Os Repositórios da Dados Científicos: Estado da Arte

OS REPOSITÓRIOS DE DADOS CIENTÍFICOS: ESTADO DA ARTE JULHO 2010 Repositório Científico de Acesso Aberto de Portugal PÁGINA | 2 Ficha Técnica: PROJECTO RCAAP D24 - RELATÓRIO Os Repositórios de Dados Científicos: Estado da arte Autoria: Grupo de trabalho conjunto da Universidade do Minho e da Universidade do Porto: Universidade do Minho: Eloy Rodrigues e Ricardo Saraiva (com colaborações de Cristina Marques Gomes e José Carvalho) Universidade do Porto: Cristina Ribeiro e Eugénia Matos Fernandes Versão: 1.0 Data de criação: 17 de Maio de 2010 Última actualização: 4 de Julho de 2010 Repositório Científico de Acesso Aberto de Portugal PÁGINA | 3 SUMÁRIO SUMÁRIO EXECUTIVO ........................................................................................................ 4 1 – INTRODUÇÃO ................................................................................................................ 7 2 – DADOS CIENTÍFICOS E REPOSITÓRIOS DE DADOS ................................................10 2.1 – Investigação e dados científicos: contextualização e evolução recente ...................10 2.2 – Dados científicos: do acesso à partilha ....................................................................12 2.3 – Curadoria de dados: as dimensões disciplinar e institucional ..................................15 2.4 – Repositórios de dados científicos: situação actual ...................................................18 2.5 – Tecnologias e plataformas dos repositórios de dados .............................................22 2.5.1 – Plataformas.......................................................................................................25 2.5.2 – Metadados ........................................................................................................27 3 – REPOSITÓRIOS, PARTILHA E CURADORIA DE DADOS ...........................................29 3.1 – Curadoria e partilha de dados: problemas e desafios ..............................................29 3.1.1 – Necessidades e expectativas dos investigadores .............................................29 3.1.2 – Benefícios da partilha de dados ........................................................................31 3.1.3 – Inibidores da partilha de dados .........................................................................32 3.2 – Infra-estruturas e recursos para a curadoria e partilha de dados .............................33 3.3 – Enquadramento ético e legal da partilha e curadoria de dados ................................39 4 – CONCLUSÕES ..............................................................................................................42 4.1 – Investigadores .........................................................................................................43 4.2 – Instituições de investigação .....................................................................................44 4.3 – Organismos financiadores de investigação ..............................................................45 4.4 – Responsáveis por repositórios .................................................................................45 GLOSSÁRIO ........................................................................................................................47 BIBLIOGRAFIA ...................................................................................................................51 Repositório Científico de Acesso Aberto de Portugal PÁGINA | 4 SUMÁRIO EXECUTIVO O presente estudo está enquadrado nas actividades de 2010 do projecto Repositório Científico de Acesso Aberto de Portugal (RCAAP) e assinala o início da sua intervenção no domínio da curadoria dos dados resultantes das actividades de investigação, da sua organização em repositórios de dados científicos e do seu acesso. Para além de recolher informação actualizada sobre o tema e as iniciativas mais relevantes relacionadas com a gestão e acesso aos dados científicos através de repositórios, o objectivo deste documento é também o de informar e orientar o desenvolvimento de um projecto-piloto de repositório de dados científicos que está também previsto no plano de trabalho do projecto RCAAP para 2010. O documento inicia-se com uma introdução, que contextualiza a crescente visibilidade dos temas relacionados com a curadoria e a partilha dos dados científicos e explicita as escolhas terminológicas que foram realizadas para os conceitos mais comuns na literatura neste domínio. Na segunda secção do estudo intitulada: “Dados científicos e repositórios de dados”, é apresentado um quadro actual dos repositórios de dados científicos, referindo o seu enquadramento, a sua origem e a sua evolução. A necessidade de conjugar a dimensão institucional (muito ampla e multidisciplinar no caso das universidades) com a dimensão disciplinar (com os seus requisitos específicos) é identificada como um dos principais desafios à utilização dos repositórios institucionais como componente da infra-estrutura global de curadoria dos dados científicos. Nesta secção são ainda apresentadas e descritas as principais tecnologias, plataformas e normas de metadados utilizadas neste domínio. Na terceira secção designada: “Repositórios, partilha e curadoria de dados”, o relatório prossegue com uma identificação dos principais actores, problemas, desafios, soluções e benefícios relacionados com o acesso e a gestão de dados científicos através de repositórios. Constata-se que a tomada de consciência da necessidade do armazenamento e da preservação de dados científicos em repositórios criados e mantidos para esse efeito constitui um processo ainda em curso, com diferentes estádios de maturidade a nível internacional e que se afigura como indispensável a aproximação entre os investigadores e as instituições que gerem repositórios para alojamento, preservação e acesso a dados científicos. Nesta secção são ainda revistos os aspectos políticos, legais e éticos associados ao acesso e reutilização dos dados científicos para além do contexto inicial em que foram recolhidos. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 5 Nas conclusões, que constituem a última secção do documento, constata-se que, apesar do crescente interesse que o tema vem despertando, com a multiplicação de actividades, iniciativas e projectos nos últimos anos, a curadoria e partilha de dados científicos é uma área “jovem”, ainda em formação e consolidação. Esta circunstância constitui uma oportunidade para a investigação e desenvolvimento de novos serviços e tecnologias, mas simultaneamente um desafio e um risco para o funcionamento de serviços de qualidade profissional. Reconhecendo que a curadoria, para ser verdadeiramente efectiva e sustentável, exige a participação de todas as partes envolvidas na produção dos dados científicos, o texto termina com a apresentação de acções e orientações a serem desenvolvidas pelos investigadores, as instituições de investigação, os organismos de financiamento e os responsáveis de repositórios, de que aqui se destacam as principais. Investigadores:  Incluir a curadoria, e eventual partilha, dos dados científicos, no processo de planeamento da investigação, analisando e identificando as soluções e as práticas adequadas, desejavelmente produzindo um plano de curadoria.  Colaborar e cooperar com os serviços e projectos de curadoria de dados relevantes para o seu contexto, disciplinar e institucional, a fim de conhecer, utilizar e promover as boas práticas neste domínio.  Divulgar e partilhar os dados científicos que produzam, tão cedo e tão amplamente quanto possível em cada caso, sem prejuízo dos seus próprios interesses ou dos constrangimentos legais e éticos que possam existir. Instituições de investigação:  Realizar recenseamento e diagnóstico da situação existente no que diz respeito aos dados científicos em cada instituição.  Disponibilizar, de forma autónoma ou colaborativa com outras instituições, infraestruturas e serviços para a curadoria dos dados científicos, seja através dos repositórios institucionais já existentes, seja através de repositórios de dados especificamente criados para esse efeito.  Atribuir a competência pela área da curadoria de dados científicos a uma unidade organizacional da instituição, devidamente apetrechada com os necessários recursos financeiros e humanos. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 6  Incentivar os investigadores a preocupar-se com a curadoria dos dados que produzem, e definir políticas institucionais que induzam o depósito dos dados científicos em repositórios institucionalmente adequados e estimulem a partilha dos dados depositados tão cedo e de forma tão ampla quanto seja possível.  Avaliar e identificar as necessidades de formação de técnicos de curadoria de dados para as diferentes áreas científicas e disciplinares. Organismos financiadores de investigação:  Definir políticas que exijam, ou pelo menos valorizem significativamente na avaliação para financiamento, a existência de um plano de curadoria de dados em todos os projectos de investigação.  Definir políticas e procedimentos que exijam o depósito dos dados científicos em repositórios sustentáveis e o acesso aberto a esses dados sempre e logo que possível.  Considerar como elegíveis para financiamento, nos projectos que financiam, as eventuais despesas dos investigadores com actividades de curadoria e partilha de dados.  Disponibilizar financiamento específico para a realização de projectos de investigação e desenvolvimento no domínio da curadoria de dados científicos. Responsáveis por repositórios:  Assegurar que os repositórios colocados à disposição dos investigadores sejam infra-estruturas robustas e fiáveis do ponto de vista tecnológico e da segurança da informação.  Disponibilizar aos investigadores serviços e ferramentas de apoio à curadoria e partilha de dados.  Recolher e disponibilizar informação sobre acesso e utilização dos conjuntos de dados que gerem.  Acompanhar as iniciativas internacionais relacionadas com a criação, gestão e manutenção de repositórios de dados, recolhendo a experiência de projectos pioneiros e aprendendo com os seus resultados. Finalmente, considerando a existência de pontos comuns, para além de importantes diferenças, entre o arquivo e a disponibilização de publicações e a curadoria e disponibilização de dados, sugere-se que a experiência acumulada pelo projecto RCAAP no domínio dos repositórios institucionais pode constituir uma base para o lançamento de iniciativas na área dos repositórios de dados científicos. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 7 1 – INTRODUÇÃO O presente documento foi realizado no âmbito do projecto Repositório Científico de Acesso Aberto de Portugal (RCAAP)1. A iniciativa RCAAP visa aumentar a visibilidade, acessibilidade e difusão dos resultados da actividade académica e de investigação científica nacional, facilitar o acesso à informação sobre a produção científica nacional em regime de acesso aberto, bem como integrar Portugal num conjunto de iniciativas internacionais neste domínio. Até ao final de 2009 as actividades do projecto RCAAP focaram-se exclusivamente nos repositórios de literatura científica. O plano de trabalho para 2010 assinala o início da intervenção do projecto RCAAP no domínio do acesso e curadoria dos dados resultantes das actividades de investigação e dos repositórios de dados científicos. Os dois resultados esperados da actividade do RCAAP nesta área, em 2010, são o presente relatório de estado da arte e um projecto-piloto. Para além de recolher informação actualizada sobre o tema e as iniciativas mais relevantes relacionadas com a gestão e acesso aos dados científicos através de repositórios, o objectivo deste documento é também o de informar e orientar o desenvolvimento desse projecto-piloto de repositório de dados científicos. Existem duas grandes áreas de requisitos no domínio dos dados científicos. A primeira está relacionada com as infra-estruturas (tais como serviços, sistemas, normas e protocolos) necessárias para garantir a recolha, preservação e acesso aos dados. A segunda tem a ver com os aspectos políticos, legais e éticos, associados ao acesso e reutilização dos dados científicos para além do contexto inicial em que foram recolhidos. O alargamento da actividade do projecto RCAAP a este domínio corresponde ao reconhecimento da crescente importância das questões relativas aos dados resultantes das actividades de investigação no sistema de comunicação científica, e mesmo no funcionamento global da ciência. De facto, na última década, os temas relacionados com a gestão, o acesso e reutilização dos dados científicos, e em especial dos resultantes de actividades de investigação financiadas com fundos públicos, adquiriram visibilidade e 1 O projecto RCAAP é uma iniciativa da UMIC – Agência para a Sociedade do Conhecimento, IP concretizada pela FCCN – Fundação para a Computação Científica Nacional, disponibilizando mais um serviço avançado sobre a Rede Ciência, Tecnologia e Sociedade (RCTS) gerida pela FCCN. A execução do projecto conta ainda com a participação científica e técnica da Universidade do Minho. Toda a informação do projecto pode ser consultada em: http://projecto.rcaap.pt/. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 8 atraíram acrescida atenção, quer no seio de comunidade científica, quer na esfera política ao nível internacional. Do lado das comunidades científicas, está a crescer a sensibilidade para as consequências da verdadeira explosão na produção de dados científicos, quer pelo crescimento global das actividades de investigação, quer como consequência dos novos métodos e instrumentos de pesquisa e registo que originam cada vez maiores volumes de dados. Para além da produção, recolha, análise e interpretação dos dados, onde naturalmente os investigadores concentram o seu trabalho, tem vindo a afirmar-se uma outra área de intervenção, relacionada com a curadoria dos dados científicos. O entendimento da necessidade de gerir o acesso e a utilização dos dados produzidos ou recolhidos no quadro das actividades de investigação, garantindo a sua preservação, parece ter sido mais precoce e mais profundo em áreas como a astronomia e a climatologia, onde o trabalho de investigação é baseado na análise de dados recolhidos de forma distribuída, mas tem vindo a alargar-se a outros domínios. Do lado dos decisores políticos tem havido também um número crescente de declarações e iniciativas, quer a nível nacional, quer no contexto europeu e em organizações internacionais. Um dos primeiros e mais relevantes sinais desta realidade foi a Declaração sobre o acesso a dados científicos com financiamento público, aprovada pelos representantes ministeriais de 34 países (incluindo Portugal) da OCDE em 30 de Janeiro de 20042. A Declaração da OCDE, reconhecendo que o acesso livre e o uso irrestrito dos dados promovem o progresso científico e maximizam o retorno do investimento público nas actividades de recolha de dados, e que restrições indevidas ao acesso e utilização dos dados científicos podem diminuir a qualidade e eficiência da investigação científica e inovação, afirma a vontade de trabalhar para o estabelecimento de regimes de acesso aos dados científicos resultantes de financiamento público. No seguimento desta declaração de 2004, a OCDE aprovou em 2006 um documento de Princípios e Directrizes para o Acesso aos dados científicos resultantes de financiamento público, publicado já em 20073 e que constitui um dos documentos de referência neste domínio. 2 OECD. Declaration on Access to Research Data From Public Funding, Paris, 2004. Disponível em: http://www.oecd.org/document/15/0,3343,en_2649_34487_25998799_1_1_1_1,00.html [Consultado em 26 de Abril 2010]. 3 OECD Principles and Guidelines for Access to Research Data from Public Funding. Paris, 2007. Disponível em: http://www.oecd.org/dataoecd/9/61/38500813.pdf [consultado em: 26 de Abril de 2010]. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 9 A questão do acesso aberto aos dados científicos tem conquistado também apoio crescente nas comunidades científicas, multiplicando-se as iniciativas, projectos e declarações. Não deixando de estar relacionado com o ambiente geral e outros movimentos de “abertura”, na sociedade e na ciência em particular, como os do Open Source e Open Access, o “movimento” Open Data tem origem, dinâmica e “agenda” próprias. Na redacção deste relatório foi necessário tomar decisões quanto à forma e às definições de vários conceitos comuns na literatura sobre este tema, que geralmente se exprimem em língua inglesa, no sentido de garantir a uniformidade e inteligibilidade da sua utilização. Assim, por exemplo, decidiu-se adoptar a expressão dados científicos para research data, conjunto de dados para dataset e curadoria de dados para data curation. Uma breve explicitação destes conceitos é apresentada na Secção 2.1, e incluiu-se no final um glossário dos termos usados ao longo do relatório. Para além desta Introdução, o relatório está estruturado em mais 3 secções e um anexo. A Secção 2 apresenta uma panorâmica dos repositórios de dados científicos, contextualizando o seu enquadramento, a sua origem, evolução e situação actual. A Secção 3 identifica os principais actores, problemas, desafios e soluções relacionados com o acesso e a gestão de dados científicos através de repositórios. Finalmente, a Secção 4 apresenta algumas conclusões e sugestões de acção para as diferentes partes interessadas na questão da gestão e acesso aos dados científicos. O relatório é complementado ainda por um glossário. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 16 estratégias de preservação dependem das características dos dados (volume, estrutura, qualidade, singularidade/originalidade, valor científico potencial para a disciplina) e a capacidade para de facto os preservar da existência de formatos de dados e esquemas de metadados apropriados, de infra-estruturas de armazenamento, capacidade técnica e evidentemente financiamento. Foi recentemente publicado um relatório20 sobre as diferenças entre as várias disciplinas no que diz respeito à curadoria e partilha de dados, com base no estudo comparativo de dezasseis casos. Considerando quatro grandes áreas disciplinares (artes e humanidades, ciências sociais, ciências da vida, ciências físicas), o relatório conclui que existem grandes diferenças não só entre elas, mas também dentro de cada uma delas. Assim, nas artes e humanidades a partilha de dados é limitada, embora tenha alguma expressão em disciplinas específicas como a arqueologia, epigrafia e história da arte21. No ramo das ciências sociais, várias disciplinas recolhem e usam dados que possuem algumas limitações associadas a regras e acordos relativos a confidencialidade ou a considerações éticas ou legais. Esta realidade pode constituir uma barreira à partilha e reutilização de dados, mesmo considerando a possibilidade de os “obscurecer” (anonimizando ou descontextualizando)22. No domínio das ciências da vida, o volume de dados produzidos está a crescer dramaticamente. A dimensão dos datasets individuais pode ser muito grande, e a sua gestão e manipulação requerem a existência de grande capacidade de armazenamento e de computação. Apesar de, em teoria, existir uma ética de partilha de dados no domínio das ciências da vida, na prática essa partilha é limitada. Na área das ciências da saúde existem também várias limitações, constrangimentos e necessidades de salvaguardar dados. Finalmente, no campo das ciências físicas existe uma grande variedade de práticas. Na astronomia a partilha de dados está bem estabelecida. Dentro das ciências climáticas existem variações significativas nas práticas de partilha de dados, mais comuns na modelação oceânica e nos dados observacionais e menos comuns, por razões comercias, na meteorologia e modelação climática. Outra área onde existem bons exemplos de partilha 20 Key Perspectives. (2010), "Data dimensions: disciplinary differences in research data sharing, reuse and long term viability: A comparative review based on sixteen case studies", DCC SCARP Synthesis Report comissioned by the Digital Curation Centre. Disponível em: http://www.dcc.ac.uk/sites/default/files/documents/publications/SCARP-Synthesis.pdf [consultado em: 8 de Maio de 2010]. 21 Idem. 22 Ibidem. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 17 de dados é a cristalografia23. Para que os dados possam ser partilhados e reutilizados é necessário que existam organizações e indivíduos responsáveis pela sua curadoria. Os investigadores, por si só, não serão as pessoas adequadas para assegurar a preservação e o acesso continuado aos dados que recolhem e produzem. As suas competências concentram-se essencialmente no domínio da investigação, o que sugere que a responsabilidade pela curadoria de dados deve ser assegurada por outro tipo de profissionais. Estes profissionais podem possuir experiência disciplinar específica e serem integrados em grupos de investigação, departamentos ou unidades autónomas (e ser designados por data scientists ou data managers) ou podem ser peritos na área da informação que trabalhem em centros de dados ou em bibliotecas. Em qualquer caso, estes “novos” profissionais de dados necessitam de conhecimentos no domínio científico dos dados e formação específica sobre suporte e curadoria de dados24. Em algumas áreas existem centros de dados que podem assegurar uma curadoria profissional de dados considerados relevantes enquanto o volume de dados que processam não ultrapassar a sua capacidade. O problema é o que fazer com a “pequena ciência”, isto é, com os conjuntos de dados produzidos por investigadores individualmente ou por pequenos grupos de investigação que não possuem nem os recursos nem as infraestruturas para cuidar dos conjuntos de dados para além do termo dos seus projectos de investigação. Dado o número crescente de repositórios institucionais, tem sido sugerido que eles possam ser a resposta, ou pelo menos parte dela, à necessidade de curadoria dos dados produzidos na investigação. De facto, existem já várias centenas de repositórios institucionais em estádio de produção, mas a sua utilização para albergar, preservar e dar acesso a conjuntos de dados científicos é ainda muito reduzida. A curadoria dos dados produzidos pela comunidade científica da sua própria instituição constitui um desafio estratégico fundamental para os gestores e administradores dos repositórios institucionais. A existência da vontade, das competências e dos recursos necessários para fazer face a estes desafios no seio das instituições ainda necessita de ser completamente demonstrada. 