Cómo crear tu plan de gestión de datos de investigación

Servicio de Datos de Investigación
Biblioteca /CRAI
Cómo crear tu Plan de Gestión de
Datos de Investigación (PGDI)
Esta obra está bajo una Licencia Creative CommonsAtribución-NoComercial-CompartirIgual 4.0 Internacional.
Yusnelkis Milanés Guisado. PhD.

Objetivos
Picture with (CC BY-NC-SA 2.0) Licence from http://www.Flickr.com/potos/bibhop/
Aprender conceptos básicos sobre qué son los datos investigación y
el ciclo de vida de los datos científicos, tipos y formatos, datos FAIR,
etc
Relevancia de una adecuada Gestión de los datos de investigación …
Conocer los componentes esenciales para crear un plan de gestión
de datos de investigación
Fomentar el aprendizaje de las principales herramientas y
plantillas disponibles para crear planes de gestión de datos

Programa
Módulo 1: Introducción a la Gestión de datos de
investigación
Módulo 2: Planifica la gestión de datos de
investigación. Porqué crear planes de gestión de datos
Módulo 3: Plantillas y herramientas para crear planes
de gestión de datos de investigación
Módulo 4: Práctica a través de estudios de caso

Datos y estructura de ficheros
Nomenclatura de ficheros
Integridad de los datos
Construcción de variables
Documentación del proyecto
Documentación de los datos
Computer-assisted interviewing
Using integrated software
Entrada de datos y documentación
Pre-test y estudios pilotos
Confidencialidad
Cuestiones iniciales para comenzar un proyecto

https://www.icpsr.umich.edu/files/deposit/dataprep.pdf
Ciclo de vida de los datos científicos

Un mundo lleno de datos
https://www.covid19dataportal.org/the-european-covid-19-data-platform

Tipos de datos de investigación
“datos que son recolectados, observados o
creados para ser analizados y producir
resultados de investigación originales”
•Numéricos, descriptivos o visuales.
•Encontrarse en estado bruto o analizado, pueden ser experimentales u
observacionales.

• Textos: Cuestionarios, Transcripciones de entrevistas, Codebooks,
Metodologías, Flujos de trabajo, Procedimientos, Protocolos, Notebooks, Diarios
de investigación, etc.
• Numéricos: Respuestas a encuestas, Registros médicos, Respuestas a tests,
Hojas de Excel, instrumentos de medida, Info geoespacial, etc. (Stata, Spss, Excel,
Gis)
• Multimedia: Imágenes, Audio recordings, Videos (jpeg, png, tiff, mp3, wav,
mpeg, quicktime)
Tipos de Datos de investigación

Tipos de Datos de investigación
• Códigos: Fuentes de código, Algoritmos, Scripts (R, Python, Java, MATLAB)
• Sintáxis: Software-specific code files to carry out data processing steps (e.g. data
preparation, linkage, statistical analysis, etc) (Stata, SPSS, R, MATLAB)
• Específico de una disciplina: Los tipos de datos pueden incluir: Flexible Image
Transport System (FITS) [Astronomy]; Crystallographic Information File (CIF) [Chemistry];
GRIdded Binary (GRIB) [Meteorology]

Datos de investigación
• Datos primarios: Datos coleccionados para un propósito particular ( Ej: responder
a una pregunta de investigación) por el propio investigador y / o su equipo de manera
directa.
• Datos secundarios: Datos coleccionados o producidos con intermediación de
otras fuentes (ejemplo, historia clínica de pacientes, entrevistas, cuestionarios, etc) _
Limitaciones

Por su nivel de procesamiento
Brutos
Procesados
Estadísticos

Métodos y datos
Cuantitativos
Cross-sectional studies
Longitudinal studies
Opinion polls
Questionnaires
Social attitude surveys
Surveys and censuses
Cualitativos
Semi-structured interviews
Unstructured interviews
Unstructured Observation
Open questionnaire survey
Keeping logs and diaries
Focal groups (Groups discussions)
TIPO Método Formato

Datos agregados o macrodatos
https://trainingmodules.ukdataservice.ac.uk/aggregate/#/lessons/Vn9Rr2Gm5V8BKIpmeRfXPfabJv_RQOj3
Ejemplo de indicadores agregados:
esperanza de vida,
tasas de empleo,
PIB,
emisiones de gases de efecto invernadero,
recuentos de censos
Producidos por datos combinados de
individuos (a partir de aplicar métodos
de agregación estadística como suma
o promedio)

Datos de censos: Datos construidos a partir de diferentes niveles (áreas,
autoridades locales, nivel nacional, etc)
https://trainingmodules.ukdataservice.ac.uk/aggregate/#/lessons/rX3tpMY1MyJSLUKIy2Qx7XrZbhEjz5g5
https://ukdataservice.ac.uk/help/data-types/census-data/
https://beta.ukdataservice.ac.uk/datacatalogue/studies/#!?Search=&Rows=10&Sort=0&DataTypeFacet=Census%20data&Pag
e=1&DateFrom=440&DateTo=2021

https://ec.europa.eu/education/news/pisa-2018_en

Proveedores internacionales de macrodatos
• The World Bank
• Organization for Economic Co-operation and
Development (OECD)
• International Monetary Fund (IMF)
• The International Labour Organization (ILO).
• UNESCO
• UNIDO
• HUMAN RIGTHS ATLAS
• International Monetary Fund
•International Labour Organisation
•UNICEF
•UN Statistics
•UNESCO
•Eurostat
https://stats2.digitalresources.jisc.ac.uk/

Barómetros: Datos de opinion pública
http://www.cis.es/cis/opencm/ES/11_barometros/index.jsp
¿Dónde encontrar datos?

https://ec.europa.eu/eurostat/data/database
Eurostat
¿Dónde encontrar datos?

