Det danske GO FAIR kontor er en del af GO FAIR international. Kontorets mål er at implementere FAIR data management principper i Danmark for at forbedre findbarheden, tilgængeligheden, interoperabiliteten og genbrugen af digitale forskningsaktiver. Det er i overensstemmelse med den nationale strategi for FAIR Data Management.
GO FAIR-implementeringen handler om FAIRification-initiativer i praksis af forskningsgrupper, fællesskaber og gennem GO FAIR Implementation Networks (IN's) assisteret af GO FAIR International Support and Coordination Office (ISCO).
Det danske GO FAIR-kontor har til formål at facilitere de danske universiteters mulighed for at støtte forskergrupper i deres FAIRification-initiativer. For at opnå det tager vi i DeiC brug af en videreudviklet version af GO FAIRs FAIRification proces. Den kan du finde nedenfor. Denne proces som er beskrevet på denne side giver dig flere muligheder og værktøjer til at opnå FAIR data.
1. Definer FAIRification rationale for dine data
- Afklar, hvorfor FAIRificering og/eller åben adgang til dine forskningsdata skal være mulig. F.eks. hvis det er data, der skal refereres af en forskningspublikation.
- Vurder FAIRness af data for at afgøre, hvilke metrikker der skal forbedres. Ikke alle metrikker skal være perfekt opfyldt. Forskellige forskningsområder/grupper kan have forskellige krav og behov.
- Vælg datasæt til FAIRification. Prioriter nyproducerede data og data med potentiale for genbrug frem for allerede eksisterende data.
- Definer, hvem der skal have adgang til dine data (domænespecifik vs. bredere målgruppe).
Som udgangspunkt kan det hjælpe at bruge et FAIR evalueringsværktøj (f.eks. F-UJI eller FAIR evaluator) til at få et overblik over dine datas FAIR tilstand. Bliv ikke afskrækket, hvis dine data ikke scorer 100%. Målet med at gøre dine data FAIR er ikke nødvendigvis at få en perfekt score i et FAIR evalueringsværktøj. Disse værktøjer kan være meget nyttige samtalestartere og kan hjælpe dig med at tænke over, hvilke egenskaber af dine data eller metadata der kan justeres for at være mere FAIR.
2. Definer alle dataelementer og deres relationer
- Analyser indholdet af dataene med hensyn til struktur og koncepter.
- Tjek, om der er et allerede eksisterende vokabular eller en ontologi fra dit forskningsdomæne tilgængeligt, f.eks. i BioPortal.
- Hvis det er nødvendigt, kan du tilføje elementer til en eksisterende ontologi, så det passer til dine behov, eller opbygge et nyt vokabular.
3. Forbered dine metadata
- Brug en eksisterende metadataskabelon som en generisk metadataskabelon struktureret i DCAT-organisationen (kræver CEDAR-login) eller, hvis den ikke er tilgængelig, opret en helst i overensstemmelse med dit forskningsdomæne.
- Brug det valgte vokabular til at beskrive betydningen af dataelementer og relationer – præcist, utvetydigt, helst på en maskinlæsbar måde for at understøtte interoperabilitet.
- Bestem licenseringen (hvem der kan få adgang til data, og hvordan data må bruges) f.eks. en Creative Commons-license.
- Link metadata til datasæt for eksempel i en database.
Omfattende og maskinlæsbare metadata er en meget vigtig hjørnesten til at gøre dine data FAIR. En Metadata for Machines (M4M) workshop (M4M by GO FAIR foundation og M4M by DeiC) kan hjælpe med at gøre dine metadata så FAIR som mulig. Under en M4M-workshop opretter du en maskinlæsbar ontologi til dine domænespecifikke metadata ved hjælp af relativt simple værktøjer som GoogleSheets og GitHub. For at øge konvergensen skal du kontrollere, om andre forskningsgrupper fra dit fællesskab allerede har oprettet en ontologi, du kan genbruge eller bygge videre på, så du ikke kommer til at skabe en ny ontologi for hvert lille forskningsområde/-gruppe.
4. Træf beslutninger om software og hardware for at understøtte FAIRification
- Bestem, hvilken database eller datalager dine data og metadata skal gemmes i.
- Sørg for at sikre en bæredygtig drift (serviceniveauaftaler, omkostningsberegning osv.), helst også efter den oprindelige forskningsbevilling udløber.
5. Træf beslutninger om licenser og PID'er
- Bestem under hvilken licens dine data skal offentliggøres, f.eks. en Creative Commons-license.
- Beslut hvilken Persistent IDentifier (PID), der er den rigtige til din opgave, f.eks. DOI.
En FAIR Implementation Profile (FIP) kan hjælpe dig med at træffe disse beslutninger. Tjek, om der er krav fra din institution eller bidragsyderen bag dit forskningsprojekt.
Når du føler, at du har et godt overblik over de tekniske aspekter af datapublicering, så brug FIP-wizarden til at oprette din egen FIP. Sammenlign det med FIP'er fra andre forskningsområder/grupper i dit lokalsamfund og foretag eventuelt justeringer i dine valg for at øge konvergensen og interoperabiliteten.
6. Implementering: Hosting af dine FAIR-data og metadata
- Implementer og test operationelle databaser, herunder ekstern adgang og forespørgsler.
- Eller eksporter data til et lager, der er velegnet til hosting af FAIR-data.
- Hvis du beslutter dig for et depot, skal du kigge efter et certificeret digitalt lager, for eksempel med Core Trust Seal-certificering.
Et FAIR Data Point (FDP) kan være et godt valg til at hoste dine metadata. Et FDP er et metadatalager baseret på DCAT-organisationen. Med bare nogen teknisk snilde (eller en Data Steward i dit team), kan du selv oprette en FDP. Det giver dig mulighed for at have fuld kontrol over dine metadata, så du kan foretage ændringer og opdateringer, tilføje nye metadata, samtidig med at de bliver offentliggjort på internettet, så alle kan finde og genbruge dem.
7. Vurder FAIRness af din data under hensyntagen til målene for din FAIRification-indsats
- Genvurdere FAIRness af dine data.
- Hvis der stadig er plads til forbedringer, gentag fra toppen.
Brug af et FAIR-evalueringsværktøj kan igen hjælpe dig med at vurdere, om dine data er FAIR. Husk, at målet ikke er at score 100%, men at hjælpe dig med at tænke over, hvilke F-A-I-R-elementer, der er vigtige at forbedre, og hvilke der ikke tilfører den store fordel i dit specifikke tilfælde.
Er du interesseret i at vide mere, er du altid velkommen til at kontakte Hannah.Mihai@deic.dk.
