Vì sao xu hướng này mạnh lên
- Kiểm chứng được. Kết quả khoa học phải lặp lại được; không có dữ liệu và mã lệnh thì không ai kiểm được.
- Tránh lãng phí. Nhiều bộ dữ liệu thu thập tốn kém chỉ dùng một lần cho một bài rồi nằm im.
- Tăng tác động. Dữ liệu dùng lại được thường được trích dẫn và sử dụng rộng hơn bài báo đơn lẻ.
- Yêu cầu của nhà tài trợ và tạp chí. Ngày càng nhiều nơi đặt điều kiện về chia sẻ dữ liệu.
Những gì thực sự được giải quyết
Đáng nói rõ, vì kỳ vọng hay bị thổi phồng:
- Phát hiện lỗi tính toán và lỗi xử lý — rất hiệu quả.
- Cho phép phân tích lại với phương pháp khác — hiệu quả.
- Cho phép gộp nhiều nghiên cứu để trả lời câu hỏi lớn hơn — hiệu quả, và là lợi ích lớn nhất về dài hạn.
- Ngăn gian lận — chỉ một phần. Dữ liệu bịa vẫn có thể được công khai; điều mở dữ liệu làm được là tăng rủi ro bị phát hiện.
Những giới hạn phải tôn trọng
Dữ liệu cá nhân
Đây là giới hạn cứng. Dữ liệu về con người được pháp luật bảo vệ, và việc chia sẻ phải tuân thủ quy định cùng với đúng những gì đã cam kết trong phiếu đồng ý tham gia. Nếu người tham gia được hứa rằng dữ liệu chỉ dùng cho nghiên cứu này, bạn không được công khai nó — dù có muốn.
Và ẩn danh không đơn giản như xoá tên: tổ hợp vài trường thông tin — tuổi, giới, nghề, địa bàn hẹp, ngày sự kiện — có thể đủ để nhận ra một cá nhân, nhất là trong nhóm nhỏ.
Dữ liệu của bên thứ ba
Số liệu do doanh nghiệp hoặc cơ quan cung cấp thuộc về họ. Phải có sự đồng ý bằng văn bản và làm rõ phạm vi được công bố.
Dữ liệu nhạy cảm khác
Vị trí loài quý hiếm, thông tin liên quan an ninh, dữ liệu có thể gây hại cho một cộng đồng nếu công khai.
Dữ liệu chưa khai thác hết
Một bộ dữ liệu tốn nhiều năm thu thập có thể còn nhiều bài chưa viết. Nhiều chính sách chấp nhận thời gian giữ độc quyền có giới hạn trước khi công khai. Đây là cân bằng hợp lý, không phải né tránh.
Các mức mở
Không phải chỉ có mở hoặc đóng:
- Mở hoàn toàn — ai cũng tải được.
- Mở có điều kiện — cần đăng ký, cam kết mục đích sử dụng.
- Chia sẻ theo yêu cầu — có kiểm soát, thường qua một hội đồng xét.
- Chỉ chia sẻ dữ liệu tổng hợp hoặc dữ liệu đã làm thô.
- Chỉ chia sẻ mã lệnh kèm dữ liệu mô phỏng có cùng cấu trúc.
Với dữ liệu nhạy cảm, mức 3 tới 5 vừa bảo vệ được người tham gia vừa giữ được tính kiểm chứng ở mức nhất định.
Điều kiện để mở dữ liệu có ích
Đưa một tệp lên mạng chưa phải chia sẻ dữ liệu. Để người khác dùng được, cần:
- Tệp mô tả dữ liệu: từng biến là gì, đơn vị, cách mã hoá, ý nghĩa giá trị thiếu.
- Định dạng mở, không phụ thuộc phần mềm thương mại.
- Mã lệnh chạy từ dữ liệu thô tới kết quả trong bài.
- Giấy phép rõ ràng về điều kiện sử dụng.
- Lưu ở kho có mã định danh vĩnh viễn, không phải trang cá nhân.
Tiêu chí kiểm nhanh: một đồng nghiệp không tham gia nghiên cứu chạy lại được và ra cùng kết quả mà không cần hỏi bạn.
Bắt đầu từ đâu
Chuyển mọi bước xử lý sang mã lệnh thay vì thao tác tay, viết tệp mô tả dữ liệu ngay khi thu thập, và với công trình tiếp theo hãy chia sẻ mã lệnh trước, dữ liệu sau nếu được phép. Hãy hỏi thư viện hoặc bộ phận khoa học công nghệ của cơ sở về kho lưu trữ được khuyến nghị.
Lưu ý: quy định, tiêu chuẩn và số liệu nêu trong bài do cơ quan có thẩm quyền ban hành hoặc công bố và có thay đổi theo thời gian. Hãy đối chiếu nguồn chính thức hiện hành trước khi sử dụng cho mục đích chính thức.