Ciencia reproducible
Concienciación
sobre publicar
datasets
METADATOS
Datasets (Bruto) de
CALIDAD
Reproducibilidad
+

Ciencia abierta vs Acceso abierto
Open Access ≠ Open Science
Acceso libre y gratuito a:
• Publicaciones
científicas
1. Acceso libre y gratuito a:
• Publicaciones científicas
• Datos de investigación (FAIR)
• Métricas abiertas
• Software libre
• Recursos educativos en abierto
• Open peer-review
• Ciencia ciudadana
https://ibercivis.es/articulo-eu-citizen-science/

Requisitos de las agencias de financiación
OECD Principles and Guidelines for Access to Research Data
from Public Funding (2004-2007)
“… open access to scientific data should be adopted as
the international norm for the exchange of scientific
data derived from publicly funded research.”
The National Science Foundation, January2011
“requires, in all proposals a supplementary document of
no more than two pages describing a Data
Management Plan for the proposed research.“
European Research Council , Open Access Guidelines for
Researchers, June 2012
“…primary data, as well as data-related products such
as computer codes, is deposited in the relevant
databases as soon as possible, preferably immediately
after publication and in any case not later than six
months after the date of publication.”

Directrices para la Gestión de Datos en Horizonte 2020
(Guidelines on Data Management in Horizon 2020)
https://ec.europa.eu/research/participants/docs/h2020-funding-guide/cross-cutting-issues/open-
access-data-management/data-management_en.htm

Directrices para la Gestión de Datos en Horizonte 2020
(Guidelines on Data Management in Horizon 2020)

 Beneficiaries must manage the digital research data generated in the
action (‘data’) responsibly, in line with the FAIR principles and by
taking all of the following actions:
 §establish a data management plan (‘DMP’) (and regularly update it)
 §as soon as possible and within the deadlines set out in the DMP, deposit the data
in a trusted repository; if required in the call conditions, this repository must be
federated in the EOSC in compliance with EOSC requirements
 §as soon as possible and within the deadlines set out in the DMP, ensure open
access — via the repository — to the deposited data, under the latest available
version of the Creative Commons Attribution International Public License (CC BY)
or Creative Commons Public Domain Dedication (CC 0) or a licence with equivalent
rights, following the principle ‘as open as possible as closed as necessary’, unless
providing open access would in particular:
 -be against the beneficiary’s legitimate interests, including regarding commercial exploitation, or
-be contrary to any other constraints, in particular the EU competitive interests or the beneficiary’s
obligations under this Agreement; if open access is not provided (to some or all data), this must be
justified in the DMP
§provide information via the repository about any research output or any other
tools and instruments needed to re-use or validate the data.
Open science: research data management

Ciencia abierta en Horizonte Europa
Stakeholder workshop: Novelties in Horizon Europe MGA (9 October 2020).
https://ec.europa.eu/research/participants/docs/h2020-funding-guide/other/event201009.htm

Infraestructura europea
https://www.openaire.eu/

https://open-research-europe.ec.europa.eu/
“Open Research Europe is a great step forward for EU R&I
programme beneficiaries and research communities from all
scientific, social science and humanities fields. The new
publishing platform will enable them to fully embrace
Open Science meeting their publishing needs and openly
share, use and find linked publications and data.”
Mariya Gabriel
Commissioner, European Commission
Open Research Europe (ORE)
Open Research Europe: una nueva plataforma
de publicación de acceso abierto para los
beneficiarios de H2020 / Horizonte Europa.

https://open-research-europe.ec.europa.eu/
Open Research Europe (ORE)
Publicación rápida y transparente en todas las áreas
temáticas
Usa un modelo de publicación en abierto.
Incluye citas a todos los datos y materiales permitiendo la
reproducibilidad y el re-uso.

EUROPA
Ciencia abierta _ Horizonte Europa
El mandato de acceso abierto se extiende a libros y
otras publicaciones de formato extenso.
Acceso abierto inmediato, no más embargos, no se
reembolsan las tarifas de las publicaciones en lugares
híbridos
Se debe proporcionar información sobre todos los
demás objetos, herramientas e instrumentos
académicos que se necesitan para validar las
conclusiones de la publicación.
Mandato de intercambio de datos abierto
responsablemente a través de repositorios confiables
Énfasis en la gestión de datos de investigación FAIR y
los DMP, al igual que en H2020, los costos de RDM son
elegibles para reembolso.
Open Research Europe: una nueva plataforma de
publicación de acceso abierto para los beneficiarios de
H2020 / Horizonte Europa.

NACIONAL
Ministerio de Ciencia e Innovación (2020) Resolución de la Convocatoria de Proyectos de I+D+I 2020 de la Agencia Estatal
de Investigación [en línea] Disponible en:
https://www.ciencia.gob.es/stfls/MICINN/Ayudas/PE_2017_2020/PE_Orientada_Retos_Sociedad/FICHEROS/Proyectos_ID
I_Retos_Investigacion/ConvocatoriaPID2020_Resolucion20201111.pdf

Porque te van a evaluar por ello

Por qué gestionar los
datos de
investigación

Por qué gestionar los datos de investigación
“Because Good research needs Good data”
DCC. Digital Curation Center.

La gestión de datos de investigación
La gestión de datos de investigación refiere a todos
los procesos que te permiten organizar, procesar y
estructurar los datos de tu investigación durante el
ciclo de vida del Proyecto…

Beneficios de la Gestión de Datos para los investigadores
Responder a las políticas y regulaciones
De financiadores, instituciones, revistas
Seguridad y preservar su trabajo:
Incluyendo tus datos y la documentación asociada
Para documentar su proceso de investigación, decisiones y cambios.
Si no lo anota, ¡lo olvidará!
Mayor visibilidad e impacto de tu investigación:
Los datos se convierten en citables a través de los identificadores
persistentes
Colaboración
Para re-utilizar sus datos cuando lo necesite, usted y otros
investigadores.
Fácil de encontrar
Gestión de datos de investigación

Datos FAIR
• se pueden encontrar en Internet
(Identificadores persistentes, metadatos),
• son accesibles (derechos y licencias claros),
• están en un formato utilizable,
• se identifican de una manera única y
persistente para que se pueda hacer
referencia a ellos.
El principal objetivo de los principios FAIR es preparar los
datos de investigación para que tanto humanos
y máquinas puedan recuperarlos y reutilizarlos de la
mejor manera posible...
Los repositorios cubren la mayoría de
los aspectos
Objetivo: Datos FAIR

Datos FAIR
Objetivo: Datos FAIR
Planificar
Preparar
Recolección de
datos
Procesamiento
Análisis
Depósito /
Compartir / Re-uso

Datos FAIR
Herramientas para valorar si tus datos
son FAIR:
• FAIR data self-assessment tool
(https://ardc.edu.au/resources/working-with-data/fair-
data/fair-self-assessment-tool/)
• FAIR-Aware (https://fairaware.dans.knaw.nl/)

Datos FAIR vs Datos abiertos
Tan abierto como sea posible, tan cerrado
como sea necesario
La accesibilidad limitada, por ejemplo, debido a
la protección de la privacidad de los datos, no
contradice los principios FAIR.

El Plan de Gestión de Datos (PGD)
o Data Management Plan (DMP)

PLANIFICAR
¡¡Implicaciones
en la solicitud
de los
proyectos!!

PLANIFICAR
¿Cómo responder a los requisitos de los organismos
financiadores?
¿Qué es un Plan de Gestión de Datos de Investigación y
cómo crearlo ?

Plan de Gestión de Datos de Investigación
PGDI – ¿Porqué?
Panificar, gestionar y reflejar tus prácticas en relación a los datos
Hacer que tu investigación sea verificable, replicable (Un paper es
más fácil de escribir con un buen PGDI en mano…)
Hacer que tus datos sean comprensibles, encontrables,
accesibles , interoperables y reusables (FAIR)_POR TODOS LOS
IMPLICADOS
Responder con los mandatos de los financiadores

PGDI – ¿Porqué?
Ahorro tiempo
- Menos reorganización después
Aumenta la eficiencia de la investigación
- Aseguras que tú y otros podrán entender y usar los datos
en el presente y el futuro.
- Previenes duplicación de esfuerzos
Incrementas tu visibilidad como investigador

Documento formal que
describe qué harás con tus
datos durante tu investigación
y después que completes tu
proyecto
EL DMP debe contener solo la información más
importante y preferiblemente no debería exceder
los 10,000 caracteres (incluidos los espacios).

El PGDI es un entregable del proyecto, ya forma parte de la
propuesta.
Instrumento vivo, primera versión en los 6 primeros meses del
proyecto: Otras versiones: intermedia y final del proyecto. (ej:30
meses )
Debe actualizarse para las evaluaciones periódicas. Si no las
hubiera, debe estar actualizado antes de la revisión final
Actualizarse siempre que ocurran cambios importantes en el
proyecto (Inclusión de nuevos datasets, cambios en las políticas
del consorcio, u otros factores externos)

Hay numerosos formatos específicos, en función de los distintos
programas o (financiadores).
Puede variar en función de la disciplina.

¿Cómo luce un PGDI?
Existe una diferencia entre:
EL PGDI que entregas en la propuesta del proyecto
-1-2 folios
-Resumen con la info. más importante
- EL fin es demostrar preparación
ante los financiadores y revisores
EL PGDI que usas durante el proyecto
-Muchas páginas ( incluso más de 100)
- Documento vivo, cubriendo la mayoría
de los aspectos del trabajo con los datos
- Una herramienta para generar info.
sobre tu trabajo y que puede ser compartido

Cómo luce un PGDI ?

Repositorios de Planes de Gestión de Datos
https://phaidra.univie.ac.at/search#?page=1&pagesize=10&collection=o:1140797

¿En qué tipo de datos se basa la investigación?
¿Los datos van a ser derivados, se van a crear
de cero, recopilar o reutilizar?
¿Qué formatos se manejarán?
¿Cuál es el tamaño total esperado de los datos
recopilados?
Tomar decisiones acordadas por consenso
Buscar asesoría
Componentes de un PGD

¿Cómo se va a establecer la estructura y
nomenclatura de las carpetas?
¿Se implementarán estándares específicos, y
metadatos?
¿Qué restricciones de acceso tendrían los
datos?
¿Cuáles son los repositorios adecuados para
depositar los datos?
Tomar decisiones acordadas por consenso
Buscar asesoría

Science Europe. Practical Guide to International Alignment of Research Data management .
https://scienceeurope.org/media/4brkxxe5/se_rdm_practical_guide_extended_final.pdf

Descripción de los datos
Documentación y Metadatos
Almacenamiento y
seguridad
Aspectos
legales y éticos
• Gestión de los accesos a los datos, posibles barreras
• Barreras legales y éticas, licencias, re-uso,
• Tratamiento de los datos sensibles
ELEMENTOS CLAVE EN UN PGD
Compartir datos y
preservación a largo
plazo
Aspectos legales y
éticos
Responsabilidades y
recursos

Descripción
de los datos
• Tipos de datos creados o re-usados
• Organización de los datos y versiones
• Usuarios de los datos
Documentación y
Metadatos
• Esquemas de metadatos
• Documentación de los datos: FAIR
• Control calidad de los datos
Almacenamiento
y seguridad
• Almacenamiento, seguridad, estrategia de back-up,
preservación a largo plazo, costes, barreras técnicas, etc.
Aspectos
legales y éticos

Compartir datos y
preservación a
largo plazo
• Compartir datos, restricciones, cuáles datos y cuándo
• repositorios, identificadores persistentes
Aspectos legales y
éticos
• Roles (Quién se encarga y dirige de la gestión de datos ?)
• Recursos
Responsabilidades
y recursos

Almacenamiento
y seguridad
Aspectos
legales y éticos
Datos administrativos

How will new data be collected or produced and/or
how will existing data be re-used?
What data (for example the kinds, formats, and volumes) will
be collected or produced?
Almacenamiento
y seguridad
Aspectos
legales y éticos

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Formatos
Descripción
de los datos
• Seleccionar formatos abiertos, no
propietarios.
• Elegir formatos comunes al campo
disciplinar al que se está trabajando: Para
asegurar la interoperabilidad y la reutilización
de los datos.
• Tener en cuenta el tiempo en que se espera
conservar los datos
• Seleccione formatos sin cifrar y sin compilar
Es importante contar con formatos estándar y a poder ser abiertos, que
aseguren el acceso a largo plazo a los datos !

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Formatos
Descripción
de los datos
Type of data Recommended formats Acceptable formats
Tabular data with
extensive metadata
variable labels,
code labels, and
defined missing
values
SPSS portable format (.por)
delimited text and command ('setup') file
(SPSS, Stata, SAS, etc.)
structured text or mark-up file of metadata
information, e.g. DDI XML file
proprietary formats of statistical packages:
SPSS (.sav), Stata (.dta), MS Access
(.mdb/.accdb)
Tabular data with
minimal metadata
column headings,
variable names
comma-separated values (.csv)
tab-delimited file (.tab)
delimited text with SQL data definition
statements
delimited text (.txt) with characters not
present in data used as delimiters
widely-used formats: MS Excel (.xls/.xlsx),
MS Access (.mdb/.accdb), dBase (.dbf),
OpenDocument Spreadsheet (.ods)
Geospatial data
vector and raster
data
ESRI Shapefile (.shp, .shx, .dbf, .prj, .sbx,
.sbn optional)
geo-referenced TIFF (.tif, .tfw)
CAD data (.dwg)
tabular GIS attribute data
Geography Markup Language (.gml)
ESRI Geodatabase format (.mdb)
MapInfo Interchange Format (.mif) for
vector data
Keyhole Mark-up Language (.kml)
Adobe Illustrator (.ai), CAD data (.dxf or
.svg)
binary formats of GIS and CAD packages
UK Data Service. Format your data. "Create well organised and sustainable data" https://www.ukdataservice.ac.uk/manage-
data/format/file-formats.aspx

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Formatos
Descripción
de los datos
Type of data Recommended formats Acceptable formats
Textual data Rich Text Format (.rtf).
Plain text, ASCII (.txt).
eXtensible Mark-up Language (.xml) text according to
an appropriate Document Type Definition (DTD) or
schema.
Hypertext Mark-up Language (.html).
Widely-used formats: MS Word (.doc/.docx).
Some software-specific formats: NUD*IST, NVivo and ATLAS.ti.
Image data. TIFF 6.0 uncompressed (.tif). JPEG (.jpeg, .jpg, .jp2) if original created in this
format.
GIF (.gif).
TIFF other versions (.tif, .tiff).
RAW image format (.raw).
Photoshop files (.psd).
BMP (.bmp).
PNG (.png).
Adobe Portable Document Format (PDF/A, PDF)
(.pdf).
Audio data. Free Lossless Audio Codec (FLAC) (.flac). MPEG-1 Audio Layer 3 (.mp3) if original created in this
format.
Audio Interchange File Format (.aif).
Waveform Audio Format (.wav).
Video data. MPEG-4 (.mp4).
OGG video (.ogv, .ogg).
motion JPEG 2000 (.mj2).
AVCHD video (.avchd).
Documentation and
scripts.
Rich Text Format (.rtf).
PDF/UA, PDF/A or PDF (.pdf).
XHTML or HTML (.xhtml, .htm).
OpenDocument Text (.odt).
Plain text (.txt).
Widely-used formats: MS Word (.doc/.docx), MS Excel (.xls/.xlsx).
XML marked-up text (.xml) according to an appropriate DTD or
schema, e.g. XHMTL 1.0.

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos
NEW KNOWLEDGE:
 Typology
 Summary of findings
 Political briefings
 Media releases
 Congresses’ papers
 Academic articles
• Survey module questionnaire and coding book
• Etc…
No sólo datos ….

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos
 Datos cualitativos:
 Anonymized transcriptions of focus groups
and workshops
 Audio-recordings of focus groups and
workshops
 Datos cuantitativos:
 Datasheets
 Survey raw data
 Appended survey
Distinción clara ...

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Estructura de carpetas
Descripción
de los datos
Organiza las carpetas de manera lógica y sistemática*
Criterios:
• Organización
• Contexto
• Tipologías
Conviene separar los trabajos finalizados de los
en curso.
Separa una copia Máster de tus datos
antes de analizarlos.

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Nomenclatura de ficheros
Descripción
de los datos
Usa nombres de ficheros descriptivos *
• Únicos
• Refleje el contenido
• Evita uso de caracteres raros y espacios
• Corto (No más de 25 caracteres)
Mala práctica:
Misdatos.xls
Misdatosbuenos.xls
2001_data.xls
Version_buena.xls
Buena práctica:
Altmetrics_ 01_ Modelos_V3_20201121_YMG.
Altmetrics – Nombre proj.
01 – Paquete de trabajo
Modelosdata2021 – Datos del
experimento, actividad, etc.
V3 – Versión
20201121 – Fecha
YMG – Autor(a)

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos
https://phaidra.univie.ac.at/detail/o:1139995#?page=1&pagesize=10&collection=o:1140797

Descripción de los datos: ejemplo
Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos

Descripción
de los datos
Aspectos
legales y éticos
Documentación y metadatos
Descripción
de los datos
a. What metadata and documentation (for example the methodology of
data collection and way of organizing data) will accompany data?
b. What data quality control measures will be used?

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos

Metadatos
Metadatos: Datos sobre los datos.
“Información estructurada que describe, explica,
localiza, o representa algo más” (NISO)
Facilitan la identificación y recuperación.
• Título:
• Autor / investigador principal:
• Colaboradores (contributor):
• Identificador:
• Tipo de datos:
• Derechos:
• Fechas:
• Idioma:
• Lugar:
• Resumen de contenido y palabras
• Investigación.
• Relaciones:

Metadatos
• Provee estructura para describir los datos
Términos comunes | definiciones | lenguaje | estructura
Selecciona los estándares de metadatos
apropiados
• Variedad de estándares (Ver disciplinas )
DDI | FGDC | DublinCore | ISO19115
• Herramientas para la creación de ficheros de metadatos
Morpho (EML) | Metavist (FGDC) , FISH
Interoperability Toolkit

Metadatos
Formatos y estándares para metadatos
Los metadatos a menudo se guardan como XML (lenguaje de
marcado extensible) u otro formato de lenguaje de marcado (por
ejemplo, JSON).
Los textos de origen XML son legibles por máquina y por humanos
y se pueden transferir a otros formatos (por ejemplo, con la ayuda
de un conversor XML - JSON en JSON).

Metadatos
Formatos y estándares para metadatos
Un estándar de metadatos simple y generalizado es Dublin Core.
Consta de 15 elementos (por ejemplo, <dc: creator> Max
Mustermann </ dc: creator) y varios elementos secundarios
elementos.
Artes y humanidades; Social Sciences: DDI (Data Documentation
Initiative);
Tools: EX: FISH Vocabularies (http://www.heritage-
standards.org.uk/fish-vocabularies/) ; DDI Tools

Metadatos
http://rd-alliance.github.io/metadata-directory/
La Research Data Alliance (RDA) tiene una lista de estándares de
metadatos disciplinarios para datos científicos.

