Cómo iniciar proyectos de Gestión de Datos de Investigación (GDI)

De acuerdo con lo que  recomienda el proyecto Leaders Activating Research Networks (LEARN) el primer paso para iniciar un proyecto de Gestión de Datos de Investigación (GDI), es hacer un autodiagnóstico para determinar si nuestra institución está lista para emprender este reto. Al respecto en el sitio de LEARN se ha puesto en línea una encuesta cuyos resultados pueden agruparse en tres niveles a modo de semáforo:

   

Rojo (no óptimo)

 

Amarillo (deseable)

 

Verde (óptimo)

Los niveles se obtienen a partir de la determinación de las fortalezas y debilidades en relación a los aspectos que se listan a continuación.

 

Elementos del auto-diagnóstico (LEARN)

  • Política. La institución debe contar con política de datos de investigación.
  • Liderazgo. Debe haber un comité o grupo que esté desarrollando servicios y políticas de datos de investigación
  • Roles. Es importante que haya personas dedicadas al procesamiento y la asistencia en materia de datos de investigación.
  • Información (Servicios). Se debe contar con una página web o punto de ayuda sobre GDI.
  • Difusión (Concientización). Se deben contar materiales e información en la institución sobre GDI.
  • Infraestructura. Es importante cuidar que haya la infraestructura para analizar, organizar y almacenar datos de investigación.
  • Publicación o intercambio. Se deben definir qué datos hay, dónde y cómo se publicarán.
  • Formación. Se debe planear la realización de cursos de formación sobre GDI.
  • Revisión y actualizaciones. Debe haber una ruta para revisar y actualizar las políticas y los servicios de GDI.
  • Datos abiertos. Se debe identificar si hay en la institución datos de investigación abiertos.

 

Por otra parte  también se recomienda el uso de  LERURoadmap for Research Data, documento que considera que un proyecto de GDI debe incorporar los siguientes aspectos: “la política, el liderazgo, la infraestructura, los costos, la promoción, la descripción de los aspectos éticos y legales, las habilidades, los roles y las responsabilidades” (Ayris p.3). A estos hay que aunar el que haya una cultura académica dirigida a compartir datos de investigación.

Se considera que, además de realizar un autodiagnóstico es necesario llevar a cabo  un  inventario de los datos de investigación que se producen en la institución, sobre todo para detectar la cantidad y las características de los mismos; en este inventario se podrían incluir los datos de investigaciones que se derivan de las tesis de alumnos de posgrado.  Al respecto Bulley (2017, p. 60), presenta una tabla en la que incluye los elementos, que nos permitirían identificar las características de las colecciones de datos de investigación.

 

Características y ejemplos de conjuntos de datos de investigación

 

Características Ejemplos
Tipo de conjunto de datos Escritos, testimoniales, imágenes, manuscritos, vídeos, audios, fotografías
Formato Doc, pdf, wav, csv, xls
Tamaño Tb, Gb, Mb
Herramientas empleadas para su obtención Google Docs, Canon 6D, Adobe Illustrator, Tascam HD-P2
Tipo de almacenamiento Dropbox, Google Drive
Edición Codificados, estructurados, procesados o publicados
Compartidos Interno, externo, restringido
Archivados En la nube, unidades de discos duros, memorias externas
Accesibilidad Disponibles o no

Algunos puntos que no son mencionados por Bulley (2017), pero que se consideran importantes son:  

  • si las investigaciones han recibido financiamiento interno o externo,
  • si hay contratos con cláusulas de confidencialidad que impidan o regulen el acceso a terceros,
  • las necesidades de metadatos por disciplina,
  • analizar si las investigaciones involucran datos de humanos, animales o intereses comerciales; ello con el fin de evitar problemas legales (Palumbo, Jantz y Lin, 2015),

Otro aspecto a considerar es crear el comité o grupo que se dedicará a realizar las actividades relacionadas con la GDI; este equipo debería ser multidisciplinario, ya que se requieren expertos en metadatos, desarrollo de sistemas, en aspectos legales; así como coordinadores de investigación, administradores, entre otros. La primera tarea de este grupo sería, una vez identificados y caracterizados los datos de investigación, el elaborar las políticas institucionales relacionadas con la GDI, por ejemplo, sobre el acopio, la consulta, la descarga, la vigencia, la preservación, entre otros aspectos. Sin estas políticas se deja a la buena voluntad de cada investigador la integración de los conjuntos de datos.

Para finalizar es importante retomar la importancia que tiene el conocer y dominar los procesos de investigación que se llevan a cabo en la institución; de igual forma con la se llevan a cabo procesos de apoyo a la docencia.

Nuevamente los invitamos a consultar las conferencias del 1er Encuentro sobre Gestión de Datos y Resultados de Investigación, celebrado en la Biblioteca Daniel Cosío Villegas, de El Colegio de México, para ampliar la información sobre el tema.

 

Bibliografía:

  • Ayris, P. (2013). Introduction. En:  LERU Roadmap for research data. Belgium LERU. Recuperado de: http://www.leru.org/files/publications/AP14_LERU_Roadmap_for_Research_data_final.pdf
  • Bulley, J. y Gray, A.  (2017). RDM in the performing arts : living symphonies. En: LEARN Toolkit of the best practice for research data management. Recuperado de: DOI: https://doi.org/10.14324/000.learn.00
  • Coordinación de Organización de la Información. Biblioteca Daniel Cosío Villegas (COI-BDCV, 2017). “El papel de la biblioteca en la GDI”. 1er Encuentro sobre Gestión de Datos y Resultados de Investigación, celebrado en la Biblioteca Daniel Cosío Villegas, de El Colegio de México. 24 diapositivas. Recuperado de: https://docs.google.com/presentation/d/1U9AeBHvfDG41dT27RtufTUWTJKsLUgLzr7a3kmMLYoo/edit#slide=id.p4
  • Leaders Activating Research Networks (LEARN, 2017). London: University College London; Universität Wien ;  Liber; CEPAL; Universitat de Barcelona. Recuperado: http://learn-rdm.eu/es/sobre-learn/
  • League of European Research Universities (LERU, 2013). LERU Roadmap for research data. Belgium LERU. Recuperado de: http://www.leru.org/files/publications/AP14_LERU_Roadmap_for_Research_data_final.pdf
  • Palumbo, Laura B., Ron Jantz, Yu-Hung Lin, Aletia Morgan, Minglu Wang, Krista White, Ryan Womack, Yingting Zhang, and Yini Zhu. 2015. “Preparing to Accept Research Data: Creating Guidelines for Librarians.” En: Journal of eScience Librarianship 4(2): e1080. http://dx.doi.org/10.7191/jeslib.2015.1080. Recuperado de http://escholarship.umassmed.edu/jeslib/vol4/iss2/1
  • Red de Instituciones para la Cooperación Bibliotecaria ( Red Amigos). 1er Encuentro sobre Gestión de Datos y Resultados de Investigación, celebrado en la Biblioteca Daniel Cosío Villegas, de El Colegio de México. Youtube El Colegio de México. (minutos 22 a 26). Recuperado de: https://www.youtube.com/watch?v=8cxF1OZXjd

Guadalupe Vega

Personal académico de la Biblioteca Daniel Cosío Villegas, en donde me he desempeñado como catalogadora, docente, bibliógrafa y coordinadora. Actualmente soy Coordinadora de la Coordinación de Organización de la Información en la Biblioteca. Mis áreas de interés son la catalogación, RDA, Metadatos, comportamiento para la recuperación de la información y ALFIN.

More Posts

Follow Me:
Facebook

Guadalupe Vega

Personal académico de la Biblioteca Daniel Cosío Villegas, en donde me he desempeñado como catalogadora, docente, bibliógrafa y coordinadora. Actualmente soy Coordinadora de la Coordinación de Organización de la Información en la Biblioteca. Mis áreas de interés son la catalogación, RDA, Metadatos, comportamiento para la recuperación de la información y ALFIN.

También te podría gustar...

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *