Честные данные или FAIR-данные?
Введение в этику данных
Shalini Kurapati, PhD
Co-founder and CEO, Clearbox AI
Зачем нужен FAIR?
- Организационные разрозненные хранилища, забытые данные
- Прозрачность, инновации и сотрудничество
- Цифровые и вычислительные технологии / ИИ
- Управление данными для повторного использования людьми и машинами
1 Иконка создана Smashicons с сайта www.flaticon.com
Findable — обнаруживаемость
- Описание данных, расширенные метаданные
- Постоянная ссылка, например doi, без битых ссылок
- Удобно для людей и машин
1 CC BY-SA 4.0, Sangya Pundir
Accessible — доступность
- Физическая или цифровая инфраструктура
- Доступ через авторизацию или в открытом режиме
1 CC BY-SA 4.0, Sangya Pundir
Interoperable — совместимость
- Данные работают в разных ОС, форматах, на разных устройствах
- Windows/PC, Mac, Linux
- например, таблицы .csv вместо MS Excel
- стандарты совместимости
1 CC BY-SA 4.0, Sangya Pundir
Reusable — повторное использование
- Повторное использование данных по чётким правилам
- Для людей и машин
1 CC BY-SA 4.0, Sangya Pundir
Лицензирование данных — Creative Commons
1 Foter, CC-BY-SA
Почему отрасль переходит на FAIR
- FAIR-данные широко применяются в научном управлении данными
- Фармацевтические компании (Janssen, Novartis), технологические фирмы (Deloitte, Accenture)
- Поначалу ресурсоёмко, требует смены подхода
- Этика данных
- Инновации и сотрудничество ради общественной пользы: альтернативная энергетика, лечение болезней
1 https://direct.mit.edu/dint/article/2/1-2/276/10011/The-Need-of-Industry-to-Go-FAIR 2 https://www.capgemini.com/insights/expert-perspectives/the-fair-data-principles-the-key-to-unlocking-the-value-of-your-rd-data/
