Guías BUPNA: Gestión de Datos de Investigación

Son aquellos datos que se producen a lo largo de un proyecto de investigación.

Existen múltiples definiciones, una de las más aceptadas es la que considera datos de investigación todo aquel material que sirve para certificar los resultados de la investigación que se realiza, que han sido registrados durante ella y que han sido reconocidos por la comunidad científica (Torres-Salinas; Robinson-García; Cabezas-Clavijo, 2012).

Los datos abiertos (Research Open Data), son aquellos legalmente accesibles, reproducibles y reutilizables. 
 

• Numéricos, textuales, visuales, archivos de audio, software..

• En estado bruto o analizado, experimentales u observacionales.

• Públicos o privados

• Cuadernos de laboratorio
• Cuadernos de campo
• Datos de investigación primaria (incluidos los datos en papel o en soporte informático)
• Cuestionarios, y las comprobaciones y las respuestas de la prueba
• Scripts de códigos

• Notas de laboratorio
• Sets de datos parciales
• Análisis preliminares
• Borradores de trabajos
• Planes para investigaciones futuras
• Informes que han tenido un proceso de revisión por pares
• Comunicaciones con colegas
• Objetos físicos
• Ejemplares de laboratorio

Los datos abiertos de investigación se enmarcan dentro del movimiento Open Science, que promueve la investigación y los datos científicos accesibles a todos los ciudadanos.

Es de suma importancia publicarlos, ya que constituyen una valiosa información, cuya producción es costosa en tiempo y dinero y la buena gestión de los mismos permitirá que sean accesibles y reutilizables por otros investigadores.
 

• Refuerza la investigación científica abierta.
• Garantiza el acceso de manera libre a los datos.
• Aumenta la visibilidad, difusión e impacto de los mismos, así como de la investigación.
• Mejora la localización y comprensión de los datos.
• Fomenta la diversidad de análisis y opiniones.
• Proporciona mayor transparencia para la validación de los resultados de la investigación.
• Permite la explotación, reproducción y reutilización de los datos, con el correspondiente ahorro de tiempo y dinero.
• Posibilita un retorno de la inversión pública, dando cumplimiento a los requerimientos de los organismos financiadores.
• Proporciona una correcta preservación de los datos.
• Aumenta la propia reputación cuando los demás citen la obra.

 
 

• FINDABLE (Encontrables): Los datos y metadatos pueden ser encontrados por la comunidad después de su publicación, mediante herramientas de búsqueda.
• ACCESSIBLE (Accesibles): Los datos y metadatos están accesibles y por ello pueden ser descargados por otros investigadores utilizando sus identificadores.
• INTEROPERABLE (Interoperables): Tanto los datos como los metadatos deben de estar descritos siguiendo las reglas de la comunidad, utilizando estándares abiertos, para permitir su intercambio y su reutilización.
• REUSABLE (Reutilizables): Los datos y los metadatos pueden ser reutilizados por otros investigadores, al quedar clara su procedencia y las condiciones de reutilización.

 

• FAIRassist: iniciativa colaborativa que enumera y describe las herramientas existentes para la evaluación de objetos digitales según los Principios FAIR. La herramienta recoge cuestionarios manuales, listas de verificación y herramientas automatizadas que ayudan a los usuarios a comprender cómo medir y mejorar el nivel de cumplimiento FAIR
• Top 10 FAIR Data & Software Things: guías breves para conseguir que tus datos sean FAIR, divididas por disciplinas
• OpenAire mantiene una sección con recursos de apoyo

Requisitos:

Desde enero de 2017 los proyectos que reciben financiación del Programa Marco de Investigación e Innovación Horizonte 2020 deben elaborar un Plan de Gestión de Datos, que debe entregarse en los seis primeros meses y mantenerse actualizado a lo largo del proyecto. Los datos en abierto deben depositarse en un repositorio público. Podrá haber excepciones a la difusión abierta, basadas en razones de confidencialidad, privacidad, seguridad, explotación industrial, etc. 

• H2020, Work Programme, Anexes, Conditions related to open access to research data 
• Guidelines on Open Access to Scientific Publications and Research Data in Horizon 2020
• Guidelines on FAIR Data Management in Horizon 2020 

El PGD debe ser actualizado durante el proyecto cuando se produzcan cambios significativos, por ejemplo:

• Nuevos datos

• Cambios en las políticas: nueva innovación potencial, decisión de solicitar una patente, etc.

• Cambios en la composición del consorcio y factores externos: nuevos miembros que se incorporan o que abandonan el consorcio

Además, el PGD se debe actualizar en el momento de la evaluación periódica
del proyecto, es decir, a mitad y a la finalización del proyecto

   
Horizonte Europa es el sucesor de Horizonte 2020. Es el programa de investigación e innovación de la UE para el período 2021-2027. Quiere garantizar el acceso abierto a los datos de investigación según el principio “tan abierto como sea posible y tan cerrado como sea necesario”. Además, insiste en la obligatoriedad del desarrollo de planes de gestión de datos (artículo 17 del del General Model Grant Agreement)

• Debe presentarse un plan de Gestión de Datos
• Los datos deben ser FAIR   – Findable, Accessible, Interoperable, and Reusable (Encontrables, Accesibles, Interoperables y Reutilizables)
• Los costos de Research Data Management (RDM) son elegibles para reembolso.
• Se debe proporcionar información sobre todos los demás objetos, herramientas e instrumentos académicos que se necesitan para validar las conclusiones de la publicación.

 

La convocatoria incluye por primera vez que:   

• Los datos deberán depositarse en un repositorio antes de que transcurran dos años desde la finalización del proyecto. 
• Se debe presentar un Plan de Gestión de Datos de investigación

Las obligaciones de los beneficiarios de las ayudas en el marco del Plan Estatal aparecen detalladas en la Orden CNU/320/2019:

• Los datos deberán estar disponibles en acceso abierto
• Las convocatorias podrán prever la realización de un PGD que formará parte de la documentación de la solicitud
• Si se van a difundir en abierto, se indicará en qué repositorio

Se contemplan las siguientes excepciones a la obligatoriedad:

1. Cuando se prevea que los datos y los resultados de la investigación puedan ser sometidos a solicitud de protección de derechos de propiedad industrial o intelectual.
2. Cuando por su naturaleza estén sujetos a la protección de datos de carácter personal o afecten a la seguridad pública.

Establece en sus Principios Rectores que los programas se desarrollarán en lo que respecta al apartado de Transparencia y rendición de cuentas de las ayudas concedidas presentando:  
 
Dentro del Programa Estatal, la Orden por la que se aprueba la convocatoria de tramitación anticipada para el año 2021 especifica:
   
Artículo 12. Fomento de la Ciencia Abierta y Ciencia Ciudadana.

1. ...acceso abierto a publicaciones científicas, datos, códigos y metodologías que garanticen la comunicación de la investigación...

5. Los datos, entendidos como aquellas fuentes primarias necesarias para validar los resultados de las investigaciones, deberán seguir los principios FAIR (datos fáciles de encontrar, accesibles, interoperables y reutilizables) y, siempre que sea posible, difundirse en acceso abierto.
 

Cada vez son más las revistas que reclaman que los datos en los que se sustentan los resultados de investigación están accesibles en acceso abierto en repositorios de datos, lo que favorece el proceso de revisión por pares, facilita la reproducibilidad, aumenta la confianza en la ciencia, etc. 

Políticas de acceso a datos de investigación de algunas editoriales:    
 

Es un documento formal que se diseña desde la etapa de planificación y diseño de la propuesta de proyecto de investigación, describe cómo se van a procesar los datos generados durante y después de finalizar la investigación. Debe modificarse cada vez que surjan cambios significativos, en evaluaciones periódicas y al finalizar el proyecto.

