Rättvis data eller FAIR-data?
Introduktion till dataetik
Shalini Kurapati, PhD
Co-founder and CEO, Clearbox AI
Varför FAIR?
- Organisatoriska silos, glömd data
- Transparens, innovation och samarbete
- Digital teknik och AI
- Datahantering för återanvändning av människor och maskiner
1 Ikon skapad av Smashicons från www.flaticon.com
Findable
- Databeskrivning, rik metadata
- Permanent länk, t.ex. en doi, inga brutna länkar
- Anpassad för både människor och maskiner
1 CC BY-SA 4.0, Sangya Pundir
Accessible
- Fysisk eller digital infrastruktur
- Tillgänglig via inloggning eller öppet
1 CC BY-SA 4.0, Sangya Pundir
Interoperable
- Data fungerar över olika OS, filformat och enheter
- Windows/PC, Mac, Linux
- t.ex. kalkylblad i .csv istället för MS Excel
- standarder för interoperabilitet
1 CC BY-SA 4.0, Sangya Pundir
Reusable
- Återanvänd data med tydliga regler
- För människor och maskiner
1 CC BY-SA 4.0, Sangya Pundir
Datalicensiering – Creative Commons
1 Foter, CC-BY-SA
Branschen behöver bli FAIR
- FAIR-data vanligt inom vetenskaplig datahantering
- Läkemedelsbolag (Janssen, Novartis), teknikföretag (Deloitte, Accenture)
- Resurskrävande till en början, kräver attitydförändring
- Dataetik
- Innovation och samarbete som leder till samhällsnytta, t.ex. förnybar energi och behandling av sjukdomar
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/
