Repositórios de dados científicos na América do Sul: uma análise da conformidade com os Princípios FAIR

Marcello Mundim Rodrigues; Guilherme Ataíde Dias; Cíntia de Azevedo Lourenço

doi:10.19132/1808-5245282.113057

Autores/as

Marcello Mundim Rodrigues Universidade Federal de Uberlândia https://orcid.org/0000-0001-7945-6673
Guilherme Ataíde Dias Universidade Federal da Paraíba https://orcid.org/0000-0001-6576-0017
Cíntia de Azevedo Lourenço Universidade Federal de Minas Gerais https://orcid.org/0000-0002-2172-7300

DOI:

https://doi.org/10.19132/1808-5245282.113057

Palabras clave:

Dados científicos, Gestão de dados, Curadoria de dados, Princípios FAIR, Repositórios de dados

Resumen

A intenção de pesquisa teve como fim estudar o fenômeno dos dados gerados por meio do processo científico e o desenvolvimento de serviços que enfrentam os crescentes desafios de sua gestão e curadoria. O problema de pesquisa se encontra nos ambientes e nas práticas responsáveis pela organização desses ativos digitais resultantes da investigação científica contemporânea. Foram objetos de estudo dessa investigação: os dados; os conjuntos de dados; os Princípios FAIR; e os repositórios digitais institucionais de dados científicos. O objetivo da pesquisa foi investigar a gestão e curadoria dos conjuntos de dados científicos disponibilizados nos repositórios digitais institucionais sulamericanos à luz dos Princípios FAIR. A proposta de investigação consistiu em uma pesquisa aplicada, de método qualitativo, exploratória, analítica, bibliográfica e documental. Fez-se levantamento dos repositórios de dados científicos no Registro de Repositórios de Dados de Pesquisa, o RE3DATA. A coleta dos dados foi feita nos repositórios selecionados. Utilizou-se da análise de conteúdo à concepção dos resultados de pesquisa. Os achados indicam que os programas responsáveis pelos repositórios investigados que servem à gestão e curadoria de dados científicos são o Morpho, o DSpace, e o Dataverse. Os repositórios em maior conformidade com os Princípios FAIR foram aqueles estabelecidos mediante o uso do Dataverse. Concluiu-se que profissionais da informação devem buscar sua capacitação em dados, a começar pelo planejamento de projetos e políticas institucionais dirigidas à implementação de repositórios de dados científicos, passando pelo entendimento das divergentes necessidades entre comunidades, pelo conhecimento técnico computacional exigido a tais práticas, e idealmente, pela busca da padronização e manutenção desses serviços.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Marcello Mundim Rodrigues, Universidade Federal de Uberlândia

Doutorando pelo Programa de Pós-Graduação em Gestão e Organização do Conhecimento da Escola de Ciência da Informação da Universidade Federal de Minas Gerais (UFMG), 2021-2025. Linha de pesquisa: Arquitetura e Organização do Conhecimento (AOC). Mestre pelo Programa de Pós-Graduação em Gestão e Organização do Conhecimento da Escola de Ciência da Informação da Universidade Federal de Minas Gerais (UFMG), 2018-2020. Linha de pesquisa: Gestão & Tecnologia da Informação e Comunicação (GETIC). Objetos de pesquisa: Dados de Pesquisa e Repositórios Digitais.

