Se ha denunciado esta presentación.
Utilizamos tu perfil de LinkedIn y tus datos de actividad para personalizar los anuncios y mostrarte publicidad más relevante. Puedes cambiar tus preferencias de publicidad en cualquier momento.

Gestão de dados de pesquisa

Comunicação realizada na Série de Seminários de Pesquisa do Departamento de Computação da UFSCar – 22 ago. 2018

  • Inicia sesión para ver los comentarios

Gestão de dados de pesquisa

  1. 1. Gestão de dados de pesquisa Dra. Ana Carolina Simionato acsimionato@ufscar.br Série de Seminários de Pesquisa do Departamento de Computação da UFSCar – ago/2018
  2. 2. #contexto Fonte:http://agencia.fapesp.br/fapesp-anuncia-novas-normas-para-submissao-de-projetos-tematicos/26274/
  3. 3. https://www.nature.com/articles/d41586-018-03071-1?utm_source=briefing-dy&utm_medium=email&utm_campaign=briefing&utm_content=20180316%22
  4. 4. Agenda  Conceitos principais  Produção de dados de pesquisa  Gestão de dados  Plano de gestão de dados de pesquisa
  5. 5. #dado
  6. 6. Dado de pesquisa Dados são sempre registrados tomando como base de algum interesse, perspectiva, tecnologia e prática que determinam seus significados e utilidades em diferentes contextos. (NIELSEN; HJORLAND, 2014, p.225).
  7. 7. O que é um dado? #dado bruto #dado secundário Johnstone(2011)
  8. 8. Tipos de dados Os dados de pesquisa em diferentes momentos, podem ser também identificados como dados brutos (raw data) ou preliminares, dados derivados, dados referenciais ou canônicos. Tipos de dados: observacionais, experimentais, simulações, dados compilados.
  9. 9. #pesquisa #diversidade em: ##campos e métodos de pesquisa ##tipos de dados de pesquisa
  10. 10. Os dados científicos são registros realizados durante uma pesquisa. #coleta de pesquisa #métodos de pesquisa #diversos fins
  11. 11. Visível pelas publicações Invisível ? #revisão por pares #preprints #validação da pesquisa #publicação ampliada #visibilidade científica #colaboração pesquisa Todos os esforços de uma pesquisa?
  12. 12. #reprodutibilidade #validação #autocorreção #avaliação por pares #interpretação #novas pesquisas REUSO
  13. 13. # criação de inúmeros dados de pesquisa # big data
  14. 14. Paradigmas da Ciência 1. Ciência experimental ou empírica estuda a relação entre fenômenos por meio de experimentos; 2. Ciência teórica ou descritiva formula modelos para descrição e explicação dos fenômenos naturais; SAYÃO; SALES, 2015
  15. 15. Paradigmas da Ciência 3. Ciência baseada em simulação uso de software e grande geração de dados; 4. Ciência com o auxílio de ferramentas avançadas de software e de mineração da dados ajudam a interpretar e transformar dados brutos em configurações ilimitadas de informação e conhecimento. SAYÃO; SALES, 2015
  16. 16. #como promover o acesso ao conhecimento?
  17. 17. # open science # progresso científico Demoiselle (1907) – patentepública
  18. 18. PUBLIQUEM E COMPARTILHEM SEUS DADOS! Mandatória de: • Agências financiadoras de pesquisa; • Periódicos científicos; • Instituições de pesquisa; • Pesquisadores.
  19. 19. Como publicar?
  20. 20. ? políticas institucionais ? responsabilidades ? armazenamento ? manutenção ? recursos humanos e financeiros ? entre outras questões ?
  21. 21. Encontrável Acessível Interoperável Reutilizável Princípios FAIR
  22. 22. É importante ressaltar que o dado precisa ser fornecido em condições que permitam a sua reutilização e redistribuição, incluindo o vínculo com outros conjuntos de dados. Os princípios FAIR (Findable, Accessible, Interoperable, Reusable) definem orientações para que os dados científicos sejam localizáveis, acessíveis, interoperáveis e reusáveis. FORCE11 (2016)
