Mensaje de error

El filtro de spam instalado en este sitio no está disponible actualmente. Según las políticas del sitio, no podemos aceptar nuevos envíos mientras se resuelve el problema. Por favor intente enviar el formulario de nuevo en un par de minutos.

Añadir nuevo comentario

Recogiendo la realidad de los principios FAIR en las instituciones británicas

Versión para impresiónVersión para impresión

Fernanda Peset
Instituto Universitario de Matemática Pura y Aplicada, Universitat Politècnica de València
 
Christian Vidal Cabo
Colaborador de la Cátedra de Transparencia y Gestión de Datos, Universitat Politècnica de València
 
Fernanda Garzón-Farinós
Directora Máster Universitario en Cuidados de Enfermería en Diálisis y Trasplante Renal, Universidad Católica de Valencia «San Vicente Mártir»
 
Pablo Lara Navarra
Profesor Agregado de los Estudios de Información y Comunicación, Universitat Oberta de Catalunya
 
Antonia Ferrer-Sapena
Instituto Universitario de Matemática Pura y Aplicada, Universitat Politècnica de València


Allen, Robert; Hartland, David (2018). FAIR in practice: Jisc report on the Findable Accessible Interoperable and Reuseable Data Principles. Bristol: Jisc. 79 p. Disponible en: <https://zenodo.org/record/1245568#.XIo7daBCfcs>. [Consulta: 13/03/2019].


Empecemos por el principio. Se ha hablado mucho últimamente de los principios FAIR (findable, accessible, interoperable and reusable). Desde que F1000 los lanzó formalmente en 2016 se quieren impulsar como una capa que atraviese a cualquier tipo de datos. Se supone que pueden ser aplicados a todos, pero especialmente a los de investigación, donde la heterogeneidad impone una necesaria estandarización. Pero los principios FAIR no indicaban exactamente cómo implantarlos. Y como se suele decir, el papel lo aguanta todo, pero ¿qué ocurre en la práctica, en la realidad de las instituciones? En este informe veremos qué ha averiguado el JISC (Joint Information Systems Committee) al respecto: cómo se han implantado estos principios en el ambiente académico del Reino Unido. 

Con una metodología muy variada que incluye entrevistas, grupos de trabajo y revisión de web, se busca conocer cuánto se entienden estos principios, su presencia en las políticas y recursos de apoyo institucionales, las barreras y beneficios de la implementación de los principios FAIR, recopilar ejemplos y cuáles son las diferencias entre disciplinas. 

Los autores estructuran sus resultados a través de los aspectos recogidos según el método PEST, esto es, los factores políticos, económicos, sociales y técnicos que afectan al ecosistema de datos. Lo cierto es que no es trivial conseguir organizar el conocimiento que obtienen de diferentes actores (gestores, investigadores, financiadores y editores científicos) y de diferentes disciplinas (ciencias biológicas, humanidades digitales, química y ciencias sociales). Como puede imaginar cualquiera que haya tenido contacto con la gestión de datos de investigación, ordenar el caos es una tarea hercúlea, que solventan gracias a este tipo de metodología y a los ricos apéndices que también incluye el informe. 

El informe reconoce la limitación que supone la circunscripción a las instituciones del Reino Unido, además de ser una muestra cualitativa pequeña, con unos entrevistados que, al ser escogidos por los grupos de expertos, están bastante alertados de lo que suponen los principios FAIR. Aun así, supone una primera toma de contacto para seguir reflexionando sobre su utilidad. 

Lo primero que hacen constar en los aspectos de política es si se entienden estos principios, cuya intención inicial era convertirse en un marco que pudiera ser utilizado en un escenario tan variado como la investigación. Se evidencia que los principios FAIR funcionan muy bien como marca, como declaración, por lo que han tenido repercusión en los niveles políticos, pero no acaban de estar suficientemente definidos para los investigadores. Para concretar cómo se han implementado en los grupos de investigación y en las instituciones toman como base la definición del programa H2020. Los autores comprueban que ya se estaban cumpliendo sus presupuestos dependiendo de las disciplinas, aunque en función de la cultura de trabajo continúan las reticencias a compartir datos. En suma, detectan la necesidad de contar con prácticas coherentes y métricas para medirlas, como por ejemplo los sellos que promueve DANS (Data Archiving and Networked Services).

