Susanne Putze

Bulletin of the IEEE Technical Committee on Digital Libraries, ISSN 1937-7266, vol. 15, n. 1, 2019

La investigación académica produce muchos datos. Su gestión (RDM) es esencial para las buenas prácticas científicas. Muchas regulaciones y estándares la definen, como los principios FAIR, la cultura Open Research, o los estándares de metadatos como Dublin Core. Sin embargo, las investigaciones demuestran que la RDM no está consolidada. A menudo los datos son incompletos y su gestión no está integrada en los flujos de trabajo.La creación de datos a posteriori es ineficaz y costosa, y faltan herramientas para su utilización.

La Data Documentation Initiative propone un ciclo vital para los datos. Algunos sistemas de gestión de datos de investigación como SEEK o InfoSys incorporan un modelo contextual. El autor analiza el uso de estos modelos que dan a los datos un papel protagonista desde el primer momento. El modelo experimental de un dominio específico describe cómo se estructura y almacenan los datos. InfoSys funciona bien en este sentido, pero falla al tratar los experimentos de manera aislada y no como parte de un proceso. InfoSys permite comparar diseños experimentales de múltiples proyectos de investigación, lo que permite a los científicos basarse en los resultados ya existentes o incluso ampliarlos. Para mejorar la inclusión de los datos en el flujo de trabajo de investigación se debe gestionar el diseño y estructura de los datos, determinar los campos más relevantes y tener métodos de documentación flexibles.

Resumen elaborado por Antonio Rodríguez Vela