Una óptima gestión de los datos garantizará que se registren, almacenen y sean accesibles para su recuperación, lo que implica:
- Crear/recolectar los datos.
- Planificar y habilitar un espacio de almacenamiento.
- Diseñar un plan de protección y seguridad de los datos almacenados: antivirus, controles de seguridad en red, copias de seguridad, etc.
- Establecer y describir la metodología de trabajo: flujo de trabajo, procedimientos de validación, comprobación, limpieza, etc. de los datos, herramientas de trabajo, etc.
- Configurar la estructura de los ficheros: nombres de carpetas y ficheros, versiones y cambios realizados en los ficheros.
- Determinar el formato de los ficheros. Siempre que sea posible se deberán utilizar formatos abiertos para garantizar la accesibilidad y preservación.
- Información sobre acceso, uso y confidencialidad.
- Documentar los datos: historia, propósito y objetivos del proyecto.
La evolución de las tecnologías y la rápida obsolescencia del hardware y software, hace que la forma en que se archivan los datos de investigación debe asegurar su preservación y accesibilidad.
En líneas generales, el mejor formato es aquel con el que el conjunto de datos se generó, ya que ofrecerá un contexto mucho más fácil de entender.
Para garantizar el acceso y la preservación a largo plazo de los datos, hay que tener en cuenta:
- Utilizar siempre que sea posible formatos abiertos y bien documentados, no propietarios.
- Utilizar formatos ampliamente aceptados por la comunidad científica.
- Elegir formatos estándar para que la mayoría de software sean capaces de interpretarlos.
- El formato utilizado ha de permitir la indización del contenido para su recuperación.
Recursos de interés:
– Dataverse Guides: Dataset + File Management
– DIIPP: Format Descriptions for Dataset Formats
– Edinburgh DataShare: Recommended File Formats
– UK Data Service guidance on recommended formats
Más información: Portal Europeo de Datos
Los ficheros y las carpetas deben estar bien organizados adoptando una estructura coherente y ordenada, para que sean identificables y accesibles. Dependiendo del formato de los datos, así debe ser la estructura, ya que no todos se pueden presentar de la misma forma. Es conveniente utilizar un sistema de nomenclatura para identificar los contenidos de cada carpeta y fichero:
- Seguir siempre el mismo criterio de denominación para cada uno de los ficheros.
- Ordenar los ficheros en una secuencia lógica.
- Asignar nombres significativos y breves, sin espacios, tildes ni caracteres especiales.
- Identificar la versión del fichero en el propio nombre para facilitar la gestión de versiones.
Más información. Biblioteca/CRAI de la UPO. Guías y tutoriales. Gestión de datos de investigación.
Los metadatos se suelen definir como “datos acerca de los datos” y sirven para suministrar información sobre los datos producidos y para darles un contexto. Son descripciones normalizadas de recursos de información de cualquier tipo o formato que tienen como finalidad facilitar su identificación, recuperación, interoperabilidad y preservación. Son esenciales para localizar y compartir los datos, pues solo mediante la descripción de éstos de manera clara y detallada, se asegura que puedan ser entendidos y reutilizados por otros usuarios.
Su finalidad es hacer útiles los datos.
Los metadatos juegan un papel importante en el contexto de los datos FAIR, ya que permiten enlazar datos de investigación y publicaciones en la web.
La Norma ISO 23081 establece un marco para la creación, gestión y uso de metadatos para la gestión de documentos, y explica los principios por los que deben regirse. Es un guía para entender, implantar y utilizar metadatos.
Los esquemas de metadatos facilitan la interoperabilidad de los datos. Existen diferentes estándares o esquemas de metadatos El sistema más extendido en la actualidad es Dublin Core elaborado por la Dublin Core Metadata Initiative.
También se utiliza el esquema de metadatos de DataCite para identificar un recurso que puede ser de cualquier tipo; pero normalmente se utiliza para conjuntos de datos.
Para la preservación de objetos digitales se utiliza el estándar de metadatos PREMIS (Preservation Metadata Implementation Strategies).
Un identificador digital es un código que sirve para identificar de forma única y persistente cualquier documento electrónico y asignarle un enlace permanente. Surgen para solucionar el problema de los cambios de ubicación y/o nombres de los archivos en Internet, y su objetivo es redireccionar a los documentos, aunque estos hayan cambiado de ubicación en la red.
Los conjuntos de datos deben asociarse a un identificador único y persistente que facilite la verificación de los datos, la reutilización y el acceso a largo plazo.
El sistema comúnmente utilizado para identificar de forma permanente los datos de investigación es el DOI (Digital Object Identifier), el cual se ha convertido en un estándar internacional (Norma ISO 26324:2012 – Digital object identifier system).
Este sistema gestiona la identificación, descripción, resolución y acceso de documentos digitales en Internet. El identificador DOI está formado por una cadena de caracteres dividida en dos partes (prefijo y sufijo). Si queremos acceder al objeto digital le añadiremos la url del servidor de resolución de doi’s :
Los conjuntos de datos son resultado de investigación al igual que lo son los artículos y las monografías, por lo que citarlos correctamente permite su identificación, su acceso, localización y reutilización, favoreciendo la transparencia de la investigación científica. Además, las citas a los datos permiten, al igual que en los artículos, el reconocimiento de la autoría de sus creadores, valorar el impacto (tanto de los datos como de los investigadores), y el desarrollo de métricas sobre los mismos.
Existen una serie de elementos mínimos obligatorios y otros recomendados que se combinan para elaborar una cita. Entre los elementos mínimos obligatorios están:
• Autoría: autor individual, autor colectivo o entidad (se puede añadir el Identificador de autor).
• Fecha de publicación: fecha de publicación o accesibilidad.
• Título: denominación específica del conjunto de datos o del nombre del estudio o proyecto.
• Edición: indicación de la etapa de procesamiento de los datos.
• Versión: indicación de la revisión o actualización.
• Tipo de recurso: por ejemplo, “database”, “dataset”.
• Localización: la URL persistente que permita el acceso al conjunto de datos. Se recomienda utilizar el sistema DOI.
Se puede utilizar cualquier estilo estándar (APA, MLA, Chicago, etc), y cada disciplina suele utilizar un estilo de cita determinado, o los propuestos por los principales repositorios de datos (Dataverse, Dryad, etc.).
DataCite ofrece un servicio, DOI Citation Formatter, que construye automáticamente las citas conforme al estilo que seleccionemos.
Infografía REBIUN. Cita tus datos de investigación
Buenas prácticas para citar datos
• Citar tanto conjuntos de datos completos como subconjuntos de forma independiente.
• Las citas de los datos han de aparecer en la sección de referencias bibliográficas de la publicación resultante.
• Se debe facilitar la identificación, localización y el acceso a los datos mediante un identificador único y persistente (DOI, Handle, etc.).
• Se recomienda incluir un identificador único de autor (ORCID, etc.)
Implica las siguientes tareas:
• Seleccionar los datos para su depósito: limpiar y procesar los datos en bruto.
• Anonimizar los datos de carácter personal.
• Asegurar la integridad de los datos creando una versión maestra del conjunto de los datos definitivo.
• Actualizar la documentación anexa a los datos.
• Decidir qué datos estarán públicamente accesibles. Hay que tener en cuenta el marco legal que afecta a los datos de investigación, fundamentalmente los aspectos relativos a la propiedad intelectual, la confidencialidad, privacidad y protección de datos de carácter personal.
• Depositar los datasets en un repositorio junto a la información necesaria que permita su reutilización y obtener el identificador persistente (DOI).
• Aportar los metadatos necesarios para la creación del registro en el repositorio: autor, título, palabras clave, resumen del contenido y cualquier otro metadato que enriquezca la descripción del recurso y posibilite su recuperación.
• Publicar las conclusiones y análisis en una publicación científica y enlazar ésta al DOI de los datos depositados en el repositorio.
El repositorio o archivo que seleccione para sus datos debe garantizar tanto la recuperación y el acceso a los datos, como la preservación a largo plazo, y debe ofrecer directrices para estándares de datos y licencias que indiquen al usuario en qué términos se pueden utilizar los datos depositados.
Repositorios de datos en España:
• Repositorio e-cienciaDatos. De carácter multidisciplinar, alberga los conjuntos de datos científicos de los investigadores de las universidades públicas de la Comunidad de Madrid y la UNED, miembros del Consorcio Madroño, con el fin de dar visibilidad a dichos datos, garantizar su preservación y facilitar su acceso y reutilización.
• RECOLECTA (Portal de repositorios institucionales a nivel nacional).
