Planos de gestão de dados acionáveis por máquina no ecossistema da pesquisa brasileira

Abstract

Os planos de gestão de dados são instrumentos de planejamento de uso de dados para projetos de pesquisa. Discute a importância dos dados de pesquisa e destaca a necessidade de um plano de gestão adequado para garantir disponibilidade, acesso, processamento e reuso dos dados. Expõe a falta de integração dos planos de gestão de dados com outros atores no ecossistema de pesquisa, o que dificulta o acompanhamento do ciclo de vida dos dados. Propõe analisar a viabilidade da utilização de metodologias e ferramentas interoperáveis com as diversas bases de dados para tornar os planos de gestão de dados acionáveis por máquina e integrados com o ciclo de vida dos dados no ecossistema da pesquisa brasileira. É esperado que essa pesquisa possa contribuir para a otimização dos recursos financeiros, humanos e físicos, tornando os dados mais acessíveis e úteis para outros pesquisadores, instituições, agências de fomento e sociedade em geral. De natureza básica, abordagem qualitativa e classificada quanto aos objetivos em descritiva e explicativa, tem procedimentos de pesquisa bibliográfica e documental. As 14 ferramentas para de elaboração de planos de gestão de dados identificadas foram analisadas de acordo com os dez princípios para acionamento por máquina, destaca as características do DMPonline e DMPTool. Identifica os principais atores do ecossistema da pesquisa brasileira envolvidos em revistas científicas e agregadores, programas de pósgraduação, repositórios digitais, instituições de pesquisa e pesquisadores, bibliotecas digitais, bases de patentes, conjuntos de dados de pesquisa, produção acadêmica e científica, agências de fomento, projetos de pesquisa e identificadores persistentes. Verifica que as ferramentas DMPonline e DMPTool atendem o maior número de princípios da RDA e têm condições de interoperabilidade entre os PGDs e os sistemas de pesquisa. Conclui que o uso desses modelos pode contribuir para a automatização da gestão de dados e para o fluxo de informações em projetos de pesquisa, além de identificar ferramentas que servem de base para a elaboração de outras ferramentas de elaboração de planos de gestão de dados e a importância dos identificadores persistentes para os planos de gestão de dados.

Data management plans are tools for planning the use of data for research projects. It discusses the importance of research data and highlights the need for an appropriate management plan to ensure data availability, access, processing, and reuse. It exposes the lack of integration of data management plans with other actors in the research ecosystem, which makes it difficult to monitor the data life cycle. It proposes to analyze the feasibility of using interoperable methodologies and tools with the various databases to make data management plans machine-actionable and integrated with the data life cycle in the Brazilian research ecosystem. It is expected that this research can contribute to the optimization of financial, human, and physical resources, making data more accessible and useful to other researchers, institutions, funding agencies, and society in general. It is basic in nature, with a qualitative approach and classified according to its objectives as descriptive and explanatory, and has bibliographic and documentary research procedures. It analyzes tools for developing DMPs that meet the ten principles for machine-action. It identifies 14 tools for developing machine-actionable data management plans and analyzes their characteristics, highlighting DMPonline and DMPTool. It identifies the main actors in the Brazilian research ecosystem involved in scientific journals and aggregators, postgraduate programs, digital repositories, research institutions and researchers, digital libraries, patent databases, research datasets, academic and scientific production, funding agencies, research projects, and persistent identifiers. It verifies that the DMPonline and DMPTool tools meet the largest number of RDA principles and have interoperability conditions between DMPs and research systems. It concludes that the use of these models can contribute to the automation of data management and the flow of information in research projects, in addition to identifying tools that serve as a basis for the development of other tools for developing data management plans and the importance of persistent identifiers for data management plans.