Słownik metodologiczny · Publikowanie

Zasady FAIR – kiedy dane są znajdowalne, dostępne i użyteczne?

Zasady FAIR mówią, jak udostępnić dane badawcze, by inni – ludzie i maszyny – mogli je znaleźć, pobrać, odczytać i wykorzystać ponownie. Wyjaśniamy cztery litery, różnicę wobec otwartych danych, przykład i opis do pracy.

Strona główna / Słownik / Zasady FAIR

Opracowanie merytoryczne: · Opublikowano:

W skrócie: Zasady FAIR to 15 wskazówek, by dane badawcze były znajdowalne (Findable), dostępne (Accessible), interoperacyjne (Interoperable) i nadające się do ponownego użycia (Reusable) – także przez maszyny. FAIR nie oznacza, że dane muszą być otwarte dla wszystkich.

Co to są zasady FAIR?

Zasady FAIR (ang. FAIR Guiding Principles) to 15 wskazówek, dzięki którym dane badawcze są łatwe do znalezienia (Findable), dostępne (Accessible), interoperacyjne (Interoperable) i nadające się do ponownego użycia (Reusable). Sformułowali je przedstawiciele uczelni, przemysłu, grantodawców i wydawców (Wilkinson i in., 2016). Wyróżnia je nacisk na to, by dane mogły odnaleźć i odczytać także maszyny, nie tylko ludzie.

Co oznaczają cztery litery

  • F – znajdowalne. Zbiór ma trwały identyfikator, np. DOI, i bogate metadane w przeszukiwalnym katalogu.
  • A – dostępne. Dane da się pobrać standardowym protokołem, w razie potrzeby po uwierzytelnieniu, a metadane pozostają dostępne nawet wtedy, gdy danych już nie ma.
  • I – interoperacyjne. Format i słownictwo są powszechne, np. plik CSV zamiast formatu jednego programu.
  • R – użyteczne ponownie. Dane mają jasną licencję, opis pochodzenia i spełniają standardy dziedziny.

FAIR to nie to samo co otwarte

Zasady FAIR nie wymagają, by każdy mógł pobrać dane. Zbiór wrażliwy może być FAIR, jeśli ma opis, identyfikator i jasną procedurę dostępu. Otwarte dane idą dalej: udostępniają pliki wszystkim. Jacobsen i in. (2020) zauważają, że zasady celowo nie narzucają technologii, co ułatwiło ich przyjęcie, ale sprzyja rozbieżnym interpretacjom; dlatego dla każdej zasady opisali możliwe wybory wdrożeniowe.

Przykład

Zespół udostępnia dane z badania ankietowego. F: repozytorium nadaje DOI, a opis zawiera słowa kluczowe i autorów. A: plik pobiera się przez przeglądarkę, a strona z opisem jest publiczna. I: dane w CSV (UTF-8), kody odpowiedzi opisane w książce kodowej. R: licencja CC BY 4.0 i README z informacją, jak dane zebrano i oczyszczono.

Jak opisać w pracy

Dane udostępniono zgodnie z zasadami FAIR (Wilkinson i in., 2016): zbiór ma DOI (https://doi.org/[DOI]), opis w repozytorium [nazwa], książkę kodową i licencję CC BY 4.0.

Na co uważać

  • Etykieta bez treści. Słowo „FAIR” w deklaracji nie zastąpi identyfikatora, metadanych i licencji.
  • Tabela w PDF w materiałach dodatkowych nie jest interoperacyjna.
  • Brak licencji blokuje ponowne użycie, nawet gdy plik jest publiczny.

Jak zaplanować to już we wniosku, pokazują hasło plan zarządzania danymi i wpis Plan zarządzania danymi (DMP) i zasady FAIR w projekcie badawczym.

Najczęstsze pytania

Czy dane FAIR muszą być otwarte?

Nie. Zasady dopuszczają dostęp po uwierzytelnieniu, a metadane powinny pozostać dostępne nawet bez danych. Zbiór z danymi wrażliwymi może być FAIR, jeśli ma opis, identyfikator i jasną procedurę dostępu.

Co rozwija skrót FAIR?

Findable, Accessible, Interoperable, Reusable – znajdowalne, dostępne, interoperacyjne i nadające się do ponownego użycia. Zasady opublikowali Wilkinson i in. (2016) w czasopiśmie Scientific Data.

Jak najprościej spełnić zasady FAIR w małym projekcie?

Umieść dane w repozytorium nadającym DOI, dodaj opis i książkę kodową, zapisz plik w otwartym formacie, np. CSV, i wybierz jasną licencję. To pokrywa najważniejsze elementy czterech liter.

Powiązane hasła

Plan zarządzania danymi (DMP)Licencja CC BY dla danych badawczychOtwarte daneDOIKsiążka kodowaOpen science

Poradniki, w których użyjesz tego pojęcia

Poradnik

Plan zarządzania danymi (DMP) i zasady FAIR

Sześć części DMP według Science Europe, FAIR w praktyce, repozytoria, CC BY i CC0, anonimizacja, książka kodowa i wzór konspektu planu.

Czytaj →Poradnik

Pakiet replikacyjny: dane i kod do artykułu

Struktura folderów, README, książka kodowa, skrypty R działające od zera, anonimizacja i RODO, licencje, OSF i deklaracja dostępności danych + szablon ZIP.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Jacobsen, A., de Miranda Azevedo, R., Juty, N., Batista, D., Coles, S., Cornet, R., Courtot, M., Crosas, M., Dumontier, M., Evelo, C. T., Goble, C., Guizzardi, G., Hansen, K. K., Hasnain, A., Hettne, K., Heringa, J., Hooft, R. W. W., Imming, M., Jeffery, K. G., . . . Schultes, E. (2020). FAIR principles: Interpretations and implementation considerations. Data Intelligence, 2(1–2), 10–29. https://doi.org/10.1162/dint_r_00024 ● Otwarty dostęp
  2. Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J., Appleton, G., Axton, M., Baak, A., Blomberg, N., Boiten, J.-W., da Silva Santos, L. B., Bourne, P. E., Bouwman, J., Brookes, A. J., Clark, T., Crosas, M., Dillo, I., Dumon, O., Edmunds, S., Evelo, C. T., Finkers, R., . . . Mons, B. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data, 3(1), Article 160018. https://doi.org/10.1038/sdata.2016.18 ● Otwarty dostęp

Cytowania BibTeX

@article{jacobsen2020fair, author={Jacobsen, Annika and de Miranda Azevedo, Ricardo and Juty, Nick and Batista, Dominique and Coles, Simon and Cornet, Ronald and Courtot, Mélanie and Crosas, Mercè and Dumontier, Michel and Evelo, Chris T. and Goble, Carole and Guizzardi, Giancarlo and Hansen, Karsten Kryger and Hasnain, Ali and Hettne, Kristina and Heringa, Jaap and Hooft, Rob W. W. and Imming, Melanie and Jeffery, Keith G. and Kaliyaperumal, Rajaram and Kersloot, Martijn G. and Kirkpatrick, Christine R. and Kuhn, Tobias and Labastida, Ignasi and Magagna, Barbara and McQuilton, Peter and Meyers, Natalie and Montesanti, Annalisa and van Reisen, Mirjam and Rocca-Serra, Philippe and Pergl, Robert and Sansone, Susanna-Assunta and da Silva Santos, Luiz Olavo Bonino and Schneider, Juliane and Strawn, George and Thompson, Mark and Waagmeester, Andra and Weigel, Tobias and Wilkinson, Mark D. and Willighagen, Egon L. and Wittenburg, Peter and Roos, Marco and Mons, Barend and Schultes, Erik}, title={{FAIR principles: Interpretations and implementation considerations}}, journal={Data Intelligence}, year={2020}, volume={2}, number={1–2}, pages={10--29}, doi={10.1162/dint_r_00024}}
@article{wilkinson2016fair, author={Wilkinson, Mark D. and Dumontier, Michel and Aalbersberg, IJsbrand Jan and Appleton, Gabrielle and Axton, Myles and Baak, Arie and Blomberg, Niklas and Boiten, Jan-Willem and da Silva Santos, Luiz Bonino and Bourne, Philip E. and Bouwman, Jildau and Brookes, Anthony J. and Clark, Tim and Crosas, Mercè and Dillo, Ingrid and Dumon, Olivier and Edmunds, Scott and Evelo, Chris T. and Finkers, Richard and Gonzalez-Beltran, Alejandra and Gray, Alasdair J.G. and Groth, Paul and Goble, Carole and Grethe, Jeffrey S. and Heringa, Jaap and ’t Hoen, Peter A.C and Hooft, Rob and Kuhn, Tobias and Kok, Ruben and Kok, Joost and Lusher, Scott J. and Martone, Maryann E. and Mons, Albert and Packer, Abel L. and Persson, Bengt and Rocca-Serra, Philippe and Roos, Marco and van Schaik, Rene and Sansone, Susanna-Assunta and Schultes, Erik and Sengstag, Thierry and Slater, Ted and Strawn, George and Swertz, Morris A. and Thompson, Mark and van der Lei, Johan and van Mulligen, Erik and Velterop, Jan and Waagmeester, Andra and Wittenburg, Peter and Wolstencroft, Katherine and Zhao, Jun and Mons, Barend}, title={{The FAIR Guiding Principles for scientific data management and stewardship}}, journal={Scientific Data}, year={2016}, volume={3}, number={1}, eid={160018}, doi={10.1038/sdata.2016.18}}
R