Princípios FAIR: gestão de dados para humanos e máquinas
DOI:
https://doi.org/10.5753/compbr.2021.46.4413Keywords:
Princípios FAIR, Gestão de Dados de Pesquisa, Metadados, Ontologias, Inteligência ArtificialAbstract
Os princípios FAIR constituem um conjunto de 13 boas práticas que visam orientar a gestão de dados de pesquisa e seus metadados, em particular no sentido de preparar os dados para aplicações de Inteligência Artificial (IA), sendo, portanto, legíveis e acionáveis por humanos e máquinas. A implementação e experimentação de tecnologias de apoio a esses princípios vêm ocorrendo de forma global, com relevante participação da pesquisa brasileira, especialmente no suporte à interoperabilidade e reuso de dados. O objetivo deste artigo é apresentar as tendências e desafios dessas tecnologias, assim como das abordagens adotadas nas diversas frentes de gestão de dados FAIR.
Downloads
Referências
GUIZZARDI, G. Ontology, ontologies and the “I” of FAIR. Data Intelligence 2(2020), 181–191.
LANDI A et al. The “A” of FAIR – As Open as Possible, as Closed as Necessary. Data Intelligence, 2020, 2(1–2) 47–55.
MONS, B. The VODAN IN: support of a FAIR-based infrastructure for COVID-19. European Journal of Human Genetics. 2020; 28. 1-4.
SALES, L. et al. GO FAIR Brazil: a challenge for Brazilian data science. Data Intelligence,2019,1(1) 238-245.
SCHULTES, E. et al. Reusable FAIR Implementation Profiles as Accelerators of FAIR Convergence. ER 2020 Workshops, Austria, Proceedings. Springer Science and Business Media Deutschland GmbH. 2020. p. 138-147.
WILKINSON, M. et al. The FAIR Guiding Principles for scientific data management and stewardship. Sci Data. 2016; 3:160018.
Downloads
Published
Como Citar
Issue
Section
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
