Informação relevante

Modelo de Maturidade de Dados FAIR: especificação e diretrizes

Achável, Acessível, Interoperável e Reusável (Findability, Accessibility, Interoperability and Reusability, em inglês) – os princípios FAIR – foram criados com a intenção de definir um conjunto mínimo de práticas e princípios condutores relacionados, mas ao mesmo tempo independentes e separáveis. Tais princípios e práticas permitem que máquinas e humanos achem, acessem, interoperem e reutilizem dados e metadados. Os princípios FAIR foram dfinidos em um artigo de Mark Wilkinson et al. em 2016. Eles devem ser considerados como elementos inspiradores, e não regras rígidas. Isso significa que eles podem levar a diferentes interpretações e ambiguidade.

Para combater a proliferação de utilizações dos princípios FAIR baseadas em diferentes interpretações, o Grupo de Trabalho da Research Data Alliance (RDA) "FAIR data maturity model", criado em janeiro de 2019, tem o objetivo de desenvolver um conjunto de critérios base comuns para os FAIR, como uma recomendação da RDA. Ao longo de 2019 e do primeiro semestre de 2020, esse Grupo de Trabalho estabeleceu um conjunto de indicadores e níveis de maturidade para esses indicadores. Como resultado desse trabalho, um primeiro conjunto de diretrizes e uma checklist sobre a implementação desses indicadores foram produzidos, com o objetivo de prosseguir com o alinhamento das diretrizes de avaliação dos FAIR com as necessidades da comunidade.

[Advanced] FAIR Data Maturity Model. Specification and Guidelines

Findability, Accessibility, Interoperability and Reusability – the FAIR principles – intend to define a minimal set of related but independent and separable guiding principles and practices that enable both machines and humans to find, access, interoperate and re-use data and metadata. The FAIR principles were defined in 2016 in an article by Mark Wilkinson et. al. The principles have to be considered as inspiring concepts but not strict rules. This means that they may lead to diverse interpretations and ambiguity.

To remedy the proliferation of FAIRness measurements based on different interpretations of the principles, the RDA Working Group “FAIR data maturity model” established in January 2019 aims to develop a common set of core assessment criteria for FAIRness, as an RDA Recommendation. In the course of 2019 and the first half of 2020, the WG established a set of indicators and maturity levels for those indicators. As a result of the work, a first set of guidelines and a checklist related to the implementation of the indicators were produced, with the objective to further align the guidelines for evaluating FAIRness with the needs of the community.

Princípios FAIR

Em 2016, os ‘Princípios de orientação FAIR para gestão e administração de dados científicos’ foram publicados na Scientific Data. Os autores pretendiam fornecer diretrizes para melhorar a encontrabilidade, acessibilidade, interoperabilidade e reutilização de ativos digitais (Findability, Accessibility, Interoperability, and Reuse of digital assets).

FAIR Principles

In 2016, the ‘FAIR Guiding Principles for scientific data management and stewardship’ were published in Scientific Data. The authors intended to provide guidelines to improve the Findability, Accessibility, Interoperability, and Reuse of digital assets.