Archivo de la etiqueta: Gestión de datos de investigación

Informes de disponibilidad de datos de investigación en universidades

 

46255613781_8a8a9454e1_o_d

Timiraos, Natalia  [et al.]. Data availability reporting: Helping institutions understand how researchers are sharing their data. Springer Nature, 2018

Texto completo

Este informe resume cómo los investigadores de Example University comparten datos de investigación en apoyo los artículos que publicaron en las revistas de Springer Nature en 2017. Para determinar esto, se extrajo información de las publicaciones de la base de datos que contenía 163 artículos publicados en 2017 y sus declaraciones de disponibilidad de datos (DASs). Este es el número total de artículos publicados en las revistas de Springer Nature en los casos en los que el autor o autores facilitaron información sobre la disponibilidad de datos en apoyo de su solicitud. y donde uno o más autores están afiliados a Example University.

De estos artículos:

– 61 (37%) informan de que los datos están disponibles a petición del autor
– 31 (19%) informan que los datos se incluyen con el manuscrito o su suplemento archivos de información
– 48 (29%) informan que los datos están disponibles en un repositorio de datos

Los repositorios de datos más comúnmente referenciados en las DAS se identifican en la Tabla 1. Las revistas Springer Nature que incluyen el mayor número de DAS de investigadores en la Example University en 2017 se enumeran en la Tabla 2. La información del financiador asociada con los artículos se incluye en el archivo de datos brutos adjunto.

 

 

 

Explorando la ciencia de los datos

zumel_hires

John Mount and Nina Zumel. Exploring Data Science. Manning Publications, 2016

Texto completo

Nunca ha habido un mejor momento para entrar en la ciencia de los datos. Pero, ¿por dónde empiezas? La ciencia de datos es un campo amplio, que incorpora aspectos de estadística, aprendizaje de máquinas e ingeniería de datos. Es fácil sentirse abrumado, o terminar aprendiendo sobre una pequeña sección de ciencia de datos o una sola metodología.

Explorar la ciencia de datos es una colección de cinco capítulos cuidadosamente seleccionados que le presentan diversas áreas de la ciencia de datos y explican qué metodologías funcionan mejor para cada una de ellas. John Mount y Nina Zumel, autores de Practical Data Science with R, seleccionaron estos capítulos para darle una visión general de los muchos dominios de datos. Aprenderá sobre series de tiempo, redes neuronales, análisis de texto y mucho más. A medida que explore las diferentes prácticas de modelado, verá ejemplos prácticos de cómo se utilizan R, Python y otros lenguajes en la ciencia de datos.

 

La política de datos en la cuarta revolución industrial

large_hd1xp5ddq3os4qmgcplg1fi0zpio4irqurnv6hjnbjc

Data Policy in the Fourth Industrial Revolution: Insights on personal data Cologny, Suiza: World Economic Forum, 2018

Texto completo

Data Policy in the Fourth Industrial Revolution es un primer paso hacia el desarrollo de un conjunto completo de herramientas de política de datos y un depósito de conocimientos de estudios de casos para los responsables de la formulación de políticas y los líderes de políticas de datos en todo el mundo.

El desarrollo de una política integral de datos implica necesariamente compensaciones. Los flujos de datos transfronterizos son cruciales para la economía digital. El uso de datos es fundamental para la innovación y la tecnología. Sin embargo, para generar confianza, necesitamos contar con niveles adecuados de protección para garantizar la privacidad, la seguridad y la protección. Hoy en día, más de 120 leyes en vigor en todo el mundo ofrecen diferentes niveles de protección de datos, pero son pocas en relación con las que se prevén.

Los investigadores SON recolectores de datos: una propuesta para repensar el apoyo a la investigación

lifecycle

 

Scholars ARE Collectors: A Proposal for Re-thinking Research Support

Danielle Cooper, Oya Y. Rieger

Texto completo

Para apoyar a los investigadores, debemos ayudarlos a administrar sus colecciones en todas sus variedades, así como los flujos de trabajo académicos detrás de la construcción de estas colecciones. En este panorama difuso, ¿cómo podemos aprovechar el conocimiento sobre los hábitos actuales de recopilación académica para tomar decisiones estratégicas a nivel institucional sobre los futuros modelos de apoyo a la investigación.

Después de quince años de profundizar en las prácticas de investigación de los académicos en Ithaka S + R, está claro que los investigadores son recolectores. Hemos descubierto que están creando y acumulando colecciones personales de información cada vez más complejas a lo largo de sus carreras. Estas colecciones varían ampliamente según la disciplina y toman muchas formas, incluyendo materiales de archivo digitalizados, conjuntos de datos numéricos de experimentos, grabaciones de audio de entrevistas, notas de campo de los sitios de investigación y materiales visuales.

Informe sobre la madurez de datos abiertos en Europa

imagen_post_edp_1

Open Data Maturity in Europe Report 2018. Comisión Europea, European Data Portal y Capgemini Invent, 2018

Texto completo

 

Un nuevo estudio llevado a cabo por Capgemini Invent para la Comisión Europea destaca la importancia de la priorización estratégica para llevar adelante la transformación de Open Data en toda Europa. Europa ha desarrollado unas políticas sólidas de Open Data, pero debe seguir implementando medidas estratégicas y promoviendo la apertura de datos.

 

Los datos abiertos hacen referencia a la información recopilada, elaborada o encargada por organismos públicos que puede utilizarse, modificarse y compartirse libremente por cualquier persona. Entre sus ventajas están un aumento en la transparencia y responsabilidad gubernamental, así como beneficios financieros tangibles para los ciudadanos, negocios y la sociedad civil. El estudio de Capgemini publicado en 2015 para el lanzamiento del Portal Europeo de Datos estimó un valor de 75.700 millones de euros en volumen de mercado para Open Data en 2020, con un aumento significativo de aproximadamente un 37% entre 2016 y 2020. En este contexto, la Unión Europea lanzó el Portal Europeo de Datos, que recopila información sobre los datos disponibles en cada país europeo. Hasta la fecha, engloba 35 países, 78 catálogos, enlaces a casi 870.000 conjuntos de datos en toda Europa y ofrece una serie de recursos de aprendizaje y ejemplos de uso de datos abiertos. Este compromiso plurianual es solo una de las formas en las que el Grupo Capgemini apoya a sus clientes para adquirir una percepción estratégica de los datos multidimensionales día a día.

 Capgemini Invent ha publicado el cuarto informe anual que mide el estado actual de Open Data en Europa. El «Informe de Madurez de Datos Abiertos (Open Data) en Europa de 2018: Nuevos horizontes en la transformación motivada por los datos abiertos» (Open Data Maturity in Europe Report 2018) registra las diferentes velocidades de transformación motivadas por los datos abiertos de los países europeos, así como las distintas prioridades que estos han establecido para hacer posible ese progreso. El informe fue solicitado por la Comisión Europea en el contexto del Portal Europeo de Datos y coordinado por Capgemini Invent.

El informe de 2018 ofrece una metodología actualizada para medir la madurez de los datos abiertos en toda Europa. Este año, presenta dos nuevas dimensiones – el impacto y la calidad de los datos -, que complementan a las evaluadas entre 2015 y 2017, políticas y portales. Con esta actualización, el ejercicio de análisis pretende conseguir un nivel de detalle más profundo en su evaluación de la madurez de Open Data y captar mejor sus diferentes facetas. Además, el objetivo del punto de referencia de 2018 es incentivar a los gobiernos nacionales a tomar medidas para impulsar el trabajo relativo a los datos abiertos en nuevas áreas estratégicas.

Con un resultado general de madurez del 65%, el informe pone de manifiesto que Europa todavía no ha alcanzado todo su potencial. La evaluación de las cuatro dimensiones presenta un panorama variado, con áreas en las que el progreso es muy bueno, como las políticas, y otras en las que todavía son necesarias medidas para garantizar que los países alcancen los objetivos establecidos a nivel europeo según lo programado.

 

 

 

Los Big Data pueden ofrecer la promesa de convertir los datos en una ventaja competitiva.

Business information and infographics concept.

. Karim Taga,  Michael Opitz, Arvind Rajeswaran, Lokesh Dadhich, Jorge Abril-Martorell, Pranav Prince «Telecoms data monetization: Reality, not a mirage. Big data can deliver the promise of converting data into competitive advantage”. Arthur D. Little, 2018

Texto completo

A nivel mundial, las empresas de telecomunicaciones consideran que el análisis de datos es un pilar estratégico clave y continúan invirtiendo en esta dirección. Sin embargo, pocos de ellos han recuperado aún los beneficios de estas inversiones, porque se enfrentan a múltiples dilemas para encontrar los casos de uso adecuados, tomar las decisiones tecnológicas correctas a partir de opciones cada vez mayores y adoptar los modelos operativos y de gestión adecuados para fomentar la toma de decisiones basada en datos.

Las empresas de telecomunicaciones deben darse cuenta de que la analítica de datos es una «capacidad imprescindible» en esta era digital, y las inversiones relacionadas les ayudarán a sobrevivir en el panorama competitivo emergente. Necesitan explotar los casos de uso de análisis en todas sus funciones principales de negocio, tanto en la atención al cliente como en otras áreas, como la cadena de suministro, los recursos humanos y las operaciones. Las empresas de telecomunicaciones están en una posición única para crear oportunidades de monetización de datos externos, pero éstas deben explorarse caso por caso, manteniendo al mismo tiempo un enfoque primario en la monetización interna. Por último, los ejecutivos de las empresas de telecomunicaciones deben liderar los esfuerzos para impulsar el cambio en toda la organización a fin de fomentar la toma de decisiones basadas en datos.

Varias de las principales empresas de telecomunicaciones han incluido la «creación de grandes capacidades de datos y análisis» como un pilar estratégico clave, y continúan invirtiendo en esta dirección. Sin embargo, los beneficios de estas inversiones no han sido los mismos para todos ellos. Creemos que es hora de que las empresas de telecomunicaciones aborden las siguientes cuestiones a la hora de aprovechar el valor de sus inversiones en análisis.

  • Identificación de grupos de valores: Un gran número de casos de uso aparecen constantemente en el horizonte, pero ¿dónde está la oportunidad en la cadena de valor, y qué casos de uso representan el mejor potencial de creación de valor?
  • Toma de decisiones tecnológicas: Una amplia gama de soluciones y opciones tecnológicas están surgiendo en el espacio de datos y análisis. Pero ¿Cuáles son las consideraciones clave para la toma de decisiones tecnológicas?
  • Elección del modelo operativo óptimo: Existen diferentes arquetipos de modelos operativos para que las empresas de telecomunicaciones construyan capacidades de análisis de datos en sus organizaciones. ¿Cuáles son las consideraciones clave para el diseño de modelos operativos en contextos específicos?
  • Poner en práctica la estrategia de monetización: Las empresas de telecomunicaciones necesitan encontrar formas de ejecutar el análisis de datos para obtener una ventaja estratégica. ¿Cómo pueden las empresas de telecomunicaciones garantizar la ejecución sostenible de sus grandes iniciativas de datos?

Plan de acción del Grupo de expertos en gestión de datos de investigación para convertir FAIR en una realidad

2018-11-24_15-50-41

Turning FAIR Into Reality : Final Report/Action Plan From the Commission FAIR Data Expert Group. Brussels: European Commission Directorate General for Research and Innovation, 2018

Texto completo

GO (Global Open) FAIR es una iniciativa que tiene como objetivo hacer que los datos de investigación fragmentados y desvinculados sean localizables, accesibles, interoperables y, por lo tanto, reutilizables (Findable, Accessible, Interoperable and thus Reusable (FAIR). El informe describe la amplia gama de cambios necesarios para la aplicación de los principios de datos FAIR

 

El informe  «Turning FAIR Into Reality»  describe la amplia gama de cambios necesarios para la implementación de los principios de datos de FAIR. Ofrece una encuesta y un análisis de lo que se necesita para implementar FAIR y proporciona un conjunto de recomendaciones y acciones concretas para las partes interesadas en Europa y otros entornos geográficos. FAIR Data EG proporciona una plantilla para los cambios clave en la práctica y la cultura de la investigación y la implementación y normalización de ciertas tecnologías y prácticas.

Investigación la cultura y la tecnología son dos caras de un todo. Se necesitan intervenciones coordinadas y simultáneas en cada una de las fases del proyecto. para hacer de FAIR una realidad en el más amplio sentido. En el informe se formulan una serie de recomendaciones detalladas y se especifican medidas para los diferentes grupos de interesados a fin de posibilitar los cambios necesarios. La implementación de FAIR es una tarea importante y requiere cambios en términos de cultura de investigación y provisión de infraestructura. Estos cambios son importantes en el contexto de la Nube Científica Abierta Europea (EOSC),y la dirección de la política de la Comisión Europea y de los Estados miembros, pero van más allá: FAIR requiere acuerdos globales para asegurar la más amplia interoperabilidad y reutilización de los datos, más allá de las fronteras disciplinarias y geográficas.

Se formulan 27 recomendaciones, que se agrupan en Recomendaciones «prioritarias» y «de apoyo». Las quince recomendaciones prioritarias deben ser consideradas como el conjunto inicial de cambios o pasos a seguir para implementar FAIR. Las «Recomendaciones» de apoyo pueden considerarse como continuación de las Recomendaciones prioritarias, añadiendo detalles específicos para su aplicación. Cada Recomendación individual va seguida de un conjunto de «Acciones». Cada «Recomendación» y cada «Acción» están numeradas para una referencia inequívoca. El conjunto completo de Recomendaciones y Acciones se presenta en el Plan de Acción FAIR al final del informe.

