Lukemistoa ja linkkejä

Kuten kickoff-kokouksessa sovittiin, kerätään tälle yhteiselle työskentelysivulle lukemistoa ja linkkejä esiin nousseisiin kysymyksiin.

Näihin voi kukin sitten perehtyä, ja tämän tietokokonaisuuden pohjalta voidaan ryhtyä työstämään konkreettisempia ohjeita/dokumentteja.

Dynaaminen data ja siihen viittaaminen

1. Pysyvät tunnisteet ja pysyvyys laajemmin 
   1. Kuinka kauan tutkimus pitäisi pystyä toistamaan?
   2. Uuden tutkimuksen mahdollistaminen 
   3. PIDien skaalautuvuus ja siirrettävyys 
   4. Pitkäaikaissäilyttämisen kustannukset 
2. Dynaamisen datan olemuksen tarkempi määrittely, kategorisointi ja rajaaminen
3. FAIRin testattavuus ja dynaaminen data

Linkkejä materiaaleihin:

• Persistence and interoperability report https://zenodo.org/record/3557381
• RDA https://www.rd-alliance.org/group/data-citation-wg/outcomes/data-citation-recommendation.html
• Climate data example https://datascience.codata.org/articles/10.5334/dsj-2017-030/ 
• Nanopublication http://nanopub.org/wordpress/ 
• DataCite metadata spec contains remarks on dynamic dataset https://schema.datacite.org/meta/kernel-4.1/
• Data categorisation and FAIR data https://doi.org/10.23978/inf.77419

Datan elinkaari

1. Tutkimusprosessin tukeminen alusta loppuun (suunnittelu, tutkimuksen aikaiset käytänteet, tuotokset)
2. Tutkimuksen toistettavuuden takaaminen 
3. Työvuot ja ohjelmistot (koko prosessin dokumentaatio koneluettavasti/toiminnallisesti)
4. Miten ja mitä pitkäaikaissäilytetään?
5. Säilytetäänkö data sellaisenaan vai esim. redusoidaanko sitä?
6. Säilytyspolitiikat ja -strategiat
7. Millä periaatteella tietty datasetti kootaan (esim. AMKeissa data usein sirpaleista)?

Linkkejä materiaaleihin:

• Workflows http://www.ijdc.net/article/view/12.1.88/469
• Common workflow language https://www.commonwl.org/
• http://www.researchobject.org/ro-crate/ 
• From FAIR research data toward FAIR and open research software
  https://doi.org/10.1515/itit-2019-0040
• https://fair-software.nl/about
• http://www.runmycode.org/about.html
• Assessment report on FAIRness of research software  https://doi.org/10.5281/zenodo.4095092
• https://research-compendium.science/ 
• https://ropensci.org/blog/2021/02/03/targets/  

Semanttinen yhteentoimivuus / linkitetty data

• Mitä semanttinen yhteentoimivuus edellyttää?
• Millä tavoilla sitä voi edistää?
• Mitä hyviä esimerkkejä ja toimintamalleja on olemassa?
• Mitä hyvä resursseja on käytettävissä?

Linkkejä materiaaleihin:

• Linkitettyä dataa tehdään FAIR Data Pointilla: https://www.fairdatapoint.org/
• PID architecture for the EOSC, DOI: 10.2777/525581, see https://hdl.handle.net/10.2777/525581

FAIRin arviointi ja mittaaminen

• FAIR-mittaamisen menetelmät
• FAIR-mittaamisen työkalut
• Esimerkit ja hyvät käytännöt

Linkkejä materiaaleihin:

• Wilkinson et al. (2016): The FAIR Guiding Principles for scientific data management and stewardship https://www.nature.com/articles/sdata201618
• CSC mukana FAIRsFAIR-hankkeessa, jossa on mm. tehty validaattori https://www.fairsfair.eu/f-uji-automated-fair-data-assessment-tool sekä arvionitityökalu https://fairaware.dans.knaw.nl/