  23. 23. ações essenciais do ciclo de vida dos dados: IDENTIFICAÇÃO, DIGITALIZAÇÃO, HIGIENIZAÇÃO, DESCRIÇÃO, ARMAZENAMENTO E PRESERVAÇÃO, COMPARTILHAMENTO, e AVALIAÇÃO. #plano de gestão de dados #planejamento
  24. 24. Sant’Ana (2016) DCC Curation Lifecycle Model (2013) (2013) Qin; Ball; Greenberg (2012) entre outros... #diversidade de modelos de ciclo de vida dos dados de pesquisa
  25. 25. Para o Plano de Gestão de Dados, o Digital Curation Centre (2013) orienta ao pesquisador a refletir sobre 13 questões:
  26. 26. Plano de gestão de dados 1. Quais dados você coletará ou criará? 2. Como os dados serão coletados ou criados? 3. Que documentação e metadados acompanharão os dados? 4. Como você administrará qualquer questão ética? 5. Como você vai gerenciar os direitos autorais e os direitos de propriedade intelectual? 6. Como os dados serão armazenados e armazenados durante a pesquisa? DCC (2013)
  27. 27. Plano de gestão de dados 7. Como você vai gerenciar o acesso e a segurança? 8. Quais dados devem ser mantidos, compartilhados e / ou preservados? 9. Qual é o plano de preservação a longo prazo para o conjunto de dados? 10.Como você vai compartilhar os dados? 11.São necessárias restrições ao compartilhamento de dados? 12.Quem será responsável pelo gerenciamento de dados? 13.Quais recursos você precisará para implementar seu plano? DCC (2013)
  28. 28. Conteúdo do PGD Fapesp  Um Plano de Gestão de Dados é um texto que deve responder a duas perguntas básicas:  1. Quais dados serão gerados pelo projeto  2. Como serão preservados e disponibilizados, considerando questões éticas, legais, de confidencialidade e outras  O texto de um Plano varia conforme a disciplina, os tipos de dados considerados e como os responsáveis pelo projeto pretendemdisponibilizá-los. Algumas chamadas FAPESP poderão especificar o formato desejado do Plano. Para todos os demais casos, o Plano submetido como anexo de uma proposta à FAPESP deveseguir as seguintes diretivas:
  29. 29. Conteúdo do PGD Fapesp  Texto de até duas páginas, contendo as seguintes informações  a) Descrição dos dados e metadados produzidos pelo projeto - por exemplo, amostras, registros de coleta, formulários, modelos,resultados experimentais, software, gráficos, mapas, vídeos, planilhas,gravações de áudio, bancos de dados, material didático e outros.  b) Quando aplicável, restrições legais ou éticas para compartilhamento de tais dados, políticas para garantir a privacidade, confidencialidade, segurança, propriedade intelectual e outros.  c) Políticade preservação e compartilhamento (por exemplo,compartilhamento imediato ou apenas após a aceitação da publicação associada). Período de carência(antes do compartilhamento) e período durante o qual os dados serão preservados e disponibilizados.  d) Descrição de mecanismos,formatos e padrões para armazenar tais itens de forma a torná-los acessíveis por terceiros. Esta descrição pode incluir o uso de repositórios e serviços de outras instituições.
  30. 30. templates de auxílio a construção do plano de gestão de dados, sugestão: - DMP Tool - DMP Online [Cuidado: cada agência ou instituição de fomento possui um escopo, é necessário verificar]
  31. 31. https://dmptool.org/
  32. 32. https://dmponline.dcc.ac.uk/
  33. 33. Onde depositar seus dados?  Repositórios institucionais;  Repositórios multidisciplinares: https://datadryad.org/ https://zenodo.org/ https://figshare.com/
  34. 34. Buscar repositórios temáticos: https://www.re3data.org/
  35. 35. Referências A. Goben e R. Raszewski, “The data life cycle applied to our own data”, J. Med. Libr. Assoc. JMLA, vol. 103, no 1, p. 40–44, jan. 2015. C. Borgman, “Research Data: Who will share what, with whom, when, and why?”, 2010. C. Lee, S. Allard, N. McGovern, e A. Bishop, “Open Data meets Digital Curation: an investigation of practices and needs”, Int. J. Digit. Curation, vol. 11, no 2, p. 115–125, jul. 2017. D. R. Harvey, Digital curation: a how-to-do-it manual. New York: Neal-Schuman Publishers, 2010. Digital Curation Centre, “Digital Curation Centre: because good research needs good data”, 2016. [Online]. Disponível em: http://www.dcc.ac.uk/. [Acessado: 02-ago-2016]. Editorial Nature, “Everyone needs a data-management plan”, Nature, 13-mar-2018. [Online]. Disponível em: http://www.nature.com/articles/d41586-018- 03065-z. [Acessado: 10-ago-2018]. FORCE11, “Guiding Principles for Findable, Accessible, Interoperable and Re-usable Data Publishing version b1.0”, FORCE11, 10-set-2014. [Online]. Disponível em: https://www.force11.org/fairprinciples. [Acessado: 13-ago-2017]. H. Chen, Y. Lin, e C. Chen, “Approaches to building metadata for data curation”, Int. Conf. Dublin Core Metadata Appl., p. 4, 2013. H. J. Nielsen e B. Hjørland, “Curating research data: the potential roles of libraries and information professionals”, J. Doc., vol. 70, no 2, p. 221–240, 2014. L. F. Sayão e L. F. Sales, “Algumas considerações sobreos repositórios digitais de dados de pesquisa”, Informação Informação, vol. 21, no 2, p. 90, dez. 2016.
  36. 36. Referências L. F. Sayão e L. F. Sales, “Curadoria digital e dados de pesquisa”, AtoZ Novas PráticasEmInformação E Conhecimento, vol. 5, no 2, p. 67, jan. 2017. L. F. Sayão e L. F. Sales, “Dados de pesquisa: contribuição para o estabelecimento de ummodelo de curadoria digital para o país”, 2013. L. F. Sayão e L. F. Sales, Guia de gestão de dados de pesquisa para bibliotecários e pesquisadores. Rio de Janeiro: CNEN/IEN, 2015. M. D. Wilkinson et al., “The FAIR Guiding Principles for scientific data management and stewardship”, Sci. Data, vol. 3, p. 160018, mar. 2016. National Science Foundation, “Planning data for researchers: information on writing a data management paragraph for NSF”, Research Information Services baseline, 2015. [Online]. Disponível em: http://www.ru.nl/research-information-services/data-management/planning-research/funder- requirements/nsf/. [Acessado: 13-ago-2017]. National Science Foundation, “Planning data for researchers: information on writing a data management paragraph for NSF”, Research Information Services baseline, 2015. [Online]. Disponível em: http://www.ru.nl/research-information-services/data-management/planning-research/funder- requirements/nsf/. [Acessado: 13-ago-2017]. Q. Schiermeier, “Data management made simple”, Nature, 13-mar-2018. [Online]. Disponível em: http://www.nature.com/articles/d41586-018-03071-1. [Acessado: 10-ago-2018]. R. C. G. Sant’Ana, “Ciclo de vida dos dados: uma perspectiva a partir da ciência da informação”, Informação Amp Informação, vol. 21, no 2, p. 27, 2016. R. G. Curty e J. Qin, “Towards a model for research data reuse behavior”, Proc. Am. Soc. Inf. Sci. Technol., vol. 51, no 1, p. 1–4, 2014. R. G. Curty, K. Crowston, A. Specht, B. W. Grant, e E. D. Dalton, “Attitudes and norms affecting scientists’ data reuse”, PloS One, vol. 12, no 12, p. e0189288, 2017.
  37. 37. Obrigada! Dra. Ana Carolina Simionato - acsimionato@ufscar.br Série de Seminários de Pesquisa do Departamento de Computação da UFSCar – ago/2018

×