Archivo de la etiqueta: Gestión de datos de investigación

Kit de curación de datos a lo largo de todo el ciclo vital de los datos

1

Hudson-Vitale, C., H. Imker, et al. [e-Book]  SPEC Kit 354: Data Curation (May 2017). Chicago, ACRL, 2017.

Texto completo

Más contenidos sobre 

La Association of Research Libraries (ARL) ha publicado Data Curation, SPEC Kit 354, un análisis de la infraestructura que las instituciones miembros de ARL están utilizando para el manejo activo y continuo de datos en todo su ciclo de vida y la utilidad que tiene para actividades académicas y académicas.

Este kit de SPEC explora la infraestructura que las instituciones miembros de ARL están usando para la recuperación de datos, cuáles servicios de recuperación de datos se ofrecen, quiénes pueden usarlos, qué disciplinas demandan más servicios, niveles de intervención del personal de biblioteca, políticas y flujos de trabajo y los desafíos que implica apoyar estas actividades.

Cómo crear y diseñar aplicaciones de datos enriquecidos

34442151471_cffe2c4bcf_o_d

Kleppmann, M. (2017). [e-Book] Learn to Design and Build Better Data-Rich Applications . Sebastopol, California, O’Really, 2017

Texto completo

Hoy en día, los datos son el mayor activo para las empresas, pero sólo si pueden aprovecharlos eficazmente. Sin embargo su gestión no es tarea sencilla, ya que consume gran cantidad de recursos. Este libro tiene como objetivo ayudar a aprender a diseñar y construir aplicaciones de gestión de datos enriquecidos El libro se estructura en dos capítulos; por un lado se expone una visión general de los requisitos y consideraciones clave para la creación de aplicaciones ricas en datos y por uno una mirada detallada a los enfoques y herramientas para la creación de aplicaciones que utilizan flujos de datos en tiempo real.

La revisión por pares en la Gestión de Datos de Investigación

Using Computer

What Constitutes Peer Review of Data? A Survey of Peer Review Guidelines

The Scholary Kitchen

By Tood A. Carpenter, april 11, 2017

Texto completo

El intercambio de datos de investigación ha explotado en la última década, y cada vez más publicaciones y organizaciones están poniendo en práctica políticas que requieren la publicación de datos de investigación. Durante la última década, el número de revistas que aceptan datos ha aumentado, al igual que el número y el alcance de los repositorios que recogen y comparten datos de investigación.  Durante los últimos años , el ritmo de publicación de datos aumentó considerablemente. Como indica el estudio Public Availability of Published Research Data in High-Impact Journals, el número de conjuntos de datos que se comparten anualmente ha aumentado en más del 400% de 2011 a 2015, y parece probable que este ritmo se mantendrá o incrementará en los próximos años.

Un elemento central que distingue una publicación científica de una publicación que no lo es, es el hecho de que exista un proceso de revisión por pares que avale que los contenidos allí expuestos son académicos y han sido validados por un comité de expertos. A medida que aumenta la disponibilidad de datos de investigación, es importante preguntar si estos datos son revisados ​​por pares.  Pero, ¿qué constituye la revisión por pares de los datos de la investigación? ¿Cuáles son las prácticas existentes relacionadas con la revisión por pares de los conjuntos de datos de investigación? Dado que varias revistas se centran específicamente en la revisión y publicación de conjuntos de datos, la revisión de sus políticas parece un lugar apropiado para comenzar a evaluar como sería la práctica de revisar y publicar datos.

La revisión por pares de los datos es similar a la revisión por pares de un artículo, pero incluye muchos peculiaridades que hacen que el proceso sea mucho más complicado. En primer lugar, un revisor tiene que lidiar con la complejidad general de un conjunto de datos de investigación que pueden tener diferentes procedenicas y objetivos. A menudo, los datos pasan por una variedad de pasos de pre-procesamiento y limpieza de errores que deben monitorearse y rastrearse. Algunos conjuntos de datos están cambiando constantemente y se agregan más datos a lo largo del tiempo, por lo que la pregunta debe hacerse, ¿cada nuevo estudio basado en un conjunto de datos dado necesita una nueva revisión o podría aplicarse una revisión anterior? Para llevar a cabo un análisis adecuado, se debe considerar la metodología de la recopilación de datos, un examen que puede ser tan profundo como describir la calibración. Incluso después de que se ensambla un conjunto de datos, el análisis puede variar significativamente según el software utilizado para procesarlo. La revisión de un conjunto de datos probablemente requeriría un examen del código de software utilizado para procesar los datos también. Todos estos criterios crean más trabajo para los revisores.

En la práctica algunos repositorios como DRYAD hacen revisión de datos, pero la mayoría no. En el caso de las revistas que aceptan la publicación de conjuntos de datos requieren al menos un examen superficial superficial de los datos asociados con sus documentos. , También, una serie de revistas de datos se centran exclusivamente en el intercambio de conjuntos de datos de investigación. Esas publicaciones explícitamente proporcionan revisión por pares antes de la publicación de los datos.

En primer lugar, la cohesión editorial es todavía muy importante en la publicación de revistas y esto también se aplica a las nuevas revistas de datos. Esta cohesión ayuda de alguna manera al descubrimiento y  a la experiencia de revisión por pares, pero podría limitar las oportunidades de hacer una análisis más novedoso de los conjuntos de datos. Más importante que la consistencia interna y la revisión precisa del conjunto de datos es un enfoque en la apertura y disponibilidad de los datos en sí. Las oportunidades de reutilización, los enlaces a los repositorios públicos y las descripciones de cómo acceder a los datos son de importancia significativa. Esto podría considerarse como poner en práctica la noción de que “reutilización”. En general, si los datos son de calidad suficiente para ser reutilizados, se aprueba una revisión por pares posterior a la publicación.

Leer completo

Mejores prácticas en gestión de datos de investigación. Parte 1: Un recorrido por el espacio de servicio de gestión de datos de investigación (RDM)

rdm-cover-1

The Realities of Research Data Management Part 1: A Tour of the Research Data Management (RDM) Service Space. Dublin, Ohio, OCLC. . [e-Book]

Texto completo

 

Las realidades de la gestión de datos de investigación es una serie de cuatro partes que explora cómo las universidades  están abordando el desafío de la gestión de datos de investigación a lo largo del ciclo de vida de la investigación. La gestión de datos de investigación (RDM) ha surgido como un área de gran interés en la educación superior, lo que lleva a una considerable inversión en servicios, recursos e infraestructura para apoyar las necesidades de los investigadores en la gestión de datos. En esta serie, se examina el contexto, las influencias y los retos que las instituciones de educación superior enfrentan para construir o adquirir capacidad de RDM, es decir, la infraestructura, los servicios y otros recursos necesarios para apoyar las prácticas de gestión de datos emergentes. El estudio se basa en la experiencia de las mejores prácticas en gestión de datos de investigación desarrollados en las universidades de cuatro instituciones de cuatro contextos distintos: University of Edinburgh (UK), the University of Illinois at Urbana-Champaign (US), Monash University (Australia) and Wageningen University & Research (the Netherlands)

DataCite: localizar, identificar y citar datos de investigación con confianza.

datacite_logo

https://www.datacite.org/

DataCite es una organización global sin fines de lucro líder que proporciona identificadores persistentes (DOIs) para datos de investigación. Su objetivo es ayudar a la comunidad de investigación a localizar, identificar y citar datos de investigación con confianza.

DataCite es una organización internacional sin ánimo de lucro cuyo objetivo es mejorar la cita de datos con el fin de:

  • Facilitar el acceso a los datos de investigación en Internet
  • Aumentar la aceptación de los datos de investigación como contribuciones legítimas y citable a los registros académicos
  • El archivado de datos de soporte que permitirá que los resultados sean verificados y reutilizados para nuevos estudios en el futuro.

