Skip to main content

Datos de investigación: gestión, datos abiertos...: GESTIÓN DE DATOS DE INVESTIGACION

Guía diseñada para entender qué son los datos de investigación y herramientas para gestionarlos

¿Qué es y por qué es importante la gestión de datos de investigación?

Porque permite:

  • Ahorrar tiempo y hacer un uso eficiente de los recursos disponibles: Podrás encontrar, comprender y utilizar los datos en el momento que necesites
  • Facilitar la reutilización de los datos que has generado o recopilado: La correcta gestión y documentación de los datos a lo largo de su ciclo vital permitirá que estos se mantengan exactos, completos, auténticos y fiables.  Estos atributos permitirán que puedan ser comprendidos y utilizados por otras personas
  • Cumplir con las exigencias de agencias de financiamiento: Cada vez son más las agencias que exigen la presentación de planes de gestión de datos y/o el depósito de datos en repositorios como requisitos para el financiamiento de investigaciones
  • Proteger y preservar los datos: Al gestionar y depositar los datos en repositorios apropiados podrás resguardarlos de forma segura a lo largo del tiempo, protegiendo tu inversión de tiempo y recursos y permitiendo que puedan servir a nuevas investigaciones y descubrimientos en el futuro.

Gestión de datos de investigación

La descripción debe proporcionar un contexto para la interpretación y utilización de los datos, ya que los datose carecen por sí mismos de esa información, a diferencia de las publicaciones científicas.

Conviene usar metadatos, que sirven para describir de forma estructurada y normalizada los datasets: el propósito, origen, referencias temporales, referencias geográficas, autoría, condiciones de acceso y términos de uso de una colección de datos. Existen para ello esquemas de metadatos generales, especializados y generados por el propio software.

La descripción de cada conjunto de datos debería incluir la siguiente información:

  • Origen de los datos: si los datos se generan dentro del proyecto o bien si son recolectados. En caso de que los datos sean recolectados, es necesario indicar la fuente de donde se han extraído.
  • Tipología y formato de los datos (datos observacionales, experimentales, computacionales, etc.)
  • Estándares de descripción: hay que indicar el estándar de metadatos que se utilizará.
  • Metadatos de descripción: los metadatos deberían responder a preguntas del tipo:
    • ¿Qué son los datos?
    • ¿Quién los puede utilizar?
    • ¿Cuándo pueden utilizarse?
    • ¿Cómo pueden utilizarse?
    • ¿Con qué finalidad pueden utilizarse?
    • ¿Dónde pueden encontrarse?
    • ¿Cuánto tiempo estarán disponibles?

Un Plan de Gestión de Datos - PGD (Data Management Plan – DMP) es un documento formal que debe presentarse al inicio de la investigación, en el cuál se esboza la gestión que se aplicará durante el ciclo de vida de los datos, desde su creación hasta la finalización del proyecto de investigación.

El PGD describe  qué datos se van a recoger o generar, qué metodología y normas se van a emplear, cómo se van a compartir y/o poner en abierto, y cómo se van a conservar y preservar.

¿Qué debe contener un PLAN DE GESTIÓN DE DATOS?
•Relación de datos que se ofrecerán en abierto, con una descripción detallada de los mismos.
•Cómo se facilitará el acceso a los datos, para su posible verificación y reutilización.
•Cómo serán conservados y preservados los datos, indicando el nombre y tipo de repositorio donde se depositarán

 

PAGODA - Plan de Gestión de Datos: traducción y adaptación al castellano de la herramienta DMP Online, hecha por el Consorcio de Madroño. Herramienta que sirve como plantilla para elaborar el Plan de gestión de datos siguiendo los requisitos del Horizon 2020.

DMP Online: programa desarrollado por el Digital Curation Centre, UK. Dispone de una plantilla para proyectos H2020. Pueden consultarse los diferentes manuales y seminarios en línea sobre la herramienta y las FAQ.

Checklist for Data Management Plan

Biblioteca de la Universidad de Extremadura