Gestión de datos de investigación

Además de la documentación explicativa y contextual que puedes elaborar con un fichero Readme.txt que acompañe a tus datos,  es preciso describir los datos para poder identificarlos y organizarlos. Esta descripción de los datos se hace a través de los metadatos.

Al igual que se describen los libros y revistas, a través de campos como título, nombre del artículo, fecha de creación, fecha de publicación, ISSN de la revista, palabras clave, etc., también los datos necesitan ser descritos de manera estandarizada. 

Algunos de estos metadatos asignados a los datos de investigación son:

- Título

- Identificador único (Ej.: DOI)

- Licencia para que puedan ser reutilizados

- Formato del archivo (Ej.: CSV, TXT, SAV, etc.)

- Descripción del conjunto de datos 

- Palabras clave 

- Descripción de las variables que lo componen

- Información sobre la financiación si fuera el caso

En la actualidad existen varios estándares de metadatos para describir los datos.

Cada área de conocimiento tiene su estándar propio y sus herramientas. 

1. Trata de escoger uno o dos que representen tu campo disciplinar y otro también para datos de investigación en general.

Ejemplo: DDI (Data Documentation Index) para Ciencias Sociales

               Dublin Core (General Research Data)

2. Escoge un formato preferentemente XML o JSON. Son formatos abiertos, leíbles por máquina y permiten la interoperabilidad.
Si no sabes cómo leer los metadatos en XML, puedes usar este conversor a Excel: https://cdkm.com/es/xml-to-xls

3. Puedes generar los metadatos al estándar Dublin core con esta herramienta: http://nsteffel.github.io/dublin_core.../generator_nq.html

4. Si depositas tus datos en un repositorio de confianza, ya te asignarán los metadatos que tenga el estándar que utilice el repositorio.

5. Si estas comenzando, usa plantillas de metadatos para que te sea más fácil:

* Create a codebook about your research to accompany the dataset (DDI Alliance, 2017a). https://ddialliance.org/.../getting.../create-a-codebook

* Georgia Tech Library (n.d.) Metadata Template https://www.library.gatech.edu/smartech-metadata;

* Use the Dublin Core Metadata Generator (dublincoregenerator, n.d.);

* the Cornell University (n.d.) guide to writing “readme” style metadata (with downloadable template) https://data.research.cornell.edu/content/readme;

* ISO 19115-2 Metadata Editor (GRIIDC (2015)) web application https://data.gulfresearchinitiative.org/metadata-editor...;

      Para más información y buenas prácticas: 

• Data Curation Center (DCC) hay una selección por disciplinas, así como un listado de herramientas que han sido desarrolladas para capturar o almacenar metadatos conforme a un estándar específico.

• Disciplinary metadata. Digital Curation Center UK

• Metadata. Australian National Data Service

• Metadata. JISC

• Metadata Tips: Cornell's Digital Repository

• Fairsharing.org

¿Qué es un fichero Readme.txt y para qué sirve? 

¿Para qué usarlo y cuándo?                                                                                                                                              

• Un fichero Readme.txt es parte de la documentación que describen los datos en el contexto del proyecto. 
• Es importante generarlo desde el comienzo e ir actualizándolo,
• Es fundamental en el momento del depósito del dataset (conjunto de datos) en un repositorio. 
• Permite la reproducibilidad de la investigación de manera efectiva. 

¿Qué información debe contener?

• Autoría,
• Título del dataset,
• Descripción de los datos y ficheros (lista de ficheros o carpetas y relación entre ellos, datos adicionales que no están incluidos en el dataset, descripción de las posibles versiones si es el caso y sus actualizaciones)
• Metodología e instrumentos de medición,
• Descripción detallada de los ficheros incluidos (número de variables, número de casos/filas; Lista de variables y descripción, códigos para el tratamiento de missing values o valores ausentes; etc.)
• Financiadores,
• Cobertura temporal y geográfica,
• Derechos de uso y privacidad, etc. (licencias o restricciones en relación con los datos, enlaces a las publicaciones que citan o usan los datos, etc.)

¿Dónde ubicarlo? 

También puedes utilizarlo para documentar los pasos que vas realizando en el procesamiento de tus datos:

• Nombra el fichero Readme de forma tal que su nombre se asocie al fichero (s) de datos que describe,
• Escribe tu fichero Readme en formato txt. 
• Para varios ficheros Readme en un proyecto, intente darle el mismo formato, orden y terminología. 
• Use formatos estándar para las fechas: Ejemplo, W3C/ISO 8601 date standard,
• Intente utilizar la terminología propia de su campo científico. 

¿Qué es un diccionario de datos y para qué sirve? 

Un diccionario de datos es útil para:

• Definir adecuadamente todas las unidades de medidas. Una variable en un contexto puede tener un significado y en otro proyecto otro (Ejemplo: la propia edad de un individuo. No es lo mismo la edad real, a la edad basal de entrada en el estudio o la edad al concluir un seguimiento). O incluso dicha variable se puede transformar de cuantitativa a grupos etarios como variable categórica. 
• Definición conceptual y operativas para el estudio en cuestión,
• Valores codificados de la variable,
• Posibles formatos, abreviaturas, etc. 

Los elementos a incluir varían mucho de un proyecto a otro y del nivel de profundidad con el que se quieran describir los datos, desde datos contextuales relativos al proyecto a los campos específicos para describir cada una de las variables.

Lista de algunos campos que podrías incluir:

• Elemento identificador de la tabla (por sí tienes datos en varias tablas)
• Nombres de las variables
• Definición de cada variable (cómo se entiende en tu estudio)
• Tipo de datos
• Longitud del campo
• ¿Campo requerido? y/n
• ¿Valores nulos? Codificación 

Ejemplo:

Un Diccionario de datos puede contribuir a la consistencia, seguimiento de los estándares más adecuados en función de cada campo científico, y la propia reutilización e interoperabilidad de los datos.