 

DataCite apoya la creación y asignación de identificadores DOI y la asignación de los metadatos que lo acompañan. Ofrece servicios que apoyo a la búsqueda y el descubrimiento de contenidos de investigación. Y promueve la cita de datos y la promoción a través de la  construcción de materiales divulgativos entre la comunidad de investigadores.

DataCite tienen como prioridad hacer que los datos de investigación sean visibles y accesibles. Y colabora con una red global para proporcionar apoyo a los investigadores, centros de datos, editores de revistas y agencias de financiamiento.

Evolución de la gestión de datos de investigación en bibliotecas universitarias: hacia una comprensión de la madurez del servicio de datos de investigación

PDFero13111articleart

Cox, A. M., M. A. Kennan, et al. “Developments in research data management in academic libraries: Towards an understanding of research data service maturity.” Journal of the Association for Information Science and Technology vol., n. (2017). pp. n/a-n/a. http://dx.doi.org/10.1002/asi.23781

PDF

Este artículo informa sobre un estudio internacional de actividades, servicios y capacidades de gestión de datos de investigación (RDM) en bibliotecas de educación superior. Presenta los resultados de una encuesta que abarca bibliotecas de educación superior en Australia, Canadá, Alemania, Irlanda, Holanda, Nueva Zelanda y el Reino Unido. Los resultados indican que las bibliotecas están liderando la Gestión de Datos de investigación (RDM), particularmente en la promoción y desarrollo de políticas.

Sin embargo, el desarrollo de servicios aún sigue siendo limitado, centrado especialmente en servicios de asesoramiento y consultoría (como el apoyo a la planificación de la gestión de datos y la formación relacionada con los datos), en lugar de servicios técnicos (como la provisión de un catálogo de datos y la conservación de datos activos). El desarrollo de destrezas en la recuperación de datos está en marcha en buena parte de las bibliotecas, pero como desarrollas las habilidades y capacidades en la sobre RDM sigue siendo una de las mayores preocupaciones al respecto. Otros retos importantes son los recursos necesarios para desarrollar las políticas de gestión de datos, el trabajo con otros servicios de apoyo y el apoyo de investigadores y altos directivos. Los resultados se comparan con los estudios previos con el fin de evaluar las tendencias y los niveles de madurez relativa. La gama de actividades de RDM exploradas en este estudio se sitúa en un “modelo de madurez paisajística“, que refleja los servicios de datos de investigación actuales y planificados y la práctica en bibliotecas universitarias, representando una “instantánea” de los desarrollos actuales y una base para investigaciones futuras.

Alfabetización informacional de datos: bibliotecarios, datos y educación para una nueva generación de investigadores

9781557536969_0

Carlson, J. and L. Johnston (2015). [e-Book] Data Information Literacy : Librarians, Data and the Education of a New Generation of Researchers. West Lafayette, IN Purdue University Press

Texto completo

Ante la creciente atención otorgada a la gestión, publicación y preservación de conjuntos de datos de investigación como uno de los principales activos académicos, debemos preguntarnos: ¿qué competencias requiere el trabajo con datos de investigación? ¿qué papel pueden jugar los bibliotecarios para ayudarles a alcanzar estas competencias? Al abordar estas preguntas, este libro articula un área emergente de oportunidades para bibliotecarios y otros profesionales de la información, desarrollando programas educativos que introducen a los estudiantes graduados en el conocimiento y las habilidades necesarias para trabajar con datos de investigación. El término “alfabetización informacional de datos” se ha adoptado con la intención deliberada de vincular dos áreas nuevos para los bibliotecarios. Al considerar la alfabetización de la información y los servicios de datos como actividades complementarias en lugar de actividades diferenciadas, las diferentes contribuciones a este trabajo tienen como objetivo aprovechar los progresos realizados y las lecciones aprendidas en cada área de servicio.