         
 

• Plantilla básica de un PGD: documento elaborado por las bibliotecas del Grupo G9 de Universidades.
• Plantilla para proyectos H2020 (english): Plantilla, en formato word, que sigue las concreciones para los proyectos H2020. (Elaborado por la Biblioteca de la Universidad Pompeu Fabra).
• Plantilla para proyectos financiados en el marco del Plan Estatal de Investigación Científica y Técnica y de Innovación  (Elaborado por la Biblioteca de la Universidad Pompeu Fabra).
• Modelo básico de Plan de Gestión de Datos UC elaborado por la Biblioteca de la Universidad de Cantabria.

Es importante utilizar formatos estándar y abiertos, que aseguren el acceso a largo plazo a los datos.
 

• Bases de datos: XML, CSV
• Texto: TXT, ODT, RTF, XML
• Estadísticas: ASCII, DTA, POR, SAS, SAV
• Datos tabulados: CSV, TSV
• Geospaciales: SHP, DBF, GeoTIFF, NetCDF
• Vídeo: OGG, MP4
• Sonido: FLAC, WAV, AIFF, MP3
• Imágenes: TIFF, BMP
• Ficheros comprimidos: no se recomienda el uso de ficheros comprimidos

 
Para más información sobre formatos recomendados en ficheros que contienen datos de investigación se puede consultar la tabla elaborada por el UK Data Service Recommended Formats
 

---

El Gobierno de España ha elaborado una guía centrada en los datos tabulares en archivos CSV (CSV, TSV, XLS, XLSX, etc.) por ser de los más usados en los datos de investigación. En ella se dan todas las indicaciones necesarias para trabajar con este tipo de archivos.


 

---

Tim Berners-Lee, miembro del World Wide Web Consortium (W3C), creador de la Web y posteriormente de los linked data, ha impulsado, mediante un esquema de desarrollo de 5 estrellas, la medición de en qué grado son abiertos y usables los datos que ofrece una institución.

1 estrella - se exige que el material esté disponible en la web (cualquier formato) bajo una licencia abierta.
2 estrellas - los datos deben estar disponibles como datos estructurados (por ejemplo, Excel en lugar de escanear la imagen de una tabla).
3 estrellas - los datos deben estar disponibles en un formato no propietario (por ejemplo, CSV en lugar de Excel).
4 estrellas -es necesario que los datos puedan ser identificados mediante una URI y que así estén integrados en la web. Una forma de representación de los datos en este nivel es RDF.
5 estrellas - vincular tus datos a los que otras personas o instituciones publican, de modo que se proporcione un contexto (LOD / Linked Open Data)
 

Es posible que durante el proceso de investigación tenga que recoger y tratar datos personales, en cuyo caso deberá regirse por la legislación vigente:

• Ley Orgánica 3/2018 de Protección de Datos Personales y garantía de los derechos digitales
• Reglamento (UE) 2016/679 del Parlamento Europeo y del Consejo relativo a la protección de las personas físicas en lo que respecta al tratamiento de datos personales y a la libre circulación de estos datos y por el que se deroga la Directiva 95/46/CE (Reglamento general de protección de datos)
• Además la universidad cuenta con la Normativa de la Universidad Pública de Navarra en materia de Protección de Datos de Carácter Personal
• Puede ser de utilidad la Guía de buenas prácticas en materia de Transparencia y Protección de Datos elaborada por la CRUE

Los organismos financiadores pueden establecer excepciones a la difusión abierta de los datos, basadas en razones de confidencialidad, privacidad, seguridad, explotación industrial, etc. Es el caso de H2020  (H2020, Work Programme, Anexes, L Conditions related to open access to research data).
 

 
La anonimización es el proceso de convertir los datos en una forma en la que no se pueda identificar a los individuos. Recomendado para mitigar los riesgos que conlleva la obtención y tratamiento de datos masivos de carácter personal.

Con este procedimiento se identifica y oculta la información sensible, a la vez que se permite su divulgación sin que ello implique vulnerar los derechos de protección de datos de las personas y organizaciones que se puedan referenciar en los mismos.

OpenAire recomienda la utilización de la herramienta Amnesia de anonimización de datos, con la que se pueden borrar de los datos toda aquella información identificativa (nombres, código postal, fechas de nacimiento...). 
 

 

Es importante incorporar una licencia a los sets de datos. Mediante ella se indica qué está permitido hacer con ellos y se cumple con la R (Reutilizable) de los datos FAIR.
Se puede hacer uso de diferentes tipos de licencias, las más utilizadas a nivel internacional son:

• Creative Commons: CC By
• Open Data Commons: licencias específicamente concebidas para datos

Si se decide utilizar una de las licencias Creative Commons, se recomienda usar las de la versión 4.0. que cubren tanto las cuestiones de copyright como de base de datos. 

Entre las licencias de dominio público destacan:
          

• Creative Commons Zero (CC0): ofrece los datos en dominio público. Bajo esta licencia los datos se pueden copiar, modificar, distribuir y hacer públicos, incluso para fines comerciales, sin solicitar autorización.
• Public Domain Dedication and Licence (PDDL): permite compartir libremente, modificar y usar los datos para cualquier propósito y sin ningún tipo de restricción.

Las licencias Creative Common no son adecuadas para software. En este caso se recomienda:

• MIT License (Open Source Initiative, n.d.a.)
• Apache Licence 2  (Open Source Initiative, n.d.b.)
• GNU General Public Licence 3 (GNU, n.d.)

Es recomendable citar los datos de investigación para facilitar su identificación, localización y reutilización. Para ello se puede hacer uso de los diferentes estilos de citas existentes (APA, Chicago…) o de los que proporcionan los principales repositorios de datos (Dataverse, Dryad…).
 

• Identificarlos con facilidad y atribuirlos correctamente a su creador.
• Reutilizarlos fácilmente y, además, verificarlos.
• Hacer un seguimiento del impacto que puedan tener.
• Crear una estructura académica que reconozca y recompense a los productores de datos.
• Incorporarse en el CV y en el registro ORCID del investigador.
• Posibilidad de estudiar el impacto de los datos citados

Como norma general, los requisitos mínimos para citar datos son una referencia bibliográfica completa, además del identificador unívoco y permanente en que esté accesible (por ejemplo, su handle o DOI).

   
 

• Cite your data. Datacite
• How to cite datasets and link to publications. Digital Curation Center UK

Permiten localizar repositorios de datos temáticos o multidisciplinares:

• Re3data: registro mundial de repositorios de datos de investigación de diferentes disciplinas académicas, con el objetivo de promover una cultura de intercambio, un mayor acceso y una mejor visibilidad de los datos de investigación. Gestionado y mantenido por DataCite. Posibilita realizar búsquedas por países, disciplinas o tipología de los datos.
• Fairsharing: buscador de estándares, repositorios de datos y políticas de acceso abierto en todas las disciplinas.
• Repository Finder: permite a los investigadores buscar el repositorio más adecuado para depositar los datos.

• Cumple con los criterios FAIR
• Facilita guías y protocolos de actuación
• Permite almacenar datos con distintos tipos de licencias
• Sirve para formatos diversos
• Proporciona visibilidad, lo que conllevará un mayor impacto
• Garantiza la preservación
• Se integra con otras infraestructuras

 

Deberemos elegir siempre un repositorio que garantice la preservación a largo plazo de los datos y los metadatos.
 

• Recomanacions per seleccionar un repositori per al dipòsit de dades de recerca (elaborado por el CSUC, 2020).
• Where to keep reseach data: DCC checklist for evaluating data repositories. Digital Curation Centre.

  

Además de la difusión de los datos de investigación a través de los repositorios, también es posible publicarlos en data journals, "Revistas que publican artículos arbitrados por pares que describen conjuntos de datos disponibles en abierto para su futura reutilización” (Portal FOSTER en Open Data Journals en Portal FOSTER.)

Su utilización para difundir datasets está indicada por los siguientes motivos:

• Incluye la revisión por pares del dataset que garantiza su calidad.
• Maximiza sus oportunidades de reutilización.
• Facilita el reconocimiento a los investigadores.

Existen múltiples data journals, tanto disciplinares como multidisciplinares, donde es posible publicar los datos de investigación. La Biblioteca de la Universidade da Coruña y la Biblioteca de la Uiversidad del País Vasco han realizado una recopilación con más de 50 data journals