Diseño de un método general para la evaluación de los principios FAIR (Findable, Accessible, Interoperable y Reusable)

Abstract

[ES] Los principios FAIR (Findable, Accessible, Interoperable y Reusable) son unas guías de gestión de datos y metadatos que se enfocan en su fácil localización, accesibilidad, interoperabilidad y reutilización por máquinas. Los principios FAIR fueron diseñados de forma abierta, con el objetivo que de cada dominio adaptara estos estándares a las características de su dominio. Este hecho, junto con el de que el cumplimiento de los FAIR no es absoluto sino una escala de adaptación a los principios (Conocida como FAIRness), ha llevado a un desconcierto general a la hora de determinar cuándo una fuente se adhiere a ellos o no. Para afrontar este problema, surgieron herramientas automáticas para evaluar la "FAIRness" de las fuentes de datos. Sin embargo, este tipo de herramientas no son aplicables a todo tipo de conjuntos de datos. El objetivo de este trabajo es diseñar un método que guíe la evaluación de los principios FAIR y que, al contrario de las herramientas existentes, sea aplicable a cualquier conjunto de datos integrando tanto las herramientas automáticas como las que no lo son. Como caso de uso, este método ha sido aplicado a ClinVar, una base de datos de variaciones genómicas.

[EN] FAIR principles (Findable, Accessible, Interoperable y Reusable) are data and metadata management guidelines that focus on their easy findability, accessibility, interoperability, and reusability by machines. The FAIR principles were designed openly, with the goal of allowing each domain to adapt these standards to its specific characteristics. This fact, along with the idea that compliance with FAIR is not absolute but rather a scale of adherence to the principles (known as FAIRness), has led to general confusion when determining whether or not a source adheres to them. To address this issue, automatic tools were developed to assess the "FAIRness" of data sources. However, such tools are not applicable to all types of datasets. The objective of this work is to design a method that guides the evaluation of the FAIR principles and, unlike existing tools, is applicable to any dataset by integrating both automatic and non-automatic tools. As a case study, this method has been applied to ClinVar, a database of genomic variations.

[CA] Els principis FAIR (Findable, Accessible, Interoperable i Reusable) són unes guies de gestió de dades i metadades que es concentren en la seua fàcil localització, accessibilitat, interoperabilitat i reutilització per màquines. Els principis FAIR foren dissenyats de forma oberta, amb l'objectiu que cada domini adaptara aquestos estàndards a les característiques del seu àmbit. Aquest fet, junt amb el de que el compliment dels FAIR no és absolut sinó una escala d'adaptació als principis (coneguda com FAIRness), ha portat a un desconcert general a l'hora de determinar quan una font s'adhereix a ells o no. Per a afrontar aquest problema, van sorgir eines automàtiques per avaluar la "FAIRness" de les fonts de dades. No obstant això, aquest tipus d'eines no són aplicables a tot tipus de conjunts de dades. L'objectiu d'aquest treball és dissenyar un mètode que guie l'avaluació dels principis FAIR i que, a diferència de les eines existents, siga aplicable a qualsevol conjunt de dades integrant tant les eines automàtiques com les que no ho són. Com a cas d'ús, aquest mètode ha sigut aplicat a ClinVar, una base de dades de variacions genòmiques.