Archivo de la etiqueta: Gestión de datos de investigación

Informe sobre el estado de los datos abiertos 2022: los investigadores necesitan más apoyo para cumplir con los mandatos de datos abiertos

“The State of Open Data Report 2022: Researchers Need More Support to Assist With Open Data Mandates” Digital Science, Figshare and Springer Nature, 2022

Texto completo

Basado en una encuesta mundial, el informe llega a su séptimo año y proporciona información sobre las actitudes y experiencias de los investigadores con respecto a los datos abiertos. Con más de 5.400 encuestados, la encuesta de 2022 es la más grande desde que comenzó la pandemia de COVID-19.

Según los autores de un nuevo informe, los investigadores de todo el mundo necesitarán más ayuda para cumplir con un número cada vez mayor de mandatos de datos abiertos.

El informe de este año también incluye artículos invitados de expertos en datos abiertos de los Institutos Nacionales de Salud (NIH), la Oficina de Política Científica y Tecnológica de la Casa Blanca (OSTP), la Academia China de Ciencias (CAS), editoriales y universidades.

Las principales conclusiones del informe de este año indican que:

  • Existe una tendencia creciente de los investigadores a estar a favor de que los datos se pongan a disposición del público como práctica común (4 de cada 5 investigadores estaban de acuerdo con esto), apoyada en cierto modo por el hecho de que ahora más del 70% de los encuestados están obligados a seguir una política de intercambio de datos.
  • Sin embargo, los investigadores siguen pidiendo como necesidad clave para ayudarles a compartir sus datos una mayor formación o información sobre las políticas de acceso, intercambio y reutilización (55%), así como estrategias de almacenamiento y gestión de datos a largo plazo (52%).
  • El crédito y el reconocimiento fueron una vez más un tema clave para los investigadores a la hora de compartir sus datos. El 66% de los que habían compartido datos con anterioridad habían recibido algún tipo de reconocimiento por sus esfuerzos, sobre todo a través de una cita completa en otro artículo (41%), seguida de la coautoría en un artículo que había utilizado los datos.
  • Los investigadores son más proclives a compartir los datos de sus investigaciones cuando pueden tener un impacto en las citas (67%) y en la visibilidad de su investigación (61%), en lugar de estar motivados por el beneficio público o el mandato de la revista o el editor (ambos 56%).

Conclusiones por tema:

Apoyo a los datos abiertos

  • Cuatro de cada cinco encuestados están a favor de que los datos de investigación estén disponibles en abierto como práctica habitual.
  • El 74% de los encuestados afirma compartir sus datos durante la publicación.
    Aproximadamente una quinta parte de los encuestados informó de que no tenía ninguna preocupación por compartir los datos en abierto – esta proporción ha crecido constantemente desde 2018.
  • El 88% de los investigadores encuestados apoyan que los artículos de investigación sean de acceso abierto (OA) como una práctica académica común.

Motivaciones y beneficios

  • Cuando se trata de que los investigadores compartan sus datos, las citas de los artículos de investigación (67%) y el aumento del impacto y la visibilidad de los artículos (61%) superan el beneficio público o el mandato de la revista/editorial (ambos 56%) como motivación.
  • El 66% de los encuestados que habían compartido datos con anterioridad habían recibido algún tipo de reconocimiento por sus esfuerzos, sobre todo a través de una cita completa en otro artículo (41%), seguida de la coautoría de un artículo que había utilizado los datos.
  • Un tercio de los encuestados indicó que había participado en una colaboración de investigación como resultado de los datos que habían compartido anteriormente.

Mandatos de datos abiertos

  • El 70% de los encuestados se vio obligado a seguir una política de intercambio de datos en su investigación más reciente.
  • Más de dos tercios de los encuestados apoyan «en cierta medida» un mandato nacional para poner los datos de investigación a disposición del público. Esta cifra ha disminuido desde 2019.
  • Un poco más de la mitad (52%) de los encuestados en la encuesta de 2022 consideró que compartir los datos debería ser un requisito para la concesión de subvenciones de investigación. De nuevo, este número ha ido disminuyendo desde 2019.

Inconvenientes

  • Solo el 19% de los encuestados cree que los investigadores reciben suficiente crédito por compartir sus datos, mientras que el 75% dice que reciben muy poco crédito.
  • Poco menos de una cuarta parte de los encuestados indicó que había recibido previamente apoyo con la planificación, la gestión o el intercambio de sus datos de investigación
  • La mayor preocupación entre los encuestados es el mal uso de sus datos (35%).
  • Las principales necesidades de los investigadores que, en su opinión, mejorarían con más formación o información son una mejor comprensión y definición de las políticas de acceso, intercambio y reutilización (55%), así como estrategias de almacenamiento y gestión de datos a largo plazo (52%), aspectos que afectan a ambos extremos del ciclo de investigación.

Datos demográficos clave de los encuestados

  • Los investigadores de China representan ahora el 11% de todos los encuestados, igual que los de Estados Unidos. China y Estados Unidos son los dos países con mayor número de respuestas a la encuesta, seguidos de India, Japón, Alemania, Italia, Reino Unido, Canadá, Brasil, Francia y España.
  • El 31% de los encuestados eran investigadores noveles (ECR), mientras que otro 31% se clasificó como investigador senior.
  • La mayoría de los encuestados (42%) procedían de la medicina y las ciencias de la vida, el 38% de las matemáticas, la física y las ciencias aplicadas y el 17% de las humanidades y las ciencias sociales (un aumento del 3%).
  • Los encuestados se clasificaron en términos generales como: Defensores de la ciencia abierta (32%), Defensores de la publicación abierta (26%), Cautelosamente pro ciencia abierta (25%), Agnósticos de la ciencia abierta (11%) y No creyentes de la ciencia abierta (6%).

Más allá de los datos: Derechos humanos, evaluación del impacto ético y social en la IA

Beyond Data: Human Rights, Ethical and Social Impact Assessment in AI, editado por Alessandro Mantelero, 1-43. Information Technology and Law Series. The Hague: T.M.C. Asser Press, 2022. https://doi.org/10.1007/978-94-6265-531-7_1.

En un contexto tecnológico dominado por los sistemas de inteligencia artificial con uso intensivo de datos, las consecuencias del tratamiento de datos ya no se limitan a las conocidas cuestiones de privacidad y protección de datos, sino que abarcan perjuicios contra un conjunto más amplio de derechos fundamentales. Además, la tensión entre el uso extensivo de estos sistemas, por un lado, y la creciente demanda de un uso ética y socialmente responsable de los datos, por otro, pone de manifiesto la falta de un marco que pueda abordar plenamente las cuestiones sociales que plantea la IA.

En este contexto, ni los modelos tradicionales de evaluación del impacto de la protección de datos ni los procedimientos más amplios de evaluación del impacto social o ético parecen ofrecer una respuesta adecuada a los retos de nuestra sociedad algorítmica. En cambio, una evaluación centrada en los derechos humanos puede ofrecer una mejor respuesta a la demanda de una evaluación más completa, que incluya no sólo la protección de datos, sino también los efectos del uso de los datos en otros derechos y libertades fundamentales.

Dados los cambios que la tecnología y la informatización han traído a la sociedad, cuando se aplica al ámbito de la IA, la evaluación del impacto sobre los derechos humanos debe enriquecerse para tener en cuenta las cuestiones éticas y sociales, evolucionando hacia una evaluación más holística del impacto sobre los derechos humanos, la ética y la sociedad (EIDES), cuya justificación y elementos clave se describen en este capítulo.

Nuevas perspectivas en los estudios críticos de datos: Las ambivalencias del poder de los datos

New Perspectives in Critical Data Studies: The Ambivalences of Data Power, editado por Andreas Hepp, Juliane Jarke, y Leif Kramp, Palgrave, 2022.

Texto completo

PDF

ePuB

El poder de los datos es un fenómeno altamente ambivalente y son precisamente estas ambivalencias las que abren importantes perspectivas para el floreciente campo de los estudios críticos de datos:

En primer lugar, las ambivalencias entre las infraestructuras globales y las invisibilidades locales. Estas desafían la gran narrativa de la naturaleza efímera de una infraestructura global de datos y, en cambio, hacen visibles las condiciones locales de trabajo y de vida, y los recursos y arreglos necesarios para operar y dirigirlas.

En segundo lugar, las ambivalencias entre el Estado y la justicia de datos. Se considera la justicia de los datos en relación con la vigilancia estatal y el capitalismo de los datos y se reflejan las ambivalencias entre un «estado empresarial» y un «estado de bienestar».

En tercer lugar, las ambivalencias de las prácticas cotidianas y la acción colectiva, en las que los grupos de la sociedad civil, las comunidades y los movimientos intentan posicionar los intereses de las personas frente a los «grandes actores» de la industria tecnológica.

Con esta introducción, queremos argumentar que ver el poder de los datos y sus irreductibles ambivalencias de manera puntual proporcionará una orientación a los capítulos de este libro. Para ello, en primer lugar, ofrecemos un breve esbozo del desarrollo de los estudios críticos de datos. En parte, también queremos situar las conferencias sobre el poder de los datos, la más reciente de las cuales es la base de este volumen.

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.

¿Estamos construyendo la infraestructura de descubrimiento de datos que desean los investigadores? comparación de las perspectivas de los especialistas de apoyo y los investigadores

Sun, Guangyuan, Tanja Friedrich, Kathleen Gregory, y Brigitte Mathiak. «Are we building the data discovery infrastructure researchers want? Comparing perspectives of support specialists and researchers». arXiv, 29 de septiembre de 2022. https://doi.org/10.48550/arXiv.2209.14655.

En la actualidad, las prácticas de descubrimiento de datos tienden a estudiarse desde la perspectiva de los investigadores o desde la perspectiva de los especialistas de apoyo. Esta separación es problemática, ya que a los especialistas de apoyo les resulta fácil construir infraestructuras y servicios basados en las percepciones de las prácticas de los investigadores, en lugar de las propias prácticas. Este artículo reúne y analiza ambas perspectivas para apoyar la construcción de infraestructuras y servicios eficaces para el descubrimiento de datos. Se trata de una metasíntesis del trabajo que los autores han realizado durante los últimos seis años investigando las prácticas de descubrimiento de datos de los investigadores y de los especialistas de apoyo, como los bibliotecarios de datos.

Se comprobó que, aunque existen muchas similitudes en lo que los investigadores y los especialistas de apoyo quieren y piensan sobre el descubrimiento de datos, hay algunas diferencias importantes, sobre todo la interconexión del descubrimiento de datos con la búsqueda en la web, la búsqueda bibliográfica y las redes sociales. Se dan recomendaciones sobre cómo los diferentes tipos de trabajo de apoyo pueden abordar estos puntos de diferencia para apoyar mejor las prácticas de descubrimiento de datos de los investigadores.

¿Cómo citar datos de investigación? recomendaciones y buenas prácticas sobre cómo citar los datos

PJessop, P., Data citation : a guide to best practice, Publications Office of the European Union, 2022, 

Texto completo

Cada día, millones de personas utilizan los datos. Buscan, publican, reutilizan y analizan. Pero muy a menudo, una de las principales dificultades para los usuarios es encontrar los datos adecuados. ¿Y cómo ayudarles? Es sencillo: Citar los datos. La publicación «Data citation : a guide to best practice» es una guía práctica que incluye recomendaciones y buenas prácticas sobre cómo citar los datos. Está dividida en 3 partes: parte 1 – cuestiones de citación de datos, recomendaciones generales; parte 2 – recomendaciones sobre formatos específicos y otros elementos para la citación de datos y parte 3 – otra información (por ejemplo, diferencias específicas entre las recomendaciones). Al final, el lector encontrará anexos con listas de comprobación, diagramas y ejemplos.

Ciencia de los datos, computación centrada en el ser humano y tecnologías inteligentes

Hajian, Aram, et al., editores. Data Science, Human-Centered Computing, and Intelligent Technologies. Logos Verlag Berlin, 2022.

Texto completo

En agosto de 2022, investigadores y desarrolladores de Armenia, Chile, Alemania y Japón se reunieron en la Universidad Americana de Armenia para la tercera edición del Taller CODASSCA sobre Tecnologías Colaborativas y Ciencia de Datos en Aplicaciones de Ciudades Inteligentes, coorganizado con una Escuela de Verano sobre Redes Neuronales Artificiales y Aprendizaje Profundo. Este libro presenta sus contribuciones sobre tecnologías inteligentes en ciencia de datos y computación centrada en el ser humano.

Barómetro Global de Datos (2022)

Barómetro Global de Datos (2022). Primera Edición Informe – Barómetro Global de
Datos. ILDA. DOI: https://doi.org/10.5281/zenodo.6488349

Español

Inglés

Los datos son una fuente de poder. Una fuente que se puede explotar para obtener beneficios individuales y limitar la libertad, o bien puede ser utilizada por el bien público como un recurso para afrontar los desafíos sociales, facilitar la colaboración, impulsar la innovación y mejorar la rendición de cuentas

A lo largo de la última década, los datos han llegado a la cima de las agendas políticas nacionales y globales. Esto sucede en la medida que los países buscan desarrollar sus economías, utilizar los datos para abordar los desafíos sociales y responder a las preocupaciones de los ciudadanos sobre los usos y abusos de los datos. Sin embargo, el progreso hacia una gobernanza eficaz de los datos y hacia la realización del valor público de los mismos sigue siendo muy desigual entre países, regiones y sectores. Por ejemplo, si bien las leyes de protección de datos están hora extendidas por todo el mundo, muchas carecen de mecanismos de rectificación que permitan a las personas y comunidades ejercer eficazmente sus derechos sobre sus datos. Asimismo, pocas abordan de forma exhaustiva los problemas emergentes en torno a los datos de ubicación o la toma de decisiones algorítmica. En áreas críticas como la acción climática, las brechas significativas de datos pueden frustrar la acción local para proteger los ecosistemas y responder a la vulnerabilidad climática. Y cuando miramos más allá de la simple disponibilidad de los conjuntos de datos para examinar si satisfacen las necesidades del usuario, se han encontrado casos de datos recopilados y compartidos pero que carecen de ciertas características o garantías de calidad que permitan potenciar adecuadamente la acción cívica, mejorar los servicios públicos y el desarrollo económico.

El Barómetro Global de Datos presenta unos resultados clave para los cuatro pilares evaluados:

  1. 10,63 % de los conjuntos de datos evaluados cumplen con los criterios de datos abiertos, es decir, gratuitos, en formatos legibles por máquina y con licencia abierta.
  2. Los proyectos periodísticos están usando datos abiertos para identificar redes de propietarios
  3. Existe una capacidad reducida en la gestión de los datos ante la falta de alfabetización de datos, particularmente en el ámbito subnacional. En efecto, 23 de los 109 países demuestran formación planificada en datos a servidores públicos y 22% del total cuentan con institucionalización de la administración en datos en gobiernos locales.
  4. 98 de los países tienen leyes de protección de datos personales, pero sin fuerza de ley en 13 de ellos, mientras que en 12 aplican a sectores en específico. 30 países tienen políticas vinculantes de datos abiertos con mención en la publicación y disponibilidad, pero su implementación varía dependiendo del sector.

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/).

Los derechos de propiedad intelectual y el uso de datos abiertos e iniciativas de intercambio de datos por parte de agentes públicos y privados

Leistner, M., Antoine, L., IPR and the use of open data and data sharing initiatives by public and private actors, European Parliament, 2022

Texto completo

Este estudio analiza la evolución reciente de la práctica, la legislación y la política relacionadas con los datos, así como el marco jurídico actual para el acceso, la puesta en común y el uso de los datos en la Unión Europea. El estudio identifica cuestiones particulares que preocupan y destaca la necesidad respectiva de actuar. Sobre esta base, el estudio evalúa la propuesta de la Comisión de una Ley de Datos. El estudio ha sido encargado por el Departamento de Política de Derechos de los Ciudadanos y Asuntos Constitucionales del Parlamento Europeo a petición de la Comisión de Asuntos Jurídicos.