Atvirasis mokslas

Vienas iš pagrindinių atvirojo mokslo tikslų – tai pagerinti tyrimų duomenų skaidrumą ir patikimumą, skatinti atvirą komunikaciją ir bendradarbiavimą mokslinėje bendruomenėje. Remdamasi šiomis vertybėmis, 2016 metais išleistame straipsnyje mokslininkų grupė identifikavo keturis svarbiausius principus, dar vadinamus FAIR principais, kuriais turėtų vadovautis visi tyrimo duomenų rinkėjai ir leidėjai, kad pagerintų mokslinių duomenų ir metaduomenų Randamumą, Prieigą, Sąveikumą ir Panaudą (angl. atitinkamai – Findability, Accessibility, Interoperability and Reusability).  

FAIR principai teikia ypatingą svarbą tam, kad duomenys bei metaduomenys būtų mašinoms įvykdomi (angl. machine-actionable), t.y. lengvai surandami, panaudojami ir sąveikūs su įvairia kompiuterine įranga ar programomis. Dėl nuolat didėjančios duomenų apimties, šaltinių įvairovės, surinkimo greičio ir patikimumo reikalavimų (angl. atitinkamai – Volume, Variety, Velocity and Voracity), dar vadinamų didžiųjų duomenų 4V (angl. 4V’s of big data), statistinė analizė ir duomenų apdorojimas tampa vis labiau priklausomi nuo mašinų. Medicinos srityje itin didele apimti dažnai pasižymi genomų, imunologijos duomenys, populiacijų tyrimai. Norint, kad duomenų analizę mašinos vykdytų autonomiškai, greitai ir tiksliai, itin svarbu, jog neapdoroti duomenys būtų vienprasmiškai interpretuotini ir pateikti tinkamais formatais. 2022 metų straipsnyje, FAIR principai buvo įvardinti kaip “būtinybė”, atsižvelgiant į didėjančią dirbtinio intelekto panaudą duomenų apdorojime.  
 
Egzistuoja ir specializuoti FAIR-BioRS principai, pritaikyti biomedicinių tyrimų metu sukurtam programiniam kodui ar programoms. Plačiau – FAIR-BioRS puslapyje ir Barker et al (2022) straipsnyje 

F1. Metaduomenims bei duomenims turi būti suteiktas visiškai unikalus ir nekintantis identifikatorius.
Nekintantis identifikatorius (angl. Persistent identifier) – tai sistemos sugeneruotas kodas, serijinis numeris ar nuoroda, visada nukreipianti į identifikuojamo objekto informaciją ar lokaciją, net jeigu pastarosios keičiasi. Dažniausiai sutinkami pavyzdžiai – ORCID identifikatorius mokslininkams, DOI nuoroda, tačiau egzistuoja ir kiti: URI, CURIE, PURL, Handle, bei biologijos ir biomedicinos mokslų srities duomenis skirtas RRID. Neretai talpyklos automatiškai suteikia unikalų identifikatorių patalpintiems duomenims ar metaduomenims, pvz. PubMed ID publikacijoms ar Uniprot ID baltymams.

F2. Duomenys turi būti aprašomi išsamiais metaduomenimis, pateikiant kiek įmanoma daugiau informacijos apie duomenų kontekstą, turinį, kilmę, parametrus ir kitus požymius.
Šis principas yra glaudžiai susijęs su I1 bei R1 principais, tačiau teikia prioritetą tam, jog duomenys būtų lengvai randami paieškos sistemose net ir nenaudojant nekintančio identifikatoriaus. Metaduomenyse turėtų būti tiek techninė, tiek kontekstinė informacija. Pavyzdžiui, magnetinio rezonanso ar kiti vaizdinių tyrimų aparatai sukuria failus plačiai pritaikomu DICOM standartu ir automatiškai sugeneruoja dalį failo techninių metaduomenų (dydį, formatą, informaciją apie aparatą ir naudotas pasirinktis), tačiau autoriui reikėtų įtraukti ir platesnę kontekstinę informaciją apie tyrimų vietą, pacientą, datą, tiriamą kūno dalį, naudotas kontrastines medžiagas ir panašiai.
Sukurti detalius metaduomenis galima ne tik ranka, bet pasinaudojus programiniais įrankiais, kaip ISAtools, DCAT ar FAIR Data Team.  

F3. Metaduomenyse turi būti nurodytas aprašomo duomenų rinkinio nekintantis identifikatorius.  
Duomenys ir metaduomenys dažniausiai yra talpinami kaip atskiri failai, jie galimai atsiduria ir skirtingose talpyklose, todėl itin svarbu metaduomenyse aiškiai nurodyti aprašomų duomenų identifikatorių. Kai kurios duomenų talpyklos automatiškai sugeneruoja unikalų identifikatorių įkeltiems duomenų rinkiniams, kurį galima įrašyti metaduomenyse.  

F4. Metaduomenys bei duomenys turi būti užregistruoti ar indeksuoti paieškos šaltinyje.  
Nekintantis identifikatorius bei išsamūs metaduomenys yra tik pagalbiniai įrankiai, pagal kuriuos duomenys gali būti randami, tačiau jeigu duomenų egzistavimas nėra užregistruotas jokioje paieškos sistemoje, jų randamumas bendruomenei bus itin sudėtingas.  Duomenų bei metaduomenų bazės ir talpyklos gali būti randamos tokiuose registruose kaip re3data, DataCites Commons, OpenAire ar FAIRsharing Databases.  

A1. Metaduomenys bei duomenys turi būti pasiekiami per suteiktą nuolatinį identifikatorių naudojant standartizuotus ryšių protokolus (angl. Standardised communications protocols). 

A1.1. Protokolai turi būti nemokami ir universaliai prieinami ir pritaikomi.  
Trumpai tariant, bet kas, turintis kompiuterį ir interneto ryšį, turėtų galėti pasiekti duomenis ar bent jau metaduomenis be jokių specializuotų ar komercinių įrankių ir programų. Universaliausi protokolai – HTTP arba FTP.  

A1.2. Esant poreikiui, protokolai turi suteikti atpažinimo ir autentikavimo galimybes.  
Skirtingai nei Atvirosios Prieigos judėjimas, FAIR principai vadovaujasi kitokia prieinamumo samprata. Norint užtikrinti jog duomenys atitinka FAIR principus, nėra reikalaujama atvira ar nemokama prieiga. Prieinamumas, šiuo atveju, reikalauja aiškių specifinių instrukcijų, nurodančių, kokiu būdu duomenis galima būtų pasiekti. Idealiai, šis procesas turėtų būti automatizuotas – prieinamumo reikalavimai turėtų būti mašinai suprantami, jog mašina arba įvykdytų sąlygas pati, arba informuotų apie jas vartotoją. Vienas iš pavyzdžių – reikalavimas prisijungti prie paskyros duomenų bazėje ar talpykloje, arba duomenų prieiga tik susisiekus su autoriais nurodytais kontaktiniais duomenimis. Tokiu būdu yra apsaugomi pažeidžiami ar slapti duomenys bei nustatomos prieigos teisės.  

A2. Metaduomenys turi išlikti pasiekiami, net jeigu aprašyti duomenys yra nebeprieinami.  
Keičiantis technologijoms ir kompiuterinėms programoms, kai kurie duomenų formatai ar failai gali tapti nebepanaudojami ar nebeatidaromi. Taipogi, metaduomenų saugojimas yra paprastesnis ir reikalauja mažiau resursų, nei duomenų rinkinių išlaikymas, todėl metaduomenys turėtų būti išsaugomi ilgiau. Net ir be duomenų, metaduomenys suteikia daug vertingos informacijos apie tyrimo detales bei kilmę, todėl duomenys išlieka potencialiai prieinami tiesiogiai susisiekiant su dalyvavusiais mokslininkais ir institucijomis.  

I1. Metaduomenys bei duomenys turi būti pateikti formalia, suprantama, universalia ir plačiai pritaikoma kalba. 
Pagrindinis šio tikslo principas – jog visa informacija būtų universaliai suprantama mašinoms bet jokių papildomų algoritmų, vertimų ar schemų. Pasirinkta kalba turėtų turėti plačias panaudojimo galimybes, naudoti griežtai apibrėžtą sintaksę ir gramatiką, o specifikacijos bei instrukcijos kalbai išmokti ar suprasti turėtų būti universaliai prieinamos.  
 
Duomenų ir metaduomenų suprantamumui ir sąveikumui užtikrinti, lengviausia visą informaciją pateikti kaip ontologiją (angl. Ontology) – išskirstyti visą informaciją į kategorijas apie subjektus, jų savybes ir požymius, bei atvaizduoti, kokiais santykiais šios kategorijos yra susijusios. Šiam tikslui yra sukurtos ontologijos kalbos (angl. Ontology languages), kurių dažniausiai sutinkamos ir labiausiai tinkamos duomenų FAIR principams įgyvendinti – RDF, RDFS, OWL, DAML+OIL.  
 
Taip pat gali būti naudojami griežti kontroliniai žodynai (angl. Controlled vocabularies) arba sinonimus įtraukiantys tezaurai (angl. Thesauri), kurie sumažina kalbos variacijas ir palengvina suprantumą visiems vartotojams bei mašinoms. Taip užkoduota gali būti bet kokio tipo informacija, pvz kalbos, koduotos ISO standartiniais ženklais, ligos – ICD kodais, mokslinės temos – LCSH, OECD ar MeSH terminais. 

Šios kalbos ir žodynai jau būna įterpti į talpyklos programinį kodą, todėl vartotojui belieka užpildyti nurodytus laukus su atitinkama informacija. 

I2. Metaduomenyse bei duomenyse naudojami žodynai turi atitikti visus FAIR principus. 
Duomenyse bei metaduomenyse panaudoti kontroliniai žodynai bei tezaurai, jų aprašymai ir susiję dokumentai turi būti lengvai surandami, turėti nuolatinius identifikatorius, būti lengvai prieinami, sąveikūs ir panaudojami. 

I3. Metaduomenys bei duomenys turi įtraukti nuorodas į kitus metaduomenis bei duomenų rinkinius. 
Norint užtikrinti duomenų bei metaduomenų sąveikumą ir lengvesnį konteksto suprantamumą, visi tarpusavyje susiję informacijos vienetai turėtų būti susieti į lengvai suprantamą ir apkeliaujamą tinklą. Rekomenduojama įtraukti kiek įmanoma daugiau tikslingų nuorodų į kitus duomenų ar metaduomenų šaltinius, kuriuose gali būti patikslinanti ar papildanti informacija, kitos ar vėliau sukurtos duomenų dalys, vaizdinė ar garsinė medžiaga ir pan. Nuorodose turėtų būti nurodytas susietų šaltinių santykis (papildymas, pataisymas, suplementinė medžiaga, vaizdo įrašas ir pan., ). Visi nurodomi šaltiniai taip pat turėtų būti taisyklingai cituojami.  

R1. Metaduomenys bei duomenys turi būti įvariapusiškai, tiksliai ir tikslingai aprašyti.  
Šis punktas toliau vysto išsamių metaduomenų sampratą, ir pabrėžia, jog bet kuris duomenis radęs žmogus ar mašina turėtų gebėti lengvai įvertinti duomenų naudą, tinkamumą ir panaudojimo galimybes vien iš metaduomenų. Tam labiausiai reikalinga kontekstinė informacija, nurodanti kokiomis sąlygomis duomenys buvo surinkti, pvz.  eksperimento tikslas, protokolai, naudotos medžiagos, statistinės analizės metodai, duomenų apdorojimo lygis. Duomenų bei metaduomenų gali prireikti įvairiems tikslams, priklausomai nuo jų ieškančio vartotojo ar mašinai duotos užklausos, todėl kontekstinės informacijos rekomenduojama pridėti kuo daugiau, jog duomenys bei metaduomenys būtų kuo universalesni.

R1.1. Metaduomenyse bei duomenyse turi būti akivaizdžiai ir aiškiai nurodyta panaudojimo licencija. 
Sąlygos, kuriomis vadovaujantis duomenys bei metaduomenys gali būti platinami bei panaudojami, turi būti nurodytos tiek žmogui, tiek mašinai suprantamais terminais, nes daugiaprasmybės ar licencijų nenurodymas gali smarkiai apriboti duomenų panaudą. Dažniausiai sutinkamas licencijų tipas – Creative Commons licencijos. Plačiau apie šias licencijas →

R1.2. Metaduomenyse bei duomenyse turi būti detaliai nurodytas jų kilmės šaltinis.
Duomenyse bei metaduomenyse turėtų būti aiškiai, akivaizdžiai, žmogui bei mašinai suprantamais terminais nurodytas jų autorius (-iai), kiti bendradarbiavę asmenys ir jų indėlio pobūdis bei informacija, kaip autorius ir bendrakūrėjai norėtų būti cituojami. Taip pat rekomenduojama nurodyti, kas surinko duomenis, ar jie buvo aprodoti ir ar jau buvo publikuoti praeityje.

R1.3. Metaduomenys bei duomenys turi atitikti tarpdisciplininius, talpyklos nustatytus, ar atitinkamos mokslo srities standartus.
Priklausomai nuo mokslo šakos, šalies, tyrimo tikslo ir daugybės kitų faktorių, surinktų duomenų rinkiniai gali smarkiai skirtis savo struktūra, formatais, žodynu ir kitais požymiais. Tokia variacija apsunkina duomenų palyginimo bei panaudojimo galimybes, todėl mokslinės bendruomenės siekia standartizuoti duomenų pateikimą ir metaduomenų aprašus. Egzistuoja bendrojo pobūdžio standartai ir ontologinės kalbos, tinkamos įvairioms mokslo sritims ir duomenų bei metaduomenų tipams, pvz. Dublin Core, CERIF, DataCite Schema, DDI, RDF, OWL. Kai kurios duomenų talpyklos reikalauja laikytis jų nustatytų metaduomenų standartų, pvz. SPARC MIS. Taip pat rekomenduojama naudoti mokslo sričiai specifinius metaduomenų ar minimalios informacijos standartus (angl. Minimum Information Standards), pavyzdžiui kardiologijos (MICEE), histologijos (MITI), neuromokslų (BIDS bei MINI), genetikos (MIxS), imunologijos (MiAIRR). Daugiau metaduomenų standartų galima rasti Metaduomenų Standartų Kataloge arba FAIRsharing Standartų Registre.

Duomenys – struktūrizuotai išdėstyta fizinė arba elektroninė tekstinė, skaitinė, vaizdinė ar kita informacija. Duomenų rinkiniai, sukaupti tyrimo metu, dar yra vadinami moksliniais tyrimų duomenimis (angl. Research datasets). Sukaupti “žali” duomenys, norint gauti tyrimo rezultatus ir patikrinti hipotezę, tolesnėje tyrimo eigoje yra apdorojami techniškai ar statistiškai. Mokslinių duomenų rinkiniu gali būti laikomi šie, bei daugybė kitų duomenų formų:  

Metaduomenys – informacija, detalizuojanti duomenų techninius parametrus ir kontekstą, arba dar vadinami “duomenys apie duomenis”. Metaduomenyse dažniausiai įtraukiama:  

• duomenų turinio aprašymas (antraštė, raktiniai žodžiai) 
• kilmės šaltinis (kas, kur ir kada surinko duomenis, naudoti instrumentai ar metodai) 
• techniniai parametrai (failo dydis, formatas, naudoti duomenų standartai) 
• autorinių ir prieigos teisių nurodymai 
• kita svarbi informacija (matavimo vienetai, tyrimo subjektas,  finansavimo šaltinis, duomenų kokybė bei apdorojimo lygis ir kt.).  

Metaduomenys yra organizuojami struktūriškai, naudojant universalius ar disciplinai specifinius standartus ir ontologines kalbas. 

Atvirieji duomenys (angl. Open data) – tai ganėtinai naujas ir sparčiai besivystytantis, bet itin svarbus atvirojo mokslo judėjimo komponentas, siekiantis suteikti nemokamą, nuolatinę, neribojamą galimybę surasti ir naudotis mokslinių tyrimų duomenimis. Tai reiškia, kad visi mokslo proceso dalyviai bei plačiosios visuomenės nariai gali peržiūrėti, atsisiųsti, dalintis ar pakartotinai panaudoti neapdorotus tyrimų duomenis, atsižvelgiant į autorių teisių apsaugos bei licencinius reikalavimus. 

Viešas tyrimų duomenų publikavimas yra naudingas mokslo procesui ir prisideda prie atvirojo mokslo siekių, nes: 

• Gerina mokslinės produkcijos patikimumą, atkuriamumą ir skaidrumą, kadangi tyrimo duomenys, jų tikrumas, surinkimo metodologija bei jiems parinkti statistinės analizės metodai gali būti kritiškai įvertinti kitų mokslininkų bei publikacijos recenzuotojų.  
• Palengvina išvestinių darbų produkciją. Lengvai prieinami duomenys su pakartotinę panaudą užtikrinančia licencija gali būti iš karto panaudoti naujoms publikacijoms, rezultatų palyginimams, pasaulinio lygio metaanalizėms ir kt. be jokių papildomų finansinių, žmogiškųjų ar laiko išteklių švaistymo.   
• Skatina mokslininkų ir institucijų bendradarbiavimą. Neapdoroti duomenys, vieni ar sujungti su kitais duomenų rinkiniais, gali būti pritaikomi naujiems ir potencialiai tarpdisciplininiams tyrimams.   
• Skatina inovacijas ir naujus atradimus. Įvertinę sukauptus duomenis, mokslininkai gali identifikuoti neišnagrinėtas spragas ir naujų tyrimų galimybes.  
• Gerina autorių reputaciją ir įtaką. Paviešinti duomenys padidina publikacijos skaidrumą ir patikimumą, todėl kyla pasitikėjimas mokslu ir mokslinėmis institucijomis. Publikuoti duomenys taip gali būti cituojami, todėl gerinami mokslininko vertinimo rodikliai. 

Informacija rengiama..

Mokslinėje bendruomenėje išplito posakis, jog duomenys – tai naujoji nafta (angl. “Data is the new oil”). Tai itin galinga ir vertinga varomoji jėga, tačiau tik tada, jeigu yra tinkamai apdorota ir paruošta.  
 
Mokslinių tyrimų duomenų valdymas – tai kruopštus daugiaetapis procesas, apimantis tyrimo planavimą, duomenų surinkimą, apdorojimą, analizę, saugojimą, dalijimąsi ir publikavimą bei panaudojimą ir paiešką. 

Mokslinių duomenų ciklas. Pagal laikrodžio rodyklę – Planavimas (angl. Plan), Surinkimas (angl. Collect), Apdorojimas (angl. Process), Analizė (angl. Analyse), Išsaugojimas (angl. Preserve), Dalijimasis (angl. Share), Pakartotinis panaudojimas (angl. Reuse). Šaltinis: RDMkit by ELIXIR (CC-BY).

Kruopščiai ir nuosekliai atliekamo duomenų valdymo teikiamos naudos: 

• Duomenys apsaugomi nuo techninių nesklandumų, sugadinimo ar visiško praradimo 
• Kruopštūs metaduomenys, versijų kontrolė ir dokumentacija padeda apsisaugoti nuo duomenų vagystės,  intelektinės nuosavybės pažeidimų ar nepagrįstų kaltinimų 
• Sistemingai, standartiškai pateiktus ir detaliai aprašytus duomenis lengviau suprasti ir panaudoti analizei tiek pačiam autoriui, tiek juos galimai ateityje panaudosiančiam kitam mokslininkui 
• Taupomas autoriaus laikas, nes duomenis bus lengva rasti kompiuteryje ir sutelkti analizei; išvengiama klaidų ir pakartotinių analizių 
• Užtikrinamas įstatymų, duomenų apsaugos ir etikos reikalavimų laikymasis 
• Užtikrinamas finansuojančių organizacijų, projekto reikalavimų bei leidėjų nuostatų laikymasis 
• Užtikrinamas duomenų FAIR principų laikymasis 

Šiame etape stengiamasi iš anksto apgalvoti visą projekto eigą nuo pradžios iki pabaigos, galimus iššūkius, reikalavimus, atsikratyti nereikalingų veiksmų ir paversti projektą kiek įmanoma efektyvesniu. Kruopštus planavimas suteikia tvirtą pagrindą viso projekto eigai bei sutaupo daug laiko ir išteklių, sumažinai klaidų tikimybę, padeda užtikrinti visų finansuotojo reikalavimų bei įstatymų įgyvendinimą.  
 
Sukurta strategija dažniausiai struktūrizuotai ir formaliai aprašoma Duomenų valdymo plane arba DVP (angl. Data management plan (DMP)). Detalus planas turėtų būti paruoštas prieš pradedant bet kokius praktinius darbus ar duomenų rinkimą, tačiau tai nebūtinai bus galutinė jo versija. Projekto eigoje neretai atsiranda įvairių kliūčių, pakitimų ar naujų planų, todėl DVP turėtų būti nuolatos atitinkamai papildomas ir pataisomas naujomis versijomis. Dėl šios priežasties DVP yra įvardijamas kaip “gyvasis dokumentas”.  

Dauguma finansuojančių organizacijų reikalauja duomenų valdymo planą pateikti kartu su paraiškomis. Finansuotojų keliami reikalavimai gali skirtis – juos reikėtų išsiaiškinti iš anksto ir atitinkamai paruošti naują DVP.  

Dažniausiai duomenų valdymo planuose sutinkami šie klausimai: 

• Kokio tipo, formato, iš kur, kokiais metodais ir koks kiekis duomenų bus renkami?  
• Kaip duomenys bus aprašomi (metaduomenys, standartai), organizuojami, vadinami? 
• Kaip bus užtikrinama duomenų kokybė? 
• Kur ir kaip duomenys bus laikomi projekto metu? Ar bus daromos atsarginės kopijos?  
• Kaip bus užtikrinamas duomenų ir kopijų saugumas? 
• Kaip bus užtikrinama asmens duomenų apsauga? Kaip bus nuidentifikuomi ir anonimizuojami duomenys? 
• Kaip ilgai ir kur duomenys bus publikuojami ir archyvuojami? Kokiomis sąlygomis ar licencijomis bus galimas prieinamumas? 
• Kas bus atsakingas už duomenų valdymą? Kokie ištekliai tam bus reikalingi? 

Išankstinis registravimas – tai praktika, kuomet būsimo tyrimo planas (įskaitant hipotezę, metodologiją, tyrimo laikotarpį, analizę, numatytus rezultatus) yra viešai publikuojamas tik skaitymui skirtoje viešoje talpykloje. Rekomenduojama šį veiksmą atlikti prieš pradedant duomenų rinkimą. Išankstinė registracija nereiškia, jog tyrimo eigoje bus negalimi jokie pakeitimai ar papildomos analizės – svarbiausia rezultatų skelbimo metu visus nukrypimus nuo originalaus plano tinkamai pažymėti ir aprašyti.  

Ši praktika buvo pristatyta kaip vienas iš metodų atvirojo mokslo kultūrai skleisti, kadangi: 

• Išvengiama situacijų, kai analizė ir hipotezės staiga pakeičiami tyrimo eigoje, kad labiau atitiktų pirminius duomenis. 
• Sumažinama statistinių manipuliacijų rizika (pvz. duomenų pergilinimo (angl. p-hacking) 
• Išvengiama tyčinio rezultatų nuslėpimo, kadangi skelbiami ne tik hipotezę patvirtinantys, bet ir neigiami rezultatai.  
• Padidinama publikacijų įvairovė ir skaidrumas, kadangi publikuojami net ir nepasisekę ir nepasitvirtinę tyrimai. 
• Iškilus nesutarimams ar galimai vagystei, mokslininkams lengviau apginti savo idėjų kilmę ir intelektinę nuosavybę, pateikiant oficialiai skelbtą dokumentą ir jo metaduomenis kaip įrodymus.  

Skelbiant išankstinai registruoto tyrimo rezultatus, rekomenduojama pridėti nuorodą į registravimo dokumentus bei paskelbti visų iš anksto suplanuotų darbų rezultatus nepriklausomai nuo baigties.  

Išankstinai registruoti tyrimus galima įvairiose duomenų bazėse ar talpyklose: 

WHO International Clinical Trials Registry Platform (ICTRP) 

Clinical Trials Information System CTIS (klinikiniams intervenciniams med. produktų tyrimams) 

EMA Real world data katalogas  (klinikiniams neintervenciams tyrimams) 

ISRCTN Registras (klinikiniams individų ar populiacijų tyrimams, įskaitant medicinos, visuomenės ar darbo sveikatos, edukologijos ir ekonomikos tyrimams) 

Open Science Framework (įvairių tipų tyrimams) 

AsPredicted 

Informacija rengiama..

Informacija rengiama..

Informacija rengiama..

Informacija rengiama..

Informacija rengiama..

Informacija rengiama..

Atviroji prieiga (angl. Open Access) – tai informacijos sklaidos praktika, siekianti suteikti nemokamą, nuolatinę, neribojamą galimybę naudotis skaitmenine visatekste informacija internete. Tai reiškia, kad vartotojai gali skaityti, atsisiųsti, dalintis ar pakartotinai panaudoti dokumentų turinį atsižvelgiant į autorių teisių apsaugos bei licencinius reikalavimus. Ši praktika dažniausiai taikoma akademiniams leidiniams, moksliniams straipsniams, konferencijų tezėms, tyrimų rezultatams ir duomenų rinkiniams, magistro ir doktorantų tezėms bei disertacijoms. Tai žinomiausia ir labiausiai išvystyta atvirojo mokslo dalis. Plačiau apie atvirąją prieigą →

