Datos de investigación

El hecho de compartir y usar datos de investigación puede aumentar el impacto, la validez, la reproducibilidad, la eficiencia y la transparencia de la investigación científica.

Informe sobre datos abiertos: la perspectiva del investigador

Un nuevo informe de Elsevier y CWT revela que, aunque los beneficios de los datos de investigación abiertos son muy conocidos, en la práctica, sigue habiendo confusión en la comunidad investigadora en torno a cuándo y cómo compartir los datos de investigación.

Más información acerca del informe sobre datos abiertos (en inglés)


Hacemos los datos efectivos

En Elsevier creemos que hay 10 aspectos de datos altamente efectivos y que pueden funcionar como una hoja de ruta para el desarrollo de mejores procesos y sistemas de gestión de datos a lo largo del ciclo de vida de los mismos. Estas características se detallan a continuación:

Esta pirámide puede funcionar como un mapa de ruta para el desarrollo de procesos de gestión de datos mejores. (Esta obra tiene una licencia internacional de atribución 4.0 de Creative Commons.)

  1. Almacenados
    El primer paso en la jerarquía de las necesidades de los datos de investigación es que los datos que se hayan adquirido deben almacenarse.
  2. Preservados
    Una vez que se almacenan los datos, deben preservarse de una forma independiente al formato o en una obsolescencia de los datos de riesgo.
  3. Accesibles
    Aun cuando los datos se almacenan y preservan, no significa necesariamente que sean automáticamente accesibles. Tanto los investigadores como las máquinas seguramente deseen acceder a los datos para realizar metanálisis, por ejemplo, u otros tipos de reutilización.
  4. Recuperables
    Incluso si los datos se almacenan, preservan y, en principio, son accesibles, no sirven de mucho si otros no pueden recuperarlos.
  5. Citables
    Uno de los obstáculos para el uso compartido de datos ha sido que requiere un trabajo extra de los investigadores por una pequeña recompensa. Las citaciones de datos pueden cambiar eso porque pueden incorporarse fácilmente al sistema de recompensas actual basado en citaciones de artículos.
  6. Comprensibles
    Para que los datos pueden reutilizarse, es necesario que esté claro qué unidades de medida se han usado, cómo se han recopilado los datos y qué abreviaturas y parámetros se han usado. La procedencia de los datos es esencial para la comprensión.
  7. Revisados
    Aunque la revisión por pares de artículos de investigación es muy habitual, sigue siendo poco habitual en el caso de los datos de investigación. Sin embargo, es un paso importante en lo que concierne al control de calidad y la fiabilidad de los datos.
  8. Reproducibles
    La reproducción de los resultados de las investigaciones es una gran preocupación para la ciencia. La irreproducibilidad a menudo da lugar a la falta de elementos de los datos de investigación que son necesarios para lograr los mismos resultados de investigación. Este es el caso de los recursos (p. ej., anticuerpos, organismos modelo y software) registrados en la bibliografía biomédica que a menudo carecen de suficientes detalles para permitir su reproducción o reutilización.
  9. Reutilizables
    La ventaja clave de que se compartan los datos de investigación para la amplia comunidad científica es la capacidad de reutilizar estos datos. Solo cuando los datos de la investigación sean suficientemente fiables y reproducibles, los reutilizarán otros investigadores.
  10. Integrados
    Creemos que es importante integrar estas nueve características de los “datos de investigación altamente efectivos”. Por ejemplo, los datos deben preservarse para poder reutilizarse. Para ser citables, deben ser accesibles. Pero, además, en la creación de sistemas para la reutilización o la citación de datos, deben tenerse en cuenta las prácticas de los sistemas actuales para el almacenamiento y el uso compartido de datos.
    Estas nueve características y el décimo paso de integración se han recopilado como un principio orientativo mediante el cual puedan ordenarse y verificarse las prácticas de gestión de datos de investigación, en lugar de como una prescripción para el rendimiento perfecto.

Force11

Cofundador
Coautor de los principios de datos FAIR
Implementación de los principios de citación de datos

ORCID

Cofundador

Pistoia Alliance

Miembro activo

ICSU

Miembro activo

Scholix

Cofundador

STM

Respaldo a la declaración sobre datos abiertos de Bruselas

Research Data Alliance

Miembro activo

Gestión de datos de investigación

Elsevier incorpora los datos de investigación en el flujo de trabajo y permite su acceso, descubrimiento y reutilización.

Leer más

Minería de datos y textos

Todas las revistas y libros de Elsevier permiten la minería de datos y textos (TDM). Obtenga más información sobre cómo puede trabajar de manera más eficiente hoy.

Leer más

Citación de datos

Todas las revistas de Elsevier facilitan la citación de una manera uniforme y clara en la bibliografía científica.

Leer más