Tuyên bố Chung về các Nguyên tắc Trích dẫn Dữ liệu - BẢN CUỐI CÙNG

Joint Declaration of Data Citation Principles - FINAL

Theo: https://www.force11.org/group/joint-declaration-data-citation-principles-final

Khi trích dẫn, xin hãy sử dụng: Nhóm Tổng hợp Trích dẫn Dữ liệu: Tuyên bố Chung về các Nguyên tắc Trích dẫn Dữ liệu. Martone M. (ed.) San Diego CA: FORCE11; 2014 [/datacitation].

DANH SÁCH TÁN THÀNH

LỜI NÓI ĐẦU

Sự uyên bác lành mạnh, có khả năng tái tạo được dựa vào nền tảng của dữ liệu cường tráng, truy cập được. Để điều này diễn ra được trong thực tế cũng như trong lý thuyết, dữ liệu phải được coi là quan trọng trong thực hành nghiên cứu hàn lâm và trong việc đảm bảo hồ sơ nghiên cứu hàn lâm. Nói cách khác, dữ liệu nên được coi là các sản phẩm nghiên cứu hợp pháp, trích dẫn được. Trích dẫn dữ liệu, giống như sự trích dẫn bằng chứng và các nguồn khác, là thực hành nghiên cứu tốt và là một phần của hệ sinh thái hàn lâm hỗ trợ để sử dụng lại dữ liệu.

Để hỗ trợ cho sự khẳng định này, và để khuyến khích thực hành tốt, chúng tôi đưa ra một tập hợp các nguyên tắc chỉ dẫn cho dữ liệu trong các tư liệu hàn lâm, các tập hợp dữ liệu khác, hoặc bất kỳ đối tượng nghiên cứu nào khác.

Các nguyên tắc đó là sự tổng hợp công việc của một số nhóm. Khi chúng tôi bước sang pha tiếp sau, chúng tôi chào đón sự tham gia và đồng thuận của bạn đối với các nguyên tắc đó.

CÁC NGUYÊN TẮC

Các nguyên tắc Trích dẫn Dữ liệu đề cập tới mục đích, chức năng và các đặc tính của các trích dẫn. Các nguyên tắc đó nhận thức được về sự cần thiết của việc tạo ra các thực hành trích dẫn sao cho con người hiểu được và máy hành động được.

Các nguyên tắc trích dẫn đó không là các khuyến cáo toàn diện cho quản trị dữ liệu. Và, vì các thực hành biến động khắp các cộng đồng và các công nghệ sẽ tiến hóa theo thời gian, chúng tôi không gộp các khuyến cáo cho các triển khai đặc thù, mà khuyến khích các cộng đồng phát triển các thực hành và các công cụ thể hiện các nguyên tắc đó.

Các nguyên tắc đó được nhóm lại để tạo thuận lợi cho sự hiểu biết, hơn là tuân theo bất kỳ tiêu chí quan trọng được thừa nhận nào.

1. Tầm quan trọng

Dữ liệu nên được xem là các sản phẩm nghiên cứu hợp pháp, trích dẫn được. Các trích dẫn dữ liệu nên được dành cho tầm quan trọng y hệt trong hồ sơ nghiên cứu hàn lâm như là các trích dẫn của các đối tượng nghiên cứu khác, như các xuất bản phẩm [1].

2. Thừa nhận và Ghi công

Các trích dẫn dữ liệu nên tạo thuận lợi trao sự thừa nhận hàn lâm và ghi công theo tiêu chuẩn và pháp lý cho tất cả những người đóng góp vào dữ liệu đó, thừa nhận rằng kiểu hoặc cơ chế ghi công duy nhất có thể không áp dụng được cho tất cả các dữ liệu [2].

3. Bằng chứng

Trong tư liệu nghiên cứu hàn lâm, bất kể khi nào và bất kỳ ở đâu có tuyên bố dựa vào dữ liệu, thì dữ liệu tương ứng nên được trích dẫn [3].

4. Nhận diện duy nhất

Trích dẫn dữ liệu nên gồm phương pháp nhận diện thường trực để máy hành động được, nhận diện duy nhất trên toàn cầu, và được cộng đồng sử dụng rộng rãi [4].

5. Truy cập

Các trích dẫn dữ liệu nên tạo thuận lợi cho truy cập tới bản thân các dữ liệu đó và tới các siêu dữ liệu, tài liệu, mã, và các tư liệu khác có liên quan, vì chúng là cần thiết cho cả con người và máy để sử dụng các dữ liệu tham chiếu có đầy đủ thông tin [5].

6. Thường trực

Các mã nhận diện duy nhất, và siêu dữ liệu mô tả dữ liệu, và sự sắp đặt của nó, nên là thường trực - thậm chí vượt ra khỏi vòng đời dữ liệu chúng mô tả [6].

7. Nét đặc trưng và khả năng thẩm định

Các trích dẫn dữ liệu nên tạo thuận lợi để nhận diện, truy cập tới, và thẩm định dữ liệu đặc thù hỗ trợ cho tuyên bố. Các trích dẫn hoặc siêu dữ liệu trích dẫn nên bao gồm thông tin về gốc gác lai lịch và tính thường trực ổn định đủ để tạo thuận lợi cho việc thẩm định khoảng thời gian làm việc cụ thể (specific timeslice), phiên bản và/hoặc phần nhỏ nhất của dữ liệu được truy xuất sau đó là y hệt như từng được trích dẫn từ gốc ban đầu [7].

8. Tính tương hợp và tính mềm dẻo

Các phương pháp trích dẫn dữ liệu nên là đủ mềm dẻo để thích hợp được với các thực hành đa dạng trong các cộng đồng, nhưng không nên khác quá nhiều tới mức chúng làm hại tới tính tương hợp của các thực hành trích dẫn dữ liệu khắp các cộng đồng [8].

Khi trích dẫn tài liệu này, xin hãy sử dụng: Data Citation Synthesis Group: Joint Declaration of Data Citation Principles. Martone M. (ed.) San Diego CA: FORCE11; 2014 [https://www.force11.org/group/joint-declaration-data-citation-principles-final].

Để có thêm thông tin, hãy xem bảng chú giải, các ví dụ và các tham chiếu

When citing please use: Data Citation Synthesis Group: Joint Declaration of Data Citation Principles. Martone M. (ed.) San Diego CA: FORCE11; 2014 [/datacitation].

Endorsement List

Preamble

Sound, reproducible scholarship rests upon a foundation of robust, accessible data. For this to be so in practice as well as theory, data must be accorded due importance in the practice of scholarship and in the enduring scholarly record. In other words, data should be considered legitimate, citable products of research. Data citation, like the citation of other evidence and sources, is good research practice and is part of the scholarly ecosystem supporting data reuse.

In support of this assertion, and to encourage good practice, we offer a set of guiding principles for data within scholarly literature, another dataset, or any other research object.

These principles are the synthesis of work by a number of groups. As we move into the next phase, we welcome your participation and endorsement of these principles.

Principles

The Data Citation Principles cover purpose, function and attributes of citations. These principles recognize the dual necessity of creating citation practices that are both human understandable and machine-actionable.

These citation principles are not comprehensive recommendations for data stewardship. And, as practices vary across communities and technologies will evolve over time, we do not include recommendations for specific implementations, but encourage communities to develop practices and tools that embody these principles.

The principles are grouped so as to facilitate understanding, rather than according to any perceived criteria of importance.

1. Importance

Data should be considered legitimate, citable products of research. Data citations should be accorded the same importance in the scholarly record as citations of other research objects, such as publications[1].

2. Credit and Attribution

Data citations should facilitate giving scholarly credit and normative and legal attribution to all contributors to the data, recognizing that a single style or mechanism of attribution may not be applicable to all data[2].

3. Evidence

In scholarly literature, whenever and wherever a claim relies upon data, the corresponding data should be cited[3].

4. Unique Identification

A data citation should include a persistent method for identification that is machine actionable, globally unique, and widely used by a community[4].

5. Access

Data citations should facilitate access to the data themselves and to such associated metadata, documentation, code, and other materials, as are necessary for both humans and machines to make informed use of the referenced data[5].

6. Persistence

Unique identifiers, and metadata describing the data, and its disposition, should persist -- even beyond the lifespan of the data they describe[6].

7. Specificity and Verifiability

Data citations should facilitate identification of, access to, and verification of the specific data that support a claim. Citations or citation metadata should include information about provenance and fixity sufficient to facilitate verfiying that the specific timeslice, version and/or granular portion of data retrieved subsequently is the same as was originally cited[7].

8. Interoperability and Flexibility

Data citation methods should be sufficiently flexible to accommodate the variant practices among communities, but should not differ so much that they compromise interoperability of data citation practices across communities[8].

When citing this document please use: Data Citation Synthesis Group: Joint Declaration of Data Citation Principles. Martone M. (ed.) San Diego CA: FORCE11; 2014 [https://www.force11.org/group/joint-declaration-data-citation-principles-final].

For further information glossary, examples and references

Dịch: Lê Trung Nghĩa

letrungnghia.foss@gmail.com