Skip to Main Content
Parece que está usando Internet Explorer 11 o una versión anterior. Este sitio web funciona mejor con navegadores modernos como las últimas versiones de Chrome, Firefox, Safari y Edge. Si continúa con este navegador, es posible que vea resultados inespera

Gestión de datos de investigación

Esta guía te introducirá en los conceptos relevantes sobre los datos de investigación (qué son, cómo procesarlos y compartirlos, cómo crear un Plan de Gestión de datos de investigación, etc). Y te proporcionará una serie de recursos y herramientas útiles

Los datos de investigación y su gestión

En términos generales, podemos decir que los datos de investigación son datos que son recolectados, observados o creados para ser analizados y producir resultados de investigación originales. Según la Universidad de Melbourne:

Estos pueden ser:

  • Numéricos, descriptivos o visuales.

  • Encontrarse en estado bruto o analizado, pueden ser experimentales u observacionales.

Los datos incluyen: cuadernos de laboratorio, cuadernos de campo, datos de investigación primaria (incluidos los datos en papel o en soporte informático), cuestionarios, cintas de audio, videos, desarrollo de modelos, fotografías, películas, y las comprobaciones y las respuestas de la prueba. Las colecciones de datos para la investigación pueden incluir diapositivas; diseños y muestras

En la información sobre la procedencia de los datos también se podría incluir: el cómo, cuándo, dónde se recogió y con qué (por ejemplo, instrumentos). El código de software utilizado para generar, comentar o analizar los datos también pueden ser considerados datos.

No son considerados datos finales de investigación: 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.

El concepto ciclo vital  de los datos científicos es ampliamente usado dentro del campo de la GDI, tanto para referirse al proceso de investigación y sus diferentes fases, como a las etapas asociadas a la creación, uso, difusión y preservación de los datos.

En la medida que la investigación transita entre diferentes etapas, las actividades asociadas al manejo y uso de los datos van cambiando.

 

La Gestión está asociada al Ciclo de vida de los datos científicos, y a las etapas fundamentales de un Proyecto de investigación: ANTES, DURANTE Y DESPUÉS. 

Consiste básicamente en todo el conjunto de actividades y prácticas en la planificación, colección, almacenamiento, uso, compartición y preservación de los datos usados y generados durante el proyecto de investigación y una vez completado. 

Ejemplos de porqué le sería útil tener habilidades gestionando los datos de su investigación...

  • Para guardar sus archivos en formatos a los que todos puedan acceder, sin importar si tienen acceso a cierto software o no. Ejemplos de archivos de acceso abierto son archivos de texto sin formato (.txt), archivos PNG (.png) y archivos CSV (.csv). Los formatos propietarios son lo opuesto al acceso abierto e incluyen formatos de archivo como documentos de Word (.doc o .docx) y Excel (.xlsx).
  • Para mantener su computadora organizada, mediante la creación y el cumplimiento de una convención de nomenclatura de archivos. Esto aumenta las posibilidades de encontrar el archivo correcto cuando lo necesite.
  • Para documentar su proceso de investigación, decisiones y cambios. Esto le permite tener una referencia para las preguntas y realizar un seguimiento de lo que aún debe hacerse. Esto ayuda a tu yo futuro a recordar lo que hiciste. Si no lo anota, ¡lo olvidará!
  • Para escribir sobre su base de datos y las queries búsqueda (consultas). De esta manera, sabrá qué términos de búsqueda le brindan los mejores resultados.
  • Para utilizar un administrador de referencias para las citas.
  • Para realizar copias de seguridad de sus datos con regularidad, en varios lugares y en más de un tipo de medios, teniendo en cuenta una estrategia de seguridad
  • Para  re-utilizar sus datos cuando lo necesite, usted y otros investigadores. 

La correcta gestión y documentación de los datos a lo largo de su ciclo vital permitirá:

  • Ahorrar tiempo y hacer un uso eficiente de los recursos disponibles sin duplicar esfuerzos.
  • Reutilizar los datos al mantenerse exactos, completos, auténticos y fiables .
  • Proteger y preservar los datos en repositorios apropiados, permitiendo que puedan servir a nuevas investigaciones y descubrimientos en el futuro.
  • Cumplir los requisitos de los organismos financiadores que exigen la presentación de planes de gestión de datos y/o el depósito en repositorios (Programa Horizonte y Plan Nacional De I+D 2020).

Practical guide to the international alignment of Research Data Management. Science Europe. 

 

DATOS FAIR (del inglés FAIR – Findable, Accessible, Interoperable, and Reusable),  se refiere a un conjunto de cualidades precisas y medibles que una publicación de datos debería seguir para que los datos sean Encontrables, Accesibles, Interoperables y Reutilizables

  • 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.

 

Herramientas para valorar si tus datos son FAIR, es decir, si son localizables, accesibles, interoperables y reutilizables: 

FORCE11. The FAIR Data Principles. 

Top 10 FAIR Data & Software Things

OpenAire mantiene una sección con recursos de apoyo

Wilkinson, M. et al. 2016. The FAIR Guiding Principles for scientific data management and stewardship. Nature. Scientific Data. 

 

Puede acceder a nuestra  Guía: Acceso abierto.  https://guiasbib.upo.es/acceso_abierto

López-Borrull, A.; Canals, A. (2013) "La colaboración científica en el marco de nuevas propuestas científicas: Open Science, e-Science y Big Data". En: La colaboración científica: una aproximación multidisciplinar, València, 21-23 de noviembre de 2013.
http://hdl.handle.net/10760/20965

Los investigadores puede seguir además estas recomendaciones para comprender la Gestión de datos de investigación y la elaboración de los respectivos Planes de Gestión de Datos de Investigación en el marco de sus proyectos:

Recomendaciones de la Red Española sobre Datos de Investigación en Abierto. MareData. 

Infoguía sobre buenas prácticas en la gestión de los datos de investigación, elaborada por el Servei de Biblioteques, Publicacións i Arxius de la  Universitat Politècnica de Catalunya y traducida en la Sección de Información y Referencia del Servicio de Biblioteca de la Universidade da Coruña. https://udc-es.libguides.com/ld.php?content_id=33277060

 

Síguenos en:

Licencia Creative Commons
Biblioteca/CRAI de la Universidad Pablo de Olavide Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional.