Jsou vaše data FAIR?

Zajištění nalezitelnosti dat zahrnuje přiřazení trvalého identifikátoru (jako DOI nebo Handle ), bohatých metadat popisujících data a zajištění jejich nalezitelnosti prostřednictvím oborových a obecných vyhledávacích portálů (místních i mezinárodních).

Zpřístupnění dat může zahrnovat zpřístupnění dat pomocí standardizovaného protokolu. Data však nemusí být nutně otevřená. Někdy existují pádné důvody, proč data zpřístupnit nelze, například obavy o soukromí, národní bezpečnost nebo obchodní zájmy. Pokud data otevřená nejsou, měly by být jasně a transparentně stanoveny podmínky, jimiž se řídí přístup a opakované použití.

Aby byla data interoperabilní (tj. data, která lze interpretovat počítačem, takže je lze automaticky kombinovat s jinými daty), budou muset používat formáty, jazyk a slovníky dohodnuté v rámci komunity. Metadata musí rovněž používat standardy a slovníky dohodnuté v rámci komunity a obsahovat odkazy na související informace pomocí identifikátorů.

Opakovaně použitelná data by si měla zachovat svou původní bohatost. Například by neměla být zkracována za účelem vysvětlení zjištění v jedné konkrétní publikaci. Potřebuje jasnou strojově čitelnou licenci a informace o původu, jak data vznikla. Měla by také využívat oborově specifické datové a metadatové standardy, aby získala bohaté kontextové informace, které umožní přesnou interpretaci a opakované použití.

Identifikátory jsou nezbytné pro identifikaci, vyhledávání, vyhledávání, propojování a citování souborů dat. Webovou adresu (URL) lze použít k určení online umístění zdroje, ale v průběhu času se adresy URL obvykle mění, což vede k nefunkčním odkazům na data. Aby byly identifikátory užitečné, musí být trvalé a jedinečné. Identifikátory digitálních objektů (DOI) a další trvalé identifikátory (PID) poskytují trvalý citovatelný odkaz na konkrétní datovou sadu. DOI je trvalý pevný odkaz na dataset bez ohledu na to, kde je umístěn online, a umožňuje citování a citační metriky.

Služby pro vytvoření trvalého identifikátoru často nabízí vaše přidružená instituce nebo úložiště, které používáte k popisu svých dat. Další informace získáte ve své knihovně.

Přečtěte si více: Persistentní identifikátory

Identifikátor (nejlépe trvalý) musí být jasně uveden v metadatovém záznamu popisujícím sbírku dat a také ve všech souvisejících datových souborech nebo metadatech.

Komplexní metadatové záznamy budou obsahovat popisný obsah, který usnadní vyhledávání, přístup a opakované použití popisovaných dat. Ačkoli neexistuje žádný univerzální seznam, komplexní metadata by měla obsahovat:

• globálně jedinečný trvalý identifikátor, např. DOI
• název
• související osoby, tj. tvůrce nebo správce dat
• jak přistupovat k datům a formátům souborů
• popis toho, jak byla data vytvořena a jak interpretovat předmět dat nebo klíčová slova
• informace o citacích, které jasně uvádějí, jak mají být údaje citovány
• strojově čitelná datová licence
• původ a kontextové informace, jako jsou:
• odkazy na související publikace, projekty, služby a software.
• metodika a procesy spojené s tvorbou dat
• prostorové a časové pokrytí (je-li relevantní)
• popis dat na úrovni objektu

Poskytování metadat ve standardním schématu umožňuje, aby je četly a používaly stroje i lidé.

Přečtěte si více: Metadata

Bohatý popis metadat sám o sobě nezajišťuje "nalezitelnost" datové sady na internetu; datová sada musí být zaregistrována nebo indexována ve vyhledávacím zdroji, jako je například univerzální vyhledávač. (např. Figshare, Dryad, Zenodo oborově specifický (např. PANGAEA, ADA, ICPSR), nebo institucionální (např. ANU Research Repository , Sydney eScholarship Repository, data.gov.au) datový repozitář nebo registr. V ideálním případě jsou tato úložiště/registry indexovány vyhledávači, jako je Google a/nebo Google Scholar.

Ne všechna data, která lze zjistit, jsou volně přístupná. Často jsou na ně uvalena embarga, a přístupová oprávnění spojená s daty kvůli různým problémům. jako jsou ochrana soukromí a obchodní zájmy. I přes všechny tyto problémy lze sdílet mnoho citlivých údajů . Mnoho dalších problémů, které by mohly být vnímány jako překážky sdílení dat, lze překonat.

V ideálním případě by uživatelé chtěli získat příslušný internetový obsah přímo a bez překážek, jakmile našli. Internetové protokoly (např. http a ftp) definují pravidla a zvyklosti pro komunikaci mezi zařízeními a k dispozici jsou nástroje a služby, které tento proces usnadňují, např. rozhraní API.

