Ogni fase del processo di ricerca può essere resa aperta:

Giglia, Elena. (2018). Come rendere Open ogni passo della ricerca. Zenodo. https://doi.org/10.5281/zenodo.1195648, traduzione da Kramer, Bianca, & Bosman, Jeroen. (2018, January 14). Rainbow of open science practices. Zenodo. https://doi.org/10.5281/zenodo.1147025

Visualizza il pdf accessibile e con i link attivi

Nei progetti europei del programma Horizon Europe le pratiche di scienza aperta rappresentano ormai la nuova normalità. Esse, infatti, sono richieste nell’intero ciclo di vita del progetto: già in fase di proposal submission vengono valutate le pratiche di scienza aperta, nella fase progettuale viene valutata l’effettiva implementazione di quanto descritto in fase di proposta e il tutto viene costantemente monitorato nella reportistica di progetto.

Giglia, Elena. (2021, May 27). Guida all'Open Science in Horizon Europe. Zenodo. https://doi.org/10.5281/zenodo.5589722  - Creative Commons Attribution 4.0 International

In fase di proposal submission sono previste una pagina dedicata alla descrizione delle pratiche di open science e una pagina dedicata alla descrizione del processo di gestione dei dati di ricerca utilizzati e prodotti. E’ necessario anche elencare la lista delle infrastrutture e le risorse umane, con i relativi profili professionali (skills) dedicate alle pratiche open science e alla gestione dei dati di ricerca. Bisognerà anche specificare quali pubblicazioni saranno previste e se ad accesso aperto, oltre a specificare che i dati avranno caratteristiche FAIR e saranno pubblicati secondo il principio “as open as possible, as closed as necessary”.

In Horizon Europe alcune pratiche di scienza aperta sono obbligatorie, altre sono raccomandate, anche se non meno importanti per elevare la qualità della proposta di ricerca. L’open science, infatti, rappresenta un ambito di applicazione di gran lunga più ampio della pubblicazione dei lavori di ricerca in open access.

Le pratiche di open science obbligatorie in Horizon Europe sono:

• pubblicazione OA dei lavori scientifici prodotti nell’ambito del progetto Horizon Europe (consulta la sezione Requisiti open nei progetti europei, in questo sito);
• gestione FAIR dei dati trattati e dati risultanti dalla ricerca (consulta la sezione dati FAIR di questo sito);
• redazione del DMP (Data Management Plan), pubblicazione ad accesso aperto dei dati: as open as possible, as open as necessary (consulta la sezione Data Management Plan di questo sito);
• accesso digitale o fisico ai risultati della ricerca (consulta le sezioni Open access e Data Management Plan di questo sito)
• in caso di emergenza pubblica, accesso immediato a tutti i risultati della ricerca.

Le pratiche di open science raccomandate sono diverse, con l'obiettivo di:

• utilizzare strumenti e pratiche che diano alla ricerca maggiore collaborazione, trasparenza ed integrità (consulta l'articolo "Strumenti collaborativi nei progetti di ricerca", in questa sezione)
• gestire le procedure di ricerca, nell’ottica di garantire la riproducibilità
• collaborare con gli stakeholders e con gli utenti finali.

Early and open sharing

Una pratica raccomandata è quella di condividere prima possibile i risultati della propria ricerca (early and open sharing), richiesto in diverse parti del Grant Agreement di Horizon Europe, per garantire la collaborazione e la trasparenza. L’early and open sharing ha l’obiettivo di condividere con la comunità scientifica, ad esempio, anche i risultati negativi di una ricerca, mentre fino ad oggi sono stati pubblicati, sulle diverse riviste ad altro impatto, soltanto i risultati positivi. Un modo per attuare questa pratica è quello di pubblicare dei pre-prints (su Zenodo, sul proprio repository istituzionale, su archivi di pre-prints specializzati). Un’altra modalità è quella della pre-registration, in cui si pubblica, prima che ne comincino le attività, la descrizione dettagliata della metodologia del progetto di ricerca. Sono disponibili diversi modelli, ad esempio in open science framework (https://osf.io/8v2n7/), per le diverse discipline.

