Як ліцензувати відкриті дані?

Нагадаємо, дані є відкритими, якщо виконуються такі умови:
✓ відкрита ліцензія Creative Commons;
✓ відкритий доступ;

✓ відкритий машиночитний формат.

Застосування відповідної ліцензії до ваших даних має вирішальне значення для того, щоб зробити їх придатними для повторного використання. Видавці заохочують надавати дослідницькі дані за відкритими ліцензіями, які дозволяють вільне повторне використання (наприклад, CC0). Але видавці не накладають жодних ліцензій на дослідницькі дані, якщо дослідницькі дані зберігаються в сторонніх сховищах. Видавець журналу також не претендує на авторські права на дані досліджень. Вибір ліцензії залишається за дослідником.

Деякі з найбільш поширених ліцензій для повторного використання:

CC0 (No Rights Reserved) - права не захищені, суспільне надбання. CC0 може бути особливо важливим для обміну даними та базами даних, оскільки в протилежному випадку може бути неясно, обмежено дані та бази даних, засновані на фактах, авторським правом чи іншими правами. Бази даних можуть містити факти, які самі по собі не захищені законом про авторське право. CC0 рекомендується для табличних даних і баз даних і використовується сотнями організацій. Особливо рекомендується для наукових даних. Хоча CC0 за законом не вимагає від користувачів даних посилань на джерело, це не знімає моральної відповідальності в зазначені авторства, як заведено в наукових дослідженнях.

CC-BY (Attribution) - зазначення авторства. Ця ліцензія дозволяє іншим поширювати, мікшувати, створювати та використовувати вашу роботу (також у комерційних цілях) за умови, що вони вказують вам авторство оригінального твору. Це сама зручна пропонована ліцензія. Рекомендується для максимального поширення та використання ліцензійних матеріалів.

CC BY-SA (Attribution-ShareAlike) - ця ліцензія дозволяє іншим мікширувати, створювати та використовувати вашу роботу навіть у комерційних цілях, за умови, що вони посилаються на вас, і ліцензують свої нові твори на тих же умовах. Цю ліцензію часто зрівнюють з ліцензіями на безплатне та відкрите програмне забезпечення з авторським правом. Усі нові роботи, засновані на вашій, будуть мати ту ж ліцензію, тому будь-які виробничі також дозволяють комерційне використання. Це ліцензія, яка використовується у Вікіпедії, і вона рекомендована для матеріалів, які відтворюються від включення контенту з Вікіпедії та проєктів з аналогічною ліцензією.

CC BY-NC (Attribution-NonCommercial). Ця ліцензія дозволяє іншим мікширувати, створювати та використовувати вашу роботу в некомерційних цілях, і, хоча їх нові роботи також повинні визнавати вас і бути некомерційними, вони не зобов’язані ліцензувати свої продуктивні роботи на таких умовах.

Для отримання додаткової інформації про ліцензування відкрийте Ліцензування.

Чи відкриті дані = даним FAIR?

Хоча дані можна зробити відкритими, вони не завжди можуть бути FAIR.

Відкриті дані дозволяють кожному отримувати доступ, використовувати та поширювати дані без обмежень, що виникають з ліцензій, авторських прав та патентів. Однак нам потрібно зробити більше, якщо ми хочемо, щоб люди могли отримувати вигоду від наших спільних даних. Наприклад, присвоєння нашим даним постійних ідентифікаторів, таких як DOI, надання належних метаданих, представлення даних у стандартизованому вигляді та встановлення умов повторного використання даних.

Щоб максимізувати цінність спільних даних, дані мають бути FAIR. З іншого боку, дані FAIR не означають, що вони мають бути відкритими.

Обмеження можуть бути вжиті, коли це стосується комерційних інтересів, конфіденційності особистої інформації, національної безпеки та суспільних інтересів. У цих випадках метадані даних все ще будуть загальнодоступними разом з інформацією про умови доступу до даних.

Оскільки даними необхідно добре керувати, перш ніж вони стануть FAIR та ефективно поширюватимуться, рекомендується планувати їх на початку вашого дослідницького проєкту, якщо ви бажаєте або зобов’язані поділитися дослідницькими даними.

Ви можете переглянути це 5-хвилинне відео, яке пояснює, чому добре керовані дані необхідні для ефективного обміну даними.

Перешкоди застосуванню принципів FAIR

Забезпеченню принципів FAIR для даних і коду можуть перешкоджати часові обмеження. Щоб мінімізувати витрати ресурсів і часу, ці аспекти варто враховувати на якомога ранішньому етапі планування дослідження. Під час подання заявки на фінансування проєкту доцільно передбачити час і ресурси (можливо, залучення асистента-дослідника) для підтримки практик FAIR.

Ще однією значною перешкодою для дослідників є недостатнє розуміння принципів FAIR та їх застосування до конкретного проєкту. Можуть виникати питання й занепокоєння щодо специфіки даних, наприклад: як діяти з конфіденційними даними або з надзвичайно великими масивами інформації? Що робити з даними, отриманими від третіх сторін?

Переваги застосування FAIR

Підвищення видимості та цитованості публікацій і даних

FAIR-принципи передбачають присвоєння унікальних ідентифікаторів (наприклад, DOI), надання повного метаопису та розміщення даних у відкритих репозиторіях. Це дозволяє:

• Забезпечити індексацію даних і публікацій у пошукових системах (Google Scholar, DataCite, OpenAIRE).
• Підвищити відшукуваність для інших дослідників, які шукають пов’язані ресурси.
• Створити можливості для додаткових цитувань не лише публікацій, а й самих наборів даних, кодів чи моделей.
• Посилити наукову репутацію автора/інституції через прозоре та відкрито доступне дослідження.

Забезпечення відтворюваності досліджень

FAIR сприяє науковій доброчесності, забезпечуючи:

• Документування процесів збору, обробки та аналізу даних.
• Зберігання даних у форматах, які дозволяють іншим дослідникам перевірити та повторити результати.
• Включення метаданих і пов’язаного коду, що дозволяє повністю реконструювати експеримент або аналіз.
• Використання відкритих інструментів і середовищ для забезпечення прозорості дослідницького процесу.

Сприяння міжнародній співпраці та обміну даними

FAIR-дані легко інтегруються у глобальні платформи, сприяючи:

• Спрощенню спільного використання даних між дослідницькими групами, навіть із різних країн та дисциплін.
• Інтероперабельності — завдяки узгодженим стандартам формату, структури та опису.
• Можливості для участі у міжнародних проєктах і грантах, які дедалі частіше вимагають відкритого доступу до даних (наприклад, Horizon Europe).
• Уникненню дублювання зусиль — якщо дані вже є доступними, інші команди можуть їх повторно використовувати замість проведення ідентичного збору.

Полегшення аналізу, інтеграції та інновацій на основі відкритих даних

FAIR робить наукові дані “машиночитаними”, що забезпечує:

• Автоматизований збір і обробку великої кількості даних за допомогою алгоритмів, ШІ та аналітичних платформ.
• Об’єднання даних із різних джерел у комплексні масиви — з метою проведення міждисциплінарного аналізу.
• Появу нових дослідницьких запитань завдяки доступу до великого масиву відкритих, порівнюваних і структурованих даних.
• Інновації в галузях як-от біоінформатика, соціальна аналітика, аграрні технології, машинне навчання тощо.

Дотримання стандартів відкритої науки, етики та ліцензування

FAIR-принципи тісно пов’язані з етичним та правовим використанням дослідницьких результатів. Вони:

• Вимагають чіткого вказання умов використання даних (наприклад, через ліцензії Creative Commons).
• Забезпечують трасованість походження даних, що критично важливо для дотримання авторських прав, конфіденційності та відповідності GDPR.
• Сприяють інституційному управлінню науковими результатами, зокрема в контексті державної політики у сфері науки.
• Підтримують відповідальність дослідників за якість і прозорість створених ресурсів.

FAIR і CARE: що спільного?

Принципи CARE — це набір етичних орієнтирів, розроблених для забезпечення справедливого, відповідального та поважного використання даних. CARE-принципи були розроблені Глобальним альянсом з даних про корінні народи (GIDA) у 2019 році та вже активно інтегруються в політики відкритої науки

Назва CARE — це абревіатура, що розшифровується як:

C — Collective Benefit / Колективна вигода

Дані повинні використовуватися так, щоб приносити користь самим спільнотам, з яких вони походять. Це включає розвиток локального потенціалу, економічне зростання, культурну підтримку та інновації, які служать інтересам спільноти.

A — Authority to Control / Право контролю

Цей принцип включає право на інтелектуальну власність.

R — Responsibility / Відповідальність

Дослідники, організації та інституції зобов’язані діяти відповідально, поважно і прозоро, коли працюють із даними, що мають культурне, історичне або соціальне значення для громад. Це також передбачає участь представників спільнот у всіх етапах роботи з даними.

E — Ethics / Етика

Всі дії з даними мають відповідати етичним нормам, враховувати соціальні, культурні та історичні контексти. Це означає уникнення шкоди, дотримання згоди, повагу до традиційних знань і справедливий розподіл вигод.

Хоча FAIR-принципи фокусуються на технічній доступності та повторному використанні даних, CARE-принципи підкреслюють соціальну відповідальність та етичний контекст роботи з даними. Обидва підходи не суперечать, а доповнюють один одного:

• FAIR — про машини та метадані

• CARE — про людей і спільноти

Приклади відкритих репозитаріїв, що відповідають FAIR-принципам

Репозитарій	Опис	Особливості FAIR-відповідності
Zenodo	Мультидисциплінарний репозитарій, підтримується CERN	PID (DOI), підтримка ліцензій, API-доступ, повні метадані
PANGAEA	Гео- та кліматичні дані	Стандартизовані формати, міжсистемна сумісність
Dryad (публікація платна)	Біологічні та медичні дослідження	FAIR-оцінка перед публікацією, редакторські перевірки
Figshare	Для науковців усіх галузей	Миттєвий DOI, сумісність з ORCID, відкриті API

Успішні приклади впровадження FAIR-принципів

FAIR-принципи не є лише теоретичною концепцією — тисячі науковців, установ і проєктів уже впровадили їх у щоденну практику. 

• Успішні кейси в наукових установах

Leiden University, Нідерланди

Університет інтегрував політику FAIR у всі етапи дослідницького процесу — від планування проєктів до зберігання даних. Завдяки ролі “data steward” кожна кафедра має експерта, що допомагає дослідникам впроваджувати FAIR-інструменти, включно з DMP та реєстрацією у репозитаріях.

EMBL-EBI (Європейський інститут біоінформатики)

FAIR використовується як обов’язкова умова при завантаженні біологічних даних у репозитарії. Завдяки цьому дані легко знаходяться через API, метадані стандартизовані, а повторне використання стало основою для машинного аналізу.

Національні дослідницькі установи Іспанії (CSIC)

Усі науковці при поданні проєктів зобов’язані подавати FAIR-сумісний Data Management Plan. Крім того, створено відкриту систему для оцінки FAIR-відповідності публікацій та даних.

• Досвід міжнародних проєктів

EOSC-Pillar (ЄС)

Проєкт допоміг країнам Центральної Європи розбудувати національні інфраструктури для FAIR-даних. Було розроблено навчальні модулі, стандарти та пілотні репозитарії, де тестується автоматизована перевірка FAIRness.

FAIRsFAIR (2020–2022)

Цей проєкт став ключовим рушієм узгодження політик, розробки індикаторів FAIR та навчальних ініціатив. Сотні університетів та бібліотек пройшли тренінги, з’явилися стандартизовані оцінки FAIR-репозитаріїв.

ENVRI-FAIR

Проєкт у сфері дослідження навколишнього середовища інтегрував FAIR у більше ніж 20 наукових інфраструктур (включно з супутниковими спостереженнями, гідрологією, метеорологією). Створено спільні метаописові моделі та міжсистемні API.