Archivo de la etiqueta: Gestión de datos de investigación

Cinco asociaciones de bibliotecas trabajarán juntas para crear la alianza de datos en bibliotecas públicas

 

8ac1ffd3bdcce1699f58b2983a5147ae

 

Public Library Data Alliance

Ver

La intención del proyecto es examinar, evaluar, mapear y desarrollar el panorama de la recopilación de datos de bibliotecas públicas en los Estados Unidos con grupos clave de interesados ​​de la biblioteca para un enfoque más coordinado para la recopilación de datos de bibliotecas públicas a nivel nacional.

 

Cinco asociaciones bibliotecarias líderes se han suscrito para apoyar una alianza nacional de datos para bibliotecas públicas que mejorará las oportunidades de acción estratégica en torno a los datos para reflejar el papel y el impacto de las bibliotecas públicas a nivel local, regional, estatal y nacional.

La American Library Association y la Public Library Association, ambas con sede en Chicago; la Asociación de Bibliotecas Rurales y Pequeñas de Whitehall, Mich .; los jefes de las agencias de bibliotecas estatales de Lexington, KY .; y el Consejo de la Biblioteca Urbana de Washington, DC, trabajarán juntos para crear la Alianza de Datos de la Biblioteca Pública.

El Instituto de Servicios de Museos y Bibliotecas (IMLS) mantendrá un papel de enlace con la Alianza, y la Organización Nacional de Normas de Información servirá como Secretaría de la Alianza durante su primer año. Además de los representantes de las asociaciones, la membresía de la Alianza incluirá a profesionales de bibliotecas locales y estatales y otras partes interesadas. Se emitirá una convocatoria abierta para participar más adelante.

El Plan de Acción de Medidas que Importan se lanzó en abril de 2018 y desde entonces, un Grupo de Implementación priorizó y avanzó varios de los catorce pasos de acción recomendados en los últimos meses.

Las cinco asociaciones que forman el núcleo de la Alianza representan una amplia gama de experiencia en servicios bibliotecarios, desde grandes a pequeños y urbanos a rurales. Su alcance se extiende a todas las bibliotecas públicas de los EE. UU. Cada organización aporta una comprensión de las capacidades y desafíos de las bibliotecas miembro que es esencial para recopilar y compartir datos de la biblioteca.

 

Desarrollo de la fuerza laboral bibliotecaria para la ciencia de los datos y la ciencia abierta

 

ob-qi625_scienc_dv_20111028194220

Federer, Lisa, et al. “Developing the Librarian Workforce for Data Science and Open Science.” OSF Preprints, 16 Jan. 2020.

Texto completo

En abril de 2019, la Oficina de Iniciativas Estratégicas de la Biblioteca Nacional de Medicina realizó un taller para explorar cómo los bibliotecarios pueden involucrarse más profundamente en los datos y la ciencia abierta, e identificar las habilidades necesarias para hacerlo con éxito. El taller convocó a profesionales de la biblioteca con experiencia en temas de Ciencia Abierta (OS) y Ciencia de los datos (DS) de una variedad de disciplinas científicas, así como también profesores de escuelas de bibliotecas y ciencias de la información. El informe, “Developing the Librarian Workforce for Data Science and Open Science” resume esas actividades y hallazgos.

Además de ofrecer una visión general del panorama de la ciencia de datos y los servicios de ciencia abierta y el apoyo en las bibliotecas, se identificaron varias competencias básicas para los bibliotecarios en estas áreas, incluidas las habilidades de datos y computación, la investigación y el conocimiento de la materia, las habilidades tradicionales de la biblioteca, las habilidades para desarrollando programas y servicios, habilidades interpersonales y habilidades para el aprendizaje permanente. Aunque el informe generalmente se centra en entornos de investigación biomédica, los hallazgos pueden ayudar a informar el currículo LIS futuro y las oportunidades de desarrollo profesional para los profesionales de la biblioteca que buscan trabajar en datos y apoyo científico abierto.

 

 

 

El impacto humano de la alfabetización de datos

cover403x

The Human Impact Of Data Literacy. A Leader’s Guide To Democratizing Data, Boosting Productivity And Empowering The Workforce. Accenture, Qlik Y The Data Literacy Project 2020

Texto completo

Una guía del líder para democratizar los datos, aumentar la productividad y capacitar a toda su fuerza laboral.

