FAIRsFAIR-projektet har gennemført en række interviews med DeiC om organisationens ”Metadata 4 Machines” workshops.
FAIRsFAIR projektet handler om udviklingen af videns-infrastrukturer for data management, dvs. procedurer, arbejdsgange, standarder, metrikker, relaterede metadata og data management-spørgsmål af forskellig art. Alt sammen baseret på FAIR-principperne, der står for findelighed, tilgængelighed, interoperabilitet og genanvendelighed (findability, accessibility, interoperability, reusability).
FAIRsFAIR-projektet gennemførte en række interviews med DeiC om sådanne data management standarder, særligt for håndtering af forsknings-metadata (data om data). Mere specifikt om DeiCs erfaring med ”Metadata for Machines” (M4M).
I M4M workshoppene er der fokus på at skabe maskinlæsbare metadata til forskningsdata ved hjælp af aftalte terminologier og metadatastandarder for at gøre data FAIR.
Metadata skræddersyet til forskningsdomæner
Implementering af 'I' (interoperabilitet) i FAIR-principperne omhandler brug af data- og metadatastandarder, som er tilpasset specifikke forskningsdomæner.
Der findes mange disciplinære standarder, men hvad nu hvis forskere arbejder i et relativt nyt eller tværfagligt domæne og ønsker at dele eksisterende data, eller ikke har standarder, der beskriver de data, de arbejder med, på korrekt vis? Det var i sommeren 2020, de problemer de to danske forskergrupper AnaEE og DTU Wind Energy stod med.
DeiC hjalp forskergrupperne med deres metadata-udfordringer igennem en række ‘Metadata 4 Machines’ (M4M) workshops. Efter adskillige afholdte workshops blev konceptet skærpet og udmundede i ”FAIRification roadmaps” for forskergrupperne samt en skabelon for at lave FAIR metadata, der var skræddersyet til forskernes behov.