Repositorios de datos internacionales:
• Figshare
• Dryad
• Zenodo
• Harvard Dataverse
• Mendeley Data
Directorios de repositorios de datos:
• Re3data
• DataCite
• Google Dataset Search
• ODISEA
• OpenDOAR
• B2Find de EUDAT
Infografía REBIUN. Beneficios de publicar en los repositorios institucionales
Además de los beneficios que supone la difusión de los datos en abierto y la apertura de los procesos y de los resultados de la investigación, inherentes a cualquier repositorio, e-cienciaDatos se basa en el asesoramiento por parte de las bibliotecas, cumple con los requisitos de OpenAire y ofrece estadísticas y geolocalización. Permite descargar los metadatos en varios formatos compatibles con los principales gestores bibliográficos para citarlos correctamente.
El Consorcio Madroño ha preparado un fichero “Readme.txt” con la información requerida. La información proporcionada en esta plantilla se incluirá junto al resto de ficheros del dataset.
Los datos de investigación son aquellos materiales generados o recolectados durante el transcurso de la realización de una investigación, y que solo adquieren significado en el contexto del ciclo de vida de esa investigación. En general, son todo aquello que un investigador necesita para validar los resultados publicados de su investigación.
Los datos de la investigación son hechos, observaciones o experiencias en que se basa el argumento, la teoría o la prueba. Forman un grupo de materiales extremadamente heterogéneo y complejo, y pueden ser de diferente naturaleza: numéricos o datos cuantitativos, descriptivos o datos cualitativos. Pueden estar en estado bruto o analizado, pueden ser experimentales u observacionales.
Se denomina dataset al conjunto de datos reunidos durante la ejecución de un proyecto de investigación.
Infografía REBIUN. El ciclo de los datos científicos
La disponibilidad de los datos de investigación en acceso abierto, se está convirtiendo en una recomendación e incluso obligación por parte de las instituciones que subvencionan los proyectos.
Los datos abiertos son un paso más en la transparencia y reproductibilidad de la investigación. Implica compartir datos que deben ser FAIR, acrónimo de Findable (localizables), Accessible (accesibles), Interoperable (interoperables) and Reusable (reutilizables).
¿Cómo se consigue que los datos sean FAIR?
• Findable (localizables):
◦ Asignarles un identificador único y permanente (DOI).
◦ Describirlos con metadatos enriquecidos.
◦ Los metadatos incluyen el identificador de los datos que se describen.
◦ Los metadatos están registrados o indexados en recursos de búsqueda.
• Accessible (accesibles):
◦ A través de protocolos de comunicación normalizados y abiertos.
◦ Los metadatos son accesibles, incluso cuando los datos ya no estén disponibles.
◦ Informando sobre licencias y posibles embargos.
• Interoperable (interoperables)
◦ Los metadatos utilicen un lenguaje formal, compartido y ampliamente aplicable para la representación del conocimiento.
◦ Los metadatos usan vocabularios estándar que siguen los principios FAIR.
◦ Los metadatos incluyan referencias cualificadas a otros metadatos
• Re-usable (reutilizables):
◦ Los metadatos están ricamente descritos con una pluralidad de atributos precisos y relevantes.
◦ Licencias de uso claras y accesibles.
◦ Los datos están asociados con procedencia detallada.
Los datos disponibles en acceso abierto deben respetar el principio: “tan abierto como sea posible, tan cerrado como sea necesario”.
Más información:
FORCE11. The FAIR Data Principles
Guidelines on FAIR Data Management in Horizon 2020
En general, justo y abierto no son lo mismo. La iniciativa GO FAIR proporciona la siguiente explicación informativa:
“La ‘A’ en FAIR significa ‘Accesible en condiciones bien definidas’. Puede haber razones legítimas para proteger los datos y servicios generados con fondos públicos del acceso público. Estos incluyen la privacidad personal, la seguridad nacional y la competitividad. Los principios FAIR, aunque inspirados en la ciencia abierta, no abordan explícita y deliberadamente cuestiones morales y éticas relacionadas con la apertura de datos. […] Los datos FAIR no necesitan estar abiertos, para cumplir con la condición de reutilización, se requiere que los datos FAIR tengan una licencia clara, preferiblemente legible por máquina. La accesibilidad transparente pero controlada de datos y servicios, a diferencia del ambiguo concepto general de “abierto”, permite la participación de una amplia gama de sectores, públicos y privados, así como una asociación genuinamente igualitaria con las partes interesadas en todas las sociedades alrededor del mundo. mundo.”
Garantizar el acceso abierto a los datos de investigación, según el principio “tan abierto como sea posible, tan cerrado como sea necesario”, depositando los datos en un repositorio de confianza, bajo una licencia Creative Commons (CC BY), de dominio público (CC0) o equivalente.
Si no se proporciona acceso abierto (a algunos o a todos los datos), deberá justificarse en el plan de gestión de datos (Horizon Europe Model Grant Agreement).
Los datos de investigación abiertos son uno de los pilares sobre los que se sustenta el movimiento de ciencia abierta para abrir todo el proceso y los resultados a la sociedad sin trabas. La apertura de los datos implica indudables beneficios tales como:
• La promoción de la transparencia e integridad en investigación.
• La reutilización de los datos que incentiva nuevos descubrimientos científicos.
• El retorno de la inversión de las entidades públicas en investigación.
• La integración en las redes de repositorios de datos a nivel internacional.
• Transparencia y rendición de cuentas en términos de financiación pública.
• Compromiso con la sociedad y con el avance de la ciencia.
• Superar las desigualdades de países e instituciones que no pueden asumir el coste del acceso de pago a la información científica.
• Permite que la investigación sea reproducible y creíble, ya que tiene el potencial de desvelar fraudes y malas prácticas.
• Aumenta la visibilidad y el impacto de la investigación.
• Promueve la colaboración.
• Evita la duplicidad de esfuerzos.
• Preserva los datos para la posterioridad
Fuente: Biblioteca de la Universidad Complutense de Madrid. Biblioguías
El Plan de Gestión de Datos (PGD) es un documento formal que describe el tratamiento que van a recibir los datos de investigación recopilados y/o generados en el curso de un proyecto de investigación.
Su objetivo es proporcionar un breve esquema sobre la política de gestión de los datos que se generarán en el proyecto. No es necesario que sea exhaustivo desde su primera versión, sino que adquirirá mayor detalle en la medida que el proyecto avance y se produzcan cambios significativos. No es un documento definitivo, sino un documento vivo que evolucionará durante el período de vigencia del proyecto.
Los proyectos financiados por Horizonte 2020 y Horizonte Europa obligan a establecer y actualizar periódicamente un plan de gestión de datos (PGD) para todos los datos generados y/o recopilados a lo largo de un proyecto, con el fin de que se realice una gestión responsable de los datos de la investigación de acuerdo con los principios FAIR de “localización”, “accesibilidad”, “interoperabilidad” y “reutilización”. Debe presentarse dentro de los 6 primeros meses de vida del proyecto y a la finalización del mismo. Si el proyecto es de larga duración (más de 12 meses), es conveniente una actualización a la mitad, aunque debe actualizarse siempre que haya cambios sustanciales en el mismo.
Infografía REBIUN: 10 pasos para elaborar un Plan de Gestión de Datos
Los beneficiarios deberán depositar en un repositorio de datos de investigación y tomar medidas para posibilitar a terceras personas el acceso, la extracción, la explotación, la reproducción y la diseminación (libre de carga para cualquier usuario) de:
• los datos, incluidos los metadatos asociados, necesarios para validar los resultados presentados en las publicaciones científicas, tan pronto como sea posible.
• otros datos, incluidos los metadatos asociados, tal como se especifica y dentro de los plazos previstos, en el Plan de Gestión de Datos.
Horizonte Europa, indica que los requisitos para la gestión de los datos de investigación, se aplican a aquellos datos que se generan en el curso del proyecto. Pero que los beneficiarios deberían también considerar la inclusión en la medida de lo posible en sus PGD, de otros datos que se hayan podido utilizar (software, algoritmos, códigos, protocolos, etc.).
Más información en:
• Directrices para la Gestión de Datos en Horizonte 2020
• ANNEX 1: Horizon 2020 FAIR Data Management Plan (DMP) Template.
• Guidelines on FAIR Data Management in Horizon 2020
Qué datos de investigación va a crear o recopilar.
• Quién será responsable de cada aspecto del plan de gestión que está desarrollando.
• Qué políticas (financieras, institucionales y legales) se aplicarán a los datos.
• Cómo se organizarán los datos (estructuras de carpetas, nomenclatura de archivos, versionamiento de archivos).
• Cómo se realizará la documentación de los datos durante la fase de recopilación y análisis de la investigación.
• Qué prácticas de administración de datos usará para almacenar y proteger sus datos (copias de seguridad, almacenamiento, control de acceso, archivado)
• Qué instalaciones y equipos serán necesarios (espacio en disco duro, servidor de copia de seguridad, repositorio).
• Quién tendrá los derechos de propiedad y acceso a los datos.
• Cómo se conservarán y se pondrán a disposición los datos a largo plazo, una vez que se complete la investigación.
Fuente: Biblioguías. Biblioteca de la CEPAL
Más información:
Consorcio Madroño (2013). Directrices para la Gestión de Datos en Horizonte 2020.
La Comisión Europea propone y recomienda unas plantillas para la elaboración de un plan de gestión de datos, aunque su uso no es obligatorio:
• Horizon Europe Data Management Plan Template
• Horizon 2020 Template for the Data Management Plan
Otras herramientas para la elaboración de PGD:
• ARGOS. Herramienta de OpenAIRE para elaborar un PGD según los principios FAIR
• Digital Curation Center (DCC)
• Checklist del Data Curation Center para PGD
PGDOnline es una herramienta web en línea, desarrollada por el DCC (Digital Curation Centre, UK), que proporciona una plantilla adaptada a los requerimientos de las directrices Horizonte 2020 y que ha sido traducida al español por el Consorcio Madroño. Es un recurso muy útil que permite crear, almacenar y compartir un Plan de Gestión de Datos, y una guía muy completa sobre qué se tiene que tener en cuenta a la hora de gestionar datos y qué debe de tener un plan de gestión de datos de forma global.
Cómo funciona PGDonline
1. Crear un plan
Para crear un plan, haga clic en el botón ‘Crear el plan’ de la página ‘Mis planes’ o en el menú superior. Seleccione las opciones de los menús desplegables y casillas de verificación para determinar qué preguntas y la orientación que quiere que se le presente. Confirme su selección haciendo clic en ‘Sí, crear el plan’
2. Escriba su plan
La interfaz con pestañas le permite navegar a través de diferentes funciones al editar su plan:
• “Detalles del plan” incluye detalles administrativos básicos, le dice el conjunto de cuestiones en la que está basado su plan (en relación con los requerimientos del organismo financiador) y le ofrece un resumen de las preguntas que se le formularán.
• Las fichas siguientes presentan las preguntas a responder.
• La pestaña “Compartir” le permite invitar a otros a leer o contribuir a su plan.
• La pestaña ‘Exportar’ le permite descargar su plan en varios formatos. Esto puede ser útil si usted necesita enviar su plan como parte de una solicitud de subvención.
Al ver cualquiera de las fichas de preguntas, verá desplegadas las distintas secciones de su plan. Haga clic en cada una de ellas para responder a las preguntas. Usted puede formatear sus respuestas usando los botones de edición de texto.
La orientación sobre cómo debe responder a las preguntas se muestra en el panel derecho. Haga clic en el símbolo ‘+’ para verlo. Recuerde que debe “guardar” sus respuestas antes de continuar.
3. Comparta su plan
Introduzca la dirección de correo electrónico de cualquiera de sus colaboradores a los que le gustaría invitar a leer o editar su plan. Ajuste el nivel de permisos que desea otorgarles a través de las opciones desplegables y haga clic en ‘Añadir colaborador’
4. Exporte su plan
Desde aquí se puede descargar su plan en varios formatos. Esto puede ser útil si usted necesita enviar su plan como parte de una solicitud de subvención. Elija el formato en el que desea ver / descargar su plan y haga clic en exportar. Cuando inicie sesión en PGDonline se le dirigirá a la página ‘Mis planes’. Desde ahí se puede editar, compartir, exportar o eliminar cualquiera de sus planes. También podrá ver los planes que han compartido otros con usted.
Más información:
INVESTIGAM: PAGODA. Portal del Consorcio Madroño que da soporte a los investigadores para la elaboración de Planes de Gestión de Datos.
Las colecciones de datos están protegidas por propiedad intelectual, tal y como se recoge en la Ley de Propiedad Intelectual (Real Decreto Legislativo 1/1996, de 12 de abril):
• como una obra de creación intelectual con derechos morales y patrimoniales (de explotación).
• como una inversión sustancial protegida por el derecho “sui generis”: medios financieros, empleo de tiempo y esfuerzo u otros de similar naturaleza para la obtención, verificación o presentación de su contenido.
Los derechos de propiedad intelectual de los datos, corresponden a la persona o a las personas que recopilan y gestionan los datos, y/o la persona natural o jurídica que invierte en la obtención, verificación y presentación del contenido de los datos.
Las condiciones de acceso a los datos de investigación las determinará el creador, productor o distribuidor de los datos mediante una licencia de uso. A través de una licencia, el titular de los derechos de autor comunicará en qué condiciones se pueden compartir y reutilizar los datos.
Existen varios tipos de licencias libres que permiten un uso más libre y compartido de los resultados de una investigación (publicaciones y datos), y otorgan a los autores la posibilidad de no ejercer todos los derechos de explotación previstos en la ley de propiedad intelectual, pudiendo establecer sus propios límites y permitiendo que los autores tengan un mayor control sobre los derechos de sus obras y una gestión más sencilla. Así facilitan a los usuarios un mejor acceso a las obras y datos y un uso de estas con menos restricciones:
• Licencias Open Data Commons. Licencias electrónicas específicas para los conjuntos de datos, que permiten la reutilización de los datos siempre que se reconozca la autoría de la información original y se mantenga la misma licencia en las obras derivadas.
• Licencias Creative Commons. Permiten a los autores ceder bajo ciertas condiciones, algunos de los derechos sobre sus obras y mantener otra parte de éstos.
Los investigadores necesitan atenerse a la legislación relativa a la protección de datos y al código ético y directrices de la institución financiadora, cuando se obtengan tanto datos de carácter personal como datos sensibles o “especialmente protegidos”.
La Ley Orgánica 3/2018, de 5 de diciembre, de Protección de Datos Personales y garantía de los derechos digitales (LOPDGDD), y el Real Decreto 1720/2007, de 21 de diciembre, por el que se aprueba el Reglamento de desarrollo de la derogada Ley Orgánica 15/1999, de 13 de diciembre, de protección de datos de carácter personal (RLOPD), dice que el objeto de la protección de dichos datos es “garantizar y proteger, en lo que concierne al tratamiento de los datos personales, las libertades públicas y los derechos fundamentales de las personas físicas, y especialmente de su honor e intimidad personal y familiar”.
Para cumplir con los preceptos legales:
• Hay que obtener el consentimiento de las personas implicadas para el tratamiento de sus datos.
• Hay que anonimizar la información de carácter personal en nuestros ficheros.
En la misma línea, Horizonte 2020 recoge en el mandato de acceso abierto, H2020 Model Grant Agreement (H2020 General MGA — Multi), que los beneficiarios de un proyecto deben tener en cuenta:
• Obligaciones relativas a datos, documentos o cualquier otro material en cualquier formato que se pueda considerar confidencial (Art. 36).
• Obligaciones relativas a la seguridad (Art. 37).
• Obligaciones de protección de datos personales (Art. 39).
Ante cualquier cuestión de ámbito legal, se puede recurrir a los Comités de Ética de la Investigación que se han creado en las diferentes Universidades del Consorcio Madroño.
Más información:
• Código de buenas prácticas en investigación (UAM). Elaborado por el Comité de Ética de la Investigación de la Universidad Autónoma de Madrid y aprobado en Consejo de Gobierno de 8 de febrero de 2013 http://www.uam.es/otros/ceiuam/Documentos/Codigo de Buenas Practicas en Investigacion-20-02-2013 (2).pdf
• Código de buenas prácticas en la investigación (UAH). Aprobado en Consejo de Gobierno el 31 de octubre de 2019 https://www.uah.es/export/sites/uah/es/investigacion/.galleries/Investigacion/Codigo-Etico-de-Buenas-Practicas-en-investigacion.pdf
• CEI (Comité de Ética de Investigación) UC3M y Código de Buenas Prácticas en Investigación y Transferencia (UC3M)
• Código de buenas prácticas científicas del CSIC
http://www.csic.es/etica-en-la-investigacion
• Ética de la investigación 2008
Revista Arbor nº 730 http://dx.doi.org/10.3989/arbor.2008.i730
Los investigadores debieran comprometerse explícitamente a guardar la debida confidencialidad sobre los datos personales de los participantes en el proyecto, tanto en los procesos de su obtención, tratamiento y conservación, así como en la posterior publicación de los resultados; y deben obtener el consentimiento de aquellas personas cuyos datos figuren en el proyecto de investigación. Con carácter general, deberá tenderse a la anonimización, excepto cuando las características del estudio requieran otro procedimiento debidamente justificado. Los datos pueden ocultarse:
• Agregando o reduciendo la precisión de la información (ej. reemplazando la fecha de nacimiento por grupos de edad).
• Eliminación de datos indirectos (profesión, sexo, datos clínicos, lugar de nacimiento, edad, etc).
• Eliminación de identificadores directos (nombre, iniciales, dirección, datos de contacto, fotos, datos familiares, etc.).
• Generalizando el significado de textos detallados (ej. reemplazando el área de especialización de un médico con una especialidad médica).
• Utilizando pseudónimos.
Más información:
UK Data Service: Anonymisation
Grupo de Trabajo sobre Protección de Datos del Artículo 29. Dictamen 05/2014 sobre técnicas de anonimización.
El movimiento Acceso abierto a las publicaciones científicas se refiere a las publicaciones científicas revisadas por pares resultado de una investigación financiada con medios públicos. Incluye artículos, y libros fundamentalmente. Significa que esas publicaciones son accesibles en línea sin cargo para el usuario y que éste puede reutilizarlas. Los derechos de copyright de los autores de las publicaciones OA están protegidas por la Ley de propiedad intelectual y el uso que pueden hacer de las mismas los usuarios viene definido por las licencias Creative Commons que acompañe a cada publicación.
e-ciencia es un proyecto enmarcado en el convenio de Cooperación interbibliotecaria entre la Comunidad de Madrid y el Consorcio Madroño, para crear una plataforma digital de acceso libre y abierto a la producción científica en la Comunidad de Madrid.
e-ciencia está abierto a toda la comunidad científica de la Comunidad de Madrid y del Consorcio Madroño (integrado por las Universidades públicas de la Comunidad de Madrid y por la UNED). Pero el proyecto está abierto a cualquier otro investigador de otra Universidad o institución interesada y a cualquier investigador independiente que desee participar en la difusión de la ciencia en abierto.
Contacte con el repositorio de su institución o en emi+d, el repositorio independiente de la Comunidad de Madrid.
El “Open Access” no entra en conflicto con la ley de propiedad intelectual sino todo lo contrario, en el sentido de que reconoce que es el autor el dueño de los derechos sobre su obra y, como tal, tiene la potestad de decidir cómo quiere que ésta se distribuya y se use.
Las licencias Creative Commons permiten establecer qué usos permite hacer el autor con su obra.
A través de los repositorios institucionales de las instituciones pertenecientes a e-ciencia:
-
Emi+d, de la Consejería de Ciencia, Universidades e Innovación de la Comunidad de Madrid y el Consorcio Madroño
Horizonte Europa es el programa marco de investigación e innovación (I+I) de la Unión Europea (UE) para el período 2021 -2027. Como su predecesor Horizonte 2020, será el instrumento fundamental para llevar a cabo las políticas de I+D+I de la UE. El objetivo general del programa es alcanzar un impacto científico, tecnológico, económico y social de las inversiones de la UE en I+I, fortaleciendo de esta manera sus bases científicas y tecnológicas y fomentando la competitividad de todos los Estados Miembros.
El Programa Horizonte Europa contará con una estructura basada en tres pilares:
El pilar 1, Ciencia Excelente, que a través del Consejo Europeo de Investigación (ERC) financiará proyectos de investigación en la frontera del conocimiento diseñados y dirigidos por investigadores. También apoyará el desarrollo profesional y la formación del personal investigador.
El pilar 2, Desafíos Globales y Competitividad Industrial Europea, financiará la investigación dentro de los retos sociales, reforzará las capacidades tecnológicas industriales y establecerá misiones con objetivos ambiciosos orientados hacia los grandes desafíos globales (salud, cambio climático, energías renovables, movilidad, seguridad, digital, materiales, etc.).
El pilar 3, Europa Innovadora, tiene como objetivo hacer de Europa una potencia pionera en la innovación de creación de mercado y en el crecimiento de pymes innovadoras a través del Consejo Europeo de Innovación (EIC). Éste apoyará a innovadores, empresarios, pymes y científicos de primer orden y con ambición de crecer a escala internacional.
Horizonte Europa quiere eliminar burocracia y simplificar las gestiones a los participantes:
• Consejo Europeo de Innovación (EIC). Pasa a ser una ventanilla única que financiará a los proyectos innovadores de forma directa a través de dos instrumentos fundamentalmente: uno para las primeras etapas de las empresas emergentes, y otro para el desarrollo e implantación en el mercado de todo tipo de empresa innovadora.
• Tasas de financiación estables.
• Mayor difusión y apertura de los resultados. Aplicar el principio de la Ciencia Abierta, para conseguir un acceso abierto a las publicaciones, datos y resultados de la investigación financiada con fondos europeos. El objetivo es conseguir una mayor penetración en el mercado de los resultados conseguidos.
• Participación de los ciudadanos en proyectos de investigación. El objetivo es que se genere una mayor conciencia entre los ciudadanos europeos de los logros que se consiguen gracias al programa.
• Maximizar el potencial de innovación en toda la UE, apoyando a aquellos estados miembros que van más retrasados en temas de investigación e innovación.
• Fomento de la colaboración e intercambio de conocimiento entre investigadores.
• Ayudas para potencias la movilidad y la formación entre los investigadores, no solo entre países, sino también entre sectores.
En las acciones del programa Horizonte Europa puede participar cualquier entidad jurídica, ya sea empresa, universidad, centro de investigación, asociación, Administración pública, o cualquier otro tipo de entidad, que quiera desarrollar un proyecto de I+D+I cuyo contenido se adapte a las condiciones, líneas y prioridades establecidas en el programa de trabajo o las convocatorias de propuestas.
Gran parte de las actividades de este programa se desarrollan mediante proyectos en consorcio, que debe estar constituido por al menos tres entidades jurídicas independientes cada una de ellas establecida en un Estado miembro de la Unión Europea (UE), o país asociado diferente, con al menos una entidad de la UE.
Sin embargo, existen algunas excepciones, como es el caso de las acciones de investigación “en las fronteras del conocimiento” del Consejo Europeo de Investigación (ERC), las acciones de movilidad y formación, y las acciones de coordinación y apoyo en las cuales las entidades o personas físicas pueden participar de forma individual.
En cualquier caso, las convocatorias o los programas de trabajo pueden establecer condiciones adicionales a las mencionadas, dependiendo de la naturaleza y objetivos de la acción a desarrollar, e incluso pueden limitar la participación de entidades de determinados países por motivos estratégicos o de seguridad de la UE.
El consorcio deberá designar a uno de sus miembros para que actúe como coordinador, que será el principal interlocutor entre los miembros del consorcio y la Comisión Europea.
De forma general, Horizonte Europa concede a los participantes subvenciones a fondo perdido que cubren hasta el 100% de los costes admisibles del proyecto (incluyendo los costes directos más un 25% en concepto de costes indirectos).
En el caso de las acciones de innovación la subvención se limitará a un máximo del 70% de los costes elegibles, salvo en el caso de las entidades sin ánimo de lucro que el porcentaje se mantendrá en el 100%.
En el caso de las acciones de cofinanciación de programas, la subvención tendrá un mínimo del 30 % del total de los costes admisibles, pudiendo alcanzar hasta el 70 % en determinados casos debidamente justificados.
Para participar y solicitar financiación para cualquier proyecto de investigación e innovación es necesario presentar una propuesta a una convocatoria. Las convocatorias de propuestas, así como todos los documentos asociados a la misma, en los que se indican los plazos y forma de presentación, se publican en el portal de la Comisión Europea denominado Funding and Tenders Opportunities, a través del cual se accede también al sistema electrónico de presentación de propuestas.
(Más información: Horizonte Europa. Nuevo programa marco de la Unión Europea. Gobierno de España. Ministerio de Ciencia e Innovación)
El programa Marco de investigación de la Unión Europea, Horizonte Europe (2021-2027) abraza el reto de que Europa adopte la ciencia abierta como modo de trabajo de todos los investigadores, y esto implica la apertura, por defecto, de publicaciones, datos y otros resultados de investigación.
Los beneficiarios de proyectos subvencionados por Horizonte Europa, deben gestionar los datos de investigación generados de forma responsable, de acuerdo con los principios FAIR, y:
- Establecer y actualizar periódicamente un Plan de Gestión de Datos (PGD).
- Depositar los datos en un repositorio de confianza (federado en la EOSC, European Open Science Cloud, si así se requiere en las condiciones de la convocatoria), tan pronto como sea posible y dentro de los plazos establecidos en el PGD.
- Asegurar el acceso abierto a los datos a través de un repositorio o infraestructura de datos de investigación, bajo licencia CC BY, CC 0 o equivalente, siguiendo el principio “tan abierto como sea posible, tan cerrado como sea necesario”.
- Proporcionar información a través del repositorio sobre cualquier resultado de investigación, herramientas o instrumentos necesarios para reutilizar o validar los datos.
Más información sobre Horizonte Europa
El concepto de ciencia abierta va mucho más allá del acceso abierto a las publicaciones y a los datos de investigación. Abarca todo el ciclo de producción del conocimiento científico, incluida la concepción, la recogida de datos, su procesamiento, publicación y distribución o reutilización y la evaluación de los resultados.
El objetivo de la ciencia abierta es hacer que la investigación sea más accesible y por lo tanto esté más abierta a la participación, revisión, refutación, mejora y reutilización por parte de toda la sociedad; y también más cercana a sus necesidades.
