Руководящие принципы FAIR для управления научными данными и их сопровождения
The FAIR Guiding Principles for scientific data management and stewardship
2016-03-15
SCID: 54.1/zatva38n
Discuss with AI
принципы FAIR для данныхповторное использование данныхраспоряжение даннымимашиночитаемые данныеуправление научными данными
Figures from the paper
Abstract (AI)
Существует острая необходимость в совершенствовании инфраструктуры, поддерживающей повторное использование научных данных. Различные заинтересованные стороны — представители академического сообщества, промышленности, финансирующих организаций и научных издательств — объединились для разработки и совместного одобрения краткого и измеримого набора принципов, который мы называем принципами FAIR в отношении данных. Предполагается, что они могут служить руководством для тех, кто стремится повысить пригодность своих массивов данных для повторного использования. В отличие от смежных инициатив, ориентированных на человека-исследователя, принципы FAIR уделяют особое внимание расширению возможностей машин автоматически находить и использовать данные, наряду с поддержкой их повторного использования отдельными пользователями. Эта статья представляет собой первую официальную публикацию принципов FAIR и включает обоснование этих принципов, а также некоторые примеры их реализации в научном сообществе.
Key Findings
1
Принципы FAIR предназначены для руководства заинтересованными сторонами, стремящимися повысить повторную используемость имеющихся данных.
2
Принципы FAIR совместно поддержаны представителями академической сферы, промышленности, финансирующих организаций и научных издательств.
3
Подход уделяет особое внимание автоматизированному поиску и использованию данных машинами наряду с поддержкой исследователей.
4
В статье официально представлены принципы FAIR как краткая и измеримая основа для улучшения управления научными данными и их повторного использования.
5
В статье изложено обоснование принципов и приведены примеры их реализации научным сообществом.
Research Object
Научные (научно-исследовательские) наборы данных и инфраструктура, поддерживающая их повторное использование
Research Subject
принципы FAIR для повышения обнаруживаемости, доступности, интероперабельности и пригодности научных данных к повторному использованию машинами и людьми
Publication Details
Publication Date
2016-03-15
Journal
Publisher
ISSN
Cited by
18234
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai1
Работы, цитирующие эту статью20
Разъяснение и расширение положений PRISMA 2020: обновлённое руководство и примеры представления систематических обзоров2021
Руководство ARRIVE 2.0: обновлённые рекомендации по представлению результатов исследований на животных2020
Последние достижения и применения машинного обучения в физике и материаловедении твёрдого тела2019
Отчетность по исследованиям на животных: объяснение и разъяснения для руководящих принципов ARRIVE 2.02020
Графы знаний2021
Полногеномные ассоциативные исследования2021
Черепно-мозговая травма: достижения и проблемы профилактики, клинической помощи и исследований2022
Банк данных белков RCSB: мощные новые инструменты для изучения трехмерных структур биологических макромолекул в фундаментальных и прикладных исследованиях и образовании в области фундаментальной биологии, биомедицины, биотехнологии, биоинженерии и энергетики2020
Интегративный проект по изучению микробиома человека2019
Этические и нормативно-правовые проблемы технологий искусственного интеллекта в здравоохранении: нарративный обзор2024
Воспроизводимость, устойчивость и репродуцируемость в психологической науке2021
Лаборатории с автономным управлением для химии и материаловедения2024
FUTURE-AI: международное консенсусное руководство по надежному и пригодному для внедрения искусственному интеллекту в здравоохранении2025
Культурная аддитивность: поведенческие аспекты взаимодействия конфуцианства, буддизма и даосизма в фольклорных сказаниях2018
Искусственный интеллект и машинное обучение для медицинской визуализации: обзор технологий2021
Компьютерная разработка лекарств и открытие препаратов: перспективный анализ2023
Федеративное обучение обеспечивает использование больших данных для выявления границ редких опухолей2022
Стандарты и передовые методы мониторинга и бенчмаркинга насекомых2021
Открытая база данных химических реакций2021
Исследования материалов на основе данных, обеспечиваемые обработкой естественного языка и извлечением информации2020