontrar conjuntos de datos del tamaño y la complejidad adecuados para utilizarlos en los cursos de grado medio y superior.
  • El profesorado depende en gran medida de los ayudantes de cátedra y de los bibliotecarios de enlace como apoyo a la hora de enseñar con datos. Los asistentes de enseñanza desempeñan un papel fundamental a la hora de enseñar a los estudiantes a limpiar los datos y utilizar el software, y los bibliotecarios ayudan a los estudiantes a descubrir los datos, así como a adquirir conocimientos sobre la información y los datos.
  • Tanto el profesorado como el personal confían más en los tutoriales de la web y otros recursos de instrucción informales que en los talleres y otros servicios ofrecidos por las unidades del campus para aprender nueva información.

Guía práctica de las prácticas FAIR en las bibliotecas de investigación

A Practical Guide to FAIR Practices in Research Libraries. LIBER, 2022

Texto completo

En el documento puedes encontrar las primeras acciones tangibles que las bibliotecas de investigación o los bibliotecarios pueden hacer para avanzar hacia las prácticas FAIR. Estas directrices han sido recopiladas por el Grupo de Trabajo de Gestión de Datos de Investigación de LIBER.

Localizable

Para que los datos de investigación sean más «localizables», las bibliotecas de investigación pueden

  • Concienciar y orientar a los investigadores sobre el tema de los identificadores persistentes (PID).
  • Aclarar y comunicar lo que su servicio de metadatos ofrece para los datos de investigación, por ejemplo proporcionar un amplio conjunto de metadatos descriptivos recomendados por FAIR.
  • Compruebar si las soluciones de archivo de la organización de investigación incluyen la indexación por parte de agregadores académicos y motores de búsqueda (por ejemplo, OpenAIRE, DataCite, Google).
  • Asegúrese de que el repositorio utiliza identificadores persistentes (PID) como los DOI. (https://projectthor.readme.io/docs/project-glossary)
  • Asegúrese de que su repositorio de datos se puede encontrar en el directorio de repositorios Re3data (https:// http://www.re3data.org/). Si el repositorio que utiliza o recomienda utilizar no se encuentra, registra el repositorio en re3data.org rellenando el formulario de sugerencias: https://www. re3data.org/suggest.

Accesible

Para que los datos de investigación sean más «accesibles», las bibliotecas de investigación pueden

  • Orientar a los investigadores sobre la diferencia entre FAIR y datos abiertos y las formas de convertir los datos (al menos parcialmente) a FAIR.
  • Proporcionar una orientación clara sobre qué datos de investigación son accesibles y en qué condiciones.
  • Hacer que el repositorio sea lo más accesible posible para humanos y máquinas (por ejemplo interfaces para la recuperación, recolección e indexación).
  • Compartir los metadatos del repositorio bajo una licencia abierta (por ejemplo, Creative Commons Dedicación CC0).

Interoperable

Para que los datos de investigación sean más «interoperables», las bibliotecas de investigación pueden

  • Adquirir experiencia en normas de metadatos para datos de investigación, vocabularios controlados y ontologías en la biblioteca (por ejemplo, DCC Metadata Guidance, RDA Metadata Catalog).
  • Implantar normas de buenas prácticas para los repositorios de datos, en relación con los metadatos, y en general (por ejemplo, OpenAIRE o COAR).
  • En las directrices de su repositorio, pide a los usuarios que dejen claro qué se puede recuperar bajo qué condiciones, es decir, que accedan al archivo readme.
  • Vincula los datos de investigación con otras entidades académicas relevantes mediante identificadores persistentes (por ejemplo, publicaciones, datos, prerregistro, software, ORCID).

Reutilizable

Para que los datos de investigación sean cada vez más «reutilizables», las bibliotecas de investigación pueden

  • Dar a conocer las fuentes de datos existentes y promover la reutilización de datos.
  • Colaborar con las comunidades de práctica que forman parte de las distintas disciplinas de su universidad para crear una experiencia institucional en materia de datos reutilizables.
  • Tomar la iniciativa en la difusión de las mejores prácticas para la documentación de datos y la creación de servicios de conservación.
  • Proporcionar orientación para la concesión de licencias de datos, la publicación de datos y la citación de datos.

Otras acciones para trabajar hacia FAIR

  • Facilitar y proporcionar formación a los gestores de datos y a los bibliotecarios sobre los aspectos de hacer que los datos sean FAIR(er).
  • Proporcionar una orientación clara a los investigadores sobre cómo documentar y publicar los conjuntos de datos, es decir metadatos mínimos, un archivo Léame (readme) e información sobre cómo acceder a los datos.
  • Unirse a un grupo de trabajo de bibliotecas sobre gestión de datos de investigación y datos FAIR (LIBER, RDA).
  • Probar el carácter FAIR de un conjunto de datos de su repositorio mediante una herramienta (o herramientas) de medición FAIR y obtener asesoramiento a partir del resultado de la evaluación (por ejemplo, la herramienta F-UJ: https://www.f-uji.net/).

Guía sobre la alfabetización de datos para principiantes

A Beginner’s Guide to Data & Analytics, London: Harvard Business School, 2021

Texto completo

Con este libro electrónico, obtendrás una introducción a la alfabetización de datos que puede ponerle en el camino de ser un profesional orientado a los datos. Entrar en el espacio de los datos como un principiante puede parecer desalentador, pero con el conocimiento básico, puedes comprender la alfabetización de datos y aprovechar el poder de los datos para el éxito de tu organización.