As discussões em torno dos dados de pesquisa vêm ganhando força nos campos científicos motivadas por iniciativas de organizações internacionais, tais como a Organisation for Economic Co-operation and Development (OECD). Essas discussões culminaram na publicação dos “Princípios e Diretrizes para acesso a dados de pesquisa de Financiamento público” (em inglês Principles and Guidelines for Access to Research Data from Public Funding), em 2007 (OECD, 2007).

Diversas agências internacionais de fomento à pesquisa passaram a requerer, como critério para a concessão de recursos, o comprometimento por parte dos pesquisadores que os dados derivados das pesquisas fossem gerenciados e arquivados em repositórios, a fim de garantir preservação a longo prazo e maior facilidade de compartilhamento (Bertin; Visoli; Drucker, 2017).

Embora as discussões em torno do compartilhamento dos dados pareçam estar sedimentadas por parte das organizações e agências de financiamento, nas áreas do conhecimento ainda há discussões sobre o que de fato seriam dados de pesquisa.

De acordo com Bertin, Visoli e Drucker (2017, p. 38) “[...] dados de pesquisa, por sua vez - e também de modo simplificado -, são todo o tipo de registro produzido, compilado ou utilizado no decorrer da pesquisa”. Esse conceito tem uma amplitude de significados que varia de acordo com a área do conhecimento, o contexto e o objeto da pesquisa, as metodologias usadas na geração e na coleta e até mesmo na sua destinação ou finalidade (Bertin; Visoli; Drucker, 2017; Sayão; Sales, 2020).

Em busca de um conceito de dados de pesquisa que vise representar suas especificidades em diferentes áreas do conhecimento, Sayão e Sales (2020, p. 32) cunharam a seguinte definição:

[...] dado de pesquisa é todo e qualquer tipo de registro coletado, observado, gerado ou utilizado no âmbito da pesquisa científica, que pode ser interpretado, tratado e aceito como evidência pela comunidade científica e necessário para analisar, validar e produzir resultados de pesquisa.

Conforme pontuado por Sayão e Sales (2020), a condição para ser um dado de pesquisa, é que ele precisa ser aceito como evidência pela comunidade científica, isso leva a reflexões do tipo: todos os dados devem ou não ser compartilhados? Eles podem ser reutilizados para outras pesquisas em diferentes áreas do conhecimento?

Chauvette, Schick-Makaroff e Molzahn (2019) afirmam que nem todos os dados de pesquisa qualitativa são passíveis de compartilhamento, pois há questões epistemológicas, metodológicas, legais e éticas que podem trazer implicações significativas para a qualidade da análise e interpretação nos estudos.

Para Childs et al. (2014) os dados de pesquisa podem ser compartilhados e reusados por outras áreas do conhecimento, mas as decisões sobre o seu compartilhamento, precisam ser tomadas no estágio projeto de pesquisa, pois afetam as escolhas metodológicas e a aprovação ética, portanto, as pessoas mais adequadas para tomar essas decisões sobre quais dados são apropriados para reter e compartilhar, são os próprios pesquisadores em negociação com os participantes da pesquisa.

Apesar dessas discussões, o fato é que as práticas de compartilhamento vêm sendo discutidas e em muitos casos exigidas por periódicos e agências de fomento à pesquisa. Portanto, o alcance da sustentabilidade e da competitividade no sistema científico moderno, perpassa pelo compromisso das instituições e dos pesquisadores em garantir o apropriado gerenciamento e a preservação dos dados de pesquisa, de modo a possibilitar a verificação futura de resultados e a reutilização dos dados originais (Bertin; Visoli; Drucker, 2017).

Assim como não há uma definição unívoca para dados de pesquisa, também não há uma definição precisa para o termo reutilização. Seu entendimento varia entre disciplinas e até mesmo indivíduos e nenhum padrão comum parece ser aplicado ainda (Van de Sandt et al., 2019). No caso deste artigo a definição de reutilização considera o uso de qualquer recurso de pesquisa independentemente de quando é usado, a finalidade, as características dos dados e seu usuário (Van de Sandt et al., 2019).

Dentre as vantagens para reúso de dados destacam-se economia de tempo na amostragem, coleta e processamento dos dados de pesquisa, aquisição de dados de participantes de difícil acesso, redução da carga de pesquisa sobre os participantes e maximização do valor de suas contribuições para pesquisas em diferentes campos de conhecimento (Chatfield, 2020).

No entanto, a disponibilidade dos dados de pesquisa depende da infraestrutura para torná-los descobertos, recuperáveis, interpretáveis e utilizáveis, da documentação de metadados de proveniência dos dados, do fornecimento de informações contextuais necessárias para a sua interpretação e o uso de licenças podem ser cruciais na superação dos desafios inerentes a sua reutilização (Bhattacharya et al., 2018; Borgman; Scharnhorst; Golshan, 2019; Childs et al., 2014).

Considerando a necessidade de melhorar a infraestrutura que apoia a reutilização de dados de pesquisa, bem como contribuir para que as máquinas possam encontrá-los e usá-los automaticamente, além de possibilitar que os indivíduos os compreendam, foram criados os Princípios FAIR (Findability, Accessibility, Interoperability, and Reusability) (Wilkinson et al., 2016). Traduzidos para o português, esses princípios significam que os dados devem ser Encontráveis, Acessíveis, Interoperáveis e Reutilizáveis. Esses princípios definem características para ferramentas, vocabulários e infraestruturas que auxiliam na descoberta e reutilização de dados de pesquisa por terceiros (Wilkinson et al., 2016).

No Brasil, mais precisamente na Ciência da Informação, ainda são incipientes os relatos na literatura científica de trabalhos que exploram a adoção dos Princípios FAIR a conjuntos de dados (ou datasets) de pesquisa depositados em repositórios de dados de maneira prática, conforme busca realizada na busca Base de Dados Referenciais de Artigos de Periódicos em Ciência da Informação (Brapci)¹.

Os trabalhos encontrados foram de Felipe e Santos (2022), cujo objetivo foi avaliar, com base nos metadados FAIR Data Point, a qualidade dos metadados do Repositório de Dados de Estudos Ecológicos (PPBIO); o trabalho de Bonetti e Arakaki (2022) cujo objetivo foi avaliar a conformidade dos datasets depositados no repositório da Universidade Federal de São Carlos (UFSCar) quanto aos 4 princípios FAIR e o trabalho de Rodrigues, Dias e Lourenço (2022) cujo objetivo foi investigar a gestão e curadoria dos conjuntos de dados de pesquisa disponibilizados nos repositórios digitais institucionais sul-americanos à luz dos princípios FAIR.

Nesse sentido, com o objetivo de contribuir para essas discussões, este artigo buscou verificar a adoção dos princípios FAIR nos datasets depositados no repositório LattesData, a partir do uso de uma ferramenta automática denominada F-UJI Automated FAIR Data Assessment Tool².

O repositório LattesData foi lançado ainda no primeiro semestre de 2022, foi desenvolvido por meio da parceria entre Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) e o Instituto Brasileiro de Informação em Ciência e Tecnologia (IBICT). Seu objetivo é “reunir, armazenar e divulgar os conjuntos de dados científicos de pesquisadores beneficiários CNPq” (CNPq, c2022).

Nesse sentido considerando que o lançamento do repositório é recente e considerando que ele busca reunir os dados de pesquisa dos pesquisadores que recebem fomento do CNPq, portanto, dados advindos de diversas áreas do conhecimento e em diversos formatos, entende-se que esse trabalho pode trazer como contribuição um diagnóstico ainda que inicial para os gestores do LattesData.

Os dados de pesquisa são todas as evidências que são coletadas para subsidiar um estudo, testar hipóteses, descobrir novos produtos, materiais, medicamentos, etc. De acordo com Pavão et al. (2019, p. 7) definem os dados de pesquisa como “[...] dados coletados, observados ou produzidos durante a pesquisa (números, textos, imagem, som, saídas de equipamentos) para fins de análise e produção de resultados de pesquisa originais”.

Eles estão presentes em todas as áreas do conhecimento e são o combustível para o desenvolvimento de técnicas e tecnologias que beneficiam a vida no planeta, o progresso da humanidade, maior expectativa e qualidade de vida, melhoria dos deslocamentos e formas de transporte, disponibilidade de informações, desenvolvimento de aparelhos tecnológicos, entre outros, ou seja, sem as descobertas científicas o mundo ficaria paralisado:

Dados de pesquisa são os materiais comumente registrados e aceitos na comunidade científica como necessários para validar os resultados de pesquisa [...] e incluem: fatos e estatísticas recolhidas para posterior referência ou análise, documentos (texto, Word), planilhas (Excel, etc.), cadernos de laboratório, cadernos de campo, diários, questionários, transcrições, fitas de áudio, fitas de vídeo, fotografias, filmes, sequências de proteínas ou genéticos, respostas de teste, slides, artefatos, amostras, coleção de objetos digitais adquiridos e gerados durante o processo de pesquisa, conteúdos de banco de dados (vídeo, áudio, texto, imagens), modelos, algoritmos, scripts, arquivos de log, software de simulação, metodologias e fluxos de trabalho, procedimentos operacionais, padrões e protocolos (Dudziak, 2016).

Para Silva (2019, p. 3) os dados são valiosos porque, “[...] se o conhecimento é o motor do avanço científico, os dados são seu combustível”. Em termos de carga semântica, o dado é um elemento desprovido de significado, algo de difícil interpretação quando examinado fora de um contexto. Segundo Schreiber et al. (2000, p. 3):

[...] os dados são o sinal não interpretado que alcança nossos sentidos, zilhões a cada minuto. Por exemplo, uma luz vermelha, verde ou amarela em um cruzamento. Os computadores estão cheios de dados: os sinais elétricos dos circuitos digitais são representados por sequências de números, caracteres e outros símbolos que são manuseados em grandes quantidades.

Nessa definição, os autores apresentam o dado como um objeto identificado a partir da percepção humana e que são operáveis cognitivamente ou computacionalmente, com um único fim: produzir informação. Assim, sua utilização requer um processo anterior de agregação de valor semântico, ou seja, um processo que permita a reunião, processamento, contextualização e a consequente interpretação, para que o dado faça sentido e se transforme em informação útil e reutilizável.

Segundo Sayão e Sales (2015) os dados de pesquisa podem incluir: números, imagens, textos, vídeos, áudio, software, algoritmos, equações, animações, modelos, simulações. Nesse contexto, eles deixam de ser simples subprodutos das atividades de pesquisa e se tornam recursos informacionais de primeira grandeza, caracterizando um novo paradigma científico pautado pelo compartilhamento, amplo acesso e reúso (Sayão; Sales, 2016). Portanto, devido ao fenômeno da e-Science, que se caracteriza pela intensa produção de dados a partir de instrumentos tecnológicos, os dados de pesquisa passam a ser motores de grande potencial de inovação, com isso, a sua gestão pode favorecer o reúso por diferentes pesquisadores e de diferentes áreas do conhecimento.

A aplicação da ferramenta F-UJI para análise dos datasets do repositório LattesData possibilitou identificar que vários princípios FAIR já estão contemplados.

No Gráfico 1, realizou-se uma síntese de cada uma das métricas mencionadas no Quadro 5 com o propósito de apresentar o grau de adequação dos datasets. No eixo vertical estão arroladas as métricas, enquanto o nível de conformidade de cada métrica é apresentado no eixo horizontal.

Gráfico 1 - Fonte: Dados da pesquisa.

No gráfico 1 é possível observar que as métricas (1)FsF-F1-01D, (2)FsF-F1-02D, (3)FsF-F2-01M, (4)FsF-F3-01M e (5)FsF-F4-01M, que representam o Princípio da Encontrabilidade, foram atendidas, por 100% (13) dos datasets, demonstrando grau avançado de conformidade.

As métricas relacionadas ao Princípio da Encontrabilidade verificam (1) se os dados são atribuídos a um identificador globalmente exclusivo, (2) se os dados recebem um identificador persistente, (3) se os metadados incluem elementos centrais descritivos (criador, título, identificador de dados, editor, data de publicação, resumo e palavras-chave) para apoiar a localização dos dados, da mesma forma, verifica (4) se os metadados incluem o identificador dos dados que descrevemos e (5) se os metadados são disponibilizados de forma que possam ser recuperados programaticamente (Devaraju; Huber, 2021).

Neste contexto, fica evidente que os datasets analisados atingiram um nível avançado de conformidade para o Princípio da Encontrabilidade, garantindo a acessibilidade e a identificação eficaz desses dados.

No que diz respeito ao Princípio da Acessibilidade, considerando as métricas FsF-A1-01M, que avalia o grau de acesso tanto aos metadados quanto aos dados, observou-se que 100% (13) dos datasets apresentaram um nível de conformidade incompleto de acordo com os parâmetros estabelecidos para o princípio. Em contrapartida, quanto às métricas FsF-A1-03D, que verifica a acessibilidade dos dados e FsF-A1-02M, que avalia se os metadados podem ser acessados por meio de um protocolo de comunicação padronizado, 100% (13) dos datasets demonstraram um nível avançado de conformidade com esse princípio (Devaraju; Huber, 2021).

Quanto ao Princípio da Interoperabilidade, as métricas FsF-I1-01M, que verifica se os metadados utilizam uma linguagem de representação do conhecimento, e a métrica FsF-I3-01M, que verifica se os metadados incluem links entre os dados e as entidades relacionadas, foram atendidas por 100% (13) dos datasets, alcançando o nível avançado de conformidade com o FAIR. Contudo, o princípio FsF-I2-01M, que verifica se os metadados usam recursos semânticos como ontologia, tesauro e taxonomias para garantir a interpretação inequívoca dos assuntos e termos utilizados na representação da informação, ainda precisa ser aprimorada nos datasets, uma vez que 100% (13), atingiram apenas o nível inicial de conformidade com o Princípio da Interoperabilidade.

Na análise sobre o Princípio da Reutilização dos dados, observou-se que ele requer maior atenção, devido às consideráveis disparidades nos níveis de adequação dos datasets. Na métrica FsF-R1-01MD, que verifica se os metadados especificam o conteúdo dos dados, 76,9% (10) dos datasets obtiveram um nível de conformidade avançado, enquanto os 23% (3) restantes obtiveram um nível intermediário. Nas métricas FsF-R1.1-01M, que avaliam se os metadados incluem informações sobre as licenças para reutilização, e FsF-R1.3-01M, que verificam se os metadados seguem um padrão recomendado pela comunidade de pesquisa dos dados, 100% (13) dos datasets obtiveram um nível inicial de conformidade.

Ainda em relação ao Princípio da Reutilização, a métrica FsF-R1.2-01M, que avalia se os metadados incluem informações de proveniência sobre a criação ou geração de dados, revelou que 100% (13) dos datasets avaliados demandam melhorias, uma vez que obtiveram nível intermediário de conformidade.

Por fim, o teste com a métrica FsF-R1.3-02D, que verifica se os dados estão disponíveis em um formato de arquivo recomendado pela comunidade de pesquisa alvo, apresentou os seguintes resultados: 38,46% (5) dos datasets se enquadram no nível avançado e 61,53% (8) atingiram o nível intermediário de conformidade com o princípio.

Com isso, podemos observar que os datasets depositados no LattesData, demonstram alto grau de conformidade com o Princípio da Encontrabilidade. Em relação ao Princípio da Acessibilidade, de acordo com as 3 métricas avaliadas, 2 atingiram o nível avançado de conformidade, enquanto 1 delas enquadra-se no nível incompleto. Quanto ao Princípio da Interoperabilidade, 2 das 3 métricas alcançaram o nível avançado de conformidade, enquanto 1 está no nível incompleto. Já o Princípio da Reutilização, que possui o maior número de métricas, demanda atenção especial. As 2 métricas encontram-se em um estágio inicial de conformidade, 1 está no nível intermediário e 2 apresentam variação entre os diferentes datasets.

Observa-se que os datasets analisados tem um desempenho positivo com relação ao Princípio da Encontrabilidade e na maioria das métricas relacionadas aos Princípios da Acessibilidade e Interoperabilidade, contudo ainda existem aspectos específicos relacionados aos metadados que devem ser aprimorados para poder garantir acesso e informações seguras quanto a procedência. No entanto, há desafios significativos em relação ao Princípio da Reutilização, com necessidade de melhorias na especificação de metadados, informação de proveniência e formato de dados e de arquivos. A análise destaca a importância de aprimorar a forma de registro dos metadados e armazenamento dos dados para garantir sua qualidade, confiabilidade e utilidade máxima para o uso e reúso (Devaraju; Huber, 2021).

No Tabela 1, pode-se identificar o quantitativo total de métricas atendidas, por dataset, em cada nível de conformidade dos diferentes princípios. A última coluna apresenta o número de métricas para referência, da mesma forma, os datasets que demonstraram pior desempenho estão marcados em cinza claro.

Tabela 1 -

ITEM	LATTES DATA	A	INT	INI	INC	MTR
1	https://doi.org/10.57810/lattedata/QU5LC9	9	3	3	1	16
2	https://doi.org/10.57810/lattedata/L3JK6O	11	1	3	1	16
3	https://doi.org/10.57810/lattedata/TQAD9D	11	1	3	1	16
4	https://doi.org/10.57810/lattedata/ODBRQG	10	2	3	1	16
5	https://doi.org/10.57810/lattedata/51N0TE	10	2	3	1	16
6	https://doi.org/10.57810/lattedata/UWUC2I	11	1	3	1	16
7	https://doi.org/10.57810/lattedata/4YPJ1I	11	1	3	1	16
8	https://doi.org/10.57810/lattedata/6WUTNU	9	3	3	1	16
9	https://doi.org/10.57810/lattedata/QB4OZ3	9	3	3	1	16
10	https://doi.org/10.57810/lattedata/HSUS6N	11	1	3	1	16
11	https://doi.org/10.57810/lattedata/53D2XM	10	2	3	1	16
12	https://doi.org/10.57810/lattedata/VG2MA6	10	2	3	1	16
13	https://doi.org/10.57810/lattedata/3TKOSU	10	2	3	1	16

Legenda: A - Avançado, INT - Intermediário, INI - Inicial, INC - Incompleto e MTR - Nº de Métricas

Pode-se observar que os datasets 1, 8 e 9, possuem os menores níveis de conformidade. Já os datasets que apresentam melhores níveis de conformidade são 2, 3, 6, 7 e 10, que atingiram nível avançado em 11 das 16 métricas avaliadas.

O Quadro 6, apresenta um diagnóstico individual dos datasets, apresentando os 34 critérios testados referente às 16 métricas analisadas.

Quadro 6 -

FAIR	MÉTRICA	CRITÉRIOS TESTADOS	DATASETS - DIAGNÓSTICO/ ITENS IDENTIFICADO COMO DEMANDA DE MELHORIA
			1	2	3	4	5	6	7	8	9	10	11	12	13
ENCONTRABILIDADE	FsF-F1-01D	O objeto é identificado por um identificador exclusivo (GUID ou IRI) que segue uma sintaxe adequada.	A	A	A	A	A	A	A	A	A	A	A	A	A
		O identificador é acessível pela web (não quebrado).	A	A	A	A	A	A	A	A	A	A	A	A	A
	FsF-F1-02D	Um identificador de dados é especificado com base em um esquema de identificador persistente comumente aceito e adequado para dados de pesquisa.	A	A	A	A	A	A	A	A	A	A	A	A	A
		O identificador é acessível pela web, ou seja, resolve para uma landing page com metadados do objeto de dados.	A	A	A	A	A	A	A	A	A	A	A	A	A
	FsF-F2-01M	Alguns metadados (todos) foram disponibilizados através de padrões comuns (web).	A	A	A	A	A	A	A	A	A	A	A	A	A
		Os metadados básicos mínimos de citação são especificados (criador, título, data de publicação, editor e identificador)	A	A	A	A	A	A	A	A	A	A	A	A	A
		Os metadados descritivos básicos mínimos são especificados (criador, título, editor, data de publicação, resumo, palavras-chave, identificador) por meio de campos de metadados apropriados.	A	A	A	A	A	A	A	A	A	A	A	A	A
	FsF-F3-01M	Os metadados contêm um PID ou URL que indica a localização do conteúdo de dados para download	NA	A	A	A	A	A	A	A	A	A	A	A	A
		Um identificador de dados é incluído nos metadados e corresponde ao identificador fornecido como parte da solicitação de avaliação .	A	A	A	A	A	A	A	A	A	A	A	A	A
	FsF-F4-01M	Os metadados do objeto podem ser recuperados programaticamente por meio de pelo menos um dos seguintes métodos: Dados estruturados incorporados na página inicial do objeto de dados e Links digitados de documento de metadados ou links de cabeçalho de sinalização.	A	A	A	A	A	A	A	A	A	A	A	A	A
		Negociação de conteúdo com um serviço provedor de PID (ex.: DataCite).	A	A	A	A	A	A	A	A	A	A	A	A	A
ACESSIBILIDADE	FsF-A1-01M	Os metadados incluem o nível de acesso aos dados (por exemplo, público, embargado, restrito) e suas condições de acesso usando campos de metadados apropriados.	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
		Os metadados de nível de acesso são legíveis por máquina e isso é verificado em relação a vocabulários controlados.	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
	FsF-A1-02M	O esquema do URI de metadados é baseado em um protocolo de aplicação comum.	A	A	A	A	A	A	A	A	A	A	A	A	A
		Os metadados são acessíveis através do identificador fornecido.	A	A	A	A	A	A	A	A	A	A	A	A	A
	FsF-A1-03D	O esquema do URI de dados é baseado em um protocolo de aplicação compartilhado.	NA	A	A	A	A	A	A	A	A	A	A	A	A
		Os dados são acessíveis através do identificador fornecido.	NA	A	A	A	A	A	A	A	A	A	A	A	A
	FsF-A2-01M *	Portanto, este teste só é aplicável para objetos excluídos, substituídos ou obsoletos. É importante ressaltar que o acesso contínuo aos metadados depende da prática de preservação do repositório de dados. Portanto, consideramos que a avaliação da métrica se aplica ao nível de um repositório, e não ao nível de objetos individuais. Por esse motivo, excluímos os detalhes da sua avaliação da implementação do F-UJI.	NSA	NSA	NSA	NSA	NSA	NSA	NSA	NSA	NSA	NSA	NSA	NSA	NSA
INTEROPERABILIDADE	FsF-I1-01M	Dados estruturados e analisáveis são incorporados na página de destino	A	A	A	A	A	A	A	A	A	A	A	A	A
		Metadados formais e analisáveis por exemplo, RDF, JSON-LD) são acessíveis por meio de negociação de conteúdo, links digitados ou endpoint sparql.	A	A	A	A	A	A	A	A	A	A	A	A	A
	FsF-I2-01M	Namespaces de recursos semânticos conhecidos estão presentes nos metadados de um objeto; exclua namespaces comuns (por exemplo, rdf, rdfs, xsd, owl) do teste.	AP	AP	AP	AP	AP	AP	AP	AP	AP	AP	AP	AP	AP
	FsF-I3-01M	Os metadados capturam a relação entre um objeto de dados e sua entidade relacionada.	A	A	A	A	A	A	A	A	A	A	A	A	A
		A relação é expressa usando um tipo de relação de acordo com os tipos de relação PROV-O ou DataCite.	A	A	A	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
		As relações são preferencialmente expressas como identificadores únicos ou persistentes acionáveis.	A	A	A	A	A	A	A	A	A	A	A	A	A
REUTILIZAÇÃO	FsF-R1-01MD	Os metadados incluem o tipo do objeto e as propriedades técnicas do seu arquivo de dados, como formato, tamanho, variáveis observadas ou medidas.	A	A	A	A	A	A	A	A	A	A	A	A	A
		Os valores de metadados das propriedades estão em conformidade com o arquivo de dados real.	NA	A	A	A	A	A	A	A	A	A	A	A	A
	FsF-R1.1-01M	Os metadados contêm informações de licença representadas por meio de um elemento de metadados apropriado.	A	A	A	A	A	A	A	A	A	A	A	A	A
		Uma licença padrão legível por máquina é especificada.	A	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
	FsF-R1.2-01M	Os metadados incluem propriedades que representam a criação de dados, como criador, contribuidores, datas de criação e modificação e versão, origem e relações que indicam atividades de criação de dados.	A	A	A	A	AP	A	A	A	A	A	A	A	A
		Os metadados de proveniência estão disponíveis numa versão legível por máquina do PROV-O ou PAV.	NA	NA	NA	NA	A	NA	NA	NA	NA	NA	NA	NA	NA
	FsF-R1.3-01M	Os metadados estão disponíveis através de pelo menos um dos padrões de metadados de domínio listados no RDA Metadata Standards Catalog	AP	AP	AP	AP	AP	AP	AP	AP	AP	AP	AP	AP	AP
	FsF-R1.3-02D	Os dados estão disponíveis em um formato de arquivo de longo prazo, conforme definido na ISO/TR 22299	NA	A	NA	A	A	A	A	A	A	A	A	A	A
		Os dados estão disponíveis em formato aberto (ver, por exemplo, https://en.wikipedia.org/wiki/List_of_open_formats)	NA	A	NA	A	NA	NA	NA	A	A	NA	NA	NA	NA
		Os dados estão disponíveis em um formato de arquivo científico	NA	A	A	NA	NA	A	A	NA	NA	A	NA	NA	A
Legenda: A - Atende, NA - Não Atende, AP - Atende Parcialmente e NSA - Não se aplica

Fonte: Dados da pesquisa.

A ferramenta realiza a análise abrangente das 16 métricas, aplicando diferentes critérios de teste ou testes práticos para avaliar os datasets sob múltiplos aspectos referentes a cada uma das métricas. São 34 critérios de teste, sendo que cada métrica composta por 1 ou mais critérios de análise, que contribuem para constituir o diagnóstico final. Desta forma, é possível identificar com precisão quais medidas precisam ser tomadas para a melhoria do acesso e uso dos dados (Devaraju; Huber, 2021).

Dos 34 critérios propostos, um deles não foi testado pela ferramenta F-UJI pois somente pode ser aplicado quando o dataset foi excluído da base de dados, o que não se aplica aos 13 conjuntos de dados (Devaraju; Huber, 2021). Assim sendo, consta na tabela, mas não se aplica a análise, por isso consideramos que são 33 critérios de teste.

De forma geral, 19 dos 33 critérios testados são atendidos por todos os 13 datasets. Os demais 14 critérios não são atendidos, total ou parcialmente, por pelo menos 1 dos conjuntos de dados.

Conforme demonstrado no Quadro 6, o dataset número 1 é o conjunto de dados que menos contempla os critérios testados. Além dos critérios já citados, outros 10 testes realizados para compor o diagnóstico, revelaram problemas como a falta de arquivo em formatos aberto, científico e de validade de longo prazo. Em contrapartida, este dataset possui uma licença padrão legível por máquina, o que os demais 12 conjuntos de dados não possuem.

No teste com o dataset 8 e dataset 9, pôde-se observar que 8 critérios testados não foram atendidos, como é o caso da falta de registro para tamanho dos arquivos nos metadados.

Quanto ao dataset mais completo, o conjunto de dados número 2 contempla o maior número de critérios testados. Esse conjunto de dados atende parcialmente dois critérios e não atende quatro dos 33 critérios testados. Neste caso, o dataset oferece os arquivos nos 3 formatos testados, aberto, científico e de validade de longo prazo, ou seja, os autores tiveram o cuidado preparando e organizando os dados e arquivos de acordo com padrões específicos, visando a acessibilidade, a preservação e a interoperabilidade de dados científicos, projetado para resistir à obsolescência.

Com relação aos critérios testados referentes ao Princípio de Encontrabilidade, todos foram atendidos por 100% (13) datasets, com uma única exceção, o dataset 1 quanto a métrica FsF-F3-01M. (Referente ao critério de teste: Os metadados contêm um PID ou URL que indica a localização do conteúdo de dados para download.

O atendimento de todos os critérios de teste, do Princípio de Encontrabilidade, indica que os dados são de alta qualidade, bem documentados, acessíveis e sustentáveis ao longo do tempo. Desta forma, com relação à qualidade e usabilidade dos dados, o atendimento a todos os aspectos analisados para este princípio, reflete na integridade dos dados, acessibilidade e permanência dos dados, padrões e identificação persistente, metadados de qualidade, acessibilidade dos metadados, localização de conteúdo de dados, recuperação programática de metadados e conformidade com padrões (Devaraju; Huber, 2021).

Neste contexto, os datasets da base LattesData oferece dados mais valiosos para a pesquisa, além de possibilitar o compartilhamento e colaboração com a comunidade científica e o público em geral.

Quanto aos critérios testados e não atendidos, cinco testes não foram atendidos por pelo menos nove dos 13 datasets. Dentre estes, estão os testes realizados referente a métrica FSF-A1-01M (Princípio da Acessibilidade), que estão relacionados ao nível de acesso, bem como, sobre os campos de metadados apropriados para esse fim.

Os testes demostraram que estes critérios não são contemplados nos 13 datasets, revelando que as informações sobre quem pode acessar os dados, se eles estão disponíveis ao público em geral, ou se existem restrições específicas para acessá-los, não estão claramente especificadas nos metadados dos datasets. Esta é uma lacuna significativa, já que dificulta a compreensão de quem pode ter acesso, fazer uso dos dados e sob quais circunstâncias pode utilizá-los.

A análise também revelou a falta de dados estruturados para o Princípio de Reusabilidade. No teste realizado sobre a métrica FsF-R1.2-01M que verifica se existem informações ou metadados que descrevem explicitamente como os dados estão relacionados a outros dados ou recursos por meio de padrões ou vocabulários específicos, mostrou a falta de informações claras sobre os dados referentes à proveniência. A falta de informações legíveis por máquina, podem dificultar a identificação da proveniência, autenticidade ou a conexão dos dados com outros recursos, o que reduz a confiabilidade dos dados para reúso. Neste contexto, o uso de vocabulários controlados, com termos padronizados é a solução para garantir a gestão e o compartilhamento eficaz dos dados. (Alves; Tartarotti; Fujita, 2022).

Outro critério testado que não foi contemplado por 12 dos 13 datasets, foi o teste sobre a existência de uma licença padrão legível por máquina especificada. Esta lacuna mostra que os termos de uso e as restrições associadas a estes datasets não está definido em formato que possa ser compreendido ou processado por linguagem de máquina. A ausência de uma licença legível por máquina pode gerar incertezas sobre o reúso dos dados, compartilhamento, redistribuição de forma legal.

Na análise das métricas relativas ao Princípios da Reutilização dos dados de pesquisa, indica que se requer maior atenção, pois apresentou um maior número de verificações que não foram contempladas. A análise aponta a falta de informações sobre o tipo e tamanho do arquivo dos dados de pesquisa, da mesma forma, não informa variáveis medidas e tipo de observações.

Além disso, ainda quanto ao Princípio de Reutilização, aos padrões de metadados, não foram encontrados metadados específicos para a comunidade da área. Da mesma forma, não foram encontrados padrões indicados pelo Re3data, além de não atender ao padrão de formatos de arquivo de dados específico indicado pela comunidade científica da área.

Quanto à licença SPDX, a análise apontou a inexistência de registro de licença ou qualquer informação de proveniência que possa conferir conformidade, segurança e confiabilidade aos datasets analisados.

Além do formato do arquivo de armazenamento de dados, é necessário analisar o tipo de arquivo escolhido para armazenar as informações. Neste contexto, a escolha poderá refletir na interoperabilidade, longevidade, qualidade, integridade, reprodutibilidade, segurança, facilidade de análise e visualização.

Os 13 datasets da LattesData possuem no total 55 arquivos de dados no repositório. Quanto à reutilização dos dados de pesquisa, no que diz respeito aos métodos de codificação de informações digitais ou formato dos arquivos, esses são compostos por diferentes tipos de extensão, como .csv, .png, .jpg, tab e .xl ou xlsx. O quadro 7 sintetiza, a extensão dos arquivos vinculados aos datasets.

Quadro 7 -

ITEM	CITAÇÃO DE CONJUNTO DE DADOS	EXTENSÃO
		.csv	.xls/.xlsx	.tab	.png	.jpg
1	https://doi.org/10.57810/lattedata/QU5LC9	.csv	−	.tab	−	−
2	https://doi.org/10.57810/lattedata/L3JK6O	−	.xls	−	−	−
3	https://doi.org/10.57810/lattedata/TQAD9D	−	.xlsx	−	−	−
4	https://doi.org/10.57810/lattedata/ODBRQG	.csv	−	−	−	−
5	https://doi.org/10.57810/lattedata/51N0TE	−	.xls	−	−	.jpg
6	https://doi.org/10.57810/lattedata/UWUC2I	−	.xls	−	.png	−
7	https://doi.org/10.57810/lattedata/4YPJ1I	−	.xls	−	−	.jpg
8	https://doi.org/10.57810/lattedata/6WUTNU	−	−	.tab	−	−
9	https://doi.org/10.57810/lattedata/QB4OZ3	−	−	.tab	−	−
10	https://doi.org/10.57810/lattedata/HSUS6N	−	.xls	−	−	.jpg
11	https://doi.org/10.57810/lattedata/53D2XM	−	.xls	−	−	.jpg
12	https://doi.org/10.57810/lattedata/VG2MA6	−	−	−	.png	.jpg
13	https://doi.org/10.57810/lattedata/3TKOSU	−	.xls	−	−	.jpg

Fonte: Dados da pesquisa.

A ferramenta F-UJI analisa se o formato escolhido pelo autor é um formato de longo prazo, aberto e se o arquivo de dados é um formato científico. Neste sentido, a análise dos arquivos possibilitou identificar que a maioria dos formatos dos arquivos escolhidos pelos autores possibilita o acesso ao seu conteúdo, já que são softwares convencionais, contudo, alguns destes, não são formatos recomendados pela comunidade científica.

A ferramenta possibilitou a ampla análise da aplicação dos princípios FAIR nos datasets disponíveis no repositório LattesData, possibilitando identificar quais aspectos da política dos repositórios e diferentes bases devem ser implementadas ou adequadas para viabilizar a adoção de boas práticas a fim de favorecer a localização, acessibilidade, interoperabilidade e reutilização dos dados de pesquisa.

Apesar dos problemas apontados, observa-se resultados positivos, assim sendo, é possível indicar a LattesData como referência para outras bases poderem rever as práticas para elaboração e registro de metadados, entre outros aspectos, relacionados aos Princípios de Encontrabilidade, Acessibilidade e Interoperabilidade. No entanto, alguns aspectos podem ser melhorados na plataforma LattesData, como o registro adequado das informações sobre licença, metadados adequados sobre proveniência, e a conformidade dos padrões, vocabulários controlados e ontologias.

Considerando que este artigo buscou verificar a adoção dos princípios FAIR nos datasets depositados no repositório LattesData, a partir do uso da ferramenta F-UJI, pode-se indicar que o referido repositório tem adotado esses princípios.

A partir das análises foi possível verificar que as métricas relacionadas ao Princípio da Encontrabilidade foram todas contempladas, as métricas relacionadas ao Princípio da Acessibilidade foram parcialmente contempladas, já as métricas relacionadas aos Princípios da Interoperabilidade e Reutilização, requerem atenção.

O LattesData ainda necessita de políticas e diretrizes que realmente garantam que os dados ali depositados possam ser reutilizados. Espera-se que esse estudo forneça um diagnóstico desses conjuntos.

O uso de ferramentas tecnológicas para analisar a qualidade dos conjuntos de dados e a gestão de dados num todo é de extrema relevância para que tenhamos repositórios de dados confiáveis. Os repositórios precisam buscar o padrão de qualidade e excelência, para obterem alguma certificação, como a CoreTrustSeal. Assim, os repositórios confiáveis (certificados) garantem a credibilidade para pesquisadores depositarem, a segurança da preservação dos dados e do repositório, a visibilidade deste e da instituição mantenedora, a concorrer em financiamentos externos, entre outros fatores.

A ferramenta F-UJI mostrou-se bastante simples e eficaz em realizar a análise do conjunto de dados. Uma ferramenta que está acessível e disponível para que outros gestores e curadores de repositórios de dados utilizem e consigam verificar se estão cumprindo os princípios FAIR. O uso de ferramentas para a gestão de dados de pesquisa facilita na implementação de boas práticas e conjunto de dados com qualidade.

Recomenda-se que os repositórios verifiquem quais aspectos ainda precisam ser adequados para poder cumprir aos princípios FAIR e poder oferecer ambiente seguro, encontrável, acessível, interoperável e que garanta o reúso dos dados de pesquisa, podendo assim contribuir para o avanço da ciência.