Conclusão do projeto FAIRsFAIR: principais resultados e contributos para a adoção dos princípios dos dados FAIR

. 15 de Março de 2022

O projeto FAIRsFAIR – Fostering Fair Data Practices in Europe – concluiu em fevereiro de 2022 a sua atividade desenvolvida em torno do objetivo de disponibilizar soluções práticas para a utilização dos princípios dos dados FAIR (Findable, Accessible, Interoperable, Reusable) ao longo do ciclo de vida dos dados de investigação.

FAIRsFAIR logo

Ao longo dos últimos três anos teve a sua ênfase na promoção da cultura de dados FAIR e na adoção de boas práticas para tornar os dados FAIR. Este projeto contribuiu para o desenvolvimento de normas globais para a certificação FAIR de repositórios e dos dados neles contidos, contribuindo para as políticas e práticas que estão a transformar o programa EOSC (European Open Science Cloud) numa infraestrutura operacional.

Principais resultados

Do conjunto de resultados desenvolvidos ao longo do projeto, destacam-se:

– a criação de um centro de competências FAIR
– o Handbook para a adoção de competências FAIR (modelos e currículos académicos para a formação em gestão de dados FAIR e a sua integração nos programas universitários)
– o mapeamento da oferta formativa sobre os princípios FAIR nas instituições de ensino superior
– as boas práticas na formação de competências FAIR
– a certificação e registo de repositórios compatíveis com os princípios FAIR
– os webinars para gestores de repositórios de dados sobre os príncipios FAIR, vocabulários, metadados e interoperabilidade
– as ferramentas e software para a avaliação dos conhecimentos sobre os requisitos para tornar os dados FAIR e para a avaliação FAIR de conjuntos de dados e repositórios de dados
– as recomendações para a definição de políticas que promovam os princípios FAIR
– as recomendações práticas para apoiar os princípios dos dados FAIR

Ferramentas e Software

Ferramenta online que auxilia os investigadores e gestores de dados a avaliar os seus conhecimentos sobre os requisitos para tornar os conjuntos de dados FAIR antes de os depositar num repositório de dados.
www.fairsfair.eu/fair-aware
Guia para organizações com o objetivo de as auxiliar na criação das condições necessárias para os investigadores colocarem em prática os princípios FAIR.
www.fairsfair.eu/acme-fair-guide-rpo
Serviço para avaliar o quão FAIR são os conjuntos de dados, tendo por base 16 das 17 métricas de avaliação FAIR de objetos digitais.
www.fairsfair.eu/f-uji-automated-fair-data-assessment-tool
17 métricas para a avaliação FAIR dos objetos de dados de investigação. Estas métricas são baseadas nos indicadores propostos pelo Grupo de Trabalho da RDA FAIR Data Maturity Model Working Group.
www.fairsfair.eu/fairsfair-data-object-assessment-metrics-request-comments.

Acesso aos resultados do projeto

A página Web do projeto foi concebida para facilitar o acesso a todos os resultados produzidos, pelo que os poderá encontrar facilmente através do seu mapa de navegação, estando também disponíveis através da sua comunidade no Zenodo.

FAIRsFAIR Webpage

https://www.fairsfair.eu/

FAIRsFAIR Zenodo community

https://zenodo.org/communities/fairsfair

Sobre a participação da Universidade do Minho

A USDB colaborou em diferentes áreas de ação do projeto, incidindo sobretudo nas atividades relacionadas com o desenvolvimento de competências FAIR no contexto do ensino superior, a integração da formação sobre dados FAIR nos currículos académicos e o mapeamento da oferta formativa existente.

Saiba mais sobre este projeto, os seus resultados e contributos para a promoção da cultura de dados FAIR aqui.

Tags: , , , , ,

Categorias: FAIRsFAIR, sobre os projetos

Sobre o Autor ()

Membro do Gabinete de Gestão de Informação Científica, Repositórios e Ciência Aberta dos Serviços de Documentação e Bibliotecas da Universidade do Minho.

Comentários encerrados.

«
»