Executive Secretary

II Simposio Internacional sobre "Generación y Transferencia de Conocimiento para la Transformación Digital"

SITIC2023

FAIRificación: una necesidad insoslayable para la gestión de datos de investigación

Resumen

Problemática: El vocablo FAIRificación se ha extendido entre los profesionales cuyo trabajo está relacionado con la gestión de datos de investigación. Sin embargo, se conoce poco sobre las prácticas de FAIRificación.

Objetivo: Examinar prácticas de FAIRificación aplicadas a datos de investigación de todas las áreas del conocimiento.

Metodología: La investigación constituye un estudio exploratorio. Se utilizaron los métodos análisis documental y análisis de contenido.

Resultados y discusión: La bibliografía sobre el tema es reciente y por lo general en idioma inglés. Las ponencias, proyectos y artículos científicos analizados exponen el desarrollo de infraestructuras y herramientas, pero también la necesidad de una cultura de gestión de datos de investigación.

Conclusiones: La mayoría de las experiencias en FAIRificación han estado dirigidas al desarrollo de flujos de trabajo, infraestructuras y herramientas para cumplir con los principios FAIR. Predomina la FAIRificación de datos en el dominio de investigación en salud, con un mayor auge después de la COVID-19.

Abstract

Problem: The word FAIRification has spread among professionals whose work is related to research data management. However, little is known about FAIRification practices.

Aim: Examine FAIRification practices applied to research data from all areas of knowledge.

Methodology: The research constitutes an exploratory study. Document analysis and content analysis methods were used.

Results and discussion: The bibliography on the topic is recent and generally in English. The papers, projects and scientific articles analyzed expose the development of infrastructures and tools, but also the need of a culture of research data management.

Conclusions: Most FAIRification experiences have been aimed at developing workflows, infrastructures and tools to comply with FAIR principles. Data FAIRification predominates in the health research domain, with a greater rise after COVID-19.