Guilherme Ataíde Dias, Universidade Federal da Paraíba

Graduado em Ciência da Computação pela Universidade Federal da Paraíba ? UFPB Campus II (1990), Bacharel em Direito pelo Centro Universitário de João Pessoa ? UNIPE (2010), Mestre em Organization & Management pela Central Connecticut State University ? CCSU (1995), Doutor em Ciência da Informação (Ciências da Comunicação) pela Universidade de São Paulo ? USP (2003) e Pós-Doutor pela UNESP (2011). Atualmente é professor Associado III na Universidade Federal da Paraíba, lotado no Departamento de Ciência da Informação. Está envolvido com a Pós-Graduação através do Programa de Pós-Graduação em Ciência da Informação e Programa de Pós-Graduação em Administração, ambos da UFPB . Tem interesse de pesquisa nas seguintes temáticas: Representação do Conhecimento; Arquitetura da Informação; Segurança da Informação; Tecnologias da Informação e Comunicação; Informação em Saúde; Redes Sociais; Software Livre; Direito, Ética e Propriedade Intelectual no Ciberespaço; Gestão de Dados Científicos; Informação Jurídica; Atualmente é Bolsista de Produtividade em Pesquisa (PQ) do CNPq.

Cíntia de Azevedo Lourenço, Universidade Federal de Minas Gerais

Cíntia Azevedo Lourenço é bacharel em Biblioteconomia pela PUC de Campinas e concluiu o mestrado em Biblioteconomia e Ciência da Informação pela Pontifícia Universidade Católica de Campinas em 1998 e o doutorado em Ciência da Informação pela Universidade Federal de Minas Gerais em 2005. Atualmente é Professora Associada na Escola de Ciência da Informação da Universidade Federal de Minas Gerais. Pesquisadora participante dos Grupos de Pesquisa: MHTX e RECRI. Atua na área de Ciência da Informação, com ênfase em Biblioteconomia, na área de Organização da Informação - Catalogação, Classificação do conhecimento e organização da informação na web.

Citas

AMARAL, F. Introdução à ciência de dados: mineração de dados e Big Data. Rio de Janeiro: Alta Books, 2016.

BASKARADA, S.; KORONIOS, A. Unicorn data scientist: the rarest of breeds. Program: eletronic library and information systems, Northern Ireland, v. 51, n. 1, p. 65-74, 2017.

BORGMAN, C. L. Big data, little data, no data: scholarship in the networked world. Cambridge; London: The MIT Press, 2015.

BORGMAN, C. L; SCHARNHORST, A.; GOLSHAN, M. S. Digital data archives as knowledge infrastructures: mediating data sharing and reuse. Journal of the Association for Information Science and Technology, [s. l.], v. 70, n. 8, 2019.

CROSAS, M. The FAIR guiding principles: implementation in Dataverse. Massachusetts: Harvard University, 2019.

CSIRO. 5-Star data rating tool. Software. [S. l.], 2017. Disponível em: http://oznome.csiro.au/5star/?fbclid=IwAR2mZ21IMNInTxPYtX1Z2EqFdpof73vKSpBrCvJzBUvcvwHxRBmPcvUEfEc#page-top. Acesso em: 16 out. 2019.

DKAN. DKAN open data platform. [S. l.], 2020. Disponível em: https://getdkan.org/. Acesso em: 06 ago. 2020.

EUROPEAN COMMISSION. Turning FAIR into reality: final report and action plan from the European Commission Expert Group on FAIR Data. Brussels, 2018.

FIVESTARDATA. 5 Estrelas para dados abertos. [S. l.], 2019. Disponível em: https://5stardata.info/pt-BR/. Acesso em: 16 set. 2019.

GO FAIR. FAIR principles. Germany; The Netherlands; Paris, 2019. Disponível em: https://www.go-fair.org/fair-principles/. Acesso em: 4 set. 2019.

HEY, T.; TANSLEY, S.; TOLLE, K. (ed.). The fourth paradigm: data-intensive scientific discovery. Redmond, Washington: Microsoft Research, 2009.

RESEARCH DATA ALLIANCE (RDA). FAIR data maturity model: specification and guidelines. [S. l.]: RDA FAIR data maturity model Working Group, 2020.

SAYÃO, L. F.; SALES, L. F. Guia de gestão de dados de pesquisa para bibliotecários e pesquisadores. Rio de Janeiro: CNEN, 2015.

SWAN, M. Philosophy of big data: expanding the human-data relation with Big Data science services. In: IEEE BigDataService, 2015, Redwood City, CA. Anais […]. Redwood City, CA, 2015.