Los datos abiertos son datos que pueden ser utilizados, reutilizados y distribuidos libremente por cualquier persona. (Fuente)

Un dataset es un conjunto o colección de datos estructurados y almacenados en una tabla de una base de datos donde cada columna de la tabla representa un campo concreto. Es importante que a la hora de crear un dataset se tengan en cuenta una serie de consideraciones para la correcta gestión de los datos a lo largo de un proyecto.

Más información sobre datos en Digital.CSIC

Los principios FAIR son un conjunto de directrices y buenas prácticas que permiten garantizar que los datos (y otros objetos digitales) sean Findable (localizables), Accessible (accesibles), Interoperable (interoperables), y Re-usable (reutilizables). Estos principios hacen referencia a los datos en sí, a la información sobre estos datos (metadatos) y a la infraestructura donde están registrados.

Localizables: para que los datos obtenidos en una investigación puedan ser reutilizados por otros investigares, tienen que ser localizables tanto por los humanos como por las máquinas. Para ello, los datasets deben tener un identificador único (por ejemplo, handle); estar bien descritos mediante campos (metadatos); estar indizados en un sistema (por ejemplo, un repositorio); y tener un identificador persistente que impida que desaparezcan (por ejemplo, un DOI).

Accesibles: cuando un usuario localiza los datos, necesita saber cómo puede acceder a ellos. Se debe poder acceder a los datos mediante herramientas gratuitas y no especializadas (por ejemplo, a través de un enlace http); se deben indicar las condiciones exactas para poder acceder a los datos (si se necesita autenticación, cómo obtenerla, etc.); los metadatos, como la procedencia y autores de los datos, etc., deben seguir siendo accesibles, aunque los datos hayan desaparecido.

Interoperables: los datos deben poder integrarse con otros datos e interoperar (“hablarse”) con otras aplicaciones para poder ser analizados, almacenados o procesados. Por ello, deben utilizarse vocabularios controlados accesibles por cualquiera, estructuras de datos bien definidas y, si se utilizan datasets procedentes de otras fuentes, deben estar descritos y citados correctamente.

Reutilizables: para que sean reutilizables y replicables, los datos y los campos de las tablas que los recogen deben estar clara y detalladamente descritos (particularidades, fechas, fuentes, etc.); tener especificada (para máquinas y humanos) la licencia de uso a la que están sujetos; debe precisarse su procedencia y nivel de procesamiento y, siempre que sea posible, utilizar para su descripción los estándares propios del área (metadatos).