Iniciativas relacionadas con la Ciencia Abierta:
- Recomendación sobre la Ciencia Abierta de la UNESCO
- Comisión Europea. Open Innovation, Open Science, Open to the World
- Recomendación de la Comisión Europea sobre el acceso a la informaicón científica y su preservación
- Compromisos de las Universidades ante la Open Science
El Acceso Abierto se define como la práctica de proveer acceso en línea a la información científica de forma gratuita y reutilizable. En el contexto de la investigación, con “información científica” podemos referirnos tanto a libros, artículos de investigación científicos con revisión por pares (publicados en revistas académicas), informes, documentos oficiales, patentes, etc., como a datos de investigación.
La idea que subyace bajo el acceso abierto es que los resultados de investigación (publicaciones, datos, etc.), utilizados en investigaciones financiadas con fondos públicos, deberían estar disponibles para todos y tener licencias que permitan su reutilización.
Declaraciones y recomendaciones sobre el Acceso Abierto
Infografía REBIUN: Cómo cumplir con los mandatos de acceso abierto
“Son datos que pueden ser utilizados y distribuidos por cualquiera, sin barreras técnicas o legales, bajo los requerimientos de reconocer la autoría y compartir el nuevo producto en las mismas condiciones”. (Open Knowledge Foundation. What is Open Data).
Las características básicas de la apertura son:
- Disponibilidad y acceso: los datos deben estar disponibles en su conjunto de una forma conveniente y modificable.
- Reutilización y distribución: los datos deben proporcionarse en términos que permitan la reutilización y la redistribución.
- Participación universal: los datos se deben poder usar, reutilizar y redistribuir por cualquier persona.
Abrir los datos abiertos es un paso más en la transparencia y reproductibilidad de la investigación. Implica compartir datos que deben ser FAIR, acrónimo de Findable (localizables), Accessible (accesibles), Interoperable (interoperables) and Reusable (reutilizables).
Los datos producidos en el curso de un proyecto de investigación deben estar disponibles en acceso abierto, respetando el principio “tan abierto como sea posible, tan cerrado como sea necesario”.
Folleto CRUE/REBIUN. Beneficios del acceso abierto para tu Universidad
La European Open Science Cloud (EOSC, Nube Europea de Ciencia Abierta), es la infraestructura de investigación e innovación impulsada por la Comisión Europea, que consiste en un entorno virtual que permitirá un acceso a los datos y otros objetos digitales resultantes de la investigación europea. La finalidad es que todos los investigadores puedan almacenar, gestionar, analizar y reutilizar datos para propósitos de investigación, innovación y educación, gracias a un entorno distribuido de datos y servicios abierto y de confianza.
Sí, salvo que tu investigación haya sido financiada con fondos públicos. En este caso, es posible solicitar una excepción por legítimas razones (ej. patentes).
El acceso abierto es ahora un requisito obligatorio por ley para todos los proyectos financiados por Horizon Europe por lo que es de gran importancia dirigir la atención a este tema.
Sí, siempre y cuando el proyecto esté financiado por Horizonte 2020 en el Piloto de Datos de Investigación en Abierto.
En el caso de que el proyecto esté financiado por Horizonte 2020 pero no genere datos, o éstos puedan suponer un conflicto con la obligación de proteger los resultados, o con las obligaciones de confidencialidad, seguridad nacional o con las leyes de protección de datos personales, el investigador puede optar por no realizar un PGD.
Elaborar un Plan de Gestión de Datos es una buena práctica en cualquier investigación en la que se utilicen datos.
Acceso Abierto se define como la práctica de proveer acceso en línea a la información científica sin cargo para el usuario y de forma reutilizable. En el contexto de la investigación e innovación, con “información científica” podemos referirnos tanto a artículos de investigación científicos con revisión por pares (publicados en revistas académicas) como a datos de investigación (datos subyacentes a las publicaciones, datos preservados y/o datos en bruto).
Con datos de investigación nos referimos a información factual, en particular hechos o números, recopilada para ser analizada en conjunto como base para el razonamiento, la discusión o el cálculo. En un contexto científico, serían ejemplos de datos las estadísticas, resultados de experimentos, medidas, resultados de observaciones de trabajos de campo, resultados de encuestas, grabaciones de entrevistas e imágenes. Es fundamental que estos datos de investigación estén disponibles en formato digital.
El acceso abierto a los datos de investigación hace referencia al derecho de acceso y reutilización de los datos de investigación en formato digital, bajo los términos y las condiciones indicadas en el acuerdo de subvención. Los datos de investigación en abierto, en general, deberán ser aptos para su acceso, extracción, explotación, reproducción y diseminación de forma gratuita para el usuario.
La Comisión Europea pone en marcha una iniciativa piloto para hacer posible el acceso en abierto a los datos de investigación resultantes de proyectos financiados por Horizonte 2020. Reconociendo que el acceso a los datos de investigación que permitan validar los resultados presentados en publicaciones científicas y otras fuentes de información es tan importante como el acceso en abierto a las publicaciones, pone en marcha la iniciativa piloto anunciada en 2012. La iniciativa, denominada Pilot on Open Research Data in Horizon 2020, tiene como fin mejorar y maximizar el acceso y la utilización de datos científicos generados por proyectos en beneficio de la sociedad y la economía. Supone un paso más para el Acceso Abierto, ya que se suma a la obligación de publicar en abierto todos las publicaciones científicas resultado de proyectos financiados con fondos de Horizonte 2020. En los programas de trabajo 2014-2016 las áreas incluidas en el piloto son:
- Tecnologías Futuras y Emergentes.
- Infraestructuras de investigación, parte de e-infraestructuras.
- Liderazgo en tecnologías industriales y de capacitación.
- Reto Social: “Energía eficiente, segura y limpia” – sección ciudades y comunidades inteligentes.
- Reto Social: “Acción por el clima, medio ambiente, eficiencia de los recursos y materias primas”, exceptuando las líneas relacionadas con las materias primas.
- Reto Social: “Europea en un mundo cambiante, sociedades inclusivas, innovadoras y reflexivas”.
- Ciencia con y para la Sociedad.
En la versión revisada del programa 2017 el piloto de datos se extiende a todas las áreas de Horizonte 2020.
Aunque en Horizon 2020 se aplicará por defecto el acceso abierto a los datos, la Comisión reconoce que puede haber razones por las cuales los datos deben mantenerse en acceso cerrado. Por ello da la opción de cancelar la subvención en cualquier fase (preparación, aplicación o posterior a firmar el acuerdo de subvención).
Se dará la opción de no participar en esta iniciativa a aquellos proyectos que por motivos de protección de la propiedad intelectual o de datos personales, o que afecten a la seguridad, no puedan dar acceso abierto a los datos resultado de la investigación.
Más información:
- Directrices sobre la Gestión de Datos FAIR en Horizonte 2020.
- Directrices para el acceso abierto a las publicaciones científicas y datos de investigación en Horizonte 2020.
- Directrices para el Open Access en Horizonte 2020.
- Directrices para la Gestión de Datos en Horizonte 2020.
- Multi-Beneficiary General Model Grant Agreement.
- Model Grant Agreement (acceso abierto a los datos de la investigación).
- Nota de prensa de la Comisión Europea relacionada con la iniciativa piloto.
Página web de interés: RECOLECTA, plataforma que agrupa a todos los repositorios científicos nacionales y que provee de servicios a los gestores de repositorios, a los investigadores y a los agentes implicados en la elaboración de políticas.
En el Artículo 29.3 se establece que los beneficiarios que participan en el Piloto de Datos deberán:
- Depositar en un repositorio de datos y hacer posible el acceso, explotación, reproducción y difusión de:
- los datos (incluyendo los metadatos asociados) necesarios para validar los resultados presentados en publicaciones científicas.
- otros datos (incluidos los metadatos asociados) según lo especificado y dentro de los plazos establecidos en el “Plan de Gestión de Datos” de los proyectos (véase el anexo 1).
- Proporcionar información (a través del repositorio) acerca de las herramientas e instrumentos, a disposición de los beneficiarios, necesarias para la validación de los resultados.
Una manera de hacerlo es asignar la licencia de Creative Commons (CC-BY o CC0) a los datos depositados.
(http://creativecommons.org/licenses, http://creativecommons.org/about/cc0 ).
La Comisión reconoce que “los datos” generados por los proyectos financiados por la UE son extremadamente diversos. El Piloto de Datos de Investigación en Abierto se aplica a dos tipos de datos:
- Los datos, incluidos sus metadatos, necesarios para validar los resultados presentados en publicaciones científicas.
- Otros datos, incluyendo sus metadatos, según lo especificado y dentro de los plazos establecidos en el Plan de Gestión de Datos de los proyectos.
Podrán participar en el Piloto de forma voluntaria (hasta 2016) los proyectos financiados en el marco de Horizonte 2020 que no estén cubiertos por las áreas o subáreas del Piloto señaladas anteriormente. A partir de 2017 el Piloto de Datos se extiende a todas las áreas de Horizonte 2020. Los proyectos del Piloto incluirán el artículo 29.3 en su acuerdo de subvención.
Los proyectos pueden en cualquier momento excluirse del Piloto por diversas razones, como por ejemplo:
- Si el proyecto no va a generar o recoger datos.
- En caso de conflicto con la obligación de proteger los resultados.
- Si es incompatible con la necesidad de confidencialidad relacionada con cuestiones de seguridad.
- En caso de conflicto con la protección de datos personales.
- Si la participación en el Piloto pone en peligro la consecución del objetivo principal de la acción.
- Por alguna otra razón legítima que debe justificarse en la fase de propuesta del proyecto.
Como la participación en el Piloto de Datos en Abierto no es parte de la evaluación del proyecto, la opción de excluirse del Piloto por alguno de estos motivos es posible en cualquier etapa del proyecto, ha de recogerse en el Plan de Gestión de Datos del proyecto (PGD) y no se penaliza.
Los proyectos también pueden optar por mantener conjuntos de datos seleccionados o incluso todos los datos cerrados por cualquiera de las razones anteriores, a través de su Plan de Gestión de Datos (PGD).
El enfoque de la Comisión es “lo más abierto posible, tan cerrado como sea necesario”.
El propósito de un PGD es proporcionar un análisis de los principales elementos de la política de gestión de datos que será utilizada por los solicitantes con respecto a todos los conjuntos de datos que se generarán en el proyecto. El PGD no es un documento definitivo, sino que evolucionará durante el período de vigencia del proyecto.
El PGD debe abordar los puntos que se indican a continuación y que constituirá un conjunto de datos básico, así como reflejar el estado del conjunto de datos que se van a generar:
- Referencia y nombre del conjunto de datos.
- Se creará un identificador para el conjunto de datos.
- Descripción del conjunto de datos.
- Descripción de los datos que vayan a generar o recopilar, su origen (en caso de que sean recogidos), naturaleza y escala, a quién le podrían resultar útiles, si sustentan una publicación científica. Información sobre la existencia (o no) de datos similares y las posibilidades de su integración y reutilización.
- Estándares y metadatos.
- Referencia a los estándares existentes de la disciplina. Si éstos no existieran, se creará un esquema de cómo y qué metadatos se van a utilizar.
- Datos compartidos.
- Descripción de cómo se van a compartir los datos, incluyendo procedimientos de acceso, períodos de embargo (si los hubiera), sumarios de los mecanismos técnicos para su diseminación y software necesario, así como otras herramientas que permitan su reutilización. Definición de si el acceso será abierto o restringido a determinados grupos. Identificación del repositorio en el que se archivarán los datos. Si ya existen y están identificados, indicación del tipo de repositorio (institucional, temático, etc.).
En caso de que los datos no se puedan compartir, han de mencionarse las razones (por ej. éticas, protección de datos de carácter personal, propiedad intelectual, comercial, relacionadas con la privacidad, la seguridad…).
- Descripción de cómo se van a compartir los datos, incluyendo procedimientos de acceso, períodos de embargo (si los hubiera), sumarios de los mecanismos técnicos para su diseminación y software necesario, así como otras herramientas que permitan su reutilización. Definición de si el acceso será abierto o restringido a determinados grupos. Identificación del repositorio en el que se archivarán los datos. Si ya existen y están identificados, indicación del tipo de repositorio (institucional, temático, etc.).
- Archivo y preservación (incluido el almacenamiento y copias de seguridad).
- Descripción de los procedimientos que se establecerán para la preservación a largo plazo de los datos. Indicación del tiempo que se deben conservar, cuál es su volumen final aproximado, qué costes asociados conllevan y cómo éstos se planificarán y cubrirán.
Una buena gestión de datos es la base del éxito de la investigación. La gestión de los datos de manera eficaz a través de su ciclo de vida es muy importante para el éxito del proyecto de investigación. El Informe preliminar para la conservación y reutilización de datos científicos en España (FECYT, RECOLECTA) enumera los siguientes beneficios para los investigadores:
- Se pueden encontrar y comprender los datos cuando se necesite utilizarlos.
- Se garantiza la continuidad del proyecto independientemente de la participación de los investigadores.
- Se evitan duplicaciones y tareas innecesarias.
- El mantenimiento del conjunto de datos generados permite la validación de los resultados.
- Los datos se pueden compartir permitiendo un alto nivel de colaboración y de avance en la investigación.
- Si los datos se ofrecen en abierto tendrán una gran visibilidad.
- Otros investigadores que utilicen los datos pueden citarlos y la investigación obtendrá más prestigio.
Además, un PGD permite al investigador:
- Cumplir con los requisitos de la agencia de financiación.
- Garantizar la integridad de la investigación y la reproducibilidad.
- Aumentar de la eficiencia y la calidad de la investigación.
- Asegurar que los datos de investigación son precisos, completos, auténticos y fidedignos.
- Ahorrar tiempo y recursos a largo plazo.
- Mejorar la protección de datos y minimizar el riesgo de pérdida de datos.
- Garantizar la conservación y preservación de los datos de investigación
El uso de Planes de Gestión de Datos es obligatorio para los proyectos participantes en el Piloto de Datos de Investigación en Abierto en Horizonte 2020. A partir de 2017 el Piloto se extiende a todas las áreas. (Directrices para la Gestión de Datos en Horizonte 2020).
Más información sobre los proyectos participantes en Horizonte 2020.
Puede haber otros organismos financiadores que requieran un Plan de Gestión de Datos. Para ello habrá que consultar las bases de dichas convocatorias.
El uso de Planes de Gestión de Datos es obligatorio para los proyectos participantes en el Piloto de Datos de Investigación en Abierto en Horizonte 2020. Otros proyectos podrán opcionalmente (hasta 2016) presentar un Plan de Gestión de Datos si es relevante para su proyecto de investigación. (Directrices para la Gestión de Datos en Horizonte 2020).
A partir de 2017 el piloto de datos se extiende a todas las áreas de Horizonte 2020. Por lo que todos los proyectos de H2020 deberán presentar un Plan de Gestión de Datos.
Elaborar un Plan de Gestión de Datos es una buena práctica en cualquier investigación en la que se utilicen datos.
Un punto de partida útil es la lista de control DCC (Digital Curation Centre) para un Plan de Gestión de Datos (en inglés). Presenta los principales temas y preguntas que los investigadores pueden querer cubrir a la hora de escribir un Plan de Gestión de Datos.
Si es la primera vez que se enfrenta a la elaboración de un Plan de Gestión de Datos, puede serle también muy útil leer algunos ejemplos de planes de gestión de datos. Estos, recopilados por el Digital Curation Centre, incluyen ejemplos de diferentes disciplinas y de diferentes financiadores: [en inglés]
- Technical plan submitted to the AHRC [pdf] Un PGD presentado por un investigador de la Universidad de Bristol, que también incluye los comentarios de los revisores.
- Two social science DMPs [pdf] Ejemplo de planes de investigadores de la Universidad de Leeds.
- Psychology DMP [pdf]
- UCSD Example Data Management Plans [página web] Más de 20 planes presentados a la Fundación Nacional de Ciencia (NSF) de los Estados Unidos por los académicos de la UC San Diego.
- NSF data management plans [página web] 5 PGDs presentados a la NSF, compartidos por la iniciativa DataOne.
- Biology and chemistry DMPs [página web] 3 ejemplos de los PGD de los EE.UU como una herramienta de instrucción para enseñar a los estudiantes de pregrado, estudiantes de postgrado e investigadores de las ciencias de la salud, las ciencias y la ingeniería.
- Universidad UC San Diego [página web]
- Universidad de Leeds [página web]
- Universidad de Arizona [página web]
- Revista Ideas de Investigación y Resultados (RIO)
PGDOnline es una herramienta web en línea, desarrollada por el DCC (Digital Curation Centre, UK). Le proporciona una plantilla (traducida al castellano por el Consorcio Madroño) adaptada a los requerimientos de las directrices Horizonte 2020. Es un recurso muy útil que permite crear, almacenar y compartir un Plan de Gestión de Datos. Guía muy completa sobre qué se tiene que tener en cuenta a la hora de gestionar datos y qué debe de tener un Plan de Gestión de datos de forma global. No se limita a ser una simple guía de pasos a realizar, sino que tiene elementos para motivar a los investigadores (vídeos de profesores y estudiantes de doctorado) y ejercicios entretenidos para comprobar que se ha comprendido la guía.
Cómo funciona PGDOnline
Crear un plan
Para crear un plan, haga clic en el botón ‘Crear el plan’ de la página ‘Mis planes’ o en el menú superior. Seleccione las opciones de los menús desplegables y casillas de verificación para determinar qué preguntas y la orientación que quiere que se le presente. Confirme su selección haciendo clic en ‘Sí, crear el plan’
Escriba su plan
La interfaz con pestañas le permite navegar a través de diferentes funciones al editar su plan:
- “Detalles del plan” incluye detalles administrativos básicos, le dice el conjunto de cuestiones en la que está basado su plan (en relación con los requerimientos del organismo financiador) y le ofrece un resumen de las preguntas que se le formularán.
- Las fichas siguientes presentan las preguntas a responder.
- La pestaña “Compartir” le permite invitar a otros a leer o contribuir a su plan.
- La pestaña ‘Exportar’ le permite descargar su plan en varios formatos. Esto puede ser útil si usted necesita enviar su plan como parte de una solicitud de subvención.
Al ver cualquiera de las fichas de preguntas, verá desplegadas las distintas secciones de su plan. Haga clic en cada una de ellas para responder a las preguntas. Usted puede formatear sus respuestas usando los botones de edición de texto.
La orientación sobre cómo debe responder a las preguntas se muestra en el panel derecho. Haga clic en el símbolo ‘+’ para verlo. Recuerde que debe “guardar” sus respuestas antes de continuar.
Comparta su plan
Introduzca la dirección de correo electrónico de cualquiera de sus colaboradores a los que le gustaría invitar a leer o editar su plan. Ajuste el nivel de permisos que desea otorgarles a través de las opciones desplegables y haga clic en ‘Añadir colaborador’
Exporte su plan
Desde aquí se puede descargar su plan en varios formatos. Esto puede ser útil si usted necesita enviar su plan como parte de una solicitud de subvención. Elija el formato en el que desea ver / descargar su plan y haga clic en exportar. Cuando inicie sesión en PGDonline se le dirigirá a la página ‘Mis planes’. Desde ahí se puede editar, compartir, exportar o eliminar cualquiera de sus planes. También podrá ver los planes que han compartido otros con usted.
Comience… 
Se define datos de investigación como aquellos materiales generados o recolectados durante el transcurso de la realización de una investigación. En general, los datos de la investigación son todo aquello que un investigador necesitaría para validar los resultados publicados de su investigación. Un informe financiado por el Higher Education Funding Council for England (HEFCE) 2008 establece que “Los datos de investigación son la base de la evidencia sobre la que los investigadores académicos construyen su trabajo”.
Los datos de la investigación son hechos, observaciones o experiencias en que se basa el argumento, la teoría o la prueba. Los datos pueden ser numéricos, descriptivos o visuales. Los datos pueden ser 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.
Aunque la naturaleza de los datos de investigación es muy heterogénea y depende de cada disciplina, según la US National Science Foundation los datos de investigación se pueden clasificar de la siguiente forma:
- Datos observacionales. Son registros históricos, se pueden obtener únicamente en un lugar y en un momento en el tiempo. Esta característica los hace especialmente importantes a la hora de preservarlos ya que en caso de que se perdiesen no podrían volver a reproducirse. Ejemplos: los barómetros del Centro de Investigaciones Sociológicas (CIS), son encuestas de opinión sobre diversos temas que preocupan a los españoles. El Banco Nacional de Datos Climatológicos sería otro caso de este tipo ya que posee información sobre precipitaciones registradas en España desde hace 150 años.
- Datos experimentales. Son los datos que acompañan a los experimentos desde su planificación y preparación hasta la obtención de resultados. Los experimentos en muchos casos pueden repetirse para obtener los mismos datos sin embargo en ocasiones el coste de repetir el experimento hace que no sea rentable repetirlo. Ejemplos: el acelerador de partículas del CERN en Ginebra produce una cantidad desorbitada de datos experimentales capaz de llenar 100,000 DVDs al año. En los laboratorios de investigación ya sean químicos, biológicos o en otras disciplinas también se producen gran cantidad de datos con instrumentos especializados.
- Datos computacionales. Estos son los datos que acompañan a las simulaciones que suelen incluir datos de entrada, ciertos programas y resultados. Para este tipo de datos en la mayoría de los casos no se necesitan los resultados ya que con los datos de entrada, los programas y el ordenador que los genera debiera de ser posible reproducirlos. Ejemplos: pueden ser datos producidos en centros de computación avanzada que simulan el funcionamiento de órganos del cuerpo humano, el movimiento de los astros o predicen el tiempo.
La Comisión reconoce que “los datos” generados por los proyectos financiados por la UE son extremadamente diversos.
El Piloto de Datos de Investigación en Abierto se aplica a dos tipos de datos:
- los datos, incluidos los metadatos asociados, necesarios para validar los resultados presentados en las publicaciones científicas,
- otros datos, incluidos los metadatos asociados, tal como se especifica, y dentro de los plazos previstos, en el Plan de Gestión de Datos.
Ejemplos de tipos de datos que se incluyen en un PGD:
- Documentos (texto, Word), hojas de cálculo
- Cuadernos de laboratorio, cuadernos de campo, diarios
- Cuestionarios, transcripciones, libros de códigos
- Cintas de audio, cintas de video
- Fotografías, películas
- Proteínas o secuencias genéticas
- Spectra
- Respuestas de ensayo
- Diapositivas, muestras
- Colección de objetos digitales adquiridos y generados durante el proceso de investigación
- Contenidos de bases de datos (video, audio, texto, imágenes)
- Modelos, algoritmos, scripts
- Contenidos de una aplicación (entrada, salida, los archivos de registro de software de análisis, software de simulación, esquemas)
- Metodologías y flujos de trabajo
- Procedimientos operativos estándar y protocolos
Algunos tipos de datos que no se suelen incluir debido a su naturaleza o por cuestiones de ética o privacidad son:
- Análisis preliminares
- Borradores de artículos científicos
- Planes para futuras investigaciones
- Revisiones por pares
- Comunicaciones con los colegas
Tampoco se incluyen:
- Secretos comerciales, información comercial, materiales confidenciales hasta el momento de su publicación, o información similar que esté protegida por las leyes.
- Información médica o personal así como información cuya divulgación constituya una clara invasión injustificada de la privacidad personal, que podría ser utilizada para identificar a una persona en particular en un estudio de investigación.
- Patentes
Datos que pueden ser utilizados y distribuidos por cualquiera, sin barreras técnicas o legales, bajo los requerimientos de reconocer la autoría y compartir el nuevo producto en las mismas condiciones.
Fuente: Open Knowledge Foundation. What is Open Data?. Disponible en: http://okfn.org/opendata
Los organismos financiadores de la investigación requieren que los datos producidos en el curso de un proyecto de investigación estén disponibles en acceso abierto.
Las condiciones de acceso las determinará el creador, productor o distribuidor de los datos mediante una licencia de uso. A través de esta licencia, el titular de los derechos de autor comunicará qué permisos disponen los potenciales usuarios para utilizar los datos.
Los datos se deben citar al igual que se cita un artículo o un libro. Las funciones de una cita son principalmente:
- La cita debe identificar unívocamente al objeto citado.
- La cita debe identificar tanto conjuntos de datos completos como subconjuntos.
- La cita debe facilitar la recuperación del objeto citado proporcionando acceso al conjunto de datos depositado en un repositorio (para permitir la reutilización y validación de los datos) .
- La cita debe ser legible por máquina para generar servicios adicionales (medición del impacto, aplicación de métricas alternativas, etc.).
- Autoría: autor individual, autor colectivo o entidad. Se puede añadir el Identificador de autor.
- Fecha de publicación: fecha de publicación o accesibilidad.
- Título: denominación específica del conjunto de datos o del nombre del estudio o proyecto.
- Edición: indicación de la etapa de procesamiento de los datos.
- Versión: indicación de la revisión o actualización.
- Tipo de recurso: por ej. “database”, “dataset”.
- Editor y distribuidor: el editor o productor es la organización que patrocina la investigación que da origen al conjunto de datos; el distribuidor es la organización que proporciona acceso al conjunto de datos para su reutilización.
- Ubicación: repositorio en el que están depositados los datos.
- Localización: la url persistente que permita el acceso al conjunto de datos. Se recomienda utilizar el sistema DOI.
Los ficheros y las carpetas deben estar bien organizados adoptando una estructura coherente y ordenada. Es conveniente utilizar un sistema de nomenclatura para identificar los contenidos de cada carpeta y fichero:
- Seguir siempre el mismo criterio de denominación para cada uno de los ficheros.
- Asignar nombres significativos y breves, sin espacios, tildes ni caracteres especiales.
- Identificar la versión del fichero en el propio nombre para facilitar la gestión de versiones.
La estrategia de almacenamiento de datos debe contemplar la obsolescencia del hardware y del software, por lo que conviene copiar los datos en diferentes tipos de soporte físico. Lo más aconsejable es almacenar los ficheros en un servidor institucional seguro gestionado por el servicio de informática, lo que permitirá el acceso en red y la sincronización con el trabajo de otros investigadores que participan en la gestión de los datos.
