1. Introducción a la Gestión de
Datos de Investigación
Fernando Ariel Lopez
CITRA (CONICET / UMET)
APRENDER 3C
@fernando__lopez
@Aprender3C

4. Los DATOS son el petróleo….
… pero si no se destilan, NO SIRVE

10. ¿Qué es la GESTIÓN
DE DATOS DE INVESTIGACIÓN
(GDI)?

11. Es el proceso activo de manejo de los datos generados en
una investigación.
La GDI se realiza de forma continua y cubre todas las decisiones relacionadas con la gestión de los datos a
lo largo de su ciclo vital,
ETAPAS que abarca el GDI:
● Planificación de la investigación
● Ejecución de la investigación
● Diseminación de sus resultados
● Preservación de los conjuntos de datos de forma que estos sean precisos, completos, auténticos y
fiables, y se mantengan accesibles y reutilizables a lo largo del tiempo.

13. (1) POLÍTICA DE DATOS
DE INVESTIGACIÓN:
● Institucional, Nacional y/o Financiadores Públicos o Privados
● ¿Qué debe o puede incluir?

14. (2) CICLO DE VIDA DE LOS
DATOS DE INVESTIGACIÓN

16. (3) PLAN DE GESTIÓN DE
DATOS DE INVESTIGACIÓN

17. PLAN DE GESTIÓN DE DATOS DE INVESTIGACIÓN (PDG)
Es un documento formal elaborado por el investigador o grupo de
investigación, que se desarrolla al inicio de un proyecto de investigación
(puede repetirse a la mitad y al final del proyecto).
Describe todos los aspectos de la gestión de los datos:
● ¿Qué tratamiento van a recibir los conjuntos datos de investigación
(dataset) recopilados o generados en el curso de un proyecto de
investigación?
● ¿Qué se hará con los datos durante y después del proyecto de
investigación?
FINALIDAD: herramienta de apoyo durante el ciclo de vida de aquellos datos
que se recopilen, se procesen o se generen en el ámbito de un proyecto.

18. VENTAJAS DE USO de PLANES DE GESTIÓN DE DATOS
● Se pueden encontrar y comprender los datos cuando se necesite utilizarlos.
● Se garantiza la continuidad del proyecto independientemente de la participación de los
investigadores.
● Se evitan duplicaciones y tareas innecesarias.
● El mantenimiento del conjunto de datos generados permite la validación de los
resultados.
● Los datos se pueden compartir permitiendo un alto nivel de colaboración y de avance
en la investigación.
● Los datos que se ofrecen en abierto tendrán una gran visibilidad.
● La reutilización de los datos, citados por otros investigadores aumenta el prestigio de
la investigación.
● Otros investigadores que utilicen los datos pueden citarlos, así la investigación
obtendrá más prestigio.

19. (4) INFRAESTRUCTURAS DE
DATOS DE INVESTIGACIÓN

20. (A) Repositorio Interoperable de Datos
● Datos Públicos Argentina (CKAN, OKF),
● Zenodo (Invenio, CERN)
● DRYAD, PLICSS, LAGOS (DSpace, MIT & HP),
● Harvard DATAVERSE (Eprints)
(B) Plataforma de Trabajo para Investigadores
● OSF, HubZero, MyExperiment.org, etc.
(C) Cluster de Almacenamiento y/o Procesamiento

21. EJEMPLOS DE
PROYECTOS / HERRAMIENTAS

23. opensourcemalaria.org

24. www.protocols.io

25. OSF es un repositorio de
gestión de proyectos
gratuito y de código
abierto que apoya a los
investigadores en todo el
ciclo de vida de su
proyecto.
https://osf.io/
Open Science Framework

27. Data Scientist / Científicos de Datos
La profesión del futuro.
Es el encargado en extraer el conocimiento de los
datos. Para ello debe tener sólidos conocimientos
estadísticos, poseer destrezas para resolver
problemas, hacer preguntas y explicar los
resultados obtenidos.

28. Bibliotecari@ de Datos / Data Librarian
Es un término ad-hoc, es la aplicación de los principios y las prácticas tradicionales de los
bibliotecarios a los datos.
El perfil del bibliotecario de datos requiere:
● Competencias informáticas
● Conocimiento de la disciplina (corpus, prácticas de investigación y flujos de trabajo)
● Gestión de datos:
○ adquisición (desarrollo de la colección),
○ organización (catalogación y metadatos),
○ preservación y conservación a largo plazo
○ implementación de servicios adecuados para los usuarios.

30. Ejemplo en ARGENTINA

31. Ley 26.899 Creación de Repositorios
Digitales Institucionales de Acceso
Abierto, Propios o Compartidos
(noviembre de 2013/ Regl. 2016)
http://bit.ly/Ley26899
Producción científico-tecnológica: artículos de revistas,
trabajos técnico-científicos, tesis académicas, entre otros.
Obligaciones para Investigadores e Instituciones de CyT

32. Ley 26.899
Creación de Repositorios Digitales Institucionales
de Acceso Abierto, Propios o Compartidos
+ Datos Primarios de Investigación
(deben ser depositados 5 años del momento de su recolección.)
REQUISITOS:
● Política de Datos de Investigación
● Datos Primarios (data set)
● Plan de Gestión de Datos (DMP)
● Deposito “data set” en Repositorio de Datos
● (Fecha: Diciembre de 2018)

33. OPORTUNIDADES e INVITACIÓN
● Contribuir al avance de la ciencia y de la sociedad, maximizando la
visibilidad y el impacto de la inversión en Investigación
● Generar un grupo de interés, cooperativo y colaborativo para acordar
estándares de trabajo, normalización y gestión de datos, a nivel nacional,
regional e internacional.
● Empoderar/nos en la Gestión de Datos de Investigación
● Financiamiento y Desarrollo de e-infraestructuras cooperativas a nivel
nacional y/o regional.

34. Referencias
Declaración de Paraná sobre Ciencia
Abierta sobre Ciencia Abierta, Reproducible
y Replicable (2018). [link]
Manifiesto de la Ciencia Abierta: Hacia una
ciencia abierta inclusiva para el bienestar
social y ambiental (2015) OCDSNet [link]
Hartley, Martini y López (2018). Ciencia
Abierta: ciencia para la ciencia en la
sociedad y para la sociedad. [link]
Bernal, Isabel y Román-Molina, Juan; Digital.CSIC (2014).
Prácticas en la gestión, difusión y preservación de datos
de investigación en el CSIC. [link]
FOSTER [link]
OpenScience MOOC [link]
MOOC de Acceso Abierto en Aprender 3C [link]
Recursos Educativos Abiertos de la comunidad
colaborativa Aprender 3C [link]
Ameli Conocimiento Abierto [link]

35. ¿PREGUNTAS?

36. Muchas Gracias
Fernando Ariel Lopez
CITRA (CONICET / UMET)
APRENDER 3C
@fernando__lopez
@Aprender3C
flopez@conicet.gov.ar COMPARTAN