Entre los aspectos económicos se confirma que la gestión de los datos se percibe como una carga adicional, que no cuenta en la promoción profesional. Esta falta de incentivos quizá contribuye a la reticencia en todas las disciplinas para seguir los principios FAIR. Así que son los mandatos de los financiadores (Economic and Social Research Council-ESRC y Wellcome Trust) y de las revistas las que impulsan la implantación de los principios FAIR. 

Respecto a los aspectos sociales, el informe resalta que solo se preocupan por reflejar la propiedad de los datos en las licencias quienes tienen responsabilidades de dirección del grupo o están cercanos a departamentos de contratación, difusión, etc. 

Por último, aborda aspectos técnicos, que no tecnológicos, como el uso de estándares o tipos de datos. De nuevo, la variabilidad es preocupante para alcanzar la implementación de los principios FAIR. Sucede especialmente en el aspecto menos seguido en las prácticas investigadoras, la «I» de interoperabilidad y legibilidad por máquina. Por extensión, ello repercute en la «R», concretamente en la reutilización automática. 

Para finalizar, el estudio ofrece una serie de conclusiones y recomendaciones. 
La primera conclusión es que los principios FAIR son aún muy incipientes, que podrían ser introducidos en el sector de la investigación a través de los jóvenes investigadores, mucho más permeables a nuevas tareas y oportunidades. Uno de los desafíos es atraer a los investigadores, para lo que estamos coleccionando casos de estudio desde el RDA Researcher Engagement Project, coordinado por Marta Teperek. 

  • Recomendación 1. Este informe puede ser utilizado por las instituciones para mejorar la gestión del riesgo y completar la ayuda que ofrecen, pues se aprecia una falta de soporte concreto para cumplir con los principios FAIR, algo que ya exigen algunos financiadores.
     
  • Recomendación 2. Revisar las herramientas que existen desde la perspectiva FAIR de forma que cumplan los principios en todo el ciclo de vida de los datos y capturen los metadatos desde el origen.
     
  • Recomendación 3. Insistir en la importancia de la propiedad de los datos y el papel que las licencias juegan para preservar los derechos de investigadores, financiadores e instituciones.
     
  • Recomendación 4. Identificar y adaptar los casos de estudio existentes para demostrar la validez de los principios FAIR en la práctica.
     
  • Recomendación 5. El informe se refiere solo al Reino Unido y la estructura de su sistema científico; valora la posición del JISC para promocionar los principios FAIR en sus instituciones.
     
  • Recomendación 6. Insiste en la necesidad de contar con métricas claras. No obstante, FAIR son principios, así que se prefiere promocionarlos mediante casos de éxito antes que mediante el cumplimiento estricto de una métrica.
     
  • Recomendación 7. Crear una hoja de ruta que documente los pasos necesarios para incorporar las métricas de los principios FAIR en una institución.

En definitiva, se trata de un informe que pone las bases para avanzar en la implementación de los principios FAIR. Recoger conocimiento sobre su desarrollo práctico con el objetivo de ayudar a la toma de decisiones. Evidencia, una vez más, la falta de incentivos o la cantidad de datos crudos que no se están gestionando, así como la visión de esta gestión como una carga más que como una oportunidad. Para finalizar, no podemos dejar de destacar que gracias a su metodología sistemática y su síntesis impecable puede ser de utilidad a otros países más allá de la Gran Bretaña (y así lo deseamos para guiar los Compromisos de las universidades ante la Open Science (2019). CRUE. 13 p.)