Se i dati della ricerca e la loro gestione vengono progettati sin dall'inizio del progetto in conformità con i principi FAIR, essi potranno quasi sicuramente essere resi open, ad eccezione dei soli casi in cui vincoli di sicurezza o legali lo impediscano.

I dati possono comunque essere resi FAIR con l’aiuto di numerosi strumenti, questionari, guide, software di test, che aiutino il gruppo di ricerca a riorganizzare i dati perché possano essere resi conformi ai principi FAIR.

Nello stesso giorno in cui è stato lanciato EOSC è stato pubblicato a Vienna il documento Turning FAIR into reality, una pubblicazione del Publications Office of the EU (https://op.europa.eu/en/publication-detail/-/publication/7769a148-f1f6-11e8-9982-01aa75ed71a1).  In questo documento, che rappresenta sia un report che un piano di azione per far diventare realtà i principi FAIR, viene richiamata l’attenzione su ciò che è necessario per implementarli nel modo più ampio possibile: realizzazione di FAIR Digital Objects (dati, software o altre risorse per la ricerca) che trovino posto in un FAIR ecosystem, che offra servizi per l’attribuzione di identificativi unici e persistenti, specifiche per i metadati, stewardship, repository, policies e Data Management Plans; la disponibilità di skills su data science e data stewardship; l’utilizzo di metriche che incentivino l’adozione delle pratiche di open science.

Dal punto di vista tecnico, per passare all’implementazione dei principi FAIR, le singole comunità di ricerca potrebbero fare dei workshop per decidere quali sono i metadati da utilizzare nell’ambito delle diverse discipline, creare i FAIR implementation profiles per creare successivamente i FAIR data points.  I FAIR Data Points  rappresentano l’attuazione dei dati FAIR, che saranno conformi al GDPR nella misura in cui saranno depositati e saranno anche visitabili da virtual machines, grazie al fatto che sono findable e readable. Ad esempio VODAN (https://www.go-fair.org/implementation-networks/overview/vodan/) è un implementation network che si è occupato dei dati del COVID. In Africa, in collaborazione con l’Università di Leiden, sono stati impiantati due FAIR data point; OAI 12 - The Geneva Workshop on Innovations in Scholarly Communication (https://oai.events//) si è tenuto in modalità virtuale dal 6 al 10 settembre 2021 con una sezione specifica sui dati FAIR. 

Consigliamo di consultare la sezione FAIRification process del sito GO-FAIR. Qui vengono definiti i passi da compiere per rendere FAIR i dati già esistenti: analisi dei dati, definizione del modello semantico, trasformazione dei dati in linkabili mediante l’applicazione del modello semantico individuato, assegnazione di una licenza d’uso, definizione dei metadati per il dataset, pubblicazione del dataset (insieme ai metadati e alla licenza), perchè possa essere indicizzato dai motori di ricerca e possano quantomeno essere visualizzati i metadati, laddove non sia possibile leggere il contenuto (as open as possible).

All’interno di EOSC alla fine del 2020 è stato pubblicato il report Six Recommendations for Implementation of FAIR Practice https://op.europa.eu/en/publication-detail/-/publication/4630fa57-1348-11eb-9a54-01aa75ed71a1, doi 10.2777/986252. In questo documento si raccomanda di formare i ricercatori sul tema e di incentivare l’adozione dei principi FAIR, auspicando un cambiamento significativo delle regole per la valutazione della ricerca.

Allo scopo di capire quali sono i compiti dei diversi attori del processo di ricerca (ricercatori, bibliotecari, repository, ecc.) è molto utile una tabella creata da bibliotecari svizzeri, Explanation of the FAIR data principles Wilkinson et al. (2016), The FAIR Guiding Principles for scientific data management and stewardship, Scientific Data 3, doi:10.1038/sdata.2016.18, in cui viene accostato, ad ogni principio FAIR, il lavoro svolto dal ricercatore e dal repository (tramite la tecnologia e il lavoro dei bibliotecari).