 

 

Ética en la evaluación de bibliotecas y la privacidad de los datos personales de los usuarios

hqdefault

Asher, Andrew  ; Briney, , Kristin; Gardner, Gabriel «Ethics in Research Use of Library Patron Data Glossary and Explainer» Digital Library Federation, 2018

Descargar

Ver vídeo

Las bibliotecas universitarias están bajo una presión constante para demostrar su valor e impacto. Con este fin, la mayoría de las bibliotecas realizan habitualmente mediciones sobre el uso de las colecciones, servicios e instalaciones por parte de los usuarios, pero el crecimiento en el uso de la analítica de aprendizaje ha creado una nueva e importante demanda de recopilación y análisis de datos. Esta tendencia ha generado preocupación por la privacidad de los clientes y la posible violación de la ética profesional.

Tomando una una discusión dentro del grupo de trabajo del Foro «Digital Library Federation» DLF de 2017 sobre la creciente inversión de la educación superior en productos y sistemas que pueden rastrear y compilar datos sobre el comportamiento de los usuarios a través de datos y tecnología, Yasmeen Shorish y Shea Swauger formaron el grupo DLF sobre vigilancia tecnológica. (Technologies of Surveillance Working Group)

La utilización de los Big Data en industrias y campos de investigación conllevan la recolección y la analizar la mayor cantidad de datos posible sobre personas, lo que aumenta la comprensión de sus comportamiento y aumenta nuestra capacidad para construir y organizar servicios. Pero, la recolección de datos a menudo se realiza a través de la tecnología de vigilancia, desde el registro de actividades en línea hasta la Web. cámaras de vídeo digitales, datos de los teléfonos móviles, seguimiento Wi-Fi y en las bases de datos.

La adopción y participación de una biblioteca en estos sistemas no está exenta de preocupaciones éticas, y podría tener consecuencias en términos de privacidad de los usuarios que contradicen directamente algunos de los principios establecidos en el Código de Ética Profesional, tales como el derecho a la confidencialidad y la priorización de los usuarios, colegas e instituciones por encima de los intereses privados.

Por ello a principios de este mes, el subgrupo de Ética Profesional de la Investigación del grupo de trabajo publicó Ethics in Research Use of Library Patron Data Glossary and Explainer.

 

 

Barreras para el uso de datos gubernamentales

Hart, Nick ; Carmody,Kody “Barriers to Using Government Data: Extended Analysis of the U.S. Commission on Evidence-Based Policymaking’s Survey of Federal Agencies and Offices”

Texto completo

En 2016, el Congreso y el presidente establecieron la Comisión de Estados Unidos para la Elaboración de Políticas Basadas en la Evidencia y la encargaron de desarrollar una estrategia para abordar estas barreras. Durante los esfuerzos de investigación de la comisión, ésta lanzó una encuesta de agencias y unidades a través del gobierno federal para entender mejor las barreras existentes para el acceso y uso de datos. Los datos recopilados en la encuesta proporcionaron entonces pruebas iniciales que la comisión tuvo en cuenta al formular sus recomendaciones.

Los políticos se enfrentan a muchas demandas de los electores, los procesos presupuestarios y su compromiso de proporcionar buenos servicios a los ciudadanos. Esta última preocupación se ve facilitada cuando los responsables políticos tienen acceso a información fiable para guiar sus decisiones. Pero el acceso a los datos y la capacidad de convertirlos en pruebas para fundamentar las decisiones pueden verse obstaculizados por las restricciones legales sobre el acceso a los datos confidenciales, las restricciones institucionales y la disponibilidad de recursos.

El principio de limitación de la finalidad en las leyes de protección de datos

Related image

Grafenstein, M. v. (2018). [e-Book] The Principle of Purpose Limitation in Data Protection Laws. Baden-Baden, Nomos Verlagsgesellschaft, 2018.

Texto completo

Este libro analiza el principio de limitación de la finalidad en la legislación de protección de datos desde la perspectiva de la regulación de la innovación basada en datos. Según este enfoque, el principio de limitación de la finalidad no sólo protege la privacidad de la persona, sino que, al mismo tiempo, deja un margen suficiente para que los responsables del tratamiento innoven a la hora de encontrar la mejor solución de protección. El primer componente del principio de limitación de la finalidad (es decir, especificar la finalidad del tratamiento de datos) es un instrumento de protección cautelar que obliga al responsable del tratamiento a identificar los riesgos específicos derivados de su tratamiento contra todos los derechos fundamentales del interesado. Por el contrario, el segundo componente (es decir, el requisito de limitar el tratamiento de datos a la finalidad anterior) tiene por objeto controlar el riesgo causado por el tratamiento de datos que se produjo en una fase posterior y se añade a los riesgos que se identificaron previamente. Este enfoque responde a la pregunta de cómo debe interpretarse el reglamento general de protección de datos, que no sólo protege eficazmente la privacidad de las personas, sino que también ayuda a los responsables del tratamiento a convertir su conformidad jurídica en un mecanismo que refuerza la innovación, en relación con todos los derechos fundamentales de la persona a la que se refieren los datos.