Archivo de la etiqueta: Gestión de datos de investigación

#sdiE19: la digitalización española en datos

 

interactivo-sdie-2560x950-1

 

#sdiE19: la digitalización española en datos

Texto completo

Nueve de cada 10 españoles tienen acceso a Internet. Tres de cada cuatro hogares tienen cobertura de fibra óptica. En torno al 42% de los internautas declaran tener mucha o bastante confianza en Internet. El 43% de los usuarios interactúan con distintos dispositivos a través de la voz. Estos son algunos de los datos que recoge el informe ‘La Sociedad Digital en España 2019’ y que ampliamos en este interactivo.

El mundo ya está conectado y, además, de forma ubicua. España progresa en la transición digital y el acceso a internet de los ciudadanos ya es general. El informe ‘La Sociedad Digital en España 2019’ ofrece una panorámica sobre cómo ha avanzado la digitalización en nuestro país en el último año y cuáles son las previsiones de futuro

 

Humanidades digitales y Wikipedia. Planeta Biblioteca 202005/27.

 

fd0a803587d0721b99a141b67284d620

Ir a descargar

 

En esta ocasión hemos entrevistado a Iván Hernández Cazorla. Historiador que ha desarrollado su trayectoria profesional en torno a las Humanidades digitales y patrimonio cultural, y en en relación con el movimiento Wikimedia, Wikipedia, Wikidata ha trabajado en el proyecto Wikidata-IATEXT que consistió en la curación y estructuración de datos relacionados con los miembros del Instituto de Análisis y Aplicaciones Textuales (IATEXT) del «instituto universitario de la ULPGC

Fotografía:

Archivo: Wikidata Days 2019 – NOVA SBE, Carcavelos – IMG 20190607 133128.jpg. Licencia

Guardar datos de los medios sociales: Comprensión de las prácticas de gestión de datos entre los investigadores de los medios sociales y sus repercusiones en los archivos

 

elements-of-a-typical-social-media-post-viewed-on-a-mobile-device-adapted-from-poorthuis

Hemphill, Libby ;  Leonard, Susan H. ; Hedstrom, Margaret. Saving Social Media Data : Understanding Data Management Practices Among Social Media Researchers and their Implications for Archives. Journal of the Association for Information Science and Technology (JASIST), DOI 10.1002/ASI.24368

Texto completo

 

Social media data (SMD) (Datos de los medios sociales) ofrecen a los investigadores nuevas oportunidades para aprovechar esos datos para su trabajo en amplias áreas como la opinión pública, la cultura digital, las tendencias laborales y la salud pública. El éxito de los esfuerzos para guardar los SMD para su reutilización por parte de los investigadores dependerá de que se alineen las prácticas de gestión y archivo de datos con las normas en evolución en torno a la captura, el uso, el intercambio y la seguridad de los conjuntos de datos.

En este documento se presenta una primera incursión en la comprensión de la forma en que las prácticas establecidas para la gestión y la conservación de los datos deben adaptarse a las demandas de los investigadores que utilizan y reutilizan los SMD, y de las personas que son sujetos de los SMD. Se analizan las prácticas de gestión de datos de los investigadores que utilizan SMD mediante una encuesta, y los artículos publicados que utilizaron datos de Twitter. Se discute cómo los investigadores describen sus prácticas de manejo de datos y cómo estas prácticas pueden diferir del manejo de tipos de datos convencionales. Se exploran los desafíos conceptuales, técnicos y éticos para los archivos de datos basados en las similitudes y diferencias entre el SMD y otros tipos de datos de investigación, centrándonos en las ciencias sociales. Por último, se sugieren áreas en las que los archivos pueden necesitar revisar las políticas, prácticas y servicios para crear colecciones seguras, persistentes y utilizables de SMD.

Convirtiendo la FAIR en realidad: Informe final y plan de acción del grupo de expertos de la Comisión Europea sobre datos de FAIR

 

dsniq_bvsaarlkw

 

Turning FAIR into reality: Final Report and Action Plan from the European Commission Expert Group on FAIR Data [e-Book] . Brussels, Directorate-General for Research and Innovation, 2018.

Texto completo

 

Al abordar el cometido asignado, el Grupo de Expertos en Datos de la FAIR optó por adoptar un enfoque holístico y sistémico para describir la amplia gama de cambios necesarios para “convertir los datos de la FAIR en realidad”. Las nociones de posibilidad de localización, accesibilidad, interoperabilidad y reutilización -y las medidas necesarias para hacerlas posibles- están tan profundamente entrelazadas que no tiene sentido abordarlas individualmente.

En cambio, este informe se centra en las medidas necesarias en términos de cultura de investigación y tecnología para garantizar que los datos, los códigos y otros productos de la investigación se conviertan en FAIR. La cultura de investigación y la tecnología son dos caras de un todo. Se necesitan intervenciones coordinadas y simultáneas en cada una de ellas para hacer posible el FAIR en este sentido amplio. La implementación de FAIR será apoyada a través de la Nube Abierta de Ciencia Europea (EOSC). La federación de la infraestructura de datos y la aplicación de normas permitirá el descubrimiento y la interoperabilidad de los datos.

Los Estados miembros deben apoyar este movimiento alineando sus políticas e inversiones en relación con los datos de FAIR y la Ciencia Abierta. En un contexto mundial más amplio, las iniciativas paralelas como el Data Commons de los NIH, el Data Commons de la investigación australiana y también la propuesta Plataforma Africana de Ciencia Abierta son importantes para la aplicación del FAIR. Los avances en la EOSC deberían estar en consonancia con estos movimientos internacionales y garantizar que los datos sean FAIR en todas las disciplinas y fronteras geográficas más allá de Europa.