Pre-registration

E’ raccomandato rendere la propria ricerca riproducibile tramite una pre-registration. Diversamente da quanto avviene nel tipico workflow di pubblicazione di un articolo, in cui si invia all'editore il testo che descrive lo studio e i risultati, con la pre-registration viene sottomessa all'editore la descrizione della metodologia, su cui viene quindi effettuata la peer-review.  A seguito dell'accettazione del report sulla metodologia, verrà poi avviato l’effettivo svolgimento del progetto di ricerca. Ciò contribuisce ad accrescere la fiducia nella ricerca scientifica.

La pre-registration può essere pubblicata anche su OSF.io (consulta l'help o vai alla pagina Preregistration Landing Page.). Sulla piattaforma, per la pre-registration, può essere applicato un embargo fino a 4 anni dal primo caricamento; ciò consente di mantenere i benefici (trasparenza, credibilità, rigore metodologico, rapporto di fiducia con la comunità scientifica, gruppi di pari e riviste scientifiche) della pre-registration senza il timore che la propria idea possa essere diffusa prima di aver pubblicato i risultati della propria ricerca (cfr. https://help.osf.io/article/164-submit-your-draft-registration).

Open peer-review

Un’altra pratica raccomandata è quella della open peer-review, che può contribuire ad innalzare la qualità della review con critiche costruttive e condivise.

Sono possibili diverse tipologie di open peer review. Per comprendere di cosa si tratta, sono analizzati i diversi aspetti alla pagina https://www.fosteropenscience.eu/learning/open-peer-review/#/id/5a17e150c2af651d1e3b1bce.

In generale l'open peer-review offre una maggiore trasparenza riguardo alle identità degli autori e dei revisori, rende i report relativi alla review disponibili alla comunità scientifica e ne incentiva la partecipazione, consente di rendere immediatamente disponibili i manoscritti e di commentare poi anche il manoscritto finale. Oltre alla trasparenza, altri vantaggi possono essere:

• la velocità di revisione (spesso un lavoro scientifico, prima di essere pubblicato, deve attendere parecchi mesi, trascorsi i quali potrebbe essere già obsoleto;nel caso di ricerche in ambito medico, il ritardo nella messa a disposizione alla comunità scientifica e alla società, potrebbe rappresentare un danno);
• l'affidabilità (includere una comunità più ampia di revisori offre una migliore opportunità per identificare difetti metodologici o altre incongruenze nella ricerca. Il numero di articoli elencati da retractionwatch evidenzia il fatto che l'attuale sistema di peer review non è sempre una garanzia di qualità);
• la revisione tra pari aperta supporta una maggiore coerenza e riduce la possibilità di bias garantendo che le opinioni di più revisori per un determinato articolo possano essere acquisite e confrontate;
• la possibilità di rendere aperte le domande dei revisori insieme alle risposte degli autori fornisce un contesto prezioso che descrive le metodologie impiegate e i processi di ricerca. Ciò è possibile solo se i rapporti di revisione sono resi accessibili;
• la possibilità di pubblicare i rapporti di revisione e di assegnare loro un DOI li rende citabili a pieno titolo, con un evidente vantaggio per i revisori (valorizzazione del lavoro di revisione e  visibilità; dal punto di vista pratico, ad esempio, aggiornamento automatico in tutte le aree del proprio profilo tramite l'esposizione del proprio ORCID).

Version control

Una pratica di open science che contribuisce positivamente nella riproducibilità della ricerca scientifica è quella del version control (gestione delle versioni) di documentazione, software, dataset, ecc. Per il version control del software esistono diversi strumenti, come Bitbucket, GitHub, GitLab, ecc. Strumenti come gli Electronic Lab Notebooks consentono il versioning di documentazione, dati grezzi, intermedi e finali, parametri sperimentali e di misurazione, campioni, che all’interno dello strumento sono ricercabili e tracciabili.

Corretta attribuzione del ruolo del contributor

Una buona pratica di open science è quella della corretta attribuzione del ruolo del contributor nelle attività e negli output di progetto. Alcuni strumenti, come CRediT –Contributor Roles Taxonomy (https://credit.niso.org/), consente di utilizzare una tassonomia standard di tali ruoli.

Citizen science

Un’altra pratica da considerare per l’inserimento nella propria proposta di progetto è quella della Citizen Science, che consente una maggiore accessibilità ai risultati e ai processi della ricerca scientifica, con la partecipazione di volontari nella ricerca. Le ricadute: inclusione sociale, cittadinanza scientifica, sostenibilità.

Altre pratiche di open science

Numerosissime altre pratiche di open science possono essere ispirate dall’immagine

Kramer, Bianca; Bosman, Jeroen (2017): Wheel of Open Science practices (image). figshare. Figure. https://doi.org/10.6084/m9.figshare.4628014.v2 

Fonte:  Shalini Kurapati e Emma Lazzeri (29 ottobre 2021). Webinar cafè: "Horizon Europe: tutto quello che volete sapere sulla gestione dei dati", ICDI (Italian Computing and Data Infrastructure),  https://www.icdi.it/it/news/109-horizon-europe-tutto-quello-che-volete-sapere-sulla-gestione-dei-dati.

Nell'ambito della gestione dei dati della ricerca, non è sufficiente attenersi a standard che riguardano il formato, nel senso strettamente informatico del termine. E' necessario che lo standard riguardi anche l'insieme dei metadati che vengono utilizzati per descrivere i dati della ricerca e che venga fornito un insieme di informazioni esaustive e sintetiche in grado di descrivere le relazioni semantiche nello specifico dominio di conoscenza (ad esempio schemi di classificazione, vocabolari controllati).

Diversi standard di formati per ogni disciplina possono essere trovati, ad esempio, su:

• https://fairsharing.org/ (formati per tutte le discipline), portale di riferimento per standard, database, policy, gestito da The FAIRsharing team, Data Readiness Group e University of Oxford. Come dichiarato nell'articolo Sansone, SA., McQuilton, P., Rocca-Serra, P. et al. FAIRsharing as a community approach to standards, repositories and policies. Nat Biotechnol 37, 358–367 (2019). https://doi.org/10.1038/s41587-019-0080-8, "Gli standard sviluppati dalla comunità, come quelli per l'identificazione, la citazione e la segnalazione dei dati, sostengono la ricerca riproducibile e riutilizzabile, aiutano la pubblicazione accademica e guidano sia la scoperta che l'evoluzione della pratica scientifica." [...] "La missione di FAIRsharing è aumentare la guida per i consumatori di standard, database, repository e politiche sui dati, per accelerare la scoperta, la selezione e l'uso di queste risorse; e aumentare la soddisfazione del produttore in termini di visibilità, riutilizzo, adozione e citazione delle risorse."
• https://ddialliance.org per social sciences. Si tratta di una suite gratuita di standard e prodotti creati da professionisti dei dati (nell'ambito delle scienze comportamentali, sociali ed economiche) che hanno capito l'importanza e la necessità di un insieme di standard che
  • documentino i dati della ricerca per renderli più ritrovabili e interoperabili tra i sistemi
  • offrano un insieme di strumenti per descrivere i dati di ricerca prodotti e i processi utilizzati
  • siano indipendenti dalla piattaforma
  • facilitino la comprensione, l'interpretazione e l'uso da parte di persone, sistemi software e reti di computer
  • siano condivisi da una grande comunità di ricercatori che vogliono che i loro dati di ricerca siano FAIR (Trovabili, Accessibili, Interoperabili, Riutilizzabili)
  • offrano molti materiali di formazione gratuiti per supportare gli utenti nuovi ed esistenti
  • consentano l'interoperabilità tra dati provenienti da differenti discipline scientifiche o domini di conoscenza, grazie alla creazione di mappe di corrispondenza tra gli elementi dei maggiori standard e ontologie a livello internazionale.
• In caso di assenza di standards per la disciplina desiderata, si può sempre usare Dublin Core. "Il Dublin Metadata Element Set, spesso chiamato Dublin Core (DC), è uno schema di metadati standardizzato per la descrizione di qualsiasi tipo di risorsa come documenti in formato elettronico e non elettronico, materiali digitali (come video, suoni, immagini, ecc.) e media compositi come le pagine web. I metadati Dublin Core possono essere utilizzati per molteplici scopi, dalla semplice descrizione delle risorse, alla combinazione di vocabolari di metadati di diversi standard di metadati, alla fornitura di interoperabilità per i vocabolari di metadati nelle implementazioni del cloud di dati collegati e del web semantico." (in Dublin Core Metadata Element Set (DC), 2023, FAIRSharing.org, https://fairsharing.org/FAIRsharing.3nx7t)

Di seguito un elenco di strumenti di supporto e utili letture per la gestione dei dati del progetto di ricerca:

Cosa conservare? La prima cosa utile per la comunità scientifica è individuare quali sono i dati da conservare. È necessario che i ricercatori si soffermino su quali sono i datirilevanti per la missione dell’ente, sul loro valore storico, sulla loro unicità, sul potenziale di riuso, sul fatto che debbano essere corredati da una documentazione completa. È possibile trovare una Checklist utile allo scopo sul sito https://www.dcc.ac.uk/guidance/how-guides/appraise-select-data#5.  

Conoscere gli standard internazionali e di ambito disciplinare: È altrettanto importante che i ricercatori conoscano gli standard da utilizzare per rendere i dati FAIR. Un valido strumento per questo specifico aspetto è il portale FAIRsharing.org https://fairsharing.org/, nel quale oltre ad ontologie specifiche per i vari settori scientifici si trovano una raccolta di policies sui dati di vari enti di ricerca internazionali, database specialistici etc.

Gestire i dati: GDPR art. 89 (eccezioni per la ricerca ma sempre su basi legali). Vedi CESSDA Training,” Data Management Expert Guide”  (https://www.cessda.eu/Training/Training-Resources/Library/Data-Management-Expert-Guide). Nel caso si gestiscano dati sensibili, i ricercatori devono tenere presente che bisogna conservare le informative sulla privacy e documentare per quale scopo si stanno elaborando i dati (non è consentito elaborare i dati per scopi diversi da quelli del progetto di ricerca). In alcuni casi è opportuno agire in sinergia con l’ufficio legale. Sarebbe ottimale creare un processo per gestire i dati GDPR. Nel sito TU Delft è interessante il Personal Research Data Workflow (https://www.tudelft.nl/en/library/research-data-management/r/manage/confidential-data/personal-data) che suggerisce quale livello della propria organizzazione deve essere coinvolto per gestire dati personali o sensibili.

Strumento per creare un modulo di consenso informato: DARIAH ELDAH - CONSENT FORM WIZARD (https://www.oeaw.ac.at/acdh/tools/consent-form-wizard/)

Strumento per anonimizzare o pseudo anonimizzare i dati: Amnesia, in OpenAIRE (https://amnesia.openaire.eu/)

Strumenti per calcolare l’impatto dei dati: DataCite (https://datacite.org/). 

Riferimenti e risorse per il training:

Video (https://www.sas.ac.uk/videos-and-podcasts/research-training/matthew-davies-why-data-management-important-historians ) di un ricercatore dell’Università di Londra che racconta perché per lui è stato importante gestire bene i dati: risparmio di tempo, maggiore efficienza, risparmio di costi, ecc.

Check list per una buona progettazione dei dati https://zenodo.org/record/3819204#.YMDOWvkzY2w, in Zenodo, dal sito TU Delft della Dleft University of Technology. I ricercatori sono abituati a pensare ai dati solo in termini di pubblicazione finale; questa check list li stimola a pensare ai diversi set di dati che vengono raccolti e gestiti durante tutto il processo di ricerca.

Corso sulla gestione dei dati, gratuito (da pagare soltanto, se si desidera, la certificazione finale): Essentials 4 Data Support (https://researchdata.nl/en/services/cursus/) ; link direttohttps://datasupport.researchdata.nl/en/. Tutto il materiale è scaricabile.

The Turing way contiene il capitolo sulla gestione dei dati della ricerca (https://the-turing-way.netlify.app/reproducible-research/rdm.html)

Corso online sulla gestione dei dati, “Mantra” dell’Università di Edimburgo (https://mantra.edina.ac.uk/)

Corso online sulla gestione dei dati, UK Data Service,https://www.ukdataservice.ac.uk/manage-data/training.aspx

Video: 23 Things Revisited Field Guides to Research Data Management (https://www.rd-alliance.org/23-things-revisited-field-guides-research-data-management-0)

Articolo “Support Your Data: A Research Data Management Guide for Researchers” (https://doi.org/10.3897/rio.4.e26439) con una interessante tabella guida per le diverse fasi del progetto e gli obiettivi prefissati.

Corso di gestione dei dati della ricerca per l’ambito delle scienze umane “Manage improve and open up your research data” (https://training.parthenos-project.eu/sample-page/manage-improve-and-open-up-your-research-and-data/)

Libro sulla gestione dei dati della ricerca nell’ambito delle scienze umane: “Digital Technology and the Practices of Humanities Research” (https://library.oapen.org/handle/20.500.12657/22813) 

Guide e corsi suggeriti da UK Data Archive: https://www.data-archive.ac.uk/resources/ 

Corsi suggeriti da Digital Curation Centre (DCC): Training for different audiences (https://www.dcc.ac.uk/guidance/how-guides/how-develop-rdm-services#Guidance)

Glossario sui dati della ricerca gestito dalla National Library of Medicine: Data Glossary (https://www.nnlm.gov/guides/data-glossary)

“Guidance on Open Science and Research Data Management in Horizon Europe proposals” (Shalini Kurapati, & Federica Cappelluti. (2021). Guidance on Open Science and Research Data Management in Horizon Europe proposals. Zenodo. https://doi.org/10.5281/zenodo.5527043).

“How_to_address_OS_in_HE_proposals.pdf” (https://osf.io/dp6je)

“RDM Guidance documents” – Ghent University (Mertens, M., Van de Velde, T., Standaert, L., De Bodt, S., Oset García, P., & Choueiki, Z. (2023, February 8). RDM guidance documents. Retrieved from https://osf.io/2kdve/)

Per una maggiore consapevolezza sulle attività da svolgere per una buona gestione dei dati, può essere utile la lettura dell’OpenAIRE RDM handbook.

Parzialmente tratto dal materiale del corso della dott.ssa Elena Giglia “Open Science dalla A alla Z” (DOI: 10.5281/zenodo.3908317)

data-ogsb

Durante la gestione di un progetto di ricerca può essere molto utile ed è consigliato l’utilizzo di strumenti collaborativi che consentano la gestione condivisa della documentazione di progetto e della relativa organizzazione, della gestione del versioning, della comunicazione. 

Nella documentazione di progetto devono essere gestiti gli accordi riguardanti i termini di collaborazione tra diversi gruppi di ricerca (interni all'organizzazione o interni ed esterni); altri documenti possono riguardare accordi sulla proprietà intellettuale di dati, protocolli, prodotti della ricerca, uso futuro di essi e relativi tempi di conservazione, e anche la scelta dei dati che saranno oggetto di distruzione alla fine del progetto. Altri documenti da gestire e condividere potrebbero essere, ad esempio, dei piani operativi di progetto: sono indispensabili per la definizione di ruoli e responsabilità, aspetto strettamente legato all'authorship (definizione della lista degli autori dei prodotti finali, e del relativo ruolo, ordine degli autori, chi deciderà se e quando sottoporre il prodotto della ricerca per la review e per la pubblicazione) e legato anche all'accountability, cioè alla formalizzazione di "un impegno e un assetto organizzativo volti a rendere trasparente, tracciabile, controllabile e giudicabile ciascuno stadio del proprio operato" (in Edoardo Lombardi Vallauri (2022), "Come possiamo tradurre accountability", Accademia della crusca, https://accademiadellacrusca.it/it/consulenza/come-possiamo-tradurre-accountability/11093). Da questi aspetti scaturisce la definizione di profili autorizzativi per l'accesso alle informazioni di progetto, dati compresi. Il piano operativo di progetto è utile in tutte quelle discipline che necessitano di metodogie che devono essere descritte passo per passo e risulta vantaggioso nel caso in cui ci sia un turnover nel personale coinvolto nel progetto.

Di seguito alcuni strumenti consigliati per la gestione della documentazione:

Open Science Framework (OSF) - Si tratta di un sistema di gestione basato sul cloud che consente la strutturazione di un progetto e di gestire il controllo degli accessi. E' interoperabile con Github, Dropbox, Google Drive e tanti altri, per cui consente di essere utilizzato in un contesto in cui interagiscono tra loro diversi gruppi di ricerca di diversa provenienza ed affiliazione. Consente una gestione wiki della documentazione: con la creazione di una pagina principale per il progetto è possibile guidare i partecipanti nella consultazione dei documenti di maggior rilievo, le novità in evidenza, protocolli di laboratorio, progetti e dati.

protocols.io. - Consente di creare dei protocolli dettagliati e interattivi e può essere utilizzato sia su pc desktop che su mobile. 

Riguardo invece all'organizzazione della documentazione in cartelle sarà opportuno tenere aggiornato uno specifico documento di progetto dove sono codificate le regole per la gestione e nomenclatura di file e documenti. 

Tra gli strumenti consigliati per la gestione collaborativa dei file, Dropbox consente di organizzare i file in cartelle e sottocartelle in un cloud e offre l'interoperabilità con strumenti quali Google Workspace, Zoom, Adobe Creative Cloud, Microsoft Office, Canva, ecc.

Un altro aspetto della gestione collaborativa dei documenti di progetto è il controllo delle versioni, che è indispensabile quando più persone del gruppo di lavoro hanno accesso ai documenti e possono editarli. In assenza di un software specifico, è bene prevedere delle regole di nomenclatura dei documenti. Un software di controllo delle versioni conserva uno snapshot dei files e/o cartelle, fatto in un certo momento, così da garantire la possibilità di identificare l'autore di una determinata modifica ed evitare la proliferazione di più documenti tutti simili tra loro. Utile in questo caso, Dropbox, già citato, che offre funzionalità anche di controllo della versione, oppure lo stesso Open Science Framework (OSF).

Un altro elemento chiave nella gestione collaborativa dei progetti è la comunicazione.  In primis devono essere comunicati e condivisi obiettivi, ruoli e responsabilità. Una buona comunicazione di progetto prevede il regolare invio di aggiornamenti sintetici e chiari su eventi chiave del progetto è auspicabile prevedere incontri periodici con il/i team oltre che un piano di comunicazione del progetto, per fissare le regole stabilite in merito alla comunicazione. Alcuni strumenti utili possono essere Slack (per inviare messaggi o file a specifici membri del progetto) o veri e propri strumenti di project management o di bug tracking (es. BaseCamp, Trello, Jira, Asana, ClickUp, ecc.).

Fonte: Video "Research Collaboration Strategies and Tools", in Harvard Library YouTube Channel, https://youtu.be/0JzNNxheT1A. Slide all'URL https://www.dropbox.com/s/k819eis10g5erey/20200918-RDM-Research-Collaboration.pdf?dl=0. Molto utile, all'interno delle slide, la n. 34, con una rappresentazione grafica degli strumenti più diffusi a supporto delle diverse fasi di un progetto di ricerca. 

Una particolare tipologia di strumenti a supporto dell'attività di ricerca è rappresentata dagli Electronic Lab Notebook.

Un Electronic Lab Notebook (o ELN o digital lab notebook) è un software progettato per supportare gli scienziati nella gestione della documentazione, nella condivisione delle informazioni di progetto e per garantire la riproducibilità della ricerca.

Tra le funzionalità offerte dagli ELN:

• Editor di testo per scrivere note  e appunti

• Fogli elettronici per il calcolo e la formattazione di tabelle e grafici

• Modelli per la documentazione di procedure e protocolli

• Inventari di laboratorio per la documentazione di campioni, reagenti e apparecchiature

• Strumenti di collaborazione per la condivisione di informazioni sperimentali

Con un ELN è possibile acquisire ed organizzare i dati, collegarli a protocolli, collaborare condividendo documenti e dati direttamente nell'ambiente  di lavoro, consentire ai principal investigators di osservare e gestire i flussi di lavoro del laboratorio, esportare i dati in diversi formati. Molti di essi si integrano con decine di strumenti largamente diffusi che fanno parte dell'ecosistema della ricerca, tra cui piattaforme di data repository (es. Dataverse o altri), o strumenti per la compilazione ed aggiornamento del DMP, ecc. 

Un elenco di Electronic Lab Notebook, sia open source che a pagamento, è consultabile alla pagina Wikipedia List of electronic laboratory notebook software packages. La pagina contiene anche una utile bibliografia.

Ulteriori informazioni ed utili consigli, oltre ad altre liste di ELN da utilizzare, possono essere ritrovati sul sito dell'Università TU Delft, oppure sul sito dell'Università di Harvard, dove si può trovare anche il link alla Electronic Lab Notebook Comparison Matrix, una tabella comparativa di 33 ELN, nella quale le caratteristiche comuni a tale tipo di software sono state censite direttamente presso i venditori con l'ausilio di un questionario, elaborato dai bibliotecari dell'Università di Harvard (Harvard Longwood Medical Area Research Data Management Working Group. (2021). Electronic Lab Notebook Comparison Matrix. Zenodo. https://doi.org/10.5281/zenodo.4723753). 

Consigli sui criteri da adottare per la scelta di un Elctronic Lab Notebook, nell'articolo Roberta Kwok, How to pick an electronic laboratory notebook, Nature 560, 269-270 (2018), https://doi.org/10.1038/d41586-018-05895-3. Tra i diversi consigli: valutare attentamente i costi; assicurarsi che la conservazione dei dati, in caso di applicazione basata sul cloud, sia in regola con il GDPR; attenzionare la solidità della ditta produttrice e la stabilità del software; valutare se il software è disponibile anche in versione per dispositivi mobili; considerare l'integrazione con altri software, la possibilità di utilizzare il software in prova per un certo periodo.

Per maggiori informazioni consulta la sezione di questo sito dal titolo "Data Management Plan".

• DMP Online 
• Data Stewardship wizard
• Argos

Di seguito vengono elencate numerose risorse da consultare: 

• Guide al DMP

• Science Europe Practical Guide to the International Alignment of Research Data Management (2021)

• DMP tips and tricks (2021)

• CESSDA Adapt your DMP (2019)

• Strumenti online per scrivere un DMP

• DMP online con un modello per Horizon 2020 e Science Europe - Video tutorial su come utilizzarlo

• Data wizard con un modello per Horizon 2020 e Science Europe - Video tutorial su come utilizzarlo

• DMP tool per funder USA

• ARGOS OpenAIRE

• Strumento di autovalutazione per un DMP

• NWO rubric

• Esempio di Data Management Plan

• ZERO BRINE Data Management Plan

I costi sono un capitolo fondamentale del Data Management Plan, perché è proprio in questo documento che viene fatta la pianificazione di costi e risorse per la gestione di licenze, repository, metadati, e per il mantenimento dell'integrità della ricerca e la riproducibilità dei risultati.

Uno dei documenti di riferimento per la valutazione dei costi della gestione dei dati nella pratica della scienza aperta è il Data Management Costing Tool, pubblicato sul sito UK Data Service, una infrastruttura di ricerca governativa del Regno Unito che ha lo scopo di raccogliere le best practices in materia di scienza aperta ed in particolare di data curation e data security. Il Data Management Costing Tool contiene una estesa checklist degli aspetti da considerare per la valutazione.

OpenAIRE, nell'articolo Costs of Research Data Management, nella sezione How to comply with Horizon Europe mandate for Research Data Management, segnala la guida Costs of data management nel sito della Utrecht University. Qui, ispirandosi al the Data Management Costing Tool del sito UK Data Service sopra menzionato, vengono esplicitati gli aspetti da tenere in considerazione in merito ai costi per raccolta, documentazione e storage dei dati; per la garanzia della sicurezza degli accessi; per i costi necessari per la conservazione a lungo termine; per l'anonimizzazione, la proprietà intellettuale, la condivisione dei dati, l'eventuale digitalizzazione e l'eliminazione a fine progetto; infine viene menzionato l'aspetto della valutazione delle risorse umane disponibili e dei relativi profili professionali necessari, che rappresentano un'altra voce di costo da considerare.

OpenAIRE inoltre segnala l'infografica dal titolo What will it cost to manage and share my data? (in Zenodo, DOI 10.5281/zenodo.3837716), che invita a riflettere sulle componenti di costo di infrastruttura (storage, licenze, sicurezza, pubblicazione, riuso, conservazione a lungo termine) e di professionalità (data wrangling, cioè "il processo eseguito per raccogliere, selezionare, ristrutturare, arricchire e infine trasformare le informazioni con l’obiettivo di rispondere a una domanda specifica" - in Pierre-Nicolas Schwab, Data Wrangling: definizione, passaggi, strumenti [guida 2021],IntoTheMinds, https://www.intotheminds.com/blog/it/data-wrangling-definizione-passaggi-strumenti/ - documentazione, strutturazione dei metadati, anonimizzazione, ecc.), sui costi diretti e quelli indiretti (ad esempio infrastrutture tecnologiche interne, che potrebbero non essere rendicontabili nel progetto). L'infografica identifica i soggetti che possono aiutare il ricercatore/capo progetto nella stima dei costi e i fattori che influiscono significativamente nei costi da sostenere per la gestione dei dati e del progetto di ricerca in generale.

