IIT Dataverse: infrastrutture per la conservazione e la condivisione dei dati di ricerca

CC BY 4.0CC BY 4.0 IIT Dataverse: infrastrutture per la conservazione e la condivisione dei dati di ricerca Valentina Pasquale Research Data Management and Stewardship Office Manager, Research Organization Directorate Anna Maddalena Application Management Office Manager, ICT Directorate [email protected] GenOA Week 2025, 19 novembre 2025 CC BY 4.0CC BY 4.0 Open-source, installato on premises e gestito in-house Facilmente configurabile e integrabile con i nostri sistemi (ma non solo...) Adottato a livello mondiale (e con una community molto attiva di sviluppatori ed utenti, vedi GDCC) Offre supporto per schemi di metadati standard e customizzabili Offre supporto alla realizzazione dei principi FAIR Perché Dataverse? Dataverse è un’applicazione web open source per condividere, conservare, citare ed esplorare i dati della ricerca, sviluppata a Harvard University. FAIR CC BY 4.0 https://dataverse.iit.it FINDABLE ✓Integrato con DataCite per l’assegnazione di DOIs. ✓Censito in www.re3data.org. ✓Censito in FAIRsharing.org. ✓Integrato con OpenAIRE. ✓Indicizzato sui principali motori di ricerca. ACCESSIBLE ✓Accessibile attraverso protocollo standard HTTPS. ✓APIs per upload / download dei dati. INTEROPERABLE ✓Supporto per metadati disciplinari. ✓Integrabile con vocabolari esterni. REUSABLE ✓Supporto per diversi tipi di licenze. ✓Possibilità di implementare restricted datasets. CC BY 4.0 Di cosa parliamo oggi •Quali dati in IIT Dataverse? •Flusso di pubblicazione •Restricted data sharing •Supporto per big dataset •Dataverse nella strategia istituzionale per i dati della ricerca CC BY 4.0 Quali dati in IIT Dataverse? •In IIT Dataverse accettiamo dati di ricerca pronti per la conservazione a lungo termine e/o la pubblicazione. •Non si possono caricare in IIT Dataverse: dati personali dati ad alto rischio pubblicazioni scientifiche Research data planning and design Data collection Data processing Data study and analysis Data preservation Data publishing and access Data reuse (impact) Research idea (concept) CC BY 4.0CC BY 4.0 *NOT personal data * Slide courtesy: ICT Directorate CC BY 4.0CC BY 4.0 Bilanciare apertura e sicurezza •E’ responsabilità dei nostri Principal Investigator valutare quali dati condividere, anche in base alla classe di rischio associata. •Forniamo documentazione, linee guida e supporto per operare queste valutazioni e decidere quali asset usare. Data Risk Classification Misure di sicurezza Internal storage Dataverse Cloud Website Figure courtesy: Alessandro Bruchi, ICT Directorate CC BY 4.0CC BY 4.0 Richiesta di pubblicazione e inoltro per revisione Processo di data curation Feedback ai ricercatori Modifica del dataset in base al feedback Approvazione finale Pubblicazione Flusso di pubblicazione ▪Compilazione “IIT Dataset Publication Request” ▪Acquisizione info su funding, pubblicazione relativa, etc. ▪Verifica classe di rischio ▪Compilazione checklist data curation (verifica metadati, contenuto e formato dei file, licenza, etc.) ▪Invio email di feedback sulla base della checklist (testo standard) con le richieste di correzione ▪Aggiornamento del dataset e nuovo inoltro per revisione ▪Nuova revisione e approvazione delle modifiche apportate ▪Pubblicazione del dataset con la licenza richiesta Ricercatrice/ore Data steward CC BY 4.0CC BY 4.0 Qualche numero su IIT Dataverse 0 5 10 15 20 25 30 2021 2022 2023 2024 2025 IIT Dataverse - numero di dataset per anno Numero di dataset pubblicati / anno Numero di dataset depositati per anno •L’uso per il deposito aumenta nel tempo (costante nel 2025) •Nel 2025 c’è una flessione del numero di dataset pubblicati (alcuni sono attualmente in revisione per la pubblicazione). •Tutti i dataset pubblicati sono open. •Tutti i dataset pubblicati sono legati ad una pubblicazione scientifica e/o ad un progetto finanziato. CC BY 4.0CC BY 4.0 Nuovo progetto RDM @ IIT: 2024 - 2028 Strategic overview and methodologies Aim: Unlocking the full potential of Research Data as the main fuel to ML/AI-based innovative scientific approaches [Appendix 4 – Data Management of the Strategic Plan 2024-2029] CC BY 4.0CC BY 4.0 Ogni fase ha il suo strumento Research data planning and design Data collection Data processing Data study and analysis Data preservation Data publishing and access Data reuse (impact) Research idea (concept) FAIR Wizard: gestione Data Management Plans iRODS + Data Portal + API clients: piattaforma per l’organizzazione dei dati, la collaborazione interna, la conservazione e la tracciabilità IIT DATAVERSE: condivisione e pubblicazione dei dati IBM Storage: uso attivo dei dati Lavoriamo sull’integrazione degli strumenti per creare un flusso di lavoro che sia il piuù possibile “seamless”. CC BY 4.0CC BY 4.0 Piattaforma per la gestione dei dati Virtualizzazione dei Dati: filesystem virtuale e accesso a sistemi di archiviazione distribuiti Data Discovery: catalogo dei metadati e ricerca su larga scala Automazione dei Workflow: motore di regole per l’automazione dei flussi di lavoro Collaborazione Sicura: garantita tramite ticket, permessi e distribuzione federata Questa piattaforma deve garantire ai ricercatori la possibilità di salvare, organizzare, documentare, analizzare i dati con facilità, creando dei dataset FAIR-by-design, pronti per essere conservati e condivisi in modo aperto quando possibile. CC BY 4.0CC BY 4.0 Sfide per il futuro (Dataverse) •Incrementare il supporto per i big data (direct upload, Globus) •Incrementare il supporto all’uso di standard & custom metadata schema •Integrare la nuova piattaforma con Dataverse, per facilitare il deposito e la condivisione di dati FAIR-by-design •Tracciare i dataset pubblicati da ricercatori IIT (non solo in IIT Dataverse), anche ai fini della valutazione CC BY 4.0 Grazie per l’attenzione! [email protected]