FAIRifikation Prozess
Daten sind der Treibstoff für Forschende. Um Wissenschaftsprozesse transparenter und offener zu machen, streben Forschende zunehmend danach, den Output des Forschungslebenszyklus durchsuchbar und für andere verfügbar zu machen. Die FAIR-Prinzipien leiten Forschende bei ihren Bemühungen, Daten auffindbar, zugänglich, interoperabel und wiederverwendbar zu machen.
FAIRifikationsprozess
Als Anbieter eines FAIR Services oder -Tools berücksichtigen Sie den FAIRifizierungsprozess und überlegen, wie Sie den Prozess, Daten FAIR zu machen, erleichtern können.
Anforderungen zur FAIRifikation
- Abrufen von Nicht-FAIRen Daten
- Beschreiben & Analysieren von Daten
- Managing and Sharing Data: Best Practices für Managing und Teilen von Daten
- How to Go FAIR
- Reichhaltige Metadaten
- Metadata standards
- The Data Documentation Initiative (DDI): Standard um die Daten zu beschreiben
- Persistent Identifier
- Persistent identifiers: working level – ANDS: Wie, warum und wann PID verwendet werden soll
- Ontologie und semantisches Modell
- 5 Stars Machine Actionability Model: Das 5-star Modell zeigt die Wichtigkeit und den Nutzen von machine-actionability, open data und semantic modelling
- Datenspeicherung
- CoreTrustSeal Trustworthy Data Repositories Requirements
- Recommendations on certifying services required to enable FAIR within EOSC: Eine Analyse der relevanten Aktivitäten für die Zertifizierung der Dienste, die FAIR-Forschungsergebnisse innerhalb des EOSC ermöglichen
- Daten Lizenzen
- Bereitstellen von FAIRen Daten
- How to Go FAIR
- Turning FAIR into reality: Eine Übersicht und Analyse dessen, was zur Umsetzung von FAIR benötigt wird. Das Dokument enthält eine Reihe konkreter Empfehlungen und Maßnahmen für Akteure in Europa und darüber hinaus.