¿Qué pasa con los datos de investigación?

Posted on Actualizado enn

grafo

 

Parece que últimamente solo se habla de los datos de investigación ¿qué pasa con los datos de investigación? por mi experiencia, intentaré resumir un poco donde estamos y cómo ha ido evolucionando, a mi modo de ver…

Inicialmente, la mayor preocupación de las instituciones era tener un repositorio que recogiera toda la información de la institución relativa a la investigación. Lo que parece una cosa obvia y trivial, no se cumplía en muchos casos y muchas universidades y centros de investigación no tenían (ni tienen actualmente) centralizada toda la producción científica que se realiza en su institución. Muchos investigadores publican directamente solo en revistas de prestigio o bien tienen otras actividades recogidas en webs propias o de departamentos, no permitiendo que la institución tenga una visión global de la investigación que se realiza. Esto es realmente una desventaja para la institución, porque conlleva que muchos de los indicadores de producción científica estén por debajo de lo que realmente podrían estar y no se refleja ni en rankings ni en diferentes fuentes de información y comparativas entre universidades que tan de moda se están poniendo.

Si la universidad ofrece un Portal con información sobre la investigación que se desarrolla en la misma, podría perder, por ejemplo, oportunidades de financiación y de visibilidad en los medios.

Así pues, como primer paso es imprescindible tener un sistema de gestión de la investigación que proporcione un repositorio centralizado con la producción científica de la universidad o la institución, garantizando la calidad de los datos que allí se registran, importando el máximo de información de fuentes externas ya validadas como las principales bases de datos comerciales. Con este primer paso, como me han dicho alguna vez desde una universidad: “ahora ya tenemos los datos ordenados”. Así, la mayoría de las universidades disponen de lo que llamamos un CRIS (Current Research Information System). Este sistema, a su vez, debe disponer de herramientas de análisis de datos, que den respuesta a objetivos tan importantes como:

  • La toma de decisiones
  • La financiación
  • el enrollment (atracción de talento)
  • optimización de procesos
  • indicadores de productividad

Con la aparición del movimiento OpenAccess, podríamos decir que la cosa “se complica”, aunque no mucho. Las universidades rápidamente han definido sus repositorios institucionales OpenAccess, donde recogen toda la producción científica que se realiza con fondos públicos, como marca la Ley de la Ciencia. La mayoría de ellos, utilizando el software DSpace. A nivel europeo también “se han puesto las pilas” rápidamente con ello, por la misma normativa a nivel europeo para los proyectos H2020. Así, el siguiente paso natural ha sido el enlace entre el sistema CRIS y el Repositorio institucional, que permita acceder a toda la información, tanto de la referencia de la producción científica, como de la publicación en formato digital, si existe.

Ahora hay que añadir a todo ello el OpenData, donde se promueve que los investigadores publiquen en abierto los resultados de sus investigaciones (los datos de los experimentos, etc..), datos parciales, datasets, en el formato que sea. Para ello, ya están empezando a proliferar las plataformas para la publicación de estos datos.

Todo ello, ha creado un universo de información relativa a la investigación diseminada en multitud de webs, bases de datos, repositorios, plataformas, redes, etc… que hace casi imposible permitir su acceso y análisis y la pérdida de potencial que toda esta información puede aportar al mundo de la investigación.

Es por ello que también se están empezando a desarrollar herramientas que permitan realizar como un mapa conceptual del universo de la investigación en que todo esté relacionado y permita de alguna forma “navegar” entre tanta información, así como proponer resultados y llegar a información que de otra forma sería casi imposible. Para ello, conceptos como el Machine Learning e incluso la AI (inteligencia artificial) deben ayudar a realizar estos mapas conceptuales que permitan este acceso a la información de la investigación. Y eso es en lo que los tecnólogos estamos embarcados y creo que es un reto importante y a la vez emocionante.

 

Anuncios

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s