Qualidade de dados em gestão de dados de pesquisa: um estudo bibliométrico

Data quality in research data management: a bibliometric study

Junto às discussões sobre o acesso aberto às pesquisas científicas, surge o debate a respeito do acesso aberto também aos dados que possibilitaram a construção dessas pesquisas (BRASE; FARQUHAR, 2011; SAYÃO; SALES, 2012; SILVA; SANTAREM SEGUNDO; SILVA, 2018).

A expansão do conceito de acesso livre, incorporando agora coleções de dados de pesquisa, vem se consolidando amparada por várias ações cultivadas no próprio seio das comunidades científicas, que reconhecem esses estoques de informação como uma parte do patrimônio da ciência universal e um pilar imprescindível para o seu avanço. O acesso aos dados de pesquisa torna-se, portanto, um imperativo para a ciência com reflexos globais, dado que os pesquisadores trabalham em cooperação internacional e os dados são criados, compartilhados e acessados globalmente (BRASE; FARQUHAR, 2011[1] apud SAYÃO; SALES, 2012, p. 181).

O entendimento hoje é de que esses dados, ditos de pesquisa, são parte integrante do registro acadêmico e devem estar disponíveis para reuso, pois vêm sendo reconhecidos pela comunidade científica como parte essencial das boas práticas de pesquisa (SILVA; SANTAREM SEGUNDO; SILVA, 2018).

Sales e Sayão (2019), ao propor uma representação hierárquica para os conceitos presentes no domínio dos dados de pesquisa, examinam definições do conceito de dado de pesquisa a fim de postularem uma definição própria.

Dado de pesquisa é todo e qualquer tipo de registro coletado, observado, gerado ou usado pela pesquisa científica, tratado e aceito como necessário para validar os resultados da pesquisa pela comunidade científica. (SALES; SAYÃO, 2019, p. 36).

Tanto Sales e Sayão (2019) quanto Silva, Santarem Segundo e Silva (2018) referem-se a Borgman (2010) para reafirmar a dificuldade envolvida na definição do conceito. Borgman (2010) atribui essa dificuldade ao entendimento de que a existência do dado de pesquisa enquanto tal é relativa à interpretação de alguém que dessa maneira o enxergue.

A Figura 1 consiste em um mapa conceitual cuja finalidade é fornecer uma orientação introdutória acerca das relações de significado existentes entre conceitos que são estratégicos na pesquisa. O mapa foi elaborado de modo a representar os conceitos de acordo com as concepções teóricas em que se fundamenta este artigo, as quais podem ser verificadas em Marín-Arraiza, Puerta-Díaz e Vidotti (2019), Sales et al. (2019), Silva, Santarem Segundo e Silva (2018) e Tartarotti, Dal’Evedove e Fujita (2019).

Figura 1 - Mapa conceitual: qualidade de dados em gestão de dados de pesquisa

Figura 1
Mapa conceitual qualidade de dados em gestão de dados de pesquisa
Fonte: Elaborado pelos autores.

Note-se que as questões de acesso, a despeito de serem fundamentais, não bastam: elas são tão importantes quanto o foco na viabilização do reuso dos dados – enquanto benefício decorrente, entre outros fatores, do próprio acesso aos dados, bem como da qualidade dos dados (LÓSCIO; BURLE; CALEGARI, 2017; SILVA; SANTAREM SEGUNDO; SILVA, 2018).

O objetivo deste trabalho é especificar e caracterizar a produção científica existente sobre o tema “qualidade de dados em gestão de dados de pesquisa”. Para tanto, a aferição de indicadores bibliométricos objetiva, nesta pesquisa, fornecer subsídios para a exploração da intersecção em que consiste a incidência da qualidade de dados na gestão de dados de pesquisa.

O estudo bibliométrico que ora se apresenta almeja, desse modo, prover “informações sobre a estrutura do conhecimento e sua comunicação”, de modo a evidenciar características e comportamentos da comunicação científica referente a esse tópico específico do conhecimento, tendo em vista a dimensão coletiva da construção do conhecimento humano (BUFREM; PRATES, 2005, p. 23).

A metodologia utilizada neste trabalho é, sob o ponto de vista de sua abordagem, de natureza quantitativa e qualitativa. Adicionalmente, de acordo com seus objetivos, esta pesquisa possui caráter exploratório.

Tendo em vista o objetivo deste trabalho, a escolha das bases de dados se deu pelos critérios de relevância internacional da base de dados, sua capacidade de possibilitar a geração de um panorama global sobre o tema pesquisado e o histórico da base de dados de possuir estudos de alta qualidade indexados. Portanto, foram utilizadas para o desenvolvimento desta pesquisa as bases Web of Science e Scopus.

Em se tratando de um estudo bibliométrico, vale compreender que os procedimentos metodológicos aplicados são concernentes a “organização, classificação e avaliação quantitativa sobre padrões de publicação, sujeitas a cálculos matemáticos e estatísticos”, e que a exploração de bases de dados on-line nesse contexto consiste em um procedimento “[...] não somente para analisar documentos ou fatos, mas também para traçar as tendências e o desenvolvimento da sociedade, das disciplinas científicas e das áreas de produção e consumo” (BUFREM; PRATES, 2005, p. 23).

Para a realização das análises bibliométricas, foram observados os seguintes indicadores, dentro do tópico “qualidade de dados em gestão de dados de pesquisa”:

a) categorização e distribuição quantitativa de publicações para o tópico em função das categorias “estudo teórico” e “estudo empírico”;

b) distribuição quantitativa de publicações para o tópico em função do ano de publicação;

c) distribuição quantitativa de publicações para o tópico em função dos veículos de publicação mais produtivos;

d) distribuição quantitativa de publicações para o tópico em função dos principais países de publicação;

e) distribuição quantitativa de publicações para o tópico em função das áreas do conhecimento mais produtivas, na Web of Science e na Scopus.

Para instrumentalização da coleta de dados, a pesquisa baseou-se no protocolo de revisões sistemáticas de Kitchenham (2004). No Quadro 1 estão dispostas as strings para as buscas nas bases de dados.

Quadro 1 - Strings de busca nas bases de dados

Quadro 1
Strings de busca nas bases de dados

Fonte: Elaborado pelos autores.

As buscas foram realizadas entre os dias 15 de junho e 15 de julho de 2020, de modo que retornaram apenas estudos publicados até esse período. A pesquisa na base de dados Web of Science foi realizada pela busca avançada, em que foi utilizada a “Coleção principal da Web of Science” (índices SCI-EXPANDED, SSCI, A&HCI, CPCI-S, CPCI-SSH, ESCI, CCR-EXPANDED, IC). Já na Scopus foi selecionado somente o campo “Título, resumo, palavras-chave” para a busca com a string. Desse modo, foram recuperados com as strings, considerando as duas bases de dados, 129 trabalhos no total, sendo 46 na Web of Science e 83 na Scopus.

Para triagem dos estudos, definiram-se duas etapas: (1) leitura de título, resumo e palavras-chave, a fim de verificar o contexto do estudo e a possível existência de trabalhos duplicados, etapa em que foram descartados 41 estudos; (2) leitura técnica subsidiária do conteúdo dos textos (introdução, objetivos e resultados), para verificar se os estudos atendiam aos critérios de inclusão, etapa em que foram descartados 11 estudos.

Desse modo, foram incluídos no corpus os estudos que tratavam do tópico estabelecido (qualidade de dados em gestão de dados de pesquisa), conforme os critérios de inclusão, dentre eles: (a) os trabalhos que avaliavam outros estudos sobre a temática; (b) os que forneciam procedimentos para a avaliação da qualidade de dados; (c) os que avaliavam estruturas, metodologias ou softwares já aplicados para a avaliação da qualidade de dados.

Para obtenção, tabulação e representação gráfica dos resultados concernentes às análises bibliométricas, foram utilizados o Excel, como ferramenta para edição de planilhas, bem como ferramentas disponibilizadas nas próprias bases de dados, destinadas à realização de filtragens e análises.

A seleção decorrente da avaliação dos documentos recuperados para o tópico “qualidade de dados em gestão de dados de pesquisa” gerou um corpus composto por 77 publicações. O Quadro 2 apresenta o resultado da coleta, em ordem cronológica decrescente, identificando as publicações selecionadas por meio das colunas “ID” (identificação dos trabalhos), “Título do artigo”, “Autores”, “Ano” e a coluna “Categoria” com os semi-identificadores “T” e “E”, em que “T” identifica estudo teórico e “E” identifica estudo empírico.

Quadro 2 - Publicações selecionadas para as análises bibliométricas

Quadro 2
Publicações selecionadas para as análises bibliométricas

Fonte: Elaborado pelos autores.

O Quadro 2 mostra que o corpus é constituído por 29 estudos teóricos e 48 empíricos. Na Figura 2, é possível visualizar a distribuição dos trabalhos conforme o ano de publicação.

Figura 2 - Distribuição quantitativa de publicações sobre qualidade de dados em gestão de dados de pesquisa em função do ano de publicação

Figura 2
Distribuição quantitativa de publicações sobre qualidade de dados em gestão de dados de pesquisa em função do ano de publicação
Fonte: Elaborado pelos autores.

Nota-se, pela Figura 2, que as publicações científicas identificadas estão distribuídas entre os anos de 1984 e 2020. Os dados revelam uma curva instável ao longo do tempo. O ano de 2019 destacou-se pelo maior número de trabalhos publicados, com um total de 13 publicações, das quais 12 foram categorizadas como referentes a estudos empíricos.

Nota-se, ademais, que 31% das publicações se concentram, aproximadamente, entre os anos de 2012 e 2014. Por meio de exame dos títulos, resumos e palavras-chave das publicações do corpus, observou-se que esse dado pode estar relacionado à expansão das pesquisas sobre curadoria, sob tal terminologia, bem como à consolidação do Digital Curation Centre (DCC). É notável, nesse sentido, que as fases 1, 2 e 3 do DCC tenham sido finalizadas respectivamente em 2007, 2010 e 2013 (DIGITAL CURATION CENTRE, 2021).

A análise subsequente evidencia os veículos de publicação indexados na Web of Science e na Scopus que se destacaram como os mais produtivos para o tópico da pesquisa, conforme exposto na Figura 3.

Figura 3 – Distribuição quantitativa de publicações em função dos veículos de publicação mais produtivos para o tópico qualidade de dados em gestão de dados de pesquisa

Figura 3
– Distribuição quantitativa de publicações em função dos veículos de publicação mais produtivos para o tópico qualidade de dados em gestão de dados de pesquisa
Fonte: Elaborado pelos autores.

A Figura 4 apresenta uma análise do volume das publicações de cada país. Em consonância com os filtros e a análise das bases de dados utilizadas, o país de publicação é referente à nacionalidade atribuída aos autores, de modo que, se a publicação é assinada por três indivíduos com nacionalidades distintas, por exemplo, os três respectivos países pontuam uma vez com base nessa publicação.

Figura 4 - Distribuição quantitativa de publicações sobre qualidade de dados em gestão de dados de pesquisa em função dos principais países de publicação

Figura 4
Distribuição quantitativa de publicações sobre qualidade de dados em gestão de dados de pesquisa em função dos principais países de publicação
Fonte: Elaborado pelos autores.

Os países que publicaram (1 artigo cada), mas não estão na Figura 4 são: Arábia Saudita, Brasil, Coréia do Sul, Dinamarca, Eslovênia, França, Gana, Hungria, Israel, Japão, Luxemburgo, Noruega, Nova Zelândia, Polônia, Portugal, Singapura e Suíça.

Posteriormente, foi realizada a análise das áreas do conhecimento que, para o tópico, mais tiveram registros identificados nas bases de dados. A Figura 5 mostra os gráficos das áreas mais produtivas em cada base. Devido ao fato de as bases apresentarem diferentes políticas de classificação temática, julgou-se necessária a elaboração de dois gráficos separadamente, dispensando uma eventual compilação dos dados provenientes das duas bases.

Figura 5 - Distribuição quantitativa de publicações sobre qualidade de dados em gestão de dados de pesquisa em função das áreas do conhecimento mais produtivas: Web of Science e Scopus

Figura 5
Distribuição quantitativa de publicações sobre qualidade de dados em gestão de dados de pesquisa em função das áreas do conhecimento mais produtivas Web of Science e Scopus
Fonte: Elaborado pelos autores.

A partir dos gráficos da Figura 5, é notável um predomínio dos estudos desenvolvidos, em linhas gerais, no âmbito da Ciência da Computação. Desse modo, tal traço se reflete nas análises a seguir.

Partindo da observação de que o ano de 2019 se destaca com a maior quantidade de estudos (13), a análise de tal amostra permite a percepção de uma tendência qualitativa nas produções científicas para o tema. Nela, nota-se a presença marcante de uma relação de interdisciplinaridade que reside na investigação de métodos e aplicações da Ciência da Computação para instrumentalizar a gestão de dados de pesquisa no âmbito das ciências biológicas e da saúde. Considerando esse subconjunto de estudos e a categorização temática da Web of Science, destacam-se subáreas como a Informática Médica, a Engenharia Biomédica e a de Serviços em Saúde.

Rajan et al. (2019) explicam sobre a heterogeneidade das fontes no domínio da pesquisa biomédica, de um modo geral, e como isso constitui um problema, uma vez que as práticas nesse contexto estão cada vez mais dependentes da utilização secundária dos dados existentes, a exemplo dos prontuários eletrônicos do paciente. Isso, então, impacta na estrutura de avaliação da qualidade de dados nesse domínio, considerando suas dimensões e métricas. No estudo, os autores desenham, desenvolvem e implementam uma ferramenta para avaliação de qualidade de dados e caracterização de dados em repositórios de dados de saúde.

É possível também tecer uma análise sobre a produção científica concernente à Ciência da Informação, ao se considerar, conforme sustentado anteriormente, que o bibliotecário pode atuar na gestão de dados de pesquisa, o que se soma ao fato de que não existem parâmetros absolutos para a determinação da qualidade de dados, pois tal aferição é necessariamente relativa a domínios específicos, de modo que é necessário se adaptar ao domínio de atuação para melhor atender o usuário.

A partir desses pressupostos, buscou-se verificar se algum dos 77 estudos selecionados para as análises bibliométricas deste trabalho poderia embasar a atuação do bibliotecário com vistas à qualidade de dados em gestão de dados de pesquisa. Adotou-se como estratégia a análise dos 7 estudos categorizados pela Web of Science como sendo de Biblioteconomia e Ciência da Informação. Os estudos estão identificados no Quadro 3.

Quadro 3 - Subconjunto de publicações da categoria Biblioteconomia e Ciência da Informação da Web of Science

Quadro 3
Subconjunto de publicações da categoria Biblioteconomia e Ciência da Informação da Web of Science

Fonte: Elaborado pelos autores.

Com base na quantidade de publicações de cada autor e na quantidade de citações fornecida pela Web of Science para cada publicação, é possível destacar como principais autores: Besiki Stvilia, Hong Huang e Corinne Joergensen. Para esse subconjunto, o único país com mais de um estudo são os Estados Unidos: são 5 estudos, nos quais estão inseridos os trabalhos dos autores mencionados, que, por sua vez, concentram-se mais especificamente no estado da Flórida.

Ainda considerando o subconjunto de 7 estudos em Biblioteconomia e Ciência da Informação, 4 deles são categorizados pela Web of Science como pertinentes à Ciência da Computação, dos quais 3 são os que se destacam pelo número de citações na Web of Science: Wallis et al. (2007), 26 citações; Huang et al. (2012), 14 citações; e Stvilia et al. (2015), 10 citações.

Outro estudo em Biblioteconomia e Ciência da Informação que merece destaque, não apenas pelo número de citações na Web of Science (17), mas também por ser o mais recente entre os 7, é Koltay (2016), artigo publicado no IFLA Journal. Nele, o autor aborda questões de qualidade de dados pela ótica da governança de dados (data governance), e conclui que, apesar de o conhecimento sobre governança de dados vir recebendo mais atenção em ambientes empresariais, e apesar de os bibliotecários já dominarem algumas das competências a ele relacionadas, é fundamental sua compreensão e aplicação para beneficiamento dos serviços de gestão de dados de pesquisa. Especialmente porque, como demonstra o autor, técnicas de governança de dados são aplicáveis a todos os níveis presentes em tais serviços.

A realização da pesquisa que culminou neste trabalho possibilitou, primeiramente, a realização de um mapeamento teórico a respeito da incidência da qualidade de dados sobre a curadoria e a gestão de dados de pesquisa, cujas atividades são apoiadas pelos repositórios de dados.

A partir dos resultados das análises bibliométricas, este trabalho explicita um panorama geral da produção científica existente sobre qualidade de dados em gestão de dados de pesquisa. Dentro disso, foram possíveis apontamentos, tais como a identificação de uma tendência qualitativa nas produções científicas no tema, localizada na interdisciplinaridade entre a Ciência da Computação e as ciências biológicas e da saúde. Para pesquisas futuras, vislumbra-se a realização de estudos com características ainda mais qualitativas a partir dos resultados apresentados, tanto os referentes ao corpus de publicações ora selecionado e avaliado, quanto os relativos aos dados bibliométricos aferidos.

Assim como o que se apresenta, trabalhos que desenvolvam aspectos envolvidos na gestão de dados de pesquisa contribuem para a Ciência na medida em que fortalecem a cultura da Ciência Aberta e dos princípios FAIR. Nessa perspectiva, são muitos os benefícios, desde os que decorrem diretamente do acesso aberto a dados – bem como da qualidade desses dados – à possibilidade, por meio de seu reuso, de reprodução e verificação das pesquisas, e mesmo de potencialização da visibilidade de pesquisadores e instituições.

Trabalhos como este são importantes por tratarem de um tema em franca expansão, que tem um caminho ainda a enfrentar para sua ampla concretização; mesmo no cenário internacional, mas principalmente no brasileiro.

Aos profissionais da informação – e especificamente aos bibliotecários, este trabalho pode indicar caminhos para a oferta de serviços de gestão de dados de pesquisa. A partir da consciência de que a qualidade de dados é um parâmetro relativo, a implementação de serviços dessa natureza deve passar por preparação, com foco no atendimento a requisitos como os concernentes ao domínio de atuação – que eventualmente pode estar contemplado por literatura específica para qualidade de dados em gestão de dados de pesquisa no referido domínio –, bem como aos usos pretendidos para os dados.

Financiamento

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) e Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq).

Declaração de autoria: Concepção e elaboração do estudo: Daiane Marcela Piccolo, Antonio Victor Wolf Tadini, Heytor Diniz Teixeira, Leonardo Castro Botega Coleta de dados: Daiane Marcela Piccolo, Antonio Victor Wolf Tadini, Heytor Diniz Teixeira Análise e interpretação de dados: Daiane Marcela Piccolo, Antonio Victor Wolf Tadini, Heytor Diniz Teixeira, Leonardo Castro Botega, Ricardo César Gonçalves Sant’Ana, José Eduardo Santarem Segundo, Rachel Cristina Vesu Alves Redação: Daiane Marcela Piccolo, Antonio Victor Wolf Tadini, Heytor Diniz Teixeira Revisão crítica do manuscrito: Leonardo Castro Botega, Ricardo César Gonçalves Sant’Ana, José Eduardo Santarem Segundo, Rachel Cristina Vesu Alves

Como citar:: PICCOLO, Daiane Marcela et al. Qualidade de dados em gestão de dados de pesquisa: um estudo bibliométrico. Em Questão, Porto Alegre, v. 28; n. 1, p. 159-184, 2022. DOI: http://dx.doi.org/10.19132/1808-5245281.159-184