Nguyên tắc FAIR: Tiêu chuẩn vàng cho quản lý và chia sẻ dữ liệu nghiên cứu

Nguồn: Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J., et al. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data, 3, 160018. DOI: 10.1038/sdata.2016.18

Tóm tắt

Công bố năm 2016 trên tạp chí Scientific Data, Wilkinson và 27 đồng tác giả đề xuất bộ 15 nguyên tắc FAIR — viết tắt của Findable (Tìm được), Accessible (Truy cập được), Interoperable (Liên thông được) và Reusable (Tái sử dụng được) — như một tiêu chuẩn toàn cầu đánh giá chất lượng quản lý và chia sẻ dữ liệu nghiên cứu. Đây là một trong những bài báo được trích dẫn nhiều nhất trong lĩnh vực khoa học dữ liệu của thập kỷ qua.

Bối cảnh: Vì sao cần FAIR?

Trong bối cảnh dữ liệu nghiên cứu ngày càng đa dạng và phong phú, cộng đồng khoa học đối mặt với thực trạng đáng lo: phần lớn dữ liệu tạo ra bị "mất" sau khi công bố — lưu trữ ở định dạng độc quyền, thiếu metadata mô tả, không có URL ổn định, hoặc không ai biết chúng tồn tại ở đâu. Vấn đề trở nên cấp bách hơn khi khoa học dữ liệu đòi hỏi các hệ thống máy tính có thể tự động tìm, đọc và tổng hợp dữ liệu từ nhiều nguồn.

Bốn chiều và 15 nguyên tắc

F — Findable (Tìm được): Dữ liệu phải có định danh bền vững (DOI, ORCID); metadata phải được lập chỉ mục trong kho có thể tìm kiếm; định danh dữ liệu phải được mô tả trong metadata.

A — Accessible (Truy cập được): Định danh phải dẫn đến quy trình truy cập chuẩn hóa (HTTP/HTTPS); điều khoản truy cập phải ghi rõ ràng; ngay cả khi dữ liệu bị hạn chế, metadata vẫn phải có thể truy cập công khai.

I — Interoperable (Liên thông được): Dữ liệu sử dụng ngôn ngữ hình thức và vốn từ vựng chia sẻ rộng rãi (Dublin Core, CERIF); liên kết và tham chiếu đến dữ liệu khác phải được đưa vào; metadata phải bao gồm tham chiếu đến các ontology liên quan.

R — Reusable (Tái sử dụng được): Metadata mô tả phong phú với nhiều thuộc tính; dữ liệu có giấy phép sử dụng rõ ràng và có thể đọc bởi máy; metadata tuân theo chuẩn cộng đồng ngành; dữ liệu có xuất xứ (provenance) đầy đủ.

Điểm nhấn: FAIR cho máy, không chỉ cho người

Điểm đặc sắc nhất của FAIR là nhấn mạnh machine-actionability — khả năng xử lý tự động bởi phần mềm. Mục tiêu không chỉ là làm dữ liệu đọc được bởi con người, mà phải đủ phong phú để các hệ thống như OpenAIRE, BASE, hay OpenAlex tự động thu hoạch, đánh giá và liên thông dữ liệu mà không cần can thiệp thủ công liên tục.

Ý nghĩa đối với hệ thống QLKH

FAIR cung cấp bộ câu hỏi kiểm tra cụ thể cho bất kỳ hệ thống QLKH nào: Hệ thống có gán DOI cho từng bài báo chưa? Metadata có được chuẩn hóa theo Dublin Core hay CERIF không? Có hỗ trợ giao thức OAI-PMH để thu hoạch từ bên ngoài không? Điều khoản truy cập có được ghi rõ không? Những câu hỏi này chuyển hóa nguyên tắc trừu tượng thành tiêu chí thiết kế hệ thống cụ thể.