FAIR to akronim czterech angielskich przymiotników opisujących to, jakie powinny być dane badawcze:

Findable
• zbiór danych opatrzony jest metadanymi, które umożliwiają odnalezienie tego zbioru zarówno przez ludzi jak i programy komputerowe,
• do zbioru przypisany jest unikalny identyfikator (np. DOI), który stanowi jednocześnie element metadanych opisujących ten zbiór,
• metadane są indeksowane w ogólnodostępnych bazach danych umożliwiających ich przeszukiwanie

Accessible
• dostęp do zbioru danych, a przynajmniej do metadanych, możliwy jest bezpośrednio poprzez unikalny identyfikator i nie wymaga dodatkowych narzędzi ani oprogramowania;
• metadane są zawsze dostępne, nawet jeśli sam zbiór danych został już usunięty lub przeniesiony;
• czasami ograniczenie dostępu do danych jest zasadne zgodnie z zasadą: „as open as possible as closed as necessary”. Dane mogą być zamknięte ze względów etycznych bądź prawnych, także wówczas gdy ujawniają informacje wpływające na bezpieczeństwo lub obronność kraju lub gdy ujawniają informacje, które uniemożliwią uzyskanie patentu lub inną formę komercjalizacji badań.

Interoperable
• dane oraz metadane są dostarczone w formacie zapewniającym łatwy odczyt i przetwarzanie zarówno przez ludzi jak i komputery;
• zbiory danych i metadane je opisujące zawierają odnośniki do innych powiązanych z nimi zbiorów;
• metadane muszą być powszechnie zrozumiałe, zapewnia to wykorzystanie przyjętych schematów opisywania danych np. w słownikach kontrolowanych.

Reusable
• metadane zawierają liczne atrybuty dokładnie opisujące zbiór danych i uławiające użytkownikom określenie ich przydatności dla ich własnych badań;
• zbiór danych zawiera licencję określającą jednoznacznie warunki ponownego wykorzystania i przetwarzania danych;
• metadane wyraźnie określają autora oraz miejsce powstania danych;
• metadane są skonstruowane według ogólnie przyjętych standardów specyficznych dla danej dyscypliny oraz rodzaju danych.

Przed otwarciem danych należy wziąć pod uwagę kwestie związane z ochroną danych osobowych, tajemnicą handlową, bezpieczeństwem narodowym, komercjalizacją, uzasadnionymi interesami handlowymi lub prawami własności intelektualnej stanowiącymi własność osób trzecich. Zgodnie z podstawową zasadą udostępniania danych badawczych powinny być one „tak otwarte, jak jest to możliwe, tak zamknięte, jak jest to niezbędne” (as open as possible, as closed as necessary).

przydatne linki:

FAIR-Aware – narzędzie w formie ankiety z pytaniami, które przypisane są do poszczególnych zasad FAIR.
FAIR self assessment tool – zestaw pytań, które ułatwiaj ocenę stopnia FAIR udostępnionych bądź przygotowywanych do udostępnienia zestawów danych badawczych
How to FAIR – zbiór materiałów edukacyjnych w formie kursu online oraz krótkich wypowiedzi badaczy
Pilotaż otwartych danych badawczych w programie Horyzont 2020 

Plan Zarządzania Danymi Badawczymi (Data Management Plan) określa w jaki sposób dane będą zarządzane podczas trwania projektu oraz po jego zakończeniu. Plan powinien być aktualizowany na bieżąco i wykorzystywany w codziennej pracy. Odpowiednio przygotowany i wdrożony DMP to najskuteczniejszy sposób zapewnienia odpowiedniego poziomu dbałości o dane. Instytucje i programy finansujące badania naukowe coraz częściej wymagają od naukowców przedstawienia DMP na etapie składania i oceny wniosków grantowych (np. Narodowe Centrum Nauki czy Horyzont Europa).

Poprawnie sporządzony plan powinien zawierać następujące informacje:
• w jaki sposób dane będą gromadzone lub wytwarzane,
• jakie dane zostaną wytworzone lub zebrane (format i typ plików, liczba danych),
• jakie środki kontroli jakości danych zostaną zastosowane,
• jak zostaną uporządkowane i opisane (metodologia, standardy, metadane),
• jak będą przechowywane i tworzone kopie zapasowe,
• kwestie etyczne i prawne (własność intelektualna, prawa autorskie, dane niejawne),
• w jaki sposób dane zostaną udostępnione (jak, kiedy, komu) i gdzie dane będą przechowywane długoterminowo (w którym repozytorium),
• które dane będą przechowywane długoterminowo (kwestia sposobu przechowywania
i ochrony danych),
• w jaki sposób zostanie zapewniona trwała identyfikacja danych (np. DOI),
• kto będzie odpowiedzialny za zarządzanie danymi.

Pracownicy naukowi Wojskowej Akademii Technicznej mogą liczyć na wsparcie w zakresie formalnego przygotowania Planów Zarządzania Danymi Badawczymi zgodnie z wymogami Narodowego Centrum Nauki. 

Przydatne linki:

NAVOICA –  polska platforma edukacyjna należąca do MEiN z kursami z zarządzania danymi badawczymi dla naukowców
DMPTool – narzędzie online służące tworzeniu planów zarządzania danymi
DMPonline – kreator planów zarządzania danymi badawczymi 
Wytyczne NCN do uzupełnienia Planu Zarządzania Danymi Badawczymi
Plan zarządzania danymi badawczymi – najczęściej zadawane pytania
Lista kontrolna DMP – stworzona na Uniwersytecie Mikołaja Kopernika w Toruniu
Szablon DMP – stworzony na Politechnice Warszawskiej

Polecane publikacje:
Wprowadzenie do zarządzania danymi naukowymi: Maria M. Pawłowska, Marta E. Wachowicz, Warszawa, 2020

Selekcja

Nie wszystkie dane powinny zostać udostępnione. Przy selekcji warto kierować się takimi czynnikami jak:

• – wymagania agencji finansujących badania naukowe,
• – wyjątkowość – warto sprawdzić czy dane nie duplikują się z innymi istniejącymi już zbiorami danych,
• – możliwość replikacji wyników badań: czy dane zawierają wszystkie parametry umożliwiające powtórzenie eksperymentu,
• – kwestie ekonomiczne: jakie koszty wiążą się z zarządzaniem i przechowywaniem danych i czy są one uzasadnione.

Usunięcie danych wrażliwych
Dane umożliwiające identyfikację badanych osób powinny zostać usunięte poprzez: 

• – anonimizację: przekształcenie danych osobowych w sposób uniemożliwiający przyporządkowanie poszczególnych informacji do określonej lub możliwej do zidentyfikowania osoby.
• – pseudonimizację: przetworzenie danych tak, by nie można ich było przypisać osobie, której te dane dotyczą, bez użycia dodatkowych informacji.
  Wybór formatu plików
  Zgodnie z wytycznymi instytucji finansujących badania naukowe, dane badawcze należy zapisywać w formatach otwartych, powszechnie dostępnych i bezpłatnych z wyjątkiem sytuacji, kiedy konwersja plików z oprogramowania specjalistycznego do otwartego może wpłynąć na jakość danych.
  W przypadku stosowania programów do kompresji i archiwizacji danych zalecamy ZIP lub 7-Zip, które mają otwartą architekturę i są powszechnie dostępne.

Rekomendowane formaty plików:

• – Dane tekstowe: .txt (Plain text), pdf (Portable Document Format), tex (LaTeX documents), html (Hypertext Markup Language), odt (Open Document Format), xml (Extensible Markup Language)  
• – Tabele, arkusze kalkulacyjne, bazy: txt/.tsv/.tab (Tab-separated tables), csv/.txt (Comma-separated tables), Format stałej szerokości (Fixed-width), ods (OpenDocument Spreadsheet), odb (OpenDocument Database) 
• – Obrazy: tiff/.tif (TIFF), jpg/.jp2 (JPEG), png (Portable Network Graphics), svg (Scalable Vector Graphics), pdf (Portable Document Format), gif (Graphics Interchange Format), bmp (Microsoft Windows Bitmap Format) 
• – Dane geoprzestrzenne: GeoTIFF, GeoPDF, GeoJPEG2000, Shapefile
• – Audio: WAVE, AIFF, MP3, MXF, FLAC
• – Video: MOV, MPEG-4, AVI, MXF

 Plik README

Zbiór danych powinien obowiązkowo zawierać plik 00_readme.txt z niezbędnymi informacjami dotyczącymi udostępnianych danych:

• – tytuł zbioru danych, opis i cel badania,
• – imię i nazwisko (ORCID)/instytucja/dane kontaktowe,
• – informację o metodzie i procedurach zbierania danych,
• – zakres czasowy badań,
• – narzędzia badawcze, 
• – strukturę uporządkowania danych: strukturę folderów, system nazewnictwa plików (z przykładami),relacje i zależności między plikami,inne interesujące pliki dokumentacji w zbiorze danych (notatki, pliki towarzyszące), przy każdym większym pliku krótki opis jego zawartości i data utworzenia, opis systemu wersjonowania plików, jeśli ma to zastosowanie; 
  – oprogramowanie wykorzystywane do gromadzenia i przetwarzania danych, w tym numery wersji; 
  – formaty plików używane w zbiorze danych i zalecane oprogramowanie; 
  – zastosowane procedury kontroli jakości; 
  – dziennik zmian zestawu danych; 
  – licencję, na jakiej dane są udostępniane. 

 Organizacja folderów i nazewnictwo 

   Zaleca się użycie przejrzystej struktury folderów:

• – struktura powinna zostać uzgodniona i przyjęta przez wszystkich uczestników badania;
• – nazwy folderów powinny być krótkie i jednoznaczne tak, aby od razu było wiadomo, jakie dane znajdują się w folderze;
• – jeśli struktura folderów jest złożona ze względu na wielowymiarowość projektu, to do każdego głównego zbioru plików reprezentującego pojedyncze badanie powinien być dołączony osobny plik readme charakteryzujący ten zbiór. Dodatkowo co całego zbioru danych powinien być dołączony główny plik readme opisujący całość zbioru;
• – hierarchia folderów powinna być spójna i  logiczna (zaczynając od folderu ogólnego, przechodząc do folderów bardziej szczegółowych). Konstrukcja folderów nie powinna być zbyt głęboka ani zbyt płytka. W zależności od wielkości projektu można wykorzystać od 3 do 4 poziomów w strukturze folderów;
• – w ramach strategii przechowywania przydatne może być dodatkowe zdefiniowanie „tymczasowych folderów”, z których można będzie bezpiecznie usunąć dane po użyciu. 

Należy unikać: 

• – nazywania folderów ogólnymi sformułowaniami np. „bieżące rzeczy”;
• – nazywania folderów nazwiskiem badacza (nazwy folderów powinny dotyczyć zawartości, a nie autorów); 
• – tworzenia folderów o tych samych nazwach w różnych miejscach; 
• – tworzenia kopii w różnych folderach, jeśli jest taka potrzeba, można użyć skrótów, aby zachować plik referencyjny. 

Organizacja plików

Nazwy powinny być spójne, logiczne, opisowe, krótkie i czytelne. Elementy opisu powinny być uporządkowane od ogółu do szczegółu.

Nazwa pliku może zawierać: 

• – akronim bieżącego projektu lub eksperymentu (2-5 liter), dzięki temu wiadomo, czego dotyczy plik; 
• – krótki opis zawartości pliku (1-3 słowa); 
• – informację o lokalizacji lub współrzędne, jeśli byłyby przydatne; 
• – datę;
• – inicjały osoby (badacza lub podmiotu) lub całe nazwisko i imię zaczynając zawsze od nazwiska. 

Wskazówki: 

• – należy unikać spacji. Można używać innych opcji np.
  – CamelCase (system notacji ciągów tekstowych, w którym kolejne wyrazy pisane są łącznie, rozpoczynając każdy następny wielką literą (prócz pierwszego) np.: foreColor, setConnection, isPaymentPosted),
  – łączniki (-),
  – podkreślenia (_),
• – pliki powinny być numerowane przy użyciu zer wiodących np. 001 zamiast 1, aby uniknąć problemów z sortowaniem; 
• – daty powinny być zapisane zgodnie ze standardem ISO RRRRMMDD (najpierw rok, potem miesiąc i dzień); 
• – godziny powinny być zapisane w schemacie GGMMSS (godzina, minuty, sekundy); 
• – nie należy używać znaków specjalnych oraz znaków diakrytycznych takich jak: ęć!?*&#~ ! @ # $ % ^ & * ( ) ` ; ? ,

Repozytorium to narzędzie informatyczne do deponowania, przechowywania i udostępniania w Internecie dorobku naukowego instytucji naukowych (repozytoria instytucjonalne) lub wyników badań z określonych dziedzin nauki (repozytoria dziedzinowe). Repozytoria służą do deponowania publikacji (głównie artykułów w czasopismach, rozdziałów książek, monografii, prac doktorskich), a także danych badawczych.
Udostępnianie danych badawczych w otwartych repozytoriach jest jednym z wymogów przy realizacji projektów finansowanych m.in. przez Komisję Europejską i Narodowe Centrum Nauki. Zalecane jest korzystanie w pierwszej kolejności z repozytoriów certyfikowanych lub szeroko uznanych w danej dyscyplinie (dziedzinowych).

Szukając odpowiedniego repozytorium warto:

• – wybrać dziedzinowe repozytorium certyfikowane,
• – dokładnie zapoznać się z warunkami korzystania z serwisu,
• – dowiedzieć się na jakich zasadach będą przechowywane dane oraz w jaki sposób będą zabezpieczone,
• – upewnić się, że repozytorium zapewnia przypisanie zbiorom identyfikatora DOI,
• – dowiedzieć się, czy repozytorium wspiera używany w naszej dyscyplinie standard metadanych,
• – mieć na uwadze, że niektóre repozytoria mogą pobierać opłatę za archiwizację danych – tzw. Data Processing Charge.
•  

Kolekcja instytucjonalna w Repozytorium Otwartych Danych RepOD

W ramach podpisanej w kwietniu 2022 r. umowy z Interdyscyplinarnym Centrum Modelowania Matematycznego i Komputerowego UW Wojskowa Akademia Techniczna posiada instytucjonalną kolekcję w Repozytorium Otwartych Danych ogólnego przeznaczenia RepOD . Repozytorium Otwartych Danych istnieje od 2015 roku i rozwijane jest z uwzględnieniem światowych standardów w zakresie otwartego udostępniania danych badawczych. Repozytorium zbudowano w oparciu o Dataverse – oprogramowanie open source, oferujące funkcje pozwalające na przechowywanie, opisywanie i udostępnianie danych badawczych zgodnie ze światowymi standardami w zakresie otwartego dostępu do danych takimi jak zasada FAIR.
Serwis oferuje szereg rozwiązań ułatwiających wyszukiwanie, cytowanie i ponowne wykorzystanie danych badawczych:

– wszystkie zbiory danych otrzymują trwały i unikalny identyfikator DOI;
– każdemu plikowi w zbiorze danych deponujący przypisuje licencję określającą warunki jego wykorzystania;
– deponujący ma możliwość zamieszczania kolejnych, poprawionych wersji zbioru danych;
– deponujący ma możliwość określenia okresu, w którym pliki zbioru danych nie będą udostępniane publicznie;
– szereg funkcji repozytorium dostępnych jest za pośrednictwem API.
Korzystanie z repozytorium nie wiąże się z żadnymi opłatami dla użytkownika końcowego.

Repozytorium RepOD uzyskało w 2025 r. Certyfikat Core Trust Seal – międzynarodowej organizacji non-profit promującej zrównoważone i zaufane infrastruktury do udostępniania danych badawczych.

Aministratorem kolekcji instytucjonalnej jest specjalista ds. otwartej nauki – Ewa Kasperska.

Przydatne linki:

CoreTrustSeal – wykaz certyfikowanych repozytoriów danych badawczych
Registry of Research Data Repositories – globalny rejestr repozytoriów danych badawczych ze wszystkich dyscyplin akademickich. Umożliwia wyszukiwanie poprzez tytuły, słowa kluczowe oraz dziedziny. Podaje również informacje o ograniczeniach, dzięki czemu łatwiej znaleźć serwis do zarchiwizowania i udostępniania wyników badań. Rejestr uruchomiony w 2012 r., jest usługą DataCite wymienianą przez wielu wydawców jako najlepsze narzędzie do identyfikacji odpowiedniego repozytorium. Zalecane jest też w wytycznych Komisji Europejskiej w sprawie otwartego dostępu do publikacji i danych badawczych w programie „Horyzont 2020”
Repozytorium Otwartych Danych RepOD