Las secciones centrales del presente informe se centran en la práctica existente en determinados campos para determinar lo que puede aprenderse de las áreas de investigación que ya han elaborado normas, acuerdos internacionales e infraestructura para hacer posible el FAIR. Estos ejemplos han ayudado a definir los modelos de los objetos digitales FAIR y los componentes esenciales de un ecosistema FAIR. Naturalmente, los principales componentes del ecosistema son los servicios basados en la tecnología. Sin embargo, también se abordan los aspectos sociales que impulsan el sistema y permiten el cambio de cultura, a saber, las aptitudes, la métrica, los incentivos y la inversión sostenible. En el informe se formulan varias recomendaciones detalladas y se especifican medidas para los diferentes grupos de interesados a fin de permitir los cambios necesarios. La puesta en práctica de FAIR es una empresa importante y requiere cambios en cuanto a la cultura de investigación y la provisión de infraestructura.

Esos cambios son importantes en el contexto de la Nube Europea de Ciencia Abierta y la orientación de la política de la Comisión Europea y los Estados miembros, pero van más allá: FAIR requiere acuerdos mundiales para garantizar la más amplia interoperabilidad y reutilización de los datos, más allá de los límites disciplinarios y geográficos. Se formulan 27 recomendaciones, que se agrupan en recomendaciones “prioritarias” y “de apoyo”. Las quince recomendaciones prioritarias deben considerarse como el conjunto inicial de cambios o medidas a adoptar para aplicar el FAIR. Las recomendaciones complementarias pueden considerarse como una continuación de las recomendaciones prioritarias, añadiendo detalles específicos o más detallados para su aplicación. Cada recomendación individual va seguida de un conjunto de medidas. Cada Recomendación y cada Acción están numeradas para que su referencia sea inequívoca. El conjunto completo de Recomendaciones y Medidas se presenta en el Plan de Acción FAIR al final de este informe

 

Adquisición y procesamiento de datos en el patrimonio cultural

 

data_acquisition_and_processing_in_cultural_heritage

 

Gonzalez-Aguilera, D., G. Bitelli, et al. (2020). [e-Book] Data Acquisition and Processing in Cultural Heritage, MDPI. Texto completo: https://www.mdpi.com/books/pdfdownload/book/2098

 

Los avances en el conocimiento de los componentes tangibles (posición, tamaño, forma) e intangibles (identidad, hábitos) de un edificio o sitio histórico implica tareas fundamentales y complejas en cualquier proyecto relacionado con la conservación del patrimonio cultural (CH). En los últimos años, las nuevas geotecnologías han demostrado su utilidad y valor añadido al campo del patrimonio cultural (CH) en las tareas de registro, modelización, conservación y visualización. Además, los actuales avances en el modelado de información de edificios (HBIM), permiten la integración y simulación de diferentes fuentes de información, generando un gemelo digital de cualquier construcción compleja de CH.

Como resultado, los expertos en la materia han aumentado el número de sensores y metodologías disponibles. Sin embargo, la rápida evolución de las tecnologías geoespaciales hace necesario revisar su uso, integración y aplicación en el CH. Este proceso es difícil de adoptar, debido a las nuevas opciones que se abren para el estudio, análisis, gestión y valorización del CH. Por consiguiente, el objetivo del presente número especial es abarcar los últimos temas pertinentes, tendencias y prácticas óptimas en materia de tecnologías geoespaciales y metodologías de procesamiento para los emplazamientos y escenarios de CH, así como presentar las nuevas tendencias. Este libro se origina en el Número Especial “Adquisición y Procesamiento de Datos en el Patrimonio Cultural”, y se centra principalmente en la integración de datos y sensores para CH; documentación/restauración en CH; documentación y modelado en 3D del patrimonio de sitios complejos de CH; inspecciones de drones en CH; desarrollo de software en CH; y realidad aumentada en CH. Se espera que este libro proporcione el asesoramiento y la orientación necesarios para cualquier profesional del CH, haciendo el mejor uso posible de estos sensores y métodos en el CH.

 

¿Por qué no se citan los datos y qué hacer al respecto?

 

data-citation-image

 

Peter Buneman, Greig Christie, Jamie A Davies, Roza Dimitrellou, Simon D Harding, Adam J Pawson, Joanna L Sharman, Yinjun Wu, Why data citation isn’t working, and what to do about it, Database, Volume 2020, 2020, baaa022, https://doi.org/10.1093/databa/baaa022

 

Se describe un sistema que genera automáticamente a partir de una base de datos seleccionada una colección de publicaciones breves convencionales (resúmenes de citas) que describen el contenido de varios componentes de la base de datos. El propósito de estos resúmenes es garantizar que los contribuyentes a la base de datos reciban el crédito apropiado a través de las medidas utilizadas actualmente, como los índices h. Además, estos resúmenes también sirven para dar crédito a publicaciones y personas que son citadas por la base de datos. Al hacer esto, tenemos contar con la granularidad: ¿cuántos resúmenes se deben generar para representar efectivamente las contribuciones a una base de datos? También tenemos que lidiar con la evolución: ¿por cuánto tiempo puede servir un resumen dado como referencia apropiada cuando la base de datos está evolucionando? Describimos una revista específicamente diseñada para contener estos resúmenes de citas.