Si bien la mayoría de las organizaciones entienden la oportunidad que supone la gestión adecuada de los datos, ha surgido una brecha entre las aspiraciones comerciales de ser impulsadas por los datos y la capacidad de los empleados para trabajar con los datos.

El último informe de Qlik y Accenture identifica tres formas en que la brecha de alfabetización de datos está afectando la capacidad de las organizaciones para prosperar en la economía basada en datos, y la mejor manera de superarlas.

La investigación identificó cómo la brecha de alfabetización de datos está impactando la capacidad de las organizaciones para prosperar en la economía basada en datos. Primero, a pesar de que casi todos los empleados (87 por ciento) reconocen los datos como un activo, pocos lo están utilizando para informar la toma de decisiones. Solo el 25 por ciento de los empleados encuestados cree que están completamente preparados para usar los datos de manera efectiva, y solo el 21 por ciento informa que confía en sus habilidades de alfabetización de datos, es decir, su capacidad para leer, comprender, cuestionar y trabajar con datos. Además, solo el 37 por ciento de los empleados confían más en sus decisiones cuando se basan en datos, y casi la mitad (48 por ciento) con frecuencia difieren de una «intuición» en lugar de ideas basadas en datos al tomar decisiones.

En segundo lugar, la falta de habilidades de datos está reduciendo la productividad. Tres cuartos (74 por ciento) de los empleados revelan sentirse abrumados o infelices cuando trabajan con datos, lo que afecta su rendimiento general. Algunos empleados abrumados harán todo lo posible para evitar el uso de datos, con un 36 por ciento de los empleados encuestados que afirman que encontrarán un método alternativo para completar la tarea sin usar datos. Seis de cada 10 encuestados (61 por ciento) informan que la sobrecarga de datos ha contribuido al estrés en el lugar de trabajo, culminando en que casi un tercio (31 por ciento) de la fuerza laboral global toma al menos un día de baja por enfermedad debido al estrés relacionado con la información, datos y problemas tecnológicos

Un camino largo y difícil hacia la madurez de los datos

 

a20rough20road20for20data20maturity_ex4_tcm-236677

 

Elias Baltassis, Anne-Douce Coulin, Antoine Gourévitch, Yassine Khendek, and
Lucas Quarta. A Rough Road to Data Maturity – Boston Consulting Group, 2020

Texto completo

 

A nivel mundial, instituciones y empresas están avanzando en sus esfuerzos por madurar sus capacidades de datos, pero la transformación en organizaciones basadas en datos está resultando ardua para muchas de ellas, y no está ocurriendo tan rápidamente como esperaban. Según la Encuesta de Madurez de Capacidades de Datos de BCG, las compañías encuestadas en 2016 esperaban aumentar su puntuación en el índice de madurez de datos en un 53% para 2019. Pero se quedaron cortos en sus ambiciones, mejorando su puntuación en tan sólo un 19% según la encuesta de este año.

Entre los ocho áreas industriales incluidas en el estudio, el sector de la tecnología, los medios de comunicación y las telecomunicaciones (TMT) superó al resto en cuanto a la madurez de los datos, seguido de las instituciones financieras y las empresas minoristas y de consumo. Geográficamente, América del Norte lideró el camino en 2019 gracias al al fuerte apoyo gubernamental tanto de los EE.UU. como de Canadá. Y aunque Europa lidera el cambio a nivel regional, China ocupa el segundo lugar después de Estados Unidos en cuanto a capacidad de datos a nivel nacional.

El papel de las bibliotecas en la gestión de datos de investigación: recomendaciones para servicios en un ecosistema de datos FAIR

 

fair-data-factsheets-1024x1024-1

 

Bangert, Daniel ; Hermans, Emilie ; van Horik, René ; de Jong, Maaike ; Koers, Hylke ; Mokrane, Mustapha. Recommendations for Services in a FAIR data ecosystem. FAIR, dic 2019

Texto completo

Folleto bibliotecas

 

Los principios de datos FAIR son esenciales para las bibliotecas que desean fomentar y ampliar los servicios de datos de investigación. Los principios FAIR implican que los datos de investigación sean localizables, accesibles, interoperables y reutilizables.

 

 

Los Principios de datos de FAIR (Findable, Accessible, Interoperable and Reusable) son un conjunto de principios rectores para hacer que los datos sean localizables, accesibles, interoperables y reutilizables. Estos principios proporcionan orientación para la gestión y administración de datos científicos y son relevantes para todos los interesados ​​en el ecosistema digital actual. Se dirigen directamente a los productores y editores de datos para promover el uso máximo de los datos de investigación. Las bibliotecas de investigación pueden utilizar los Principios de datos de FAIR como marco para fomentar y ampliar los servicios de datos de investigación.

El avance de la ciencia digital se basa en el intercambio oportuno y la accesibilidad de los datos digitales. En consecuencia, la necesidad de desarrollar infraestructuras y servicios que permitan un cambio sistémico de las prácticas científicas a Open Science.

¿Cómo pueden comenzar las bibliotecas?

Las bibliotecas tienen una fuerte tradición en describir recursos, proporcionar acceso y crear colecciones, y proporcionar apoyo para la administración a largo plazo de los recursos digitales. Basándose en su conocimiento y experiencia específicos, las bibliotecas deberían sentirse seguras al hacer que los datos de investigación sean JUSTOS. ¿Cómo pueden las bibliotecas comenzar con los principios FAIR?

  • Promover los principios FAIR entre el personal local de investigación y TIC;
  • Incorporar los principios FAIR en sus Planes de gestión de datos y sus prácticas y políticas de preservación digital;
  • Buscar oportunidades para seleccionar, enriquecer, capturar y preservar datos de investigación que ayuden a hacer que los datos sean localizables, accesibles, interoperables y reutilizables. Los buenos puntos de partida son colecciones de investigadores individuales o una colección de datos de un grupo de investigación;
  • Capacitar a los bibliotecarios de referencia y datos sobre metadatos disciplinarios, vocabularios y herramientas para hacer que los datos sean JUSTOS;
  • Alentar a los investigadores a depositar datos en archivos que incorporen los principios FAIR;
  • Evaluar las prácticas de recopilación de datos y gestión de datos en su institución contra los principios FAIR.

Este informe destaca los desafíos y prioridades comunes, y propone un conjunto de recomendaciones iniciales sobre cómo las infraestructuras de datos existentes pueden evolucionar y colaborar para proporcionar servicios que respalden la implementación de los principios de datos FAIR, en particular en el contexto de la construcción de la European Open Science Cloud (EOSC). El informe es el resultado de tres talleres diseñados para explorar, debatir y formular tales recomendaciones y está dirigido a las partes interesadas en el mundo académico y particularmente a la gobernanza de EOSC.

El 70% de los resultados científicos no pudieron ser reproducidos

 

replication-yellow-art-

 

Baker M. Is there a reproducibility crisis? Nature 2015; 533(7604): 452-4. doi: 10.1038/533452a

Texto completo

Más sobre  

Un estudio de la revista Nature firmado por Monya Baker basado en una encuesta a más de 1.500 investigadores en el que más del 70% de los encuestados fracasaron al tratar de reproducir los resultados obtenidos por otros investigadores y más del 50% de ellos no lograron reproducir sus propios estudios.

 

La reproducibilidad se refiere a la capacidad de recrear los hallazgos publicados utilizando los mismos datos en bruto y procedimientos, mientras que la replicabilidad se refiere a la capacidad de recrear los hallazgos publicados con nuevos datos, recogidos utilizando los mismos materiales y procedimientos.

Un principio básico del método científico es que los resultados son dignos de confianza, y la fiabilidad se define en parte por la medida en que los resultados científicos son tanto reproducibles como replicables.

Una investigación de Monya Baker  publicada por Nature a través de una encuesta  a 1576 investigadores; que más del 70% de los encuestados fracasaron al tratar de reproducir los resultados obtenidos por otros investigadores y más del 50% de ellos no lograron reproducir sus propios estudios.

 

thereproducibilitycrisis

 

En otra encuesta realizada a 2.000 psicólogos en relación con los Questionable Research Practices (QRP), uno de cada 10 psicólogos admitió haber falsificado datos. Diederik Stapel, un destacado científico social de la Universidad de Tilburg, fue capaz de fabricar fácilmente datos durante más de una década, afectando al menos 55 publicaciones dentro de la psicología social, El hecho de que todos sus trabajos habían sido aprobados por los revisores y publicados en revistas respetables significaba que la psicología tenía un importante problema (Fuente) de alguna manera  esta situación habría sido mucho más obvia si el mantenimiento de registros y la transparencia de la ciencia de los datos hubieran sido estándares de la disciplina en ese momento.

En este sentido, las mejores prácticas de la ciencia de los datos pueden ayudar a mejorar tanto la reproducibilidad como la replicabilidad de la investigación científica, en la que se ha prestado una atención renovada en los últimos años, debido a varios casos destacados de fraude y de no replicabilidad .

 

Gestión de datos de investigación en las universidades españolas: memoria de buenas prácticas de los servicios ofrecidos 

 

datos20abiertos_opt

 

Gestión de datos de investigación en las universidades españolas y CSIC: memoria de buenas prácticas de los servicios ofrecidos. REBIUN Línea 3 (3er. P.E.) Grupo de Repositorios (REBIUN, 2018)

Texto completo

El presente documento pretende recoger un ejemplo de buenas prácticas seguidas por las universidades españolas en lo referente a la gestión de datos de investigación. Se han incluido también ejemplos de iniciativas llevadas a cabo por el Consejo Superior de Investigaciones Científicas (CSIC), pues también forma parte del Grupo de Trabajo de Repositorios de REBIUN. El trabajo de recopilación de dichos ejemplos se realizó a lo largo de la primavera de 2018, por lo que, sin duda, quedaron fuera servicios o iniciativas que vieron la luz con posterioridad.

 

Los buenos datos y los malos datos

 

612bxt6u4til

 

Good Data. Edited by Angela Daly, S. Kate Devitt and Monique Mann. Institute of Network Cultures, Amsterdam, 2019. ISBN 978-94-92302-27-4

Texto completo

PDF

ePub

 

Alejándose del fuerte cuerpo de críticas a las omnipresentes prácticas de «malos datos» tanto por parte de los gobiernos como de los actores privados en la economía digital globalizada, este libro pretende pintar un cuadro alternativo, más optimista pero aún pragmático, del futuro de los datos. Los autores examinan y proponen prácticas, valores y principios de «buenos datos» desde una perspectiva interdisciplinaria e internacional. Desde las ideas de soberanía y justicia de los datos, hasta los manifiestos por el cambio y los llamados al activismo, esta colección abre una conversación multifacética sobre los tipos de futuros que queremos ver, y presenta pasos concretos sobre cómo podemos empezar a realizar buenos datos en la práctica.

 

Desarrollo de recursos lingüísticos vinculados de datos abiertos para la investigación intensiva

3fcollid3dbooks_covers_026isbn3d978026253625726type3d

Pareja-Lora, Antonio — Lust, Barbara — Blume, Maria — Chiarcos, Christian. Development of Linguistic Linked Open Data Resources for Collaborative Data-Intensive Research in the Language Sciences. Knowledge Unlatched, 2020.

Texto completo

 

Este libro es el producto de un taller internacional dedicado a abordar la accesibilidad a los datos en el campo de la lingüística. Por lo tanto, es vital para la misión del libro que su contenido sea de acceso abierto. La lingüística como campo queda por detrás de muchos otros en lo que respecta a la gestión de datos y las estrategias de accesibilidad. El problema es particularmente agudo en el subcampo de la adquisición de lenguas, donde se necesitan archivos de sonido lingüísticos internacionales como referencia. Las preocupaciones de los lingüistas están muy ligadas a la cantidad de información acumulada por los investigadores individuales a lo largo de los años, que sigue siendo fragmentada e inaccesible para la comunidad en general. Estas preocupaciones son compartidas por otros campos, pero la lingüística hasta la fecha ha visto pocos esfuerzos para abordarlas. Esta colección, realizada por una serie de expertos líderes en el campo, representa un gran paso adelante. Su alcance internacional y la combinación interdisciplinaria de académicos/bibliotecarios/consultores de datos proporcionarán una importante contribución al campo.