Se debe programar de forma automática la realización de copias de seguridad y se debe constatar la integridad de los ficheros, el tamaño y la fecha.
Es imprescindible documentar todo el ciclo de vida de los datos para que sean accesibles, reutilizables e interoperables con otros conjuntos de datos.
Los investigadores pueden documentar sus datos de acuerdo con diversos estándares o esquemas de metadatos. Algunos aspectos generales, independientemente de la disciplina, que debe contemplar el registro de datos de investigación son:
|
Título |
Nombre del conjunto de datos o del proyecto de investigación que lo produjo. |
|
Creador |
Nombres y direcciones de los creadores y colaboradores (personas o entidades que han creado los datos). |
|
Patrocinador |
Organismos que financian la investigación. |
|
Idioma |
Idiomas utilizados en el conjunto de datos. |
|
Fecha |
Fechas clave asociadas con los datos: inicio y fin del proyecto, período cubierto por los datos y otras fechas asociadas con la vida útil de los datos. |
|
Cobertura |
Lugar y tiempo al que hacen referencia los datos. |
|
Materias o palabras clave |
Palabras o frases que describen el tema o el contenido de los datos. |
|
Derechos |
Derechos legales, licencias o restricciones en el uso de los datos. |
|
Identificador |
Códigos de uso interno Identificador único digital |
|
Derecho de acceso |
Dónde y cómo los datos pueden ser accesibles por otros investigadores y reutilizables. |
|
Metodología |
Cómo se han generado los datos, métodos, instrumentos y variables, equipos y software utilizado, protocolos, etc. |
|
Procesamiento |
Información acerca de cómo los datos se han alterado o procesado. |
|
Fuentes |
Citas de los datos procedentes de otras fuentes, incluidos los detalles de los datos de origen y el acceso a los mismos. |
|
Estructura y organización |
Relación entre el conjunto de datos y los subconjuntos. Archivos y ficheros con sus correspondientes nombres y extensiones de archivo. Explicación de los códigos y abreviaturas utilizadas. |
|
Versiones |
Control de las versiones de cada uno de los ficheros de datos (fecha y hora, ID para cada versión, etc.). |
Los investigadores necesitan mantener unos estándares éticos elevados y atenerse a las leyes de protección de datos cuando obtengan datos de personas vía cuestionarios, entrevistas, etc. Si se está llevando a cabo una investigación de ese tipo, se tiene el deber de asegurarse que cualquier dato recogido y compartido se utiliza de manera correcta de acuerdo con la ley. Ante cualquier cuestión de ámbito legal, se puede recurrir a los Comités de Ética de la Investigación que se han creado en las diferentes Universidades del Consorcio Madroño:
- Comité de Ética de la Investigación de la UAM <http://www.uam.es/otros/ceiuam/ >
- Comité de Ética de Investigación y Experimentación Animal (CEI) de la Universidad de Alcalá <https://portal.uah.es/portal/page/portal/investigacion/area/comite_etica>
- Comité de Ética de la UPM <http://www.upm.es/institucional/Investigadores/Apoyo/ComiteEtica>
- Comité de Ética de la Investigación de la URJC <https://www.urjc.es/investigacion/1340-comite-etico-de-investigacion>
- Comité de Bioética de la UNED <http://portal.uned.es/portal/page?_pageid=93,559463&_dad=portal&_schema=PORTAL>
Otros Comités Éticos:
- Comité Ético de Investigación Clínica Regional <http://www.madrid.org/cs/Satellite?c=CM_InfPractica_FA&cid=1142284788088&idConsejeria=1109266187266&idListConsj=1109265444710&language=es&pagename=ComunidadMadrid%2FEstructura&pid=1109265444699&sm=1109265843983>
- Red de Comités de Ética de Universidades y Organismos Públicos de Investigación <http://www.ub.edu/rceue/>
- Comité de Ética del (CSIC) <http://www.csic.es/web/guest/etica-en-la-investigacion>
- European Group on Ethics in Science and New Technologies (EGE) <https://ec.europa.eu/research/ege/index.cfm>
Si se recogen datos de personas, estos pueden contener información de tipo personal o sensible.Las leyes como la L.O. 15/1999 de Protección de Datos de Carácter Personal y R.D. 1720/2007 que aprueba el Reglamento de desarrollo de la Ley Orgánica regulan el tratamiento de estos datos. También hay que tener en cuenta las directrices éticas de cada universidad, así como las emitidas por la entidad financiadora.
Si alguna de las siguientes definiciones se aplica a los datos del proyecto, se tendrá que tener en cuenta la legislación relativa a la protección de datos y el código ético de su institución, si lo tuviera, o de la entidad financiadora.
- Datos de carácter personal: “Cualquier información numérica, alfabética, gráfica, fotográfica, acústica o de cualquier otro tipo concerniente a personas físicas identificadas o identificables” (LOPD art. 3.a y RD 1720/2007 art. 5.1.f).
- Datos sensibles o “especialmente protegidos” (LOPD art. 7): son aquellos datos que por tener un contenido que afecta a la intimidad, derechos fundamentales y libertades públicas de la persona requieren una mayor protección.
La persona o personas que recopilan y gestionan los datos y/o la persona natural o jurídica que invierte en la obtención, verificación y presentación del contenido de los datos.
El mandato de acceso abierto de H2020 “no cambia la obligación de proteger los resultados según el artículo 27 del Model Grant Agreement, se siguen aplicando las obligaciones de confidencialidad establecidas en el artículo 36, las obligaciones de seguridad del artículo 37 o las obligaciones de protección de datos personales en el artículo 39”. (Artículo 29.3, p.60 “El acceso abierto a los datos de investigación”).
Porque conforme a la legislación de protección de datos de carácter personal se han de proteger los datos personales, al igual que otros datos que puedan afectar a la privacidad de las personas.
La LO 15/1999 de Protección de Datos de Carácter Personal dice que el objeto de la protección de dichos datos es “garantizar y proteger, en lo que concierne al tratamiento de los datos personales, las libertades públicas y los derechos fundamentales de las personas físicas, y especialmente de su honor e intimidad personal y familiar”.
Para cumplir con los preceptos legales:
- Hay que obtener el consentimiento de las personas implicadas para el tratamiento de sus datos.
- Hay que anonimizar la información de carácter personal en nuestros ficheros.
Se espera que el investigador obtenga el consentimiento informado de aquellas personas que participen en el proyecto de investigación, en relación con el uso de los datos y su manera de recogerse. A los participantes se les debiera de informar de lo siguiente:
- Propósito de la investigación.
- Qué implica participar en la misma.
- Beneficios y riesgos.
- Mecanismos para retirarse del mismo.
- Uso de los datos: investigación, almacenamiento, procesamiento, reutilización, compartirlos, archivarlos, etc.
- Métodos para asegurar la confidencialidad de los datos cuando sea relevante.
Sólo cuando se le haya proporcionado toda la información de lo que supone participar en la investigación y el uso de los datos, es cuando hay que obtener un permiso del participante de manera verbal o escrita. Sin consentimiento expreso las oportunidades de compartir datos con otros investigadores pueden correr riesgo.
Depende de la naturaleza de la investigación, el tipo de datos, el formato y el uso que se va a dar a esos datos.Para entrevistas en profundidad o investigación donde se recogen datos personales, sensibles o confidenciales, se recomienda el consentimiento por escrito. Esto asegurará el cumplimiento de la Ley de Protección de Datos y las normas éticas de la institución o de la entidad financiadora. El consentimiento explícito por escrito generalmente incluye una hoja de información que el participante tiene que firmar. Ejemplo: modelo elaborado por el Comité de Ética de la Investigación conjunto CNB-CBMSO http://www.cnb.csic.es/~cei/docs/Consentimiento_CEI_HIP_CI.pdf. El consentimiento verbal puede grabarse con audio o vídeo. Para los estudios o entrevistas informales, donde no se recogen datos personales o que identifiquen a la persona, no se requiere el permiso escrito. En este caso también debe de entregarse una hoja de información con la información anterior y la identidad de los investigadores.
- Código de buenas prácticas en investigación (UAM). Elaborado por el Comité de Ética de la Investigación de la Universidad Autónoma de Madrid y aprobado en Consejo de Gobierno de 8 de febrero de 2013 http://www.uam.es/otros/ceiuam/Documentos/Codigo de Buenas Practicas en Investigacion-20-02-2013 (2).pdf
- Código de buenas prácticas científicas del CSIC http://www.csic.es/etica-en-la-investigacion
- Ética de la investigación – Revista Arbor nº 730 http://dx.doi.org/10.3989/arbor.2008.i730
- Código de buenas prácticas científicas PRBB http://portal.prbb.org/informacion/para-investigadores-as/buenas-practicas-cientificas/10