Metadatos
Metadatos en .xml format
Dublin Core standard (ZENODO repository)
Data Documentation Initiative (DDI) for Social Science (The
Consortium for European Social Science Archives repository,
CESSDA; and the Dataverse Network repository)….
Ejemplos:
CIENCIAS SOCIALES

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos
Estándares
Metadatos que
acompañarán a los
datasets
DataCite Metadata Schema

Documentación
Variedad de documentos que acompañan y
describen a los datos para que estos sean
significativos
Ofrecen información contextual de los datos
primarios, importante en el análisis

Documentación
Ejemplos más usados:
• Cuestionarios,
• Ficheros Readme.txt,
• Libros de códigos (codebooks),
• Guías de usuario,
• Diccionarios de datos, etc
• Software syntax
• Cuadernos de laboratorio
• Esquemas de base de datos
• Reportes metodológicos
! El nivel de especificidad de la documentación es algo que debe
escojer cada Proyecto !
https://mantra.ed.ac.uk/documentationmetadataandcitation/

Documentación
1. A nivel de proyecto: Se documenta objetivos del
estudio, preguntas de investigación, metodologías,
instrumentos de medida, etc
2. A nivel de Base de datos y Fichero: Se
documenta cómo todos los ficheros que conforman el
data-set se relacionan. Se incluye un
fichero "readme.txt" con la información relevante.
3. A nivel de Variables e ítems: Se incluye un
fichero tipo diccionario, no sólo con los nombres de las
variables, sino con sus respectivas etiquetas explicando
su significado en el contexto del estudio.
Niveles fundamentales para la documentación

Documentación
Readme.txt
Fichero en que se describe la
información necesaria para que los
conjuntos de datos sean comprensibles
y reutilizables:
• autoría,
• título,
• descripción,
• metodología,
• proyectos financiadores,
• cobertura temporal y geográfica,
• derechos de uso y privacidad, etc.
https://edatos.consorciomadrono.es/readme.
xhtml
https://data.research.cornell.edu/content/readme#fileoverview

Documentación
Readme.txt
https://cornell.app.box.com/v/ReadmeTemplate

Crear un correcto diccionario de datos, es
útil para:
• Definir adecuadamente todas las unidades de medidas.
• Incluir unidades de medida,
• Definición conceptual y operativas para el estudio en cuestión,
• Valores codificados de la variable,
• Posibles formatos, abreviaciones, etc
Diccionario de datos

https://docs.google.com/spreadsheets/d/1M7VWYwJ3ySKq1C93yUXdLWZB5hebRGnJ7kukCULDH
mc/edit#gid=0
Diccionario de datos: plantilla

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Almacenamiento y seguridad
Descripción
de los datos

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Aspectos legales y éticos
Descripción
de los datos
¿Qué tipo de datos de investigación vas a producir y cómo
será procesado?
¿Vas a salvar, almacenar, usar, back-up y transferir tus datos?
¿Con quién vas a compartir tus datos ?
¿Qué tipo de control de acceso necesitas?
¿Vas a modificar tus datos de manera activa?
Tiempos
¿Son tus datos sensibles? ¿Contienen tus datos, datos
personales?

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos
Cloud service
Servidores/redes de la universidad con back-up automático y
versionado
¿Dónde almacenar?

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos
¿Qué aspectos legales están relacionados con la gestión de
tus datos (ejemplo: GDPR y otras regulaciones que afectan el
procesamiento de los datos )
¿Cómo manejarás los derechos de los datos que usas,
produces y compartes?

Aspectos legales
Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos
Coleccionas información sobre las personas GDPR
Coleccionas información sobre las animales GDPR
Usas materiales como literatura, artística, dramática o
musical, sonidos, filmes Propiedad intelectual
Tus datos serán parte de una invención comercial ….
Propiedad intelectual e industrial
Etc.
Aspectos legales pueden ser …

Aspectos legales
Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos
• Embargos
• Restricciones de acceso tecnológico
• Data use agreements
Acceso Tipos de restricciones a los datos

Aspectos legales
Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos
• 6 a 24 meses
• Derechos de primer uso o los investigadores necesitan
tener suficiente tiempo para explotar los datos
• Pueden ser requeridos por otros stakeholdrs (Editoriales,
financiadores)
Embargos

Aspectos legales
Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos
Embargos
• Requieren logearse
• Autentificar relación a la institución _ proyecto
• Membresía con acceso
Restricciones de acceso tecnológico

Aspectos legales
Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos
Acuerdos / Data use agreement
• Expresa acuerdo entre entre el
productor de los datos y el Usuario
secundario
• Puede imponer reglas para el re-uso,
almacenamiento, re-diseminación, etc.
• Mayormente utilizado cuando hay
probabilidad de identificar sujetos

Aspectos legales
Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos
Cuando usas datos creados/coleccionados por otros
Creas/produces datos, que serán usados por otros
Creas/produces datos junto a otros
Compartes tus datos con otros proyectos y organizaciones
Preservas tus datos en un archivo de datos o repositorios
Con financiador y organización (Los financiadores
frecuentemente requieren transferencia de derechos a la
organización)
Etc.
Los acuerdos deben hacerse cuando…

Descripción
de los datos
Almacenamiento
y seguridad
http://www.dcc.ac.uk/resources/how-guides/license-research-data
•http://www.ausgoal.gov.au/research-data-faqs
Licencias
Descripción
de los datos
Tipos
Creative Commons
Open Data Commons
Open Government License
GLIF/AusGOALLicences
Desing Science Licence
Public domain
Etc.