23 Ibidem. 24 Swan, A. and Brown, S. (2008) The skills, role and career structure of data scientists and curators: An assessment of current practice and future needs. Technical Report , School of Electronics & Computer Science, University of Southampton. Disponível em: http://eprints.ecs.soton.ac.uk/16675 [Consultado em 11 de Maio 2010]. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 18 Como se refere no estudo sobre as diferenças disciplinares que tem vindo a ser mencionado25, para que os repositórios institucionais possam ser responsáveis pela curadoria de dados científicos das suas organizações terão de desenvolver estratégias específicas para cada disciplina, uma vez que uma abordagem genérica à curadoria de dados não será suficiente para lidar com todas as necessidades e expectativas dos investigadores das diferentes áreas. Ora, é precisamente esta necessidade de conjugar a dimensão institucional (muito ampla e multidisciplinar no caso das universidades) com a dimensão disciplinar (com os seus requisitos específicos) que constitui um dos principais desafios à utilização dos repositórios institucionais como uma componente fundamental na infra-estrutura global de curadoria dos dados científicos. 2.4 – Repositórios de dados científicos: situação actual De uma forma geral, os conjuntos de dados científicos constituem, ao nível da maior parte das organizações que produzem ou lidam com dados em grande escala, uma preocupação. Isto significa que há alguma sensibilidade dos cientistas e administradores à fraca robustez das actuais infra-estruturas, mas ainda não se chegou ao ponto de a curadoria destes dados ser um problema reconhecido e contemplado em projectos, políticas das organizações, orçamentos ou constituição de equipas técnicas. Há, no entanto, uma grande diversidade de iniciativas como se pode constatar em diferentes directórios de repositórios. É o caso do OAD26 (Open Access Directory, um wiki do Simmons College, Boston - EUA), que lista repositórios de dados e bases de dados por domínios científicos. A Google está também a lançar, no âmbito dos "Google Labs", o "Google Public Data Explorer"27, um wiki para repositórios de dados que fornece ferramentas para a sua exploração. O estado de desenvolvimento das infra-estruturas de suporte aos dados é muito diverso. Para poder comparar abordagens que tenham pressupostos semelhantes, apresentam-se a seguir 5 cenários que correspondem a formas diferentes de tratar a curadoria dos dados. 25 Ibidem. 26 Sítio da Open Access Directory acessível em: http://oad.simmons.edu/oadwiki/Data_repositories. 27 Sítio do Google Public Data Explorer acessível em: http://www.google.com/publicdata/directory. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 19 1. Curadoria pelos cientistas ou técnicos que usam os dados Este é um cenário em que não há uma política institucional para a curadoria e em que esta decorre da preocupação dos agentes envolvidos. A eficácia desta gestão depende de circunstâncias particulares, tais como os dados serem usados de forma sistemática ou ser missão da instituição fornecê-los a terceiros. Este cenário encontra-se facilmente em qualquer universidade ou centro de investigação, em particular em grupos cujas actividades têm uma componente importante de processamento de dados e em áreas em que não existem ainda requisitos de registo de dados em formatos normalizados, nem uma prática estabelecida de troca de dados entre organizações. Neste cenário, há alguma garantia de que os dados se mantenham activos, embora a generalização do uso de máquinas pessoais poderosas possa constituir um risco. Verifica-se com frequência que, mesmo em instituições com infra-estruturas informáticas sólidas, os dados em máquinas individuais estão frequentemente sem salvaguarda sistemática. Repositórios como o CAVA28, "Human Communication: an Audiovisual Archive", uma iniciativa do UCL (University College, Londres) e o OASIS29, "Open Access Series of Imaging Studies", que disponibiliza conjuntos de dados de ressonâncias magnéticas cerebrais, patrocinado por um conjunto de universidades e institutos de investigação, estão no limite deste cenário. Estes repositórios foram criados através de financiamentos de investigação e são mantidos com os meios que as respectivas agências fornecem. 2. Curadoria por organizações científicas sectoriais, instituições geradoras, recolectoras ou distribuidoras de dados Este cenário surge quando é identificada a necessidade de realizar acções de reunião e de preservação de conjuntos de dados, ou de fornecer serviços de acesso dentro de uma comunidade ou de um domínio de investigação. Tipicamente estas iniciativas envolvem esforço voluntário de universidades ou de outras instituições e beneficiam do apoio dos organismos financiadores da investigação, que começam a reconhecer a sua importância. Este cenário encontra-se em muitas associações científicas que instalam ou contratam infraestruturas de suporte aos seus recursos de dados. O acesso a estes dados pode ser restrito aos cientistas envolvidos ou ter um âmbito mais lato de divulgação pública. O cenário tem como ponto forte o facto de reunir comunidades com interesse sustentado nos dados e de 28 Mais informações sobre a iniciativa Human Communication: an Audiovisual Archive (CAVA) disponíveis em: http://www.jisc.ac.uk/whatwedo/programmes/inf11/sue2/cava.aspx. 29 Sítio do Open Access Series of Imaging Studies (OASIS) acessível em: http://www.oasis-brains.org/. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 20 ter origem nos próprios investigadores, que podem fornecer descrições especializadas dos seus dados. A capacidade destas estruturas de suporte de dados garantirem o acesso aos dados que albergam, mesmo quando estes deixem de ser usados activamente, é variável. Um exemplo deste cenário na área das artes, humanidades e ciências sociais é o DANS – "Data Archiving and Networked Services"30, na Holanda, lançado pela KNAW (Royal Netherlands Academy of Arts and Sciences) e suportado pelo NWO (Netherlands Organisation for Scientific Research). Este repositório fornece serviços como o depósito de conjuntos de dados, a descarga de dados, ferramentas para a análise de dados e ligação a dados alojados em outros repositórios. Um outro exemplo, na área da biotecnologia, é o NCBI31 (National Center for Biotechnology Information nos EUA) que reúne recursos nas áreas da biomedicina e do genoma. Neste caso, o suporte a dados é de natureza mais operacional do que descritiva: o centro mantém um conjunto de bases de dados especializadas e directamente utilizadas pelos investigadores. O uso destes dados supõe familiaridade com as suas representações. 3. Curadoria por universidades ou centros de investigação Este cenário é semelhante ao anterior, mas a iniciativa parte de uma universidade ou centro de investigação e por isso tende a incluir dados de áreas diversas. Também aqui é usado o apoio dos organismos financiadores. Neste cenário podem ser diversas as formas de integrar a curadoria dos dados na instituição, sendo duas das mais frequentes a utilização dos centros de computação e as bibliotecas. Os centros de computação encontram-se bem apetrechados no que se refere a serviços e pessoal com perfil informático, mas não têm habitualmente recursos com formação apropriada para apoiar a modelação de dados e a descrição dos conjuntos de dados. As bibliotecas podem oferecer recursos para descrição, mas não a descrição especializada requerida pelos conjuntos de dados, e não costumam ter recursos informáticos próprios. Nas universidades e centros de investigação a divulgação de dados científicos tem como objectivo adicional a visibilidade pública da instituição. Um ponto forte deste cenário é o facto de tirar partido das infra-estruturas informáticas da organização, o que torna os serviços oferecidos mais robustos. Por outro lado, tendo de acomodar conjuntos de dados 30 Sítio do Data Archiving and Networked Services (DANS) acessível em: http://www.dans.knaw.nl/. 31 Sítio do National Center for Biotechnology Information (NCBI) acessível em: http://www.ncbi.nlm.nih.gov/. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 21 de áreas muito diversas, tenderá a ter uma ligação menos estreita aos produtores dos dados e menor especialização na descrição. As bibliotecas associadas a instituições de investigação estão neste momento muito motivadas para a criação e gestão de repositórios institucionais com recolha sistemática da produção interna. Os repositórios de dados têm aparentemente uma ligação forte a estas iniciativas: por um lado, também requerem infra-estruturas com requisitos de registo, descrição, pesquisa e acesso; por outro, começa a ser frequente as publicações científicas terem associados dados científicos. Para uma biblioteca poder assegurar a curadoria dos dados, é necessário que detenha os recursos técnicos que lhe permita trabalhar de forma próxima com os investigadores que os produzem. Um ponto forte deste cenário é o facto de criar uma infra-estrutura durável. Possíveis fragilidades são a distância que se estabelece entre o serviço e os investigadores e criadores de conjuntos de dados e a necessidade de acomodar dados de natureza muito diversa, com prejuízo da descrição especializada. O repositório Datashare32, na Universidade de Edimburgo, Escócia, é um exemplo de serviço avançado de partilha de dados no âmbito de uma biblioteca. Este cenário é pouco usual, e decorre do facto de a universidade ter, sob a designação de "Information Services", reunido o EDINA33, um centro de dados académicos suportado pelo JISC, e a "University Data Library". 