Atvirieji duomenys (angl. Open data) – tai palyginti mažai išvystytas, bet itin svarbus atvirojo mokslo judėjimo komponentas, siekiantis suteikti nemokamą, nuolatinę, neribojamą galimybę prieiti ir naudotis mokslinių tyrimų duomenimis. Tai reiškia, kad visi mokslo proceso dalyviai bei plačiosios visuomenės nariai gali peržiūrėti, atsisiųsti, dalintis ar pakartotinai panaudoti neapdorotus tyrimų duomenis, atsižvelgiant į autorių teisių apsaugos bei licencinius reikalavimus. Atvirųjų duomenų judėjimas įgauna vis daugiau svarbos, prie jo vystymo ir propagavimo prisideda vis daugiau finansuojančių organizacijų, leidėjų ir pasaulinių organizacijų. Plačiau apie atviruosius duomenis →

Atvirojo švietimo išteklių (angl. Open educational resources) praktika siekia atverti visas mokymo ir mokymosi priemones nemokamai, atvirai prieigai, platinimui bei panaudai bet kuriam moksleiviui, studentui, mokytojui ar dėstytojui. Tai įskaito ne tik vadovėlius ar pratimų sąsiuvinius, bet ir kitą medžiagą – pamokų planus ir santraukas, užduočių rinkinius, vizualinę, garsinę ar video medžiagą. Autorinėms teisėms apsaugoti, autoriams rekomenduojama pasinaudoti Creative Commons licencijomis. 
 
Atvirojo švietimo idėja ir terminologija vystoma nuo 2002 metų. Itin reikšmingose Keiptauno Atvirojo Švietimo bei Paryžiaus Atvirųjų Švietimo Šaltinių deklaracijose buvo rekomenduojama publikuoti mokymo priemones atvirai prieigai, panaudai, vertimams ir platinimui, nepamirštant ir skaitytojų su negalia ar neturinčių interneto ryšio. Deklaracijos grindžiamos Jungtinių tautų Žmogaus Teisių Deklaracijos 26 skyriumi, įvardinančiu švietimą kaip universalią žmogaus teisę. Mokslinės institucijos bei vyriausybės buvo raginamos visoms viešosiomis lėšomis finansuojamoms mokymo priemonėms suteikti atvirąją prieigą, teikti prioritetą atvirojo švietimo veiklai ir ją atitinkamai apdovanoti. Dabartinė atvirojo švietimo išteklių samprata, strategija ir politika remiasi naujausiu 2019 metų UNESCO Atvirojo Švietimo Išteklių Rekomendacijų dokumentu.  

Atvirojo švietimo išteklius galima rasti tokiose paieškos sistemose ir svetainėse kaip OER Commons, Open Textbook Library, Open Course Library, MERLOT bei Openverse. 

Atvirojo kodo (angl. Open source) praktika siekia atviros prieigos, panaudos, ir galimybės toliau vystyti esamus ar kurti išvestinius darbus iš visų kompiuterinių programų bei programinio kodo. Atvirojo kodo praktika ir jos pagrindu kurti produktai yra itin populiarūs, pvz. operacinės sistemos (Linux, Ubuntu), interneto naršyklės (Firefox), grafinio dizaino (Blender), statistinės analizės (R, MySQL) programos ir pan. Programinis kodas taip pat viešinamas tokiose talpyklose kaip GitHub ar SourceForge. 

Neretai programinė įranga ar kodas yra sukuriami kaip pagalbiniai įrankiai duomenų apdorojimui ar kaip galutiniai tyrimo rezultatai biomedicinių tyrimų metu. Biomedicinių tyrimų programos gali būti įvairių formatų, įskaitant Python ar R kodą, Jupyter notebook failus, dirbtinio intelekto ar mašininio mokymosi modelius, kompiuterines programas, mobiliąsias programėles ir pan. Šiai įrangai ir kodui, taip pat, kaip publikacijoms ar duomenų rinkiniams, rekomenduojama suteikti atvirąsias licencijas ir įsitikinti, jog  jie atitinka FAIR principus. 2022 metais buvo pristatyti FAIR-BioRS principai, adaptuoti būtent programinei įrangai ir kodui. 

Atvirojo mokslo infrastruktūros (angl. Open science infrastructures) – tai visuomeniniai virtualūs ir fiziniai mokslo ištekliai