Competencias digitales I : Citar datos de investigación

Antecedentes

El tema sobre cómo citar datos de investigación (DI) fue mencionado en la nota titulada “El siguiente reto: compartir datos de investigación”, en la que se hizo evidente que los investigadores están preocupados por “la seguridad e integridad de los datos, quién y cómo se compartirán los datos; la exposición de datos confidenciales, restringidos o sensibles; así como el hecho de que, aún no es claro, cómo se van a citar los datos o los conjuntos de ellos” (Vega, 2017). En la revisión de la literatura presentada en dicha nota se identificaron las siguientes aportaciones en relación al tema: 

• Reutilizar los DI (Ray, 2013, Patel 2016, MIT, 2016)
• Reducir la costosa duplicación de los DI (Ray, 2013)
• Ahorrar tiempo en los estudios de campo (Patel, 2016: 227; MIT, 2016)
• Dar crédito a los recolectores y analistas de DI (Patel, 2016)
• Incrementar la confianza, autenticidad y objetividad de los DI (Patel, 2016)
• Aumentar la transparencia al proceso de investigación y de los métodos de recolección de los DI (Patel, 2016)

   En resumen, Patel (2016), MIT (2016) y Ray (2013), abogan en favor de reutilizar los datos de investigación, pero advierten que es necesario establecer normativas dirigidas a asegurar el uso ético y legal de los DI.

Datos de investigación sobre México

Una buena noticia para los mexicanos es la existencia de los portales de Datamx,  y el de Datos abiertos de México en los que participan organizaciones de la sociedad civil y de los gobiernos compartiendo datos de diversa índole, todos los cuales son de gran utilidad para la investigación. El portal de Datos abiertos de México  cuenta con los siguientes ejes temáticos: Cultura y sociedad, Desarrollo, Economía, Educación, Energía y Medio ambiente, Finanzas y contrataciones, Geoespacial, Gobiernos locales, Infraestructura, Salud y Seguridad y justicia.

Tomado de : Datamx, (2019). Datos abiertos de México. México : Datamex. Recuperado de:  https://datos.gob.mx/

En el portal se invita a los usuarios de los datos a que publiquen sus “Historias de datos” en forma de visualizaciones o narraciones de usos reales de los mismos. Un ejemplo muy interesante es el de Carvajal (octubre, 2018), quien publicó la historia “Ventilando datos abiertos sobre la calidad del aire”, donde muestra la forma de cómo usar datos de fuente abierta para crear un modelo de predicción sencilla. En su documento Carvajal ilustra, por ejemplo, cómo usar las coordenadas para crear un mapa interactivo.

El documento de Carvajal está protegido por una licencia de conocimiento abierto denominada  “Libre uso MX” para datos abiertos, la cual retoma los elementos básicos de Open Knowledge Foundation.

Tomado de : Carvajal, J. (octubre, 2018). Ventilando datos abiertos sobre la calidad del aire. Recuperado de : https://datos.gob.mx/blog/ventilando-datos-abiertos-sobre-calidad-del-aire?category=aprende&tag=educacion

De tal forma que el documento puede ser usado, redistribuido y modificado, siempre y cuando se dé el debido reconocimiento al autor y que se dé aviso de los derechos de autor  de la obra original. La obra que se genere a partir de los datos reutilizados debe, a su vez ser de acceso abierto y, en general regirse por el mismo licenciamiento que la obra primigenia. 

De acuerdo con lo anterior, al compartir o usar datos propios o de otros es posible adoptar la figura de ciudadano digital, quien tiene la obligación de verificar las condiciones de uso que se sigue en el repositorio en donde deposita o toma un conjunto de datos, incluyendo si es una institución educativa. En el caso del portal Datos abiertos de México se proponen las siguientes condiciones de uso, las cuales incluyen, la citación, el no usar los datos para desinformar a su audiencia o para presentar una postura del Gobierno. 

El formato de citación de Datamx es básico y no se indica si retoma alguna norma como la APA, MLA, etc. 

Citar datos de investigación

Al respecto Force11 : The Future for Research Communications and e-Scholarships ha publicado los “Data Citation Principles” , los cuales señalan los siguientes principios para promover la correcta citación de DI:

1. Importancia. Los datos deben considerarse productos de investigación legítimos y citables. Las citas de datos deben tener la misma importancia en el registro académico que las citas de otros objetos de investigación, como las publicaciones. 
2. Crédito y atribución. Las citas a los datos deben facilitar el crédito académico y la atribución normativa y legal a todos los contribuyentes de datos, reconociendo que un solo estilo o mecanismo de atribución puede no ser aplicable a todos los datos 
3. Evidencia. Cuando una aseveración se base en datos, los datos correspondientes deben ser citados. 
4. Identificación única. Se debe incluir un método persistente para la identificación que sea legible y única a nivel mundial y ampliamente utilizado por una comunidad (como el DOI).
5.  Metadatos de los DI. Las citas de datos deben facilitar el acceso a los datos mismos y a los metadatos, documentación, códigos y otros materiales asociados, según sea necesario para que tanto la gente interesada, como las máquinas, puedan hacer un uso informado de los datos referenciados.
6. Persistencia del identificador único. Los identificadores únicos y los metadatos que describen los datos y su disposición deben estar disponibles, incluso más allá de la vida útil de los datos que describen.
7. Facilitar la especificidad y la verificabilidad. Se debe facilitar la identificación, el acceso y la verificación de los datos que se usan para afirmar algo; es decir, que permitan verificar la “fijeza” de un archivo (si ha sido modificado o no), su versión y la porción de datos usados. 
8. Promover la interoperabilidad de los metadatos de los DI de un repositorio a otro. Los métodos de citas de datos deben ser lo suficientemente flexibles como para acomodarse a la diversidad de prácticas de las comunidades, pero no deben diferir tanto que comprometan la interoperabilidad de estas citaciones.

Force11 (2014), incluye una serie de ejemplos para citar los DI en los cuales ilustra los principios que atiende.

Tomado de : FORCE11, (2014). Data citation principles. La Jolla, Ca. : Force11. Recuperado de:  https://www.force11.org/node/4771

  Otro ejemplo de citación de DI es el de la Michigan University Library, el cual propone el uso del estilo APA, como se muestra a continuación.

Tomado de: Michigan University Library (2019). Mlibrary Research guides : how to cite data and statistics. Ann Arbor, Mich. : MUL, Recuperado de: https://guides.lib.umich.edu/c.php?g=439304&p=2993299

A priori se considera que cada norma de estilo bibliográfico cuenta con una forma de citar los set de DI. En este sentido invitamos a los lectores a buscar la forma de citación correcta que aplica al repositorio, o publicación. Un ejemplo es el caso de Re3data, que propone seguir la norma propuesta por DataCite:

r3data.org: Mexican Health and Aging Study; editing status 2017-10-19; r3data.org - Registry Data Repositories. http://doi.org/10.17616/R3VH2G last accessed:2019-11-18

Es importante señalar que DataCite Formatter es un servicio en el que al introducir el DOI de un set de datos, es posible consultar la forma adecuada de citar los DI en más de 5 mil estilos de citación en 45 lenguas diferentes, por ello recomendamos ampliamente su uso. Por otro lado, si el conjunto de datos que se está buscando no tiene DOI y quiere revisar la forma en la que se cita en un determinado estilo, se puede usar el ejemplo que la organización DataCite proporciona.

Para finalizar, quisiera apuntar que esta es la primera entrega de una serie de temas que abordaré junto con otros colegas de la Biblioteca para el Blog  en el 2020 tomando como eje las competencias digitales.  

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: