Dati FAIR

FAIR data (o dati FAIR) sono dati che soddisfano i principi FAIR di reperibilità, accessibilità, interoperabilità e riutilizzabilità (FAIR sta per Findable, Accessible, Interoperable e Reusable). Questi principi sono stati pubblicati formalmente per la prima volta nel 2016 e sono centrali nell'ambito dell'Open Science e in particolare nell'ambito dei dati aperti.

I principi FAIR pongono l'accento sul rendere i dati facilmente comprensibili dalle macchine, permettendo ai sistemi computazionali di trovare, accedere, interagire e riutilizzare i dati con un intervento umano nullo o minimo. I principi sono stati concepiti per essere applicati non solo ai dati nel senso convenzionale, ma anche agli algoritmi, agli strumenti e ai flussi di lavoro che hanno portato a tali dati: tutti gli oggetti di ricerca digitale accademica beneficiano dell'applicazione di questi principi, poiché tutte le componenti del processo di ricerca devono essere disponibili per garantire trasparenza, riproducibilità e riutilizzabilità.

L'abbreviazione FAIR/O data viene talvolta utilizzata per indicare che il dataset o il database in questione è conforme ai principi FAIR e possiede una licenza aperta.

Principi FAIR pubblicati da GO FAIR

Findable - Reperibili

Il primo passo nel (ri) utilizzo dei dati è permettere che siano facili da trovare. Metadati e dati dovrebbero essere facili da trovare sia per gli esseri umani che per i computer. I metadati leggibili dalle macchine sono essenziali per la scoperta automatica di set di dati e servizi:

Accessibile - Accessibili

Una volta che l'utente trova i dati richiesti, deve sapere come accedervi, eventualmente includendo autenticazione e autorizzazione:

Interoperabile - Interoperabili

I dati devono solitamente essere integrati con altri dati. Inoltre, i dati devono essere interoperabili con applicazioni o flussi di lavoro per l'analisi, l'archiviazione e l'elaborazione:

Reusable - Riutilizzabili

L'obiettivo finale di FAIR è ottimizzare il riutilizzo dei dati. Per raggiungere questo scopo, i metadati e i dati devono essere ben descritti in modo che possano essere replicati e/o combinati in contesti diversi:

I principi si riferiscono a tre tipi di entità: dati (o qualsiasi oggetto digitale), metadati (informazioni relative a tale oggetto digitale) e infrastruttura.

Storia

Prima dei FAIR data, il rapporto dell'OCSE del 2007 è stato il documento più influente nel discutere idee simili relative all'accessibilità dei dati. Nel gennaio 2014, il Lorentz Centre dell'Università di Leiden ha ospitato un workshop intitolato "Progettazione congiunta di un FAIRPORT per i dati" in cui i partecipanti hanno formulato per la prima volta i principi FAIR. Un gruppo di lavoro FAIR dedicato, istituito dai membri della comunità FORCE11, ha successivamente perfezionato e migliorato i principi. Sono stati pubblicati nel numero di marzo 2016 di Scientific Data.

Strutture complementari

Nel 2019, la Global Indigenous Data Alliance (GIDA) ha pubblicato i Principi CARE per la governance dei dati indigeni come guida complementare. I principi CARE estendono il quadro FAIR per includere il beneficio collettivo, l'autorità di controllo, la responsabilità e l'etica, garantendo che le linee guida sui dati tengano conto dei contesti storici e delle disparità di potere (CARE sta per Collective benefit, Authority to control, Responsibility, and Ethics). I principi CARE sono stati elaborati durante l'evento plenario congiunto dell'International Data Week e della Research Data Alliance, tenutosi a Gaborone, in Botswana, nel novembre 2018.

Anche l'European Open Science Cloud (EOSC) è diventato un membro importante della comunità FAIR. Uno degli obiettivi strategici dell'associazione EOSC è quello di rendere i dati della ricerca finanziata con fondi pubblici conformi ai principi FAIR per impostazione predefinita.

Sfide nell'implementazione

Rendere i dati (e i risultati della ricerca) FAIR è un compito impegnativo, ed è altrettanto impegnativo valutarne la conformità ai principi FAIR. Nel 2020, il gruppo di lavoro FAIR Data Maturity Model ha pubblicato una serie di linee guida per la valutazione della conformità ai principi FAIR. Successivamente sono stati sviluppati numerosi strumenti di valutazione, tra cui il FAIR Maturity Evaluation Service (FAIRSharing) e il F-UJI Automated FAIR Data Assessment Tool (FAIRsFAIR).

Note

  1. ↑ (EN) The FAIR Guiding Principles for scientific data management and stewardship, in Scientific Data, vol. 3, n. 1, p. 160018, DOI:10.1038/SDATA.2016.18, Wikidata Q27942822.
  2. ↑ (EN) FAIR Principles: Interpretations and Implementation Considerations, in Data Intelligence, vol. 2, n. 1-2, pp. 10-29, DOI:10.1162/DINT_R_00024, Wikidata Q76394974.
  3. 1 2 3 4 5 6 (EN) FAIR Principles, su GO FAIR. URL consultato il 25 giugno 2026.
  4. ↑ Rapporto OECD. Data and Metadata Reporting and Presentation Handbook (PDF), su oecd.org. URL consultato il 25 giugno 2026.
  5. ↑ Jointly designing a data FAIRPORT, su lorentzcenter.nl, 13–16 gennaio 2014. URL consultato il 18 giugno 2026.
  6. ↑ (EN) RDA's 12th Plenary Meeting – part of the International Data Week 2018, Gaborone, Botswana – RDA, su https://www.rd-alliance.org/. URL consultato il 25 giugno 2026.
  7. ↑ (EN) European Open Science Cloud (EOSC) - Research and innovation, su research-and-innovation.ec.europa.eu, 23 aprile 2026. URL consultato il 25 giugno 2026.
  8. ↑ (EN) FAIR Data Maturity Model Specification and Guidelines 2020 (PDF), su RDA, 23 settembre 2018. URL consultato il 16 febbraio 2020.
  9. ↑ (EN) F-UJI - Automated FAIR Data Assessment Tool, su www.f-uji.net. URL consultato il 25 giugno 2026.

Voci correlate

  Portale Informatica: accedi alle voci di Wikipedia che trattano di informatica