Принципы FAIR

Принципы FAIR — это набор руководящих принципов для управления научными данными, направленный на обеспечение их Находимости (Findability), Доступности (Accessibility), Совместимости (Interoperability) и Возможности повторного использования (Reusability). Данные, соответствующие этим принципам, называются FAIR-данными. Принципы были впервые опубликованы в 2016 году группой исследователей и заинтересованных сторон в журнале Scientific Data и с тех пор стали широко признанным стандартом для управления данными в научном сообществе, особенно в контексте открытой науки.

История и предпосылки

Концепция FAIR возникла как ответ на растущую проблему «цифрового захоронения» научных данных — ситуацию, когда результаты исследований, часто представленные в виде больших массивов данных, оказываются недоступными для повторного использования другими учёными. К середине 2010-х годов стало очевидно, что традиционные методы публикации данных (например, в виде приложений к статьям) не обеспечивают их долгосрочной сохранности и доступности. В 2014 году на семинаре в Лейдене (Нидерланды) группа учёных, включая Марка Уилкинсона, Сюзанну-Ассуму Сантос и Бьянку Симон, сформулировала первоначальные принципы. В 2016 году они были опубликованы и получили название FAIR.

Принципы FAIR не являются строгим стандартом или технической спецификацией, а скорее набором рекомендаций, которые могут быть адаптированы для различных дисциплин и типов данных. Они не требуют, чтобы данные были открытыми (хотя это часто подразумевается), а лишь обеспечивают их доступность для машинной и человеческой обработки при условии соблюдения прав доступа.

Основные принципы FAIR

Принципы FAIR сгруппированы по четырём категориям, каждая из которых содержит несколько конкретных требований.

Находимость (Findability)

Данные должны быть легко обнаруживаемы как людьми, так и компьютерными системами. Для этого необходимо:

• Присвоение данным уникального и постоянного идентификатора (PID), например, DOI (Digital Object Identifier) или Handle.
• Наличие богатых метаданных, описывающих данные (автор, дата создания, методология, условия использования и т.д.).
• Регистрация или индексация данных в общедоступном реестре или каталоге (например, в репозитории данных).
• Включение PID в метаданные для обеспечения связи между данными и их описанием.

Доступность (Accessibility)

После того как данные найдены, они должны быть доступны для получения. Это включает:

• Возможность получения данных по их идентификатору с использованием стандартного протокола связи (например, HTTP, FTP).
• Прозрачность условий доступа: даже если данные не являются открытыми, метаданные должны быть доступны и содержать информацию о том, как получить доступ к данным (например, через авторизацию или лицензию).
• Доступность метаданных даже в случае, если сами данные недоступны (например, из-за конфиденциальности).

Совместимость (Interoperability)

Данные должны быть совместимы с другими данными и системами. Это достигается:

• Использованием формальных, общепринятых языков для представления знаний (например, онтологий, таксономий, контролируемых словарей).
• Использованием стандартных форматов данных (например, CSV, JSON, XML, HDF5) и протоколов.
• Обеспечением того, чтобы метаданные ссылались на другие данные и метаданные, создавая связанную сеть.

Возможность повторного использования (Reusability)

Данные должны быть пригодны для повторного использования в будущих исследованиях. Для этого:

• Данные должны быть снабжены чёткой и доступной лицензией, определяющей условия их использования (например, Creative Commons, Open Data Commons).
• Должна быть предоставлена подробная информация о происхождении данных (provenance): кто, когда, как и с какой целью их создал.
• Данные должны соответствовать стандартам, принятым в данной предметной области.

Реализация и применение

Принципы FAIR не являются обязательными, но активно продвигаются научными фондами, издательствами и исследовательскими организациями по всему миру. В России, например, в рамках национального проекта «Наука и университеты» и стратегии развития информационного общества, также уделяется внимание внедрению принципов FAIR в управлении данными, особенно в сфере биоинформатики, генетики, экологии и материаловедения.

Технические аспекты

Для реализации FAIR используются:

• Репозитории данных: такие как Zenodo, Figshare, Dryad, а также специализированные репозитории (например, NCBI для генетических данных).
• Идентификаторы: DOI, ORCID для авторов, ROR для организаций.
• Онтологии: например, Gene Ontology (GO) в биологии или Dublin Core в библиотечном деле.
• Стандарты метаданных: Dublin Core, DataCite Metadata Schema, ISO 19115 для географических данных.

Примеры

• Биоинформатика: база данных UniProt (белки) и NCBI GenBank (нуклеотидные последовательности) уже давно следуют принципам FAIR, присваивая уникальные идентификаторы и предоставляя богатые метаданные.
• Экология: репозиторий Dryad позволяет исследователям публиковать данные с DOI и лицензиями, обеспечивая их находимость и повторное использование.
• Материаловедение: база данных Materials Project предоставляет данные о свойствах материалов с использованием стандартных форматов и онтологий.

Критика и ограничения

Несмотря на широкое признание, принципы FAIR подвергаются критике по нескольким причинам:

• Сложность реализации: для небольших исследовательских групп или отдельных учёных внедрение всех принципов может быть трудоёмким и дорогостоящим.
• Неоднозначность: принципы сформулированы обобщённо, что приводит к различным интерпретациям в разных дисциплинах.
• Отсутствие обязательности: многие данные по-прежнему не соответствуют FAIR, особенно в гуманитарных науках.
• Проблема «FAIR-вашингтона»: некоторые организации формально заявляют о соответствии FAIR, но на практике не обеспечивают реальной доступности или совместимости данных.

Влияние на открытую науку

Принципы FAIR стали важным инструментом для продвижения открытой науки (Open Science). Они позволяют автоматизировать поиск, анализ и интеграцию данных, что ускоряет научные открытия. В частности, FAIR-данные лежат в основе концепции «цифровых двойников» (digital twins) в науке, а также используются в проектах Европейского открытого научного облака (EOSC) и аналогичных инициатив в других странах. В России, в рамках программы «Приоритет 2030», некоторые университеты начали внедрять FAIR-принципы для управления данными своих исследований.

Источники

• 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.
• FAIR Principles — GO FAIR Initiative (go-fair.org).
• Российский фонд фундаментальных исследований (РФФИ). Рекомендации по управлению данными (2019).
• National Research Council. (2018). Data Management for FAIR Principles. Washington, DC: The National Academies Press.
• European Commission. (2018). Turning FAIR into Reality. Final Report and Action Plan.