Datos de investigación

Hacemos que los datos sean eficaces

En Elsevier creemos que hay 10 aspectos de los datos altamente eficaces y que pueden funcionar como una hoja de ruta para el desarrollo de mejores procesos y sistemas de gestión de datos durante todo el ciclo de vida de los datos. Se detallan a continuación:

1. Almacenados: El primer paso en la jerarquía de las necesidades de los datos de investigación es que los datos que se han adquirido deben almacenarse.

2. Conservados: Una vez que se almacenan los datos de investigación, es necesario conservarlos de manera independiente del formato para evitar el riesgo de obsolescencia de los datos.

3. Accesibles: Incluso cuando los datos se almacenan y conservan, esto no significa necesariamente que se pueda acceder a ellos automáticamente. Tanto los investigadores como las máquinas pueden querer acceder a los datos, por ejemplo, para realizar metaanálisis u otros tipos de reutilización.

4. Visibles: Incluso si los datos se almacenan, conservan y, en principio, son accesibles, esto no sirve de mucho si los datos no pueden ser descubiertos por otros.

5. Citables: Una de las barreras para el intercambio de datos ha sido que se necesita un trabajo adicional por parte de los investigadores a cambio de una escasa recompensa. Las citas de datos tienen el potencial de cambiar este hecho porque se pueden incorporar fácilmente en el sistema de recompensas actual basado en citas de artículos.

6. Comprensibles: Para permitir la reutilización de los datos, debe quedar claro qué unidades de medida se usaron, cómo se recopilaron los datos y qué abreviaturas y parámetros se usaron. La procedencia de los datos es crucial para la comprensión.

7. Revisados: Si bien es muy común que los artículos de investigación sean revisados por pares, esto todavía es bastante poco común para los datos de investigación. Sin embargo, es un paso importante cuando se trata de control de calidad y fiabilidad de los datos.

8. Reproducibles: La reproducibilidad de los resultados de la investigación es una gran preocupación para la ciencia. La irreproducibilidad a menudo se origina en una ausencia de elementos en los datos de investigación, que son necesarios para lograr los mismos resultados de investigación. Por ejemplo, los recursos (como anticuerpos, organismos modelo y software) informados en la literatura biomédica a menudo carecen de detalles suficientes para permitir la reproducibilidad o la reutilización.

9. Reutilizables: El beneficio clave para la comunidad investigadora en general al compartir los datos de investigación es la capacidad de reutilizar estos datos. Solo cuando los datos de la investigación sean lo suficientemente fiables y reproducibles otros investigadores los reutilizarán.

10. Integrados: Creemos que es importante integrar estos nueve aspectos de los “datos de investigación altamente efectivos”. Por ejemplo, los datos deben conservarse para que puedan reutilizarse. Para ser citables, deben ser accesibles. Pero también, en la construcción de sistemas para la reutilización o cita de datos, se deben tener en cuenta las prácticas de los sistemas actuales para almacenar y compartir datos.

Estas nueve capas y el décimo paso de integración pretenden ser un principio rector para ordenar y verificar las prácticas de gestión de datos de investigación, no una receta para un desempeño perfecto.

Soluciones de Elsevier para datos de investigación

Minería de texto y datos

Todas las revistas y libros de Elsevier permiten la minería de texto y datos (TDM). Descubra cómo puede trabajar de manera más eficiente hoy.

Citas de datos

Todas las revistas de Elsevier facilitan la citación de manera coherente y clara en la literatura científica.