Hacia ecosistemas de datos FAIR y federados para la investigación interdisciplinaria

Área de la Ciencia:

• Ciencias de la Computación
• Ciencias de la Información
• Infraestructura de Investigación

Sus antecedentes:

• La gestión de datos científicos se enfrenta a desafíos por el crecimiento exponencial de los datos y la fragmentación.
• Los sistemas centralizados tradicionales luchan con el volumen de datos y obstaculizan la colaboración interdominio y la reproducibilidad.
• Las preocupaciones sobre la soberanía y la gobernanza de los datos van en aumento.

Principales métodos:

• Introducir una arquitectura en capas (gobernanza, datos, servicio, aplicación) basada en Data Commons, Data Meshes y Data Spaces.
• Centrarse en la gestión adaptativa de metadatos, la interacción simplificada del usuario, la seguridad robusta y las transacciones de datos transparentes.
• Implementar una red descentralizada peer-to-peer que admita paradigmas de cómputo-a-datos y datos-a-cómputo.

Principales resultados:

• Preserva la experiencia y el control específicos del dominio al tiempo que facilita la integración de datos.
• Permite la escalabilidad horizontal de la infraestructura de investigación.
• Soporta los requisitos de interoperabilidad y la autonomía del dominio.

Conclusiones:

• Los Ecosistemas de Datos FAIR y federados proporcionan un camino práctico hacia una infraestructura de investigación integrada.
• Este modelo permite a los investigadores basarse en el trabajo existente mientras mantienen el control sobre los datos y los recursos.
• Mejora la reproducibilidad científica y la colaboración interdominio.