Protokoly

HTTP (Hypertext Transfer Protocol) is the set of rules for transferring files (text, graphic images, sound, video, and other multimedia files) on the World Wide Web. As soon as a Web user opens their Web browser, the user is indirectly making use of HTTP.

FTP (File Transfer Protocol) is a standard Internet protocol for transmitting files between computers on the Internet over TCP/IP connections. Read more: Web protocols

API (Application Programming Interface): Když jsou informace zpřístupněny v jakémkoli stroji. čitelném formátu, je možné tyto informace přímo zpřístupnit programům, které je používají. které si tyto informace vyžádají prostřednictvím webu. Rozhraní API je způsob, jakým se tyto informace přímo k dispozici ostatním strojům.

Zobrazit více: Co je API?

OGC - http://www.opengeospatial.org/ogc

Často je nutné vynaložit úsilí na udržování datových zdrojů online, což může často vést k tomu, že se tyto zdroje zanedbávat, zejména po dlouhou dobu. To často vede k nefunkčním odkazům mezi metadaty a daty. Mít k dispozici alespoň popis dat ve formě metadatového záznamu znamená, že existuje záznam o existenci dat, který umožňuje, aby se data že je někdo může dohledat.

Při výběru formátů souborů pro archivaci by se v ideálním případě mělo jednat o tyto formáty::

• Neproprietární
• Nešifrované
• nekompresované
• Běžně používané ve výzkumné komunitě
• Dodržování otevřeného a zdokumentovaného standardu, například standardu popsaného státem Kalifornie. (viz AB 1668, 2007)
  • Interoperabilní mezi různými platformami a aplikacemi
  • Plně publikované a dostupné bez licenčních poplatků
  • Plně a nezávisle implementovatelné více poskytovateli softwaru na různých platformách bez jakýchkoli omezení duševního vlastnictví potřebné technologie.
  • Vyvíjí a udržuje je organizace pro otevřené standardy s dobře definovaným procesem vývoje standardu.

Z: Stanford University Library - Osvědčené postupy pro formáty souborů

Příklady formátů souborů:

• Strukturovaný, otevřený standardní, strojově čitelný formát, např. (text) PDF/A, HTML, Plain text, (obraz) TIFF, JPEG 2000, GIF, (audio) MP3, AIFF, WAVE, (video) MOV, MPEG, AVI, (Tabular data) CSV
• strukturovaný, otevřený standardní, strojově nečitelný formát, např. PDF, HTML, JPG
• Proprietarní formát, např. doc (Word), .xls (Excel), .ppt (PowerPoint), .sav

Přečtěte si více:

• ANDS
• European Data Portal

Metadatové standardy jsou schémata, která prošla formálním procesem validace ze strany standardizačních organizací. jako je Mezinárodní organizace pro normalizaci (ISO) nebo ekvivalentní orgán, jako je např. Dublin Core Metadata Initiative (DCMI); nebo běžně používaná a důsledně uplatňovaná metadatová schémata, která jsou dobře zdokumentována, schválena a udržována, se mohou rovněž stát "de facto standardy", např. RIF-CS pro popis datových sbírek a služeb používaných v Research Data Australia.

Přečtěte si více: Metadatové schema

Standardizovaná otevřená a univerzální schémata, např.: DataCite Metadata Schema, PROV, Dublin Core

Doménově specifické standardy, např. . HPO - Human Phenotype Ontology, MeSH - Medical Subject Headings , Marine Community Profile, DDI - Data Documentation Initiative Pro více ukázek standardů...

Řešitelné globální identifikátory - Identifikátor je jakákoli značka používaná k jednoznačnému pojmenování něčeho (ať už online nebo offline). Příkladem identifikátoru jsou adresy URL. Stejně tak sériová čísla a osobní jména. U trvalého identifikátoru je zaručena správa a aktualizace po definovanou dobu.

Přečtěte si více: Persistentní identifikátory

Cílem je vytvořit co nejvíce smysluplných vazeb mezi (meta)datovými zdroji, aby se obohatily kontextové znalosti o datech, a to v rovnováze s časem/energií potřebnou k vytvoření dobrého datového modelu.

Strojově čitelná (meta)data

(Meta)data ve formátu, který lze automaticky číst a zpracovávat počítačem, např. CSV, JSON, XML atd. Další informace: Open Data Handbook

Propojená data (Linked Data)

Propojená data (známá také jako Linked nebo Linking Data) lze použít ke zlepšení využití "webu dat". Tento výraz označuje publikování strukturovaných dat tak, že se mezi daty z různých zdrojů vytvářejí typizované odkazy, které zajišťují vyšší úroveň využitelnosti. Pomocí propojených dat je možné vyhledávat další, související data. Strukturovaná data by měla splňovat čtyři požadavky, aby mohla být nazývána propojenými daty:

• URI by měly být přiřazeny všem entitám datové sady.
• URI HTTP jsou vyžadovány, aby bylo zajištěno, že uživatelé a uživatelští agenti mohou odkazovat na všechny entity a citovat je.
• Entity by měly být popsány pomocí standardních formátů, například RDF/XML.
• Měly by být vytvořeny odkazy na další související URI entit.

Všechna data, která splňují tyto požadavky a jsou zveřejněna, se nazývají propojená otevřená data (Linked Open Data, LOD). http://www.lesliesikos.com/semantic-web-machine-readable-structured-data-with-meaningful-annotations/

Více informací pod nadpisem (meta)data obsahují kvalifikované odkazy na další (meta)data v následujícím zdroji: https://www.dtls.nl/fair-data/fair-principles-explained/
Další informace o standardech propojených dat - RDF - https://www.w3.org/RDF/
Další související standardy propojených dat: OWL - https://www.w3.org/OWL/ , SKOS - https://www.w3.org/2004/02/skos/ , SPARQL - https://www.w3.org/TR/rdf-sparql-query/

Pokud nejsou data licencována, nikdo jiný je nemůže použít. V Austrálii je absence licence považována za totéž co "všechna práva vyhrazena", což omezuje jakékoli opakované použití na velmi omezené okolnosti. Použití licence Creative Commons na vaše data je jednoduchý způsob, jak zajistit, aby vaše data mohla být znovu použita. Čím méně omezující je licence, tím více lze s daty dělat.

Aby bylo možné na webu snadno zjistit, kdy je dílo dostupné pod určitou licencí, poskytuje "strojově čitelná" verze licence souhrn klíčových svobod a povinností ve formátu srozumitelném softwarovým systémům, vyhledávačům a dalším druhům technologií.

Příklad z Creative Commons License Chooser :

Co se zobrazuje v metadatech:

This work is licensed under a Creative Commons Attribution 4.0 International License.

Úryvek kódu:

<a rel="license" href="http://creativecommons.org/licenses/by/4.0/">
<img alt="Creative Commons License" style="border-width:0"
src="https://i.creativecommons.org/l/by/4.0/88x31.png"/>
</a><br />This work is licensed under a
<a rel="license" href="http://creativecommons.org/licenses/by/4.0/">
Creative Commons Attribution 4.0 International License</a>.

Přečtěte si více: https://www.ands.org.au/working-with-data/publishing-and-reusing-data/licensing-for-reuse

Původ dat slouží k dokumentaci toho, odkud data pocházejí, a procesu a metodiky, podle které byla vytvořena. Je důležitá pro p otvrzení pravosti dat, což umožňuje jejich důvěryhodnost, věrohodnost a reprodukovatelnost. To je stále důležitější, zejména v komunitě elektronických věd, kde je výzkum náročný na data a často zahrnuje složité transformace dat a postupy. Přečtěte si více... Slovníky původu, jako např. Provenir Ontology (PROV-O) and others

Skóre bylo odvozeno následovně:

Má datová sada přiřazeny nějaké identifikátory:
Odpověděli jste , což vám dalo z možných 8 bodů.

Is the dataset identifier included in all mdetadata records:
Odpověděli jste , což vám dalo z možného 1 bodu.

How is the data described with metadata:
Odpověděli jste , což vám dalo z možných 4 bodů.

What type of repository or registry is the metadata record in:
Odpověděli jste , což vám dalo z možných 4 bodů.

This gives you out of a possible 17 points.

The score was derived as follows:

How accessible is the data:
Odpověděli jste , což vám dalo z možných 5 bodů.

Is the data available online without requiring specialised protocols or tools once access has been approved:
Odpověděli jste , což vám dalo z možných 4 bodů.

Will the metadata record be available even if the data is no longer available:
Odpověděli jste , což vám dalo z možného 1 bodu.

This gives you out of a possible 10 points.

The score was derived as follows:

What (file) format(s) is the data available in:
Odpověděli jste , což vám dalo z možných 2 bodů.

What best describes the types of vocabularies/ontologies/tagging schemas used to define the data elements:
Odpověděli jste , což vám dalo z možných 3 bodů.

How is the metadata linked to other data and metadata to provide context around the data:
You answered , což vám dalo z možných 3 bodů.

This gives you z možných 8 bodů.

The score was derived as follows:

Does the dataset have any identifiers assigned?
Odpověděli jste , což vám dalo z možných 4 bodů.

Is the dataset identifier included in all mdetadata records:
Odpověděli jste , což vám dalo z možných 2 bodů.

This gives you z možných 6 bodů.