| Revista: | Informacao & informacao |
| Base de datos: | |
| Número de sistema: | 000607785 |
| ISSN: | 1414-2139 |
| Autores: | Rezende, Laura Vilela Rodrigues1 Siebra, Sandra de Albuquerque2 Silva, Fabiano Couto Corrêa da3 Araújo, Denise Oliveira de4 Oliveira, Alexandre Faria de5 |
| Instituciones: | 1Universidade Federal de Goiás - UFG, 2Universidade Federal de Pernambuco - UFPB, 3Universidade Federal do Rio Grande do Sul - UFRGS, 4Universidade de Brasília - UnB, 5Instituto Brasileiro de Informação em Ciência e Tecnologia - IBICT, |
| Año: | 2024 |
| Volumen: | 29 |
| Número: | 4 |
| Paginación: | 147-170 |
| País: | Brasil |
| Idioma: | Portugués |
| Resumen en inglés | Objective: This study seeks to analyze intersections between Machine Actionable Data Management Plans (maDMPs) and the FAIR Principles, investigating how these two approaches can be applied to improve the management and reuse of scientific data. Methodology: The research performed a relational analysis between the ten principles of maDMPs, proposed by Miksa et al. (2019), and the metrics of the FAIRsFAIR Data Object Assessment Metrics project (v.0.4), focusing on how the FAIR principles can be implemented in data management workflows that use machine actionable management plans. Results: The study identified that all 10 maDMPs principles analyzed are aligned with the FAIR metrics studied. Conclusions: maDMPs have the potential to become a central tool in the scientific ecosystem, facilitating interoperability and the use of data in multiple contexts. The alignment between maDMP and FAIR principles can increase efficiency in data management, promote automated information sharing between systems and reduce the bureaucratic burden for researchers, while improving the quality of the data generated. However, their widespread adoption, in addition to the technological and technical requirements needed by all those involved, requires institutional, regulatory and cultural change incentives. |
| Resumen en español | Objetivo: Este estudio busca analizar intersecciones entre los Planes de Gestión de Datos accionables por máquina (maDMPs) y los Principios FAIR, investigando cómo estos dos enfoques pueden aplicarse para mejorar la gestión y reutilización de datos científicos. Metodología: La investigación realizó un análisis relacional entre los diez principios de los maDMPs, propuestos por Miksa et al. (2019), y las métricas del proyecto FAIRsFAIR Data Object Assessment Metrics (v.0.4), enfocándose en cómo los principios FAIR pueden implementarse en los flujos de trabajo de gestión de datos que utilizan los planes de gestión accionables por máquina. Resultados: El estudio identificó que los 10 principios de maDMPs analizados están alineados con las métricas FAIR estudiadas. Conclusiones: Los maDMPs tienen el potencial de convertirse en una herramienta central en el ecosistema científico, facilitando la interoperabilidad y el uso de datos en múltiples contextos. La alineación entre los maDMPs y los principios FAIR puede aumentar la eficiencia en la gestión de datos, promover el intercambio automatizado de información entre sistemas y reducir la carga burocrática para los investigadores, al tiempo que mejora la calidad de los datos generados. Sin embargo, su adopción ampliada, más allá de los requisitos tecnológicos y técnicos necesarios por parte de todos los involucrados, requiere incentivos institucionales, regulatorios y de cambio cultural. |
| Resumen en portugués | Objetivo: Este estudo busca analisar interseções entre os Planos de Gestão de Dados acionáveis por máquina (maDMPs) e os Princípios FAIR, investigando como essas duas abordagens podem ser aplicadas para melhorar a gestão e reutilização de dados científicos. Metodologia: A pesquisa realizou uma análise relacional entre os dez princípios dos maDMPs, propostos por Miksa et al. (2019), e as métricas do projeto FAIRsFAIR Data Object Assessment Metrics (v.0.4), focando em como os princípios FAIR podem ser implementados fluxos de trabalho de gestão de dados que utilizam os planos de gestão acionáveis por máquina. Resultados: O estudo identificou que todos os 10 princípios de maDMPs analisados estão alinhados com as métricas FAIR estudadas. Conclusões: Os maDMPs têm potencial para se tornarem uma ferramenta central no ecossistema científico, facilitando a interoperabilidade e o uso de dados em múltiplos contextos. O alinhamento entre maDMP e os princípios FAIR pode aumentar a eficiência na gestão de dados, promover o compartilhamento automatizado de informações entre sistemas e reduzir a carga burocrática para os pesquisadores, ao mesmo tempo em que melhora a qualidade dos dados gerados. No entanto, sua adoção ampliada, para além dos requisitos tecnológicos e técnicos necessários por parte de todos os envolvidos, requer incentivos institucionais, regulatórios e de mudança cultural. |
| Palabras clave: | Gestión de Datos, Principios FAIR, maDMPs, Ciencia Abierta |
| Keyword: | Data Management, FAIR Principles, maDMPs, Open Science |
| Texto completo: | Texto completo (Ver PDF) Texto completo (Ver HTML) |
