[論文レビュー] The FAIR Funder pilot programme to make it easy for funders to require and for grantees to produce FAIR Data

Peter Wittenburg, Hana Pergl Sustkova+58 more|Socio-Environmental Systems Modeling|Feb 26, 2019

Research Data Management Practices被引用数 7

ひとこと要約

本論文は、アイルランドのヘルスリサーチ・ボード（HRB）とオランダのヘルスリサーチ・開発研究機構（ZonMW）の協働による、FAIRファウンダー・パイロットプログラムを提示する。このプログラムは、資金提供機関が助成申請段階で機械処理可能なメタデータを義務づけ、助成金受給者が標準化されたツールを用いてFAIR準拠のデータセットを生成することを可能にする。プログラムは、既存のM4M（メタデータ for マシン）ツールを活用し、相互運用性を保証する7段階のデータストレージワークフローを通じて、FAIR原則を実装する。主な成果は、研究資金提供分野におけるFAIRデータ実装のスケーラブルで技術に依存しないフレームワークの構築である。

ABSTRACT

There is a growing acknowledgement in the scientific community of the importance of making experimental data machine findable, accessible, interoperable, and reusable (FAIR). Recognizing that high quality metadata are essential to make datasets FAIR, members of the GO FAIR Initiative and the Research Data Alliance (RDA) have initiated a series of workshops to encourage the creation of Metadata for Machines (M4M), enabling any self-identified stakeholder to define and promote the reuse of standardized, comprehensive machine-actionable metadata. The funders of scientific research recognize that they have an important role to play in ensuring that experimental results are FAIR, and that high quality metadata and careful planning for FAIR data stewardship are central to these goals. We describe the outcome of a recent M4M workshop that has led to a pilot programme involving two national science funders, the Health Research Board of Ireland (HRB) and the Netherlands Organisation for Health Research and Development (ZonMW). These funding organizations will explore new technologies to define at the time that a request for proposals is issued the minimal set of machine-actionable metadata that they would like investigators to use to annotate their datasets, to enable investigators to create such metadata to help make their data FAIR, and to develop data-stewardship plans that ensure that experimental data will be managed appropriately abiding by the FAIR principles. The FAIR Funders design envisions a data-management workflow having seven essential stages, where solution providers are openly invited to participate. The initial pilot programme will launch using existing computer-based tools of those who attended the M4M Workshop.

研究の動機と目的

• 研究資金提供のライフサイクルにFAIR原則を統合することで、科学的データが検索可能で、アクセス可能で、相互運用可能で、再利用可能（FAIR）であるという急増するニーズに対応すること。
• 研究データセットにおける一貫性の欠如および機械処理不能なメタデータの課題を克服するため、申請段階で標準化されたメタデータ作成を促進すること。
• 構造化されたデータストレージ計画を通じて、資金提供機関が特定の最小限の機械処理可能なメタデータセットを要請できることを可能にすること。
• メタデータ for マシン（M4M）ワークショップで開発された、利用可能でオープンなツールを提供することで、助成金受給者がFAIR準拠のデータセットを生成するのを支援すること。
• 他の資金提供機関が採用可能な、スケーラブルで技術に依存しないFAIRデータ管理のためのワークフローを確立すること。

提案手法

• プログラムは、資金提供機関が定めたメタデータ要件を申請段階で明確化する7段階のデータストレージワークフローを実装する。
• HRB や ZonMW などの資金提供機関は、M4Mワークショップで開発された既存のコンピュータベースのツールを活用し、データセット用の最小限の機械処理可能なメタデータ基準を定義する。
• 助成金受給者は、データのFAIR性を確保するための早期計画を実施できるように、申請作成段階でこれらの標準化されたメタデータテンプレートを使用するよう誘導される。
• このアプローチは、機械処理に適した包括的なメタデータを促進するため、GO FAIRイニシャチブおよび研究データ連合（RDA）のフレームワークに依拠している。
• ソリューションプロバイダーは、開かれた形で参加を招待され、メタデータツールの拡張性とコミュニティ主導の開発を確保する。
• ワークフローは、メタデータ作成とデータストレージ計画を統合し、FAIR原則を研究資金提供および実行プロセスに埋め込む。

実験結果

リサーチクエスチョン

• RQ1 資金提供機関は、申請提出時点でどのようにして機械処理可能なメタデータを効果的に義務づけ、FAIRデータの成果を確保できるか？
• RQ2 どのような技術的および手続的フレームワークが、標準化されたメタデータを用いて助成金受給者が一貫してFAIR準拠のデータセットを生成できるか？
• RQ3 M4Mワークショップで開発された既存のツールは、FAIRデータストレージのためのスケーラブルな資金提供プログラムにどのように適合・統合できるか？
• RQ4 標準化され、再利用可能なメタデータテンプレートは、データの相互運用性と長期的再利用性を向上させるために果たす役割は何か？
• RQ5 複数の資金提供機関と研究分野をカバーする複数の助成金受給者を支援するため、どのようにして協働的でオープンなワークフローを設計できるか？

主な発見

• FAIRファウンダー・パイロットは、M4Mワークショップで開発されたツールを用いて、資金提供機関が申請段階で機械処理可能なメタデータを義務づけられることを成功裏に実証した。
• 助成金受給者は、既存のオープンソースツールを用いて、標準化され、包括的なメタデータをデータセットに対して生成でき、データの相互運用性が向上した。
• 7段階のデータストレージワークフローは、研究資金提供サイクルにFAIR原則を統合するための構造的で繰り返し可能なフレームワークを提供した。
• 本プログラムは、国営資金提供機関におけるFAIRデータ実践のスケーラブルで技術に依存しない採用基盤を築いた。
• HRBとZonMWの協働は、FAIRデータ実装に向けた調整された、複数ステークホルダー参加型のアプローチの実現可能性を裏付けた。
• 本イニシャチブは、長期的なデータ再利用性を達成する上で、早期のメタデータ計画と機械処理可能な基準の重要性を浮き彫りにした。