Un altro tool che può essere utilizzato è il Data Wizard DSW Storage Costs Evaluator (https://storage-costs-evaluator.ds-wizard.org/), ma limitatamente agli aspetti legati allo storage, non vengono considerati tutti gli altri aspetti legati ad una gestione dei dati della ricerca che riguardi l'intero ciclo di vita dei dati.

Per il deposito in ambito H2020 e HE è anche possibile utilizzare ORE (Open Research Europe, https://open-research-europe.ec.europa.eu/). Si tratta di una piattaforma di pubblicazione ad accesso aperto per la pubblicazione di ricerche derivanti da Horizon 2020 e Horizon Europe e/o da finanziamenti Euratom in tutte le aree disciplinari. La piattaforma rende facile per i beneficiari  rispettare i termini di accesso aperto dei loro finanziamenti e offre ai ricercatori un luogo di pubblicazione per condividere rapidamente i loro risultati e approfondimenti e facilitare discussioni di ricerca aperte e costruttive.

Possono essere pubblicati anche risultati negativi e i preprint; si può usufruire di open peer-review, con il beneficio di essere automaticamente conformi alla policy richiesta nel progetto Horizon.

La piattaforma fornisce anche un servizio di supporto agli autori in tutto il ciclo di vita della pubblicazione:

• dopo la submission il team editoriale effettua una serie di verifiche in merito alle policies e al rispetto dell'integrità della ricerca;
• al pre-print e ai relativi dati di ricerca viene quindi attribuito il DOI e viene pubblicato, con il vantaggio di poter essere da subito letto, citato e indicizzato in Google Scholar (una volta pubblicato su ORE, l'articolo non potrà essere pubblicato su altre riviste); 
• il lavoro viene quindi sottoposto a open peer review, in cui i revisori esperti selezionati sono disponibili agli utenti registrati, così come le loro osservazioni e le risposte del/degli autore/i; 
• gli autori sono incoraggiati a pubblicare le versioni degli articoli dopo la review, e queste avranno nuovi DOI. Alla fine della review, gli articoli saranno indicizzati in PubMed, PubMed Central, Europe PMC, Scopus, ERIH+, British Library, CrossRef,. DOAJ and INSPEC.

Proponiamo un elenco di piattaforme di open peer review su moodle Units RicercheBibliografiche2021: Revisione e valutazione aperta (https://moodle2.units.it/mod/page/view.php?id=217677) e una pagina di UniTN con elenco piattaforme di open peer review https://www.unitn.it/archivio/r/r.unitn.it/it/ateneo/open-access/revisione-e-valutazione-aperta.html.

Nella Publon’s journal list possono essere consultate le policy riguardo alla peer review delle riviste specializzate nel proprio ambito di ricerca.

Nella pagina Open Peer Review, alla sezione "Discipline specific journals, pre-print servers & OPR initiatives" del sito FOSTER (https://www.fosteropenscience.eu/learning/open-peer-review/#/id/5a17e150c2af651d1e3b1bce), vengono suggeriti alcuni journals e server di preprints che supportano l'OPR; inoltre, in fondo alla pagina, un interessante questionario per auto-testare il proprio grado di maturità nei confronti dell'open peer review.

L'articolo Maria Cassella (2018), "Strumenti e metodi di innovazione nel panorama dell'open science: l'open peer review", AIB,  https://aibstudi.aib.it/article/view/11714/11150, classifica le diverse tipologie di open peer review, elencandone i vantaggi e i limiti.

• sono strutturati, cioè in un formato che sia machine readable;
• separati dal lavoro scientifico, per poter essere leggibili anche da chi non ha accesso al fulltext dell'articolo;
• aperti, cioè resi disponibili con licenze che ne massimizzino il riuso;
• identificabili, cioè l'entità citante e citata devono essere univocamente identificabili perchè dotate di un persistent identifier (DOI o altri identificativi);
• disponibili, cioè deve essere possibile, combinando un protocollo aperto (come ad esempio l'http) e l'identificativo persistente, accedere ai metadati della citazione.