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos
Licencias
En función de cómo se combinen dan lugar a 6 tipos de licencias:
Atribución CC BY
Atribución – Compartir Igual CC BY-SA
Atribución – Sin Obra Derivada CC BY-ND
Atribución – No Comercial CC BY-NC
Atribución – No Comercial –
Compartir Igual
CC BY-NC-SA
Atribución – No Comercial – Sin
Obra Derivada
CC BY-NC-ND

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos
Licencias
Si un autor decide utilizar una de las licencias Creative Commons, se
recomienda usar las de la versión 4.0. Esta cubre tanto las
cuestiones de copyright como de base de datos.
Las licencias Creative Commons no son adecuadas para el
software. Existen otras licencias para este fin:
•MIT License (Open Source Initiative, n.d.a.);
•Apache Licence 2 (Open Source Initiative, n.d.b.);
•GNU General Public Licence 3 (GNU, n.d.).

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos
Licencias
La licencia se puede:
elegir al cargar sus datos en un repositorio;
especificar haciendo referencia a la licencia en la página
desde la que se obtendrán los datos de investigación;
adjuntar a los metadatos que acompañan a los datos de la
investigación;
especificar en el archivo Readme.txt que acompaña a los
datos.

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Descripción
de los datos
Licencias
Algunos de los aspectos que se han de tener en cuenta son:
Si una parte de los datos de la investigación no puede estar
disponible.
Si los datos están sujetos a derechos de autor o derecho sui
generis.
Si el investigador tiene alguna obligación de
confidencialidad o ética con respecto a los datos.

Política de acceso abierto en un PGDI
¡Incluir la política de acceso abierto a seguir!

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Compartir datos y preservación
a largo plazo
Descripción
de los datos

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
a largo plazo
Descripción
de los datos
¿Cuáles datos van a ser preservado?
¿Dónde serán archivados?
Repositorio o archivo institucional más apropiado
• Estándares de la comunidad científica
Transformación de datos / formatos necesarios
• Considerar políticas de los repositorios donde
vas a depositar
¿Quién será responsable?
• Considerar políticas de los respositorios
donde vas a depositar

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
a largo plazo
Descripción
de los datos
Requisitos a tener en cuenta en la
selección de un repositorio:
Que cumpla con los criterios FAIR
Que permita almacenar datos abiertos, con embargo,
restringidos o cerrados, en especial para datos sensibles
Que sirva para materiales diversos de investigación (distintos
tipos, formatos, etc.)
Que proporcione visibilidad, para facilitar la citación y aumentar
el impacto
Que se integre con otras infraestructuras
Que sea transparente y fiable

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
a largo plazo
Descripción
de los datos
Para depositar sus datos puede tener en
cuenta los diferentes tipos de
repositorios:
En un repositorio institucional. Puede depositar sus datos en respositorios
institucionales como Repositorio Institucional Olavide (RIO), Digital CSIC,
Harvard Dataverse.
En un repositorio temático. Se puede consultar directorios como Re3data o
Data Repositories, por ejemplo, en Ciencias Sociales World Values Survey o
Wellcome Library en Historia de la Medicina
En un repositorio multidisciplinar como Zenodo, Dryad, Dataverse, Figshare,
Mendeley Data,
Junto a las publicaciones científicas ODISEA

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
a largo plazo
Descripción
de los datos
Acompañar los datos de un Readme.txt file
Publicar los datos en formatos abiertos, para que puedan ser
reproducidos sin trabas
Publicar los datos con una declaración explícita de los deseos del
investigador para con los datos.
Utilizar licencias apropiadas y que reconozcan los derechos de autor.
Ante la fuerte recomendación de publicación de datos producidos con
fondos públicos, se recomienda que se hagan públicos siguiendo los
Science Commons Protocol for Implementing Open Access Data and the
Open Knowledge/Data Definition.
Recomendaciónes para compartir datos

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
a largo plazo
Descripción
de los datos
Identificar el tipo de identificador persistente a utilizar (tener en cuenta los
repositorios)
- DOI: El sistema DOI [Digital Object Identifier, Identificador de Objeto
Digital] proporciona un enlace permanente en forma de código alfanumérico
que identifica de forma única un contenido u objeto electrónico y gestiona los
metadatos del documento.
- Handle: es un sistema de identificación y recuperación de recursos de
información y objetos digitales diseñado por la norteamericana CNRI
[Corporation for National Research Initiatives]

Política de acceso abierto en un PGDI
Repositorio
Zenodo
Licencias

Descripción
de los datos
Almacenamiento
y seguridad
Aspectos
legales y éticos
Responsabilidades y recursos
Descripción
de los datos

PGDI y Costes
Un PGDI puede ayudar a identificar las
actividades relacionadas con la gestión
de datos durante el proyecto y costes
asociados
Planificación temprana
Reducción de costos
Costos asociados al acceso abierto se
pueden reclamar como costos elegibles
https://www.openaire.eu/rdm-researcher-costs-infographic/view-document

PGDI y Costes
TIP: Evitar el "doble dipping":
• La mayoría de los financiadores cubrirán los costos justificables
relacionados con el PGDI.
• Sin embargo, si algo está cubierto por costos indirectos (p. Ej.
almacenamiento institucional) tampoco puede reclamarlo como un costo directo
https://www.openaire.eu/rdm-researcher-costs-infographic/view-document

Pre-cuestionario
https://docs.google.com/forms/d/1r2GZcoq4bj-pk990fGQxJthEEtMPT9kqBNhwBSvZJsY/edit

PGDI y Costes
https://www.openaire.eu/how-to-comply-to-h2020-mandates-rdm-costs

Plantillas para crear un PGD
Template for the Horizon 2020 Data Management Plan [ODT
format]
https://ec.europa.eu/research/participants/data/ref/h2020/g
m/reporting/h2020-tpl-oa-data-mgt-plan_en.docx
DCC (2013) Checklist for a Data Management Plan. v.4.0.
Edinburgh: Digital Curation Centre. Disponible en:
http://www.dcc.ac.uk/resources/data-management-plans

Plantilla para crear un PGD: Horizonte Europe
Template for the Horizon 2020 Data Management Plan [ODT format]
https://ec.europa.eu/research/participants/data/ref/h2020/gm/reporting/h2020-tpl-oa-data-mgt-plan_en.docx

Plantilla para crear un PGD: PhD
https://library.soton.ac.uk/ld.php?content_id=32215243

Ejemplos de PGD
NSF General: Mauna Loa example
https://old.dataone.org/sites/all/documents/DMP_MaunaLoa_Formatted.pdf
Data Management Plan for pilot on Open Research Data.
https://exanode.eu/wp-content/uploads/2017/04/D1.4.pdf
Research Data Management Plan for the Meaningful Data Counts Project
https://zenodo.org/record/4092122#.YWfPjPlBxPZ
HEADSTART D.2.7. https://zenodo.org/record/4577689#.YWfQdvlBxPY
Two Social Sciences DMP **.
https://www.dcc.ac.uk/sites/default/files/documents/adocs/Leeds-RoaDMaP-
DMPs.pdf

Herramientas para crear un PGD

DMP Online
https://dmponline.dcc.ac.uk/
http://www.consorciomadrono.es/investigam/crear-su-pgd/

https://argos.openaire.eu
https://dmptool.org/

PGDonline
La ventaja de estar en español.
Una de las diferencias es que el
PGDonline diferencia entre el PGD
inicial, el PGD detallado y el PGD final.

https://dmponline.dcc.ac.uk/

Para utilizar el recurso es necesario crear una cuenta,
a partir de la página de portada
Varios idiomas

https://dmponline.dcc.ac.uk/public_templates
Opción de exportar y descargar el plan en diversas plantillas,
según formatos de diferentes organismos financiadores.

Demostración
LIVE DEMOSTRATION

Ejemplos de PGD
DTOcean+

Ejemplos de PGD
Categorías de datasets a generar

Ejemplos de PGD
Estándares
Metadatos que
acompañarán a los
datasets
DataCite Metadata Schema

Ejemplos de PGD
Repositorio
Zenodo
Liencias

Ejemplos de PGD
Cómo conciben la
conservación a largo plazo ?
5 años terminado el proyecto y en ZENODO después

Otros recursos
Horizone 2020 online manual. Data management
https://ec.europa.eu/research/participants/docs/h2020-funding-guide/cross-cutting-issues/open-access-
data-management/data-management_en.htm
How to Develop a Data Management and Sharing Plan
https://www.dcc.ac.uk/guidance/how-guides/develop-data-plan
Data Management Plan Template: Open Science Workflows.
https://zenodo.org/record/4701021#.YWgqIflBxPa
Science Europe. Practical Guide to International Alignment of Research Data
management .
https://scienceeurope.org/media/4brkxxe5/se_rdm_practical_guide_extended_
final.pdf
UPO. Biblioteca/CRAI. Guía de Gestión de Datos de investigación.
https://guiasbib.upo.es/gestion_datos_de_investigacion

168
¿Preguntas?
Yusnelkis Milanés Guisado
@Milanes_guisado
ymilgui@upo.es
Ángel M. Delgado Vázquez
@amdelvaz
adelvaz@upo.es

Cómo crear tu plan de gestión de datos de investigación

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Similar a Cómo crear tu plan de gestión de datos de investigación

Similar a Cómo crear tu plan de gestión de datos de investigación (20)

Más de Biblioteca CRAI de la Universidad Pablo de Olavide

Más de Biblioteca CRAI de la Universidad Pablo de Olavide (20)

Último

Último (20)

Cómo crear tu plan de gestión de datos de investigación