4. Curadoria por organismos oficiais Neste cenário encontram-se as iniciativas que partem dos organismos de gestão da ciência ao nível de um país. Existem normalmente condições prévias que criam a sensibilidade ao problema e são criadas infra-estruturas de suporte mantidas ao nível de organismos nacionais. Existem várias instâncias do cenário 4 nos países onde a sensibilidade à curadoria dos dados científicos é maior. Um ponto forte deste cenário é o facto de criar uma infra-estrutura durável. Possíveis fragilidades são a distância que estabelece entre o serviço e os investigadores e criadores de conjuntos de dados e a necessidade de acomodar dados de natureza muito diversa, com prejuízo da descrição especializada. 32 Mais informações sobre o repositório Datashare disponíveis em: http://ie-repository.jisc.ac.uk/336/1/DataSharefinalreport.pdf. 33 Sítio do EDINA acessível em: http://edina.ac.uk/. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 22 Um exemplo deste cenário é o ANDS34- "Australian National Data Service", financiado por diversos organismos oficiais e que tem por objectivo favorecer a visibilidade na web de dados científicos australianos, promover a curadoria dos dados e contribuir para as políticas da sua gestão. A NBII35 (National Biological Information Infrastructure, EUA) é outro exemplo, na forma de um portal de acesso à informação de agências governamentais, académicas, organizações não governamentais e indústria, suportado por parcerias com as organizações produtoras. Como exemplo de uma iniciativa recente, o DataONE36 (Data Observation Network for Earth) é uma fundação, financiada pela NSF (National Science Foundation, EUA) e estabelecida em Fevereiro de 2010 para suportar a investigação e a divulgação de dados relacionados com as ciências do ambiente. 5. Curadoria por comunidades informais em linha Este é um cenário que possivelmente se vulgarizará nos próximos anos, com o aparecimento de comunidades que reúnem especialistas e amadores na recolha e descrição de conjuntos de dados. O ponto forte deste cenário é a sua "robustez informal": com comunidades dispersas, é provável que existam múltiplas réplicas de um conjunto de dados, o que previne o seu desaparecimento. Por outro lado, não há um modelo institucional que garanta o acesso aos dados e pode haver dificuldade em identificar os responsáveis pela sua criação. Exemplos deste cenário podem encontrar-se em colecções de dados como os do Wikispecies37, um wiki que recolhe informação taxonómica e de descrição de espécies, com contribuições do público. Um conjunto de dados como este pode ser usado tanto para trabalho científico como para a divulgação científica. 2.5 – Tecnologias e plataformas dos repositórios de dados No presente contexto o termo “repositório” designa um sistema informático em que existe uma plataforma de armazenamento de objectos representados em ficheiros, capaz de incorporar novos objectos à medida que são produzidos ou submetidos. O repositório oferece serviços que são dirigidos a quem deposita, a quem pesquisa e aos administradores 34 Sítio do projecto Australian National Data Service (ANDS) acessível em: http://ands.org.au/. 35 Sítio da National Biological Information Infrastructure (NBII) acessível em: http://www.nbii.gov/. 36 Sítio da iniciativa Data Observation Network for Earth (DataONE) acessível em: https://dataone.org/. 37 Sítio do Wikispecies acessível em: http://species.wikimedia.org/wiki/Main_Page. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 23 do sistema. Nos repositórios de dados pode ir-se muito além desta visão de repositório de objectos, uma vez que cada conjunto de dados tem características próprias e por isso pode requerer um tratamento diferenciado. Como exemplo de um processamento específico de um conjunto de dados, pode referir-se a transformação de dados originalmente organizados numa base de dados para um formato textual (por exemplo na linguagem de anotação XML). Por outro lado, para o utilizador do repositório pode ser importante, por exemplo, em vez de descarregar a totalidade de um conjunto de dados cujo volume seja difícil de gerir, seleccionar apenas um subconjunto dos itens incluídos no conjunto, ou apenas alguns dos atributos desses itens. Considerando o que pode conter um conjunto de dados científicos, as acções de curadoria podem levar a actuar a três níveis, que aqui se designam de armazenamento, de representação do conjunto e de representação do item. A designação “conjunto de dados” supõe que neste se podem identificar elementos individuais, ou itens. O primeiro nível, do armazenamento, trata de garantir que o conjunto de dados está guardado de forma fiável, num sistema com garantia de manutenção e salvaguarda. O nível 2, da representação do conjunto, assegura que existe descrição do conjunto de dados, garantindo metadados tais como os que dizem respeito à sua produção, direitos de uso ou características técnicas. O nível 3, da representação do item, lida com as questões de modelo e descrição para itens individuais e é dependente da natureza do conjunto de dados. Num conjunto de fotografias, a descrição ao nível do item pode incluir características técnicas da fotografia, do evento retratado e do fotógrafo. Num conjunto de dados recolhidos por sensores numa estrutura de betão, a descrição pode enumerar as grandezas recolhidas, as características dos sensores e os pormenores do ambiente em que a experiência foi montada. Num conjunto de dados sobre estruturas químicas, a descrição pode incluir referências aos elementos presentes e às suas ligações, bem como a informação necessária para os representar em 3 dimensões. Nos repositórios de dados actuais são utilizadas diversas soluções tecnológicas. Algumas destas soluções são plataformas desenvolvidas genericamente para repositórios, outras são soluções desenvolvidas à medida para um caso específico. Esta divisão está relacionada tanto com os modelos de curadoria, identificados na Secção 2.3, como com o tipo de uso a que os conjuntos de dados estão sujeitos. Os modelos de curadoria podem ser vistos como um fluxo de operações, envolvendo uma equipa para além dos próprios investigadores, com a missão de fazer o acompanhamento e a disponibilização dos dados. Quando os responsáveis por esta equipa têm de a desenhar para apoiar diversas áreas disciplinares, a sua infra-estrutura de suporte tende a ser uma plataforma mais genérica, que desempenhe as funções básicas de curadoria sem se especializar em algum tipo de dados. Quando, pelo Repositório Científico de Acesso Aberto de Portugal PÁGINA | 24 contrário, a equipa é da responsabilidade directa dos cientistas de uma área disciplinar, ela tende a ser orientada para funções mais específicas de apoio à investigação. No presente, podem-se identificar dois tipos de práticas nas infra-estruturas de suporte a repositórios de dados. A primeira existe em domínios que têm já uma prática estabelecida de registo e partilha de dados, seja porque as regras para publicação o requerem, seja porque os grupos de investigação não têm meios para recolher dados próprios e a investigação é baseada em dados recolhidos por organismos supervisores. Estão neste caso os repositórios de dados de genoma e os de dados astronómicos. Nestes domínios pode-se dizer que o paradigma vigente é a base de dados, e não o repositório de dados. Isto significa que, dos três níveis de curadoria anteriormente identificados, estão assegurados o 1 (armazenamento) e o 3 (representação do item). As bases de dados são instaladas em estruturas tecnológicas próprias, pelo que o nível de armazenamento está garantido. Como os dados são usados por diversas equipas, é necessário um conhecimento preciso e completo da forma como eles estão representados, pelo que a descrição ao nível do item é cuidada, embora possa estar escondida em modelos de dados e interfaces de acesso que apenas serão acessíveis aos investigadores do meio. Esta infra-estrutura de suporte em base de dados está tipicamente associada a um modelo de curadoria muito próxima dos investigadores, o cenário 2 mencionado na Secção 2.4. A segunda prática está a surgir actualmente, impulsionada em grande medida pelo movimento do acesso livre. Entidades oficiais de financiamento, universidades, centros de investigação e agências governamentais estão a tomar iniciativas ou a ser pressionadas no sentido de exporem os dados recolhidos ou usados em projectos financiados. Como estas acções são frequentemente entregues aos mesmos serviços que gerem os repositórios institucionais, e os próprios conjuntos de dados estão muitas vezes ligados às publicações que neles se baseiam, o paradigma aqui é o de uso das plataformas de repositórios, das quais as mais divulgadas são as de desenvolvimento com licenças de código aberto, que surgiram para dar resposta à necessidade de coleccionar e preservar a produção de natureza científica e técnica dentro de comunidades de investigação. O seu uso para os repositórios de dados dá ênfase aos níveis de curadoria 1 e 2, uma vez que são capazes de lidar com o armazenamento e a descrição ao nível da colecção, mas não com a descrição ao nível do item. Esta infra-estrutura de suporte em plataformas de repositórios está normalmente associada a modelos de curadoria por universidades ou por organismos oficiais, os cenários 3 e 4 mencionados na Secção 2.4. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 25 2.5.1 – Plataformas Estão hoje disponíveis diversas plataformas de repositórios, que foram desenvolvidas para recolher, preservar e divulgar literatura científica, mas presentemente podem ser usadas para agregar outros tipos de conteúdos digitais. DSpace É a ferramenta de repositórios mais divulgada e tem uma extensa lista de utilizadores. Foi lançada pelas MIT Libraries e pelos Hewlett-Packard Labs em 2002 com o objectivo de fornecer um sistema de repositório para documentos digitais resultantes de investigação ou destinados à educação e distribuído com uma licença de código aberto. A partir de 2007, o MIT e a HP criaram a Dspace Foundation38, uma organização sem fins lucrativos para promover a plataforma e suportar os seus utilizadores. Em 2009, este suporte passou para a DuraSpace Foundation, também uma organização sem fins lucrativos dedicada a "tecnologias de código aberto e da nuvem para biblioteas, universidades, centros de investigação e organizações do património cultural". A lista de instâncias da plataforma DSpace presente no sítio web tem mais de 800 entradas39. Exemplos de repositórios de dados que usam a plataforma DSpace são o Edinburgh DataShare40 da Universidade de Edimburgo, que é especializado em conjuntos de dados. Os repositórios institucionais do MIT e da Universidade de Cambridge são dois exemplos entre muitos dos que aceitam conjuntos de dados como um dos tipos de objectos depositados, organizando-os no repositório geral. EPrints O "EPrints Repository Software"41 é também uma plataforma muito divulgada para repositórios institucionais. Foi criada e é mantida pela "School of Electronics and Computer Science" da Universidade of Southampton, Reino Unido. A plataforma é distribuída com base numa licença de código aberto. Além de oferecer as funcionalidades comuns nos repositórios institucionais, tem associado o "EPrints Services", com uma equipa de consultoria que pode acompanhar um projecto de instalação de um repositório desde a análise e desenvolvimento personalizado até ao fornecimento do serviço de gestão. Um dos desenvolvimentos recentes é a integração no repositório de ferramentas que estão a surgir 38 Sítio da fundação DuraSpace acessível em: http://duraspace.org/. 39 Mais informações disponíveis em: http://www.dspace.org/whos-using-dspace/Repository-List.html. 40 Sítio do repositório DataShare acessível em: http://datashare.is.ed.ac.uk/dspace/. 41 Sítio do EPrints Repository Software acessível em: http://www.eprints.org/. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 32 ciência. Recorde-se, neste contexto, situações de fraude científica já ocorridas, que conduziram investigadores e editoras a facultar os meios de prova dos resultados de investigação obtidos, antes, ainda, da respectiva publicação54. Tanto para a ciência em geral, como para os investigadores, poderá ser muito benéfica a publicação dos resultados da investigação, de preferência em universos amplos, susceptíveis de múltiplos acessos. Uns porque adquirem a visibilidade de que não dispunham, outros porque assistem ao reforço do reconhecimento de que já usufruíam. Por seu turno, a avaliação e a revisão feitas pelos pares e as próprias candidaturas a financiamentos podem transformar-se em processos desburocratizados quando as partes intervenientes dispõem de acesso à produção dos investigadores e ao seu impacto no progresso científico. O reconhecimento dos investigadores traz consigo o das respectivas comunidades ou das instituições que suportam financeiramente a investigação, assim como o dos repositórios que alojam, preservam e disseminam os dados produzidos. A estes benefícios acresce, ainda, o impacto na qualidade e na eficiência da investigação, embora este possa não ser visível e mensurável no imediato. Registe-se, também, como um benefício decorrente da partilha de dados, o acréscimo de oportunidades para as “indústrias” de reutilização de dados, como as de investigação geoespacial, meteorológica e oceanográfica55. Mais oportunidades haverá, também, para o aparecimento de novas "indústrias", fornecedoras de produtos e serviços dirigidos à simplificação de armazenamento e de acesso a bases de dados. 3.1.3 – Inibidores da partilha de dados Apesar do atrás exposto, a cultura da reutilização de dados não se encontra, ainda, enraizada na comunidade de investigadores. Os benefícios explícitos da disponibilização e da partilha de dados científicos são ainda muito escassos ou inexistentes. Atendendo ao facto de que os dados obtidos no decurso de processos de investigação constituem uma componente crítica essencial do capital intelectual de quem investiga e que o trabalho desenvolvido pelos investigadores exige muito esforço e se processa à custa de conhecimentos especializados, assumindo, com frequência, o estatuto de investimento de longa duração, torna-se compreensível que a concessão de acesso aos dados brutos seja muito rara. 54 Adrian Burton, Andrew Treloar - Publish My Data: A composition of services from ANDS and ARCS. Australian National Data Service (ANDS). {Canberra|Melbourne}, Australia. 55 Cf. Jenny Fry, Suzanne Lockyer and Charles Oppenheim - “Identifying benefits arising from the curation and open sharing of research data produced by UK Higher Education and research institutes”. Department of Information Science, Loughborough University; John Houghton and Bruce Rasmussen, Centre for Strategic Economic Studies, Victoria University, Melbourne. Novembro de 2008. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 33 Acresce, ainda, o receio de que os dados produzidos sejam explorados e reutilizados de forma incorrecta por outros investigadores, para além de que há quem não pretenda reutilizar dados recolhidos no âmbito de outros processos de investigação, atendendo às diferenças que existem na concepção de processos experimentais e na recolha de dados. Aos aspectos referidos somam-se, ainda, a preocupação com a confidencialidade de certo tipo de dados, pois nem sempre é possível a publicação, em acesso aberto, de dados recolhidos em determinadas circunstâncias, para não mencionar os períodos de embargo a que muitos deles se encontram sujeitos. Neste âmbito, enquadram-se, também, constrangimentos de natureza ética, que restringem a publicação de dados em repositórios digitais. Por fim, importa registar as “barreiras” à partilha de dados. São poucos os investigadores que dispõem dos conhecimentos técnicos indispensáveis à disponibilização dos dados recolhidos de modo a que sejam acedidos por outros utilizadores. No momento do arranque, mesmo aqueles que denotam preocupações com o futuro dos dados que estão prestes a recolher não sabem como actuar e, muitas vezes, a quem se dirigir para obtenção de esclarecimentos. Poucos são os investigadores com a experiência e o domínio de competências técnicas para a organização e o processamento dos dados, embora a vertente mais ignorada seja, ainda, a da criação de metadados capazes de garantir o acesso aos dados durante o seu ciclo de vida, bem como de assegurar a sua preservação a longo termo. Mesmo quando se trata de domínios científicos afins, os modelos, as metodologias, as tecnologias e as ferramentas adoptados pelos investigadores na gestão dos dados não são normalizados, nem obedecem a quaisquer requisitos prévios de normalização. Para concluir, acrescente-se o receio das despesas resultantes do investimento em gestão de dados, bem como o de não se dispor de tempo suficiente para levar a bom termo a investigação, no caso de se lhe associarem outras tarefas. 3.2 – Infra-estruturas e recursos para a curadoria e partilha de dados Os repositórios institucionais, quer pelas suas características tecnológicas e organizativas, quer pelo seu número crescente56, têm sido apontados com frequência como uma das infra56 Registry of Open Access Repositories (ROAR), acessível em: http://roar.eprints.org. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 34 estruturas susceptíveis de dar resposta às necessidades de curadoria de dados resultantes de processos de investigação para as quais não existem outras soluções no imediato. Nesse sentido, a curadoria de dados científicos constitui um repto que pode ser assumido pelos repositórios institucionais e pelos seus administradores. No entanto, subsistem dúvidas que as instituições em moldes individuais possuam o interesse, os recursos e os profissionais com as competências necessárias para lidar com esse desafio57. No que concerne à curadoria de dados científicos, o Research Information Network (RIN)58 manifesta também algumas reservas no que concerne a uma solução sustentada apenas em repositórios institucionais. Reportando-se à realidade do Reino Unido, o RIN refere que os Research Councils UK (RCUK)59 apoiam sobretudo centros de dados temáticos e que alguns dos RCUK temem mesmo que o empenhamento institucional esmoreça à medida que terminam avaliações institucionais ou politicas de financiamento em vigor60. Outra ressalva secundária manifestada pelos RCUK é a de que um grande número de instituições a desenvolver diferentes sistemas possa traduzir-se em incoerências e em falta de interoperabilidade. No mesmo sentido, Lyon61 observa que:”… the growth in institutional repositories as potential recipients of data outputs, means that the landscape is more complex and further thought is required on best practice.” No que respeita aos serviços de repositórios, num sentido mais lato, deve ser considerada não só a infra-estrutura técnica, como sistemas, normas e protocolos, necessária para garantir a recolha, a preservação e o acesso aos dados, mas também os meios de apoio e suporte do ponto de vista político, legal e ético, relacionados com o acesso e reutilização dos dados científicos para além do contexto inicial em que foram recolhidos. 57 “No single institution is likely to have the appropriate mix of individuals to maintain and migrate for the future all the data and metadata it has produced in the previous 12 months, let alone over the institution’s digital lifetime. It is therefore unlikely that departmental or institutional repositories will be the long term home of academic research data for preservation purposes”. Heery, R. (2006) Digital Repositories Roadmap: looking forward. Bath: UKOLN. Disponível em: http://www.ukoln.ac.uk/repositories/publications/roadmap-200604/rep-roadmap-v15.pdf [Consultado em 28 de Abril 2010]. 58 O Research Information Network (RIN) foi criado em 2005 no Reino Unido por um consórcio que inclui organismos de financiamento do ensino superior, as bibliotecas nacionais e os sete Research Councils UK (RCUK). Tem por objectivo apoiar investigadores do Reino Unido, liderando e coordenando iniciativas conducentes à prestação de informação no domínio da investigação científica. 59 O Research Councils UK (RCUK) é uma parceria estratégica entre os sete Research Councils do Reino Unido. O RCUK foi criado em 2002 para permitir que os seus membros trabalhassem em conjunto da forma mais eficaz para aumentar o impacto global e a eficácia da sua investigação, formação e inovação, contribuindo dessa forma para a prossecução dos objectivos do Governo do Reino Unido no que concerne à ciência e inovação. 60 “…institutional commitment might wane once the Research Assessment Exercise (RAE) is over and pump-priming funding from the Joint Information Systems Committee (JISC) comes to an end.” - RIN (2007) Research funders' policies for the management of information outputs report. London: RIN. Disponível em: http://www.rin.ac.uk/system/files/attachments/Research-funders-outputs-report.pdf [Consultado em 2 de Maio 2010]. 61 Lyon, L. (2007) Dealing with data: roles, responsibilities and relationships, Consultancy Report. Bath: UKOLN. Disponível em: http://opus.bath.ac.uk/412/1/dealing_with_data_report-final.pdf [Consultado em 2 de Maio 2010]. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 35 De um modo geral, as instituições têm deixado a curadoria de dados científicos a cargo dos designados data scientists (ou data managers), investigadores integrados em grupos de investigação, departamentos ou unidades autónomas, porque consideram que se trata de trabalho especializado. Porém, a curadoria de dados também tem sido conduzida por profissionais na área da informação que laboram em centros de dados ou em bibliotecas, com funções de suporte ou de ligação a departamentos ou disciplinas, daí frequentemente designados por data librarians. O uso de normas adequadas à curadoria dos dados científicos, garantindo a sua preservação e as condições para a sua reutilização é uma tarefa que requer conhecimentos técnicos e disciplinares. Algumas comunidades científicas possuem tradições e práticas no que concerne à curadoria dos dados de maior relevância científica, mas existem outras (pequenos grupos de investigação ou investigadores individuais) onde isso não sucede. Neste sentido, um factor crucial para a implementação de infra-estruturas e recursos para a gestão e partilha de dados passa pela análise e compreensão das metodologias de trabalho dos investigadores e das várias etapas que os dados percorrem em cada área/disciplina. As universidades parecem também partilhar a preocupação manifestada por Heery62 relativamente às competências profissionais, porque crêem que são necessários maiores conhecimentos disciplinares para trabalhar com conjuntos de dados científicos do que com publicações científicas. Esta crescente consciencialização da necessidade de competências específicas para a gestão de dados científicos tem conduzido a que algumas instituições encontrem mesmo dificuldades no recrutamento de pessoal qualificado para o efeito. Sobre este aspecto, Tonge e Morgan63 acrescentam que é pouco provável que a maioria dos gestores de repositórios institucionais possua o tempo ou as competências profissionais para trabalhar em áreas disciplinares tão específicas e numa única instituição. Por isso, defendem que os progressos neste domínio serão mais facilmente concretizáveis se forem encontradas soluções comuns e partilhadas por múltiplas instituições. Por outro lado, projectos como o eBank UK64 e R4L65 parecem demonstrar que plataformas de repositórios como o ePrints66 podem ser adaptadas e utilizadas para armazenar dados, 62 Heery, R. (2006) Digital Repositories Roadmap: looking forward. Bath: UKOLN. Disponível em: http://www.ukoln.ac.uk/repositories/publications/roadmap-200604/rep-roadmap-v15.pdf [Consultado em 28 de Abril 2010]. 63 Tonge, A.; Morgan, P. (2007) Project SPECTRa: JISC Final Report. Cambridge: University of Cambridge Library. Disponível em: http://www.lib.cam.ac.uk/spectra/documents/SPECTRa_Final_Report_v10.doc [Consultado em 2 de Maio 2010]. 64 Sítio do Projecto eBank Uk acessível em: http://www.ukoln.ac.uk/projects/ebank-uk. 65 Sítio do Projecto R4L acessível em: http://r4l.eprints.org. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 36 eliminando assim a necessidade de cada instituição ter de desenvolver repositórios a partir do zero. Nesse sentido, autores como Coles67 referem que a questão das competências profissionais poderá não constituir um obstáculo significativo, na medida em que os “tradicionais” gestores de repositórios institucionais podem ser formados e treinados para gerir dados com relativa facilidade desde que os requisitos para a descrição dos mesmos não sejam demasiado exigentes. No entendimento de Lyon68, podem ser identificados elementos concorrentes entre os centros de dados e os repositórios institucionais, mas que devem ser postos de lado para se potenciarem relacionamentos mais produtivos e colaborativos. Os centros de dados possuem a experiência e o conhecimento disciplinar essenciais para a gestão de dados, mas, por outro lado, os repositórios institucionais, usualmente implantados e geridos por bibliotecas ou serviços de informação, possuem também uma orientação de "serviço persistente" bastante interiorizada. Os respectivos pontos fortes podem ser utilizados e partilhadas para benefício mútuo. No desenvolvimento do projecto Australian Research Repositories Online to the World (ARROW)69, por exemplo, a visão original apontava para um único repositório abrangendo um conjunto de diferentes tipos de conteúdos para apoiar as várias esferas de actividade das instituições participantes no projecto: investigação, ensino e administração. Porém, ao colocar-se esta ideia em prática, comprovou-se que se tratava de uma daquelas propostas simples, óbvias mas erradas. Em teoria, a solução de um único repositório seria implementável, mas porventura mais complexa porque a diversidade de objectos passíveis de serem depositados num repositório pode ser muito grande. Acresce que as características de gestão e de acesso a esses objectos são também diferenciadas. Essas diferenças não são facilmente acomodadas na infra-estrutura de um repositório comum e são ainda mais notórias quando se passa de um repositório de publicações para um repositório que também pode conter grandes quantidades e diversidade de dados científicos. Na sua abordagem aos repositórios de dados, a universidade australiana de Monash70, para lidar com a questão da preservação de dados científicos e da curadoria de dados em todo o 66 Mais informações sobre a plataforma ePrints disponível em: http://www.eprints.org/software. 67 Coles, S. (2007). The Repository for the Laboratory (R4L) Project. D-Lib Magazine [online], 13 (3/4). Disponível em: http://www.dlib.org/dlib/march07/03inbrief.html#COLES [Consultado em 4 de Maio de 2010]. 68 Idem. 69 Sítio do projecto Australian Research Repositories Online to the World (ARROW) acessivel em: http://arrow.edu.au. 70 Sítio da Universidade de Monash acessível em: http://www.monash.edu.au. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 37 ciclo de investigação, introduziu o conceito de dimensão, de armazenamento de dados e de fronteiras de curadoria para fundar o que designaram por Data Curation Continua. Nesta metodologia, as dimensões da gestão da informação foram quantificadas de forma ampla para possuírem valores específicos (com excepção do tempo). Uma análise do espaço de gestão dos dados científicos, baseada em necessidades de utilizadores, revisão da literatura e no trabalho realizado no projecto Dataset Acquisition, Accessibility and Annotations eResearch Technologies (DART)71, mostrou que poderia ser mais difícil identificar valores específicos ao longo de cada dimensão e, em alternativa, a proposta de Monash baseia-se na formação de um continuum entre dois pontos. Analisa-se em seguida com maior detalhe alguns desses continua. De acordo com esta metodologia, no que se refere, por exemplo, aos metadados num extremo do continuum os dados poderão conter os metadados mínimos imprescindíveis aos criadores e utilizadores: um conjunto de metadados descritivos simples (nome de ficheiro, criador, etc.) e de metadados técnicos específicos da disciplina. No outro extremo do continuum, os objectos conterão metadados muito mais ricos, tais como os de proveniência, para efeitos de inteligibilidade, de preservação e para garantir a própria curadoria de dados. O extremo de um continuum pode também descrever repositórios com muitos itens, resultantes de diferentes versões de conjuntos de dados, de experiências fracassadas ou inconclusivas ou de objectos passíveis de eliminação. O ponto oposto do continuum serve para descrever repositórios com menos itens. Um número menor de itens resulta, por exemplo, de uma política institucional de gestão de dados ou de os objectos serem referenciados numa dada publicação. A dimensão dos objectos é outro continuum possível e uma questão crítica neste domínio. É normal armazenarem-se nos repositórios objectos com grande diversidade de dimensões. Hoje em dia, grande parte dos projectos de investigação lida de forma regular com objectos de grandes dimensões (ou seja, multi-gigabytes) e complexidade. Outros repositórios, por exemplo, repositórios institucionais, muito focados em publicações científicas, são concebidos para operar com objectos de menores dimensões (na ordem dos megabytes). Outro aspecto a considerar é a persistência dos objectos. Os investigadores pretendem com frequência que os dados científicos sejam actualizados à medida que o projecto de investigação progride. Um bom exemplo é um registo de dados climáticos que cresce à 71 Projecto Dataset Acquisition, Accessibility and Annotations e-Research Technologies (DART) acessível em: http://dart.edu.au. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 38 medida que novos dados são recolhidos. Num objecto de dados, estas mudanças não são adequadas se este estiver interligado a uma publicação como parte de um registo académico permanente. Para este efeito, é preferível ter uma imagem do objecto de dados ou um subconjunto dele extraído. As próprias práticas de curadoria de dados, ou seja, quem é o responsável pela gestão dos dados (ou que tem controlo sobre eles), são também caracterizáveis por um continuum. Os dados científicos disponíveis em espaços colaborativos são muitas vezes geridos pelos próprios investigadores membros da equipa de investigação. Estes gestores podem não possuir as competências ou um mandato para a curadoria de dados a longo prazo. Por esse motivo, no outro extremo deste continuum é contemplada a curadoria conduzida por um grupo dedicado dentro da própria instituição. Um dos processos que pode também ser avaliado no que diz respeito a objectos de dados é o grau de utilização de práticas de preservação. No caso de um grupo de investigação é muito provável que o horizonte de preservação se prolongue para além do término do projecto ou do seu próprio financiamento, mas uma instituição pode assumir horizontes de preservação ainda mais longos, que se ligam por exemplo a razões como a preservação da memória académica e científica ou a obrigações legais assumidas pela instituição. O trabalho dos investigadores do projecto DART evidenciou igualmente que muitos investigadores são bastante conservadores no que concerne à cedência de dados científicos. Esta preocupação parece estar associada à crescente concorrência pela captação de financiamento para investigação ou na aceitação de artigos científicos. Por esse motivo, muitos investigadores pretendem possuir alguma forma de controlo sobre o acesso aos seus dados antes da publicação. Num repositório de acesso livre, teoricamente, é possível fornecer aos investigadores alguns níveis de controlo em termos do acesso, mas a utilização de repositórios diferentes de acordo com o tipo de acesso (livre ou restrito) aos dados que recolhem é uma alternativa possível. A franquia do acesso por si só não é razão suficiente para garantir os benefícios do acesso livre. Os objectos depositados nos repositórios também necessitam de visibilidade e de serem pesquisáveis. Num extremo deste continuum, há pouca ou nenhuma exposição a harvesters72, o que significa que os objectos de dados com restrições de acesso não são susceptíveis de serem descobertos. No outro extremo deste continuum, os conteúdos dos 72 Um harvester é uma aplicação cliente que envia pedidos baseados no protocolo OAI-PMH e geralmente é utilizado por um fornecedor de serviços para recolher de forma automática metadados de repositórios em estádios de produção. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 39 repositórios são expostos a harvesters para potenciar a máxima acessibilidade e visibilidade. Pelo que se observa, a abordagem à constituição de um único repositório sendo inicialmente atractiva, fica desde logo condicionada por vários desafios na fase de implementação. A partilha e curadoria de dados constituem também um repto aos investigadores, às suas instituições, organismos de financiamento, bem como às próprias comunidades científicas no sentido de se alcançarem soluções comuns, fiáveis e reutilizáveis. 3.3 – Enquadramento ético e legal da partilha e curadoria de dados A disponibilização na web de dados científicos, tendo em vista a sua divulgação para fins de partilha e de reutilização por investigadores, pressupõe que os dados possam ser acedidos pelos interessados. É, porém, do conhecimento geral, que nem todos os dados recolhidos no decurso de processos de investigação são susceptíveis de serem comunicados e acedidos de forma livre e irrestrita. Este aspecto foi, já, abordado de forma sumária na Secção 3.1, pois mais não é do que uma das limitações à disponibilização, em acesso aberto, dos dados recolhidos, produzidos e acumulados pelos investigadores. De facto, o que, por vezes, é interpretado como resistência à comunicação e partilha dos resultados de pesquisas pode significar apenas uma preocupação legítima com o sigilo intrínseco a determinados dados, pelo menos durante certos períodos de tempo. Como também já foi referido, acontece com frequência que os investigadores, desconhecendo ou temendo desconhecer os aspectos legais que podem condicionar a partilha e a publicação de dados, optam, por motivos de segurança, por tratar de modo idêntico os dados que são, de facto, confidenciais, e outros que o não são. Grande parte dos dados recolhidos por investigadores são susceptíveis de ser comunicados, se não na web, pelo menos no seio de determinados grupos de interessados, cuja validação, para acesso, seja assegurada pelos gestores de repositórios. Outros dados estão protegidos por lei, outros, ainda, requerem permissões especiais para acesso ou utilização, para além daqueles dados que não podem de forma alguma tornar-se públicos durante determinados períodos de tempo. A confidencialidade, fundamento da segurança da informação, é a única forma de garantir que a informação apenas se encontra disponível para quem estiver autorizado a aceder-lhe73. 73 Organização Internacional de Normalização (ISO) – Norma ISSO-17799. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 40 Por todos estes motivos torna-se imprescindível que, aquando do depósito dos dados, os seus criadores documentem o processo de transferência de custódia com toda a informação que regulamenta o acesso e a difusão. As permissões de copyright, mas também os direitos de propriedade dos materiais recolhidos, deverão ser definidos previamente ao seu depósito. Este aspecto tem particular relevância quando se trata de dados produzidos a partir de fontes diversificadas e sempre que a investigação tenha sido financiada por mais do que uma organização. Nestes casos, terá que ser assegurada a autorização de todas as instituições intervenientes para depositar e disseminar os dados recolhidos e essas autorizações deverão ser arquivadas em conjunto com os dados. As questões de copyright são mais pertinentes na fase de recolha de dados do que na sua reutilização. Os investigadores das áreas das ciências sociais são particularmente sensíveis a estes aspectos. Sobretudo quando a investigação assenta em entrevistas, questionários e inquéritos, os direitos de copyright têm de ser bem esclarecidos. Os entrevistados, por exemplo, detêm a propriedade intelectual dos dados transmitidos por via oral no caso de as transcrições das entrevistas utilizarem uma parte substancial desses dados. Em projectos que envolvam investigadores ou instituições de vários países, a diversidade das legislações nacionais referentes à propriedade intelectual constitui um aspecto que pode aumentar a complexidade e a dificuldade na definição regras claras no que respeita ao acesso e à utilização dos dados. Em certas circunstâncias, mesmo os dados confidenciais ou protegidos por outro tipo de reserva podem ser objecto de consulta. Existem dados que podem ser tornados anónimos, embora isso implique a remoção de toda e qualquer informação que permita identificar a quem dizem respeito ou que seja por eles referenciada. Por norma, trata-se de nomes de pessoas e de lugares. O acesso pode, ainda, ser viabilizado mediante a obtenção de uma autorização expressa das entidades a que respeitam. Por fim, e no caso de se tratar de uma operação exequível, poderão encobrir-se informações pessoais relativas aos titulares dos dados, como os seus nomes reais, as moradas, os contactos. Seja como for, pressupõe-se uma utilização cuidada dos dados acedidos em circunstâncias como estas, devidamente acompanhada de uma declaração que a formalize. As boas práticas nesta matéria encaminham para a identificação dos dados que são de acesso público e dos que o não são, numa fase prévia à da sua integração em repositórios digitais. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 41 Como já foi referido atrás, existem diversas iniciativas que têm por objectivo a promoção de soluções jurídicas que facilitem a abertura dos dados científicos. A Open Data Commons74, por exemplo, apresentou uma licença inovadora, a Public Domain Dedication and License (PDDL)75, que possibilita partilhar livremente, modificar e utilizar dados para qualquer finalidade e sem quaisquer restrições. O uso desta licença adequa-se em particular aos bancos de dados ou aos seus conteúdos ("dados"), quer em conjunto quer individualmente. Na mesma área de actuação o projecto Science Commons76 (SC) pretende, entre outros fins, disponibilizar aos investigadores ferramentas que simplifiquem a especificação dos termos sob os quais pretendem partilhar os dados que produzem. Esta iniciativa extrapola a utilização de licenças CC no domínio da ciência, encorajando a inovação científica através do acesso de cientistas, universidades e diferentes indústrias aos dados primários e à literatura científica. As questões jurídicas que se levantam no domínio dos dados científicos não serão, obviamente, resolvidas com a simples adopção de modelos de licenciamento alternativos. Não obstante, a crescente utilização de licenças do tipo Open Data Commons ou Science Commons poderão contribuir de forma significativa para facilitar a criação, difusão e utilização do conhecimento científico e fomentar novos processos de inovação. Durante a última década tem-se assistido à multiplicação de iniciativas enquadradas no Movimento de Acesso Livre ao Conhecimento Científico (Open Access Initiative). Estas iniciativas têm-se materializado na criação e enriquecimento de repositórios digitais que facultam o acesso aberto à literatura científica produzida por comunidades académicas. Pese embora a disponibilização destas publicações em plataformas web significar para os seus utilizadores a possibilidade de aceder à versão integral de trabalhos científicos, bem como a de os descarregar para computadores pessoais, copiar, distribuir e imprimir, os conceitos de Open Access e de full-tex” não implicam a publicação em acesso aberto dos dados brutos, subjacentes aos processos de investigação. Registe-se, porém, que o panorama internacional patenteia o aumento da frequência de publicação dos resultados de investigação simultaneamente com a dos dados primários que lhe são subjacentes. Existem instituições que, a nível internacional, financiam projectos de investigação e são ao mesmo tempo autoras de mandatos de Open Access e de Open Data. 74 Mais informações sobre a Open Data Commons acessíveis em: http://www.opendatacommons.org/. 75 Mais informações em sobre a licença Public Domain Dedication and License (PDDL) acessíveis em: http://www.opendatacommons.org/licenses/pddl/1-0/. 76 Mais informações sobre a Science Commons acessíveis em: http://sciencecommons.org. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 48 Termo Descrição Curadoria de Dados (Data Curation) A curadoria de dados designa o conjunto de acções que garantem que um conjunto de dados é genuíno, permitindo o seu uso por outros que não os seus produtores. A curadoria pode envolver acções de descrição dos dados, de ligação destes a outros que os tornem inteligíveis, de registo dos usos que tenham e dos resultados a que tenham dado origem. A curadoria envolve também acções de preservação, em que a representação dos dados e os seus metadados tenham de ser modificados. As acções de curadoria e de gestão de dados têm alguma intersecção, sendo as de gestão mais independentes do conteúdo e do uso. Termo Descrição Dados Científicos (Research Data) Dados que são produzidos no contexto de investigação científica ou que de alguma forma são usados em investigação. Estes dados podem ser criados para efeito de processamento científico, como nos dados atmosféricos usados para previsão meteorológica, ou os dados recolhidos de sensores para monitorar o estado de um edifício. Há dados que são obtidos como resultados do processamento automático de objectos (eles próprios representados como dados), como, por exemplo, os histogramas de cor obtidos através do processamento de uma colecção de imagens. Há ainda dados que não sendo produzidos para investigações acabam por ser objecto dela, como as contribuições que os utilizadores de uma rede social fazem, na forma de textos ou outros conteúdos, e que acabam por ser utilizados para estudos sociológicos. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 49 Termo Descrição Metadados (Metadata) Os metadados são dados cujo propósito é garantir a autenticidade, descrever, tornar acessíveis, ou de alguma forma qualificar e aumentar a inteligibilidade dos dados de base. Quando o significado dos dados está acessível ao utilizador menos especializado, como é o caso dos registos de publicações, existem normas bem estabelecidas para os metadados, neste exemplo as diversas normas bibliográficas. Na maioria das áreas que produzem dados científicos, não estão fixadas normas para metadados, o que torna a tarefa de descrição um desafio substancial. Termo Descrição Plataforma digital de investigação (e-research) Uma plataforma digital de suporte à investigação fornece tecnologias para suportar o processo de investigação, incluindo a colaboração entre grupos, a recolha de dados, a sua análise, a publicação de resultados, o armazenamento e a partilha dos dados. As tecnologias disponíveis neste domínio incluem os ambientes de investigação virtuais, a computação grid, os serviços de visualização, a mineração de dados. Termo Descrição Gestão de dados (Data Management) Na gestão de dados científicos incluem-se as acções de representação dos dados e seu armazenamento, a associação de metadados que os descrevem, que ajudam a interpretá-los e documentam o seu uso, a organização dos dados em colecções, a indexação dos dados para pesquisa e todas as formas de apresentação dos dados. A gestão de dados pode ser realizada por pessoas que não têm conhecimento directo do seu significado, desde que os dados tenham sido descritos de forma completa pelos seus produtores. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 50 Termo Descrição Repositórios institucionais (Institutional Repositoires) Um repositório institucional é uma infra-estrutura mantida por uma organização, tal como uma universidade ou um centro de investigação, com o propósito de coleccionar e preservar a sua produção científica, técnica ou administrativa, e de lhe dar visibilidade. Os repositórios institucionais podem contribuir para iniciativas mais alargadas, como a agregação da publicação científica a nível nacional. Os repositórios têm também uma função importante na auditoria das organizações. Termo Descrição Serviços de Repositório (Repository Services) Serviços oferecidos por uma infra-estrutura técnica que permite o armazenamento, o acesso, a descrição, a disseminação e a preservação de objectos digitais. Nesta infra-estrutura também estão presentes os serviços de apoio aos investigadores em aspectos técnicos, legais e das políticas de criação, do depósito e partilha de resultados de investigação. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 51 BIBLIOGRAFIA BURTON, A., & TRELOAR, A. (2009). Publish My Data: A composition of services from ANDS and ARCS. eScience, p. 164-170. Fifth IEEE International Conference on eScience. Disponível em: http://doi.ieeecomputersociety.org/10.1109/eScience.2009.31 [Consultado em 8 de Maio 2010]. BURTON, A., & TRELOAR, A. (2010). Publish My Data: the design and implementation of a loosely-coupled data „publishing‟ service. Proceedings of VALA 2010. Melbourne, Australia. Disponível em: http://www.vala.org.au/vala2010/papers2010/VALA2010_123_Burton_Final.pdf COLES, S. (2007). The Repository for the Laboratory (R4L) Project. D-Lib Magazine [online], 13 (3/4). Disponível em: http://www.dlib.org/dlib/march07/03inbrief.html#COLES [Consultado em 4 de Maio de 2010]. FRY, J., LOCKYER, S., OPPENHEIM, C., HOUGHTON, J., & RASMUSSEN, B. (2008). Identifying benefits arising from the curation and open sharing of research data produced by UK Higher Education and research institutes”. Loughborough University, Centre for Strategic Economic Studies. Disponível em: http://hdl.handle.net/2134/4600 GOLD, A. (2007). Cyberinfrastructure, Data, and Libraries, Part 1: A Cyberinfrastructure Primer for Librarians. D-Lib Magazine [online], 13 (9/10). Disponível em: http://www.dlib.org/dlib/september07/gold/09gold-pt1.html [Consultado em 4 de Maio 2010]. GOLD, A. (2007). Cyberinfrastructure, Data, and Libraries, Part 2. Libraries and the Data Challenge: Roles and Actions for Libraries. D-Lib Magazine [online], 13 (9/10). Disponível em: http://www.dlib.org/dlib/september07/gold/09gold-pt2.html [Consultado em 4 de Maio 2010]. GREEN, A., & GUTMAN, M. P. (2007). Building partnerships among Social Science researchers, institution-based repositories, and domain specific data archives. Dublin, Ohio: OCLC Systems and Services: International Digital Library Perspectives, 23 (1). Preprint disponível em: http://hdl.handle.net/2027.42/41214 GREEN, A., MACDONALD, S., & RICE, R. (2009). Policy-making for Research Data in Repositories: A Guide. London: JISC funded DISC-UK Share Project. Disponível em: http://www.disc-uk.org/docs/guide.pdf Heery, R. (2006). Digital Repositories Roadmap: looking forward. Bath: UKOLN. Disponível em: http://www.ukoln.ac.uk/repositories/publications/roadmap-200604/rep-roadmapv15.pdf [Consultado em 28 de Abril 2010]. HEY, Tony; TRANSLEY, Stewart; TOLLE, Kristin, eds. (2009). The Fourth Paradigm: DataIntensive Scientific Discovery. Redmond, Washington, Microsoft Research. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 52 KEY PERSPECTIVES. (2010), "Data dimensions: disciplinary differences in research data sharing, reuse and long term viability: A comparative review based on sixteen case studies". DCC SCARP Synthesis Report comissioned by the Digital Curation Centre. Disponível em: http://www.dcc.ac.uk/sites/default/files/documents/publications/SCARPSynthesis.pdf [consultado em 8 de Maio de 2010]. LYON, L. (2007) Dealing with data: roles, responsibilities and relationships, Consultancy Report. Bath: UKOLN. Disponível em: http://opus.bath.ac.uk/412/1/dealing_with_data_report-final.pdf [Consultado em 4 de Maio 2010]. LYON, L. (2009). Open Science at Web-Scale: Optimising Participation and Predictive Potential Consultative Report. DCC Report comissioned by.JISC. Disponível em: http://www.jisc.ac.uk/media/documents/publications/research/2009/open-sciencereport-6nov09-final-sentojisc.pdf MACDONALD, S. (2009). Edinburgh DataShare - A DSpace Data Repository: Achievements and Aspirations. Apresentação efectuada em Fedora UK&I&EU Meeting - Fedorabased e-Research environments. University of Oxford, 8 December 2009.. Disponível em: http://hdl.handle.net/1842/3201 MARTINEZ-URIBE, L. (2007). Digital Repository Services for Managing Research Data: What Do Oxford Researchers Need? IASSIST Quarterly, 31 (3/4), Fall & Winter 2007. OECD (2004). OECD: Declaration on Access to Research Data From Public Funding. Paris: OECD. Disponível em: http://www.oecd.org/document/15/0,3343,en_2649_34487_25998799_1_1_1_1,00.htm l [Consultado em 26 de Abril 2010] OECD (2007). OECD Principles and Guidelines for Access to Research Data from Public Funding. Paris: OECD. Disponível em: http://www.oecd.org/dataoecd/9/61/38500813.pdf [consultado em: 26 de Abril de 2010] PIWOWAR, H. A., & CHAPMAN, W. W. (2010). Public sharing of research datasets: A pilot study of associations. Journal of Informetrics, Vol. 4, No. 2. (April 2010), pp. 148-156. RICE, R. (2009). DISC-UK DataShare Project: Final Report. Edinburgh: University of Edinburgh, April 2009. Disponível em: http://ierepository.jisc.ac.uk/336/1/DataSharefinalreport.pdf RICE, R. (2009b). Open Data and Institutional Repositories [Presentation]. 4th Conference on Open Access. University of Minho, Braga, Portugal: 26-27 November, 2009. RIN (2007) Research funders' policies for the management of information outputs report. London: Research Information Network. Disponível em: http://www.rin.ac.uk/system/files/attachments/Research-funders-outputs-report.pdf [Consultado em 2 de Maio 2010]. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 53 RIN (2007b) Stewardship of digital research data: a framework of principles and guidelines (Draft for consultation). London: RIN. Disponível em: http://www.rin.ac.uk/system/files/attachments/Stewardship-data-guidelines.pdf [Consultado em 2 de Maio 2010]. RUUSALEPP, R. (2008). Comparative Study of International Approaches to Enabling the Sharing of Research Data. DCC Report comissioned by.JISC. Disponível em: http://www.dcc.ac.uk/sites/default/files/documents/publications/reports/Data-SharingReport.pdf SESINK, L., VAN HORIK, R., & HARMSEN, H. (2008). Data Seal of Approval: Quality Guidelines for Digital Research Data in the Netherland. The Hague: Data Archiving and Networked Services. The Hague, Data Archiving and Networked Services - 2nd ed. DANS, 2010. ISBN 978 9490 531 027. SWAN, A., & BROWN, S. (2008). To Share or not to Share: Publication and Quality Assurance of Research Data Outputs. London: Research Information Network. SWAN, A. & BROWN, S. (2008) The skills, role and career structure of data scientists and curators: An assessment of current practice and future needs. Technical Report, School of Electronics & Computer Science, University of Southampton. Disponível em: http://eprints.ecs.soton.ac.uk/16675 [Consultado em 11 de Maio 2010]. TRELOAR, A., GROENEWEGEN, D., & HARBOE-REE, C. (2007). The Data Curation Continuum: Managing Data Objects in Institutional Repositories. D-Lib Magazine [online], 13 (9/10). Disponível em: http://www.dlib.org/dlib/september07/treloar/09treloar.html [Consultado em 20 de Abril 2010]. TRELOAR, A., & WIKINSON, R. (2008). Rethinking Metadata Creation and Management in a Data-Driven Research World. eScience, p.782-789. Fourth IEEE International Conference on eScience. Disponível em: http://doi.ieeecomputersociety.org/10.1109/eScience.2008.41 [Consultado em 8 de Maio 2010]. TONGE, A.; MORGAN, P. (2007). Project SPECTRa: JISC Final Report. Cambridge: University of Cambridge Library. Disponível em: http://www.lib.cam.ac.uk/spectra/documents/SPECTRa_Final_Report_v10.doc [Consultado em 4 de Maio 2010]. WILLIAMS, R., PRYOR, G., BRUCE, A., MARSDEN, W., & MACDONALD, S. (2009). Patterns of Information Use and Exchange: Case Studies of Researchers in the Life Sciences. London: Research Information Network. Repositório Científico de Acesso Aberto de Portugal PÁGINA | 54 PROJECTOS ANDS - Australian National Data Service: http://ands.org.au/ ARROW - Australian Research Repositories Online to the World: http://arrow.edu.au/ CAVA - Human Communication: an Audio-Visual Archive: http://www.ucl.ac.uk/ls/cava/ CESSDA - Council of European Social Science Data Archives: http://www.cessda.org/ CLARIN - Common Language Resources and Technology Infrastructure: http://www.clarin.eu/external/ DAF - Data Audit Framework: http://www.data-audit.eu/ DANS – Data Archiving and Networked Services: http://www.dans.knaw.nl/en DARIAH - Digital Research Infrastructure for the Arts and Humanities: http://www.dariah.eu/ DART - Dataset Acquisition, Accessibility and Annotations e-Research Technologies: http://dart.edu.au/ eBank Uk: http://www.ukoln.ac.uk/projects/ebank-uk Google public data explorer: http://www.google.com/publicdata/directory IVOA - International Virtual Observatory Alliance: http://www.ivoa.net/ Lifespan Initiative for the Research and Data Archive Repository: http://www.lifespancollection.org.uk/ MDC - Materials Data Centre: http://www.materialsdatacentre.com/ METAFOR - Common Metadata for Climate Modelling Digital Repositories: http://metaforclimate.eu/ OAD - Data Repositories: http://oad.simmons.edu/oadwiki/Data_repositories ODC - Open Data Commons: http://www.opendatacommons.org/ R4L – Repository for the laboratory: http://r4l.eprints.org/ UCSC Genome Browser: http://genome.ucsc.edu/cgi-bin/hgTracks?org=human UKDA - UK Data Archive: http://www.data-archive.ac.uk