Capacitacin Avanzada en Repositorios Digitales Open Data Open

Capacitación Avanzada en Repositorios Digitales Open Data, Open Science, Open Research. Público Dirigido: Bibliotecarios e Informáticos. Quito. Ecuador. 13 al 17 de Octubre de 2013.

Gobierno Abierto El concepto de Gobierno Abierto se sustenta en tres pilares básicos: • Transparencia: Un Gobierno transparente fomenta y promueve la rendición de cuentas de la Administración ante la ciudadanía y proporciona información sobre lo que está realizando y sobre sus planes de actuación. Cualquier administración debería permitir el acceso a esta información pública de manera sencilla y clara, permitiendo de esta manera que los ciudadanos puedan realizar un control de la acción de gobierno, así como crear valor económico o social a partir de los datos públicos ofrecidos libremente por la Administración. • Colaboración: Un Gobierno colaborativo implica y compromete a los ciudadanos y demás agentes en el propio trabajo de la Administración. La colaboración supone la cooperación no sólo con la ciudadanía, sino también con las empresas, las asociaciones y demás agentes, y permite el trabajo conjunto dentro de la propia Administración entre sus empleados y con otras Administraciones. • Participación: Un Gobierno participativo favorece el derecho de la ciudadanía a participar activamente en la conformación de políticas públicas y anima a la Administración a beneficiarse del conocimiento y experiencia de los ciudadanos. Por tanto, impulsa acciones y orienta actuaciones que aumentan el protagonismo e implicación de los ciudadanos en asuntos públicos y compromete con mayor e intensidad a las fuerzas políticas con sus conciudadanos. nt. B e m n r ve o g e t th n e e t m a h ern t ’ v n o o g D the

Gobiernos + Transparentes Efectivos Auditables Participativos

Datos abiertos. Qué son? • Son datos que han sido generados por una fuente en particular, abarcan un dominio temático o disciplinar en particular, tienen atributos, dentro de los cuales está la frecuencia de actualización y cuentan con un licenciamiento específico indicando las condiciones de re-utilización de los mismos. Fuente? Cual fuente? • La fuente es en muchos de los casos el estado nacional, provincial, municipal, organizaciones comerciales o en otros casos es producto del estudio o medición de particulares. Atributos • Especifican como fueron obtenidos Fechas de obtención, actualización y validez, público involucrado, metodología (encuesta, datos registrados en forma obligatoria, datos producidos), uso permitido. Primarios Procesables por máquina Completos No discriminatorios No derechos de autor, copyright, Extraído Res 538/2013

http: //opendefinition. org/okd/espanol/

http: //opendefinition. org/okd/espanol/

Estado Academia Otros actores liberan diferentes conjuntos de datos Actores de la Sociedad civil Orientado a que el ciudadano común pueda usar esa información Procesamiento Información Esa información es consumida a través de disposiitivos de uso corriente PC, smart-phones, tablets

Datos abiertos. Iniciativa privada, que contando con información de este tipo pueden ajustar su oferta, innovar en cuanto a productos ¿A quien le sirve? ¿A quien le importa que las administraciones liberen datos? …En verdad nos debería importar a todos desde el lugar de una ciudadanía activa y participativa… Podríamos preguntarnos: Dado que a las administraciones les interesa fortalecer la transparencia y participación, que medios usan? A los medios de comunicación, les interesa mucho la liberación de los datos públicos, a punto tal que se ha conformado una nueva “area” denominada periodismo basado en datos o data journalism También confluyen otros actores de la sociedad civil, un ejemplo puede ser la Open Knowledge Foundation El estado!!! Si el objetivo es la transparencia!!

Concursos

Hackat(h)ones

Algunos condimentos Hacker…¿En qué momento se convirtió en un mérito ser un hacker? En verdad, el término pierde su connotación negativa a partir del ethical hacking: El objetivo fundamental del Ethical Hacking (hackeo ético) es explotar las vulnerabilidades existentes en el sistema de "interés" valiéndose de test de intrusión, que verifican y evalúan la seguridad física y lógica de los sistemas de información, redes de computadoras, aplicaciones web, bases de datos, servidores, etc. Con la intención de ganar acceso y "demostrar" que un sistema es vulnerable, esta información es de gran ayuda a las organizaciones al momento de tomar las medidas preventivas en contra de posibles ataques malintencionados. Dicho lo anterior, el servicio de Ethical Hacking consiste en la simulación de posibles escenarios donde se reproducen ataques de manera controlada, así como actividades propias de los delincuentes cibernéticos, esta forma de actuar tiene su justificación en la idea de que: "Para atrapar a un intruso, primero debes pensar como intruso"

Algunos condimentos Y qué hace un “hacker ético”? Si bien no hay una definición oficial, un hackatón sería una reunión de diferentes actores pero principalmente desarrolladores que toman algún objetivo en particular de los planteados y haciendo uso de los datos públicos generan diferentes herramientas que presentan o evidencian la información subyacente. El objetivo es conformar comunidades, aprender y superar las aparentes barreras tecnológicas que los desafíos presentan. http: //www. seguridad. unam. mx/descarga. dsc? arch=2776

Privacidad (encuesta en USA) “. . One organisation to express privacy concerns was IBM, which pointed out the risks represented by "real-time open data" in its response. Although real time open data can be highly valuable, the company warned that data on traffic and transport delays and extreme weather reports could be used maliciously. For this reason, it suggested that consumers should be issued with licenses to access live data that could be revoked if necessary…” “…Some respondents identified new areas where open data would be useful. Network equipment vendor Cisco wrote that the 'Internet of things' will become a primary generator of information that should be considered open data. "The ever-increasing ability to analyse so-called ‘Big Data’ means that datasets of previously perceived low value will become well worth collecting and publishing, " Cisco wrote…” “…Pharmaceuticals giant Astra. Zeneca wrote that opening up medical data would allow it to "ask more complex questions around [the] safety, effectiveness and health outcomes of our medicines, [and] enable these questions to be answered earlier in a medicines lifecycle. " “…Other organisations expressed doubts about the ability of the government's current IT infrastructure to support its open data ambitions. "A number of respondents argued a change in ethos in IT delivery at the strategic level is required within government departments if an enhanced right to data is to be realised, " the summary revealed. The government will lay out its transparency strategy in light of the consultation later this year. http: //www. information-age. com/technology/information-management/1688463/open-data-consultation-finds-widespreadprivacy-fears

¿Cuál es la unidad de “medida” de datos abiertos? Dataset – Conjunto de datos, con un licenciamiento, contexto particular de obtención, versionado y soporte tecnológico para su procesamiento. Catálogo de datos – Reunión de diferentes datasets en un soporte tecnológico que facilita su búsqueda, agrupamiento, exploración y, claro, descarga.

El fenómeno es global http: //datos. fundacionctic. org/sandbox/catalog/faceted/

¿En qué áreas temáticas hay datasets ?

¿Cuáles son los formatos tecnológicos mas comunes para los datasets? (Solo algunos ejemplos) UK (education) España Uruguay Argentina USA

¿Y las APIs, cuentan? (Claro!)

#Indigestión ¿Qué sucede cuando la organización libera la información pública en un formato de documento, tal como un PDF? – Claramente presenta un obstáculo para el procesamiento posterior de esta información. <? php – Existen herramientas para la extracción de texto de los archivos PDFs, comúnmente utilizadas en las implementaciones de repositorios institucionales o bibliotecas digitales. Ejemplo más común, xpdf. $solucion = $this->call. AHackaton(); ? > PDF es la peor opción para liberar datos públicos

¿Se sabe cuál es la frecuencia de actualización del dataset?

#Indigestión ¿Quién cataloga la información que se sube? ¿Qué criterios / directrices son los que usan para garantizar un servicio adecuado al usuario/ciudadano? ¿Los schemas de metadatos son suficientemente descriptivos?

Un ejemplo de indicadores universitarios

(Algunos) Ejemplos de aplicaciones

¿Es esto una aplicación? Claro, quién mas interesado en conocer los datos, que quien quiere venderle / exportar a un país

Rol de la Academia “…Los avances en TICs están afectando drásticamente al proceso de investigación académica en todas las áreas. Con el aumento del poder computacional los investigadores pueden procesar y compartir cantidades inmensas de información. Como si de una organización virtual se tratase (Foster, 2001), la investigación multidisciplinar y en colaboración tiene lugar en diversas localizaciones produciendo y utilizando enormes cantidades de datos, lo que se conoce como e-ciencia; Mientras que la e-infraestructura es la columna vertebral tecnológica y de servicios que la soporta. En su conjunto tienen el potencial de transformar radicalmente las metodologías de las investigaciones (Hey, 2001)…”

¿Ciencia ficción? ¿Como sería una plataforma de e-science? “…Cloud computing has evolved in the commercial space to support highly asynchronous web 2. 0 applications. Scientific computing has traditionally been supported by centralized federally funded supercomputing centers and grid resources with a focus on bulksynchronous compute and data-intensive applications. The scientific computing community has shown increasing interest in exploring cloud computing to serve e-Science applications, with the idea of taking advantage of some of its features such as customizable environments and ondemand resources. Magellan, a recently funded cloud computing project is investigating how cloud computing can serve the needs of mid-range computing and future dataintensive scientific workloads. A virtual research environment (VRE) or virtual laboratory is an online system helping researchers collaborate. Features usually include collaboration support (Web forumsand wikis), document hosting, and some discipline-specific tools, such as data analysis, visualisation, or simulation management. In some instances, publication management, and teaching tools such as presentations and slides may be included. VREs have become important in fields where research is primarily carried out in teams which span institutions and even countries: the ability to easily share information and research results is valuable.

También desde la Academia

Sumando ingredientes. Big Data? Big data refers to our ability to collect and analyze the vast amounts of data we are now generating in the world. The ability to harness the ever-expanding amounts of data is completely transforming our ability to understand the world and everything within it. The advances in analyzing big data allow us to, for example, decode human DNA in minutes, find cures for cancer, accurately predict human behavior, foil terrorist attacks, pinpoint marketing efforts and prevent diseases. Muchos ejemplos en la Academia • Genoma • Datos climatológicos • Salud (latidos del corazón de un bebé 24 hs post-parto) Las 4 V de Big Data: • Volume – the vast amounts of data generated every second. • Velocity – the speed at which new data is generated and moves around (credit card fraud detection is a good example where millions of transactions are checked for unusual patterns in almost real time) • Variety – the increasingly different types of data (from financial data to social media feeds, from photos to sensor data, from video capture to voice recordings). • Veracity – the messiness of the data (just think of Twitter posts with hash tags, abbreviations, typos and colloquial speech)

Lasaña para la Academia (mas bien fideos) Open Research (colaboración) Datos primarios Modalidad de producción Open Data Comunicación tradicional Open Source Valor de importancia: Reproducibilidad de los resultados Open Access Conocimiento cienttífico Sustentado tecnológicamente VRE (Virtual Research Environment) Big Data Produciendo cantidades ingentes de datos

Retomando Open Science Open Research (colaboración) Open Source Open Data Open Access Open Science

Repositorios (institucionales) de datos primarios de investigación • ¿Dónde están situados y quiénes están administrando los datos que los “output” de investigación, en las instituciones se generan? • ¿Cuáles son las condiciones de preservación digital de los mismos? • ¿Cuáles son los costos potenciales de pérdidas de los mismos? ¿Cuantos son los actores que podrían interpretarlos y reprocesarlos si se mantienen en silos? • Las conclusiones a las que arriban las comunicaciones tradicionales (artículos, libros, etc) podrían ser reproducidas por otros grupos de investigación? Abriría esto un nuevo panorama al peer-review?

Proyecto de Ley Creación de Repositorios Digitales. República Argentina

¿Y ahora?

Por suerte, hay varios ejemplos para estudiar y aprender de las experiencias

Un detalle Algo más que un detalle

http: //orcid. org/0000 -0003 -2299 -0503

…Como se(ría) recomendable la apertura de los datos y qué tiene para aportar la web semántica… http: //ec. europa. eu/isa/actions/documents/isa_1. 1 -how-linkeddata-is-transforming-egovernement_en. pdf Linked Data is about using the Web to connect related data that wasn't previously linked, or using the Web to lower the barriers to linking data currently linked using other methods. More specifically, Wikipedia defines Linked Data as "a term used to describe a recommended best practice for exposing, sharing, and connecting pieces of data, information, and knowledge on the Semantic Web using URIs and RDF. "

…Como se(ría) recomendable realizar la apertura de los datos y qué tiene para aportar la web semántica…

Todo muy lindo, pero para qué sirve?

Interoperabilidad semántica. Relacionar los datasets

Mucho esquema pero sigo sin entender para qué sirve (esto está incomible)

Todo se trata de relacionar Yo puedo habilitar mi portal basado en CKAN con tres datasets Indicadores Educativos Recaudación Impositiva Subsidios Al transporte Cada uno de de ellos será un dataset individual sin relaciones entre sí, dejando en manos de la comunidad de usuarios hacer las posibles relaciones y entrecruzamientos.

Todo se trata de relacionar O puedo trabajar en la liberación de los mismos dejando las relaciones entre sí y con otros datasets Geo Names Subsidios Al transporte Indicadores Educativos Recaudación Impositiva Pubmed Ont Agrovoc Geo. Pol mapping En verdad esta inversión de esfuerzo en realizar la apertura de los datos de acuerdo a los principios de Linked Data, relacionando en los casos posibles con vocabularios (a través de URIs) pre existentes dará como beneficio. . .

Poder contestar queries tales como. . . “. . . Quiero saber si el incremento obtenido en la recaudación impositiva de 2013 por exportación de soja a China ha impactado en la investigación de fertilizantes ecológicos y si esto ha generado nuevas vías de comunicación hacia las zonas del centro/oeste del país. . . ” Y esto, señoras y señores, no es mas ni menos que la Web Semántica o Web Of Data

Data Cloud (o con qué podríamos conectar? ) Super desactualizado

Un par de gotas de realidad

Data curation En verdad me pregunto a esta altura de la charla, si cabe alguna duda acerca de la necesidad (terrible, urgente, imprescindible) de un perfil (de RRHH) que sea el “especialista” en datos. Data Curation The University of Illinois’ Graduate School of Library and Information Science defines data curation as “the active and ongoing management of data thorugh its life cycle of interest and usefulness to scholarship, science, and education. Data curation activities enable data discovery and retrieval, maintain its quality, add value, and provide for reuse over time, and this new field includes authentication, archiving, management, preservation, retrieval, and representation. ”

http: //www. dcc. ac. uk/resources/curationlifecycle-model

Rol del bibliotecario?

Más del rol del bibliotecario Geo. Spatial Data Curator (University of California, Santa Barbara) The University of California, Santa Barbara, one of ten campuses of the University of California system, seeks applications for a Geo. Spatial Data Curator (an Associate Specialist position) to work with faculty, students, researchers, and Library staff to develop strategies and programs for the collection, description, organization, normalization, storage, preservation, integration, visualization and mining of geospatial data within the Library and across the spectrum of programs on campus. The position will offer its incumbent the chance to help define the emerging field of geospatial data curation and informatics. • Developing and implementing best practices for describing geospatial data in all collected formats, including workflows for ingesting geospatial data into the developing Digital Library repository; • Planning, conducting, and overseeing the conversion of legacy data and metadata to contemporary formats; • Maintaining a high level of expertise in descriptive metadata standards for geospatial data, including but not limited to MARC and ISO-191 xx; • Knowledge of library descriptive practices, including XML metadata schemes for specific knowledge domains and MARC cataloging; • Hands-on experience implementing and administering online spatial database applications under architectures such as Arc. SDE, Oracle, Postgres, Microsoft. SQL and/or My. SQL. ; • Familiarity with linked data expressed as RDF, and web mapping techniques such as Leaflet, Poly. Maps, and D 3

Datathones para datacurators In today’s technology-driven society, effective access to and use of information is a key enabler for progress. Driven by the demands for knowledge-based applications and the unprecedented availability of information on the Web, the study of knowledge capture is of crucial importance. Knowledge capture involves the extraction of useful knowledge from vast and diverse online sources as well as its acquisition directly from human experts.

http: //eprints. soton. ac. uk/271102/1/Texas. pdf

Bibliografía consultada Resolución 538/13. Jefatura de Gabinete de Ministros. Presidencia de la Nación. República Argentina http: //www. infojus. gov. ar/legislacion/resolucion-nacional-jefatura_de_gabinete_de_ministros-5382013. htm; jsessionid=fj 7 n 27 g 2 j 57 h 1 x 0 mnmomuspku? 0 Marmonti, Emiliano. “Lasaña de Data con sopa a la Open”. Seminario web impartido para la organización Social. Biblio. 2013. http: //www. socialbiblio. com/materiales-de-la-charla-lasana-de-data-en-sopa-a-la-open/ La compilación y creación original de contenidos realizada por Los compiladores / autores puede usarse bajo las condiciones especificadas en

Capacitación Avanzada en Repositorios Digitales Emiliano Horacio Marmonti emarmonti@gmail. com GRACIAS!!!! Quito, Ecuador, 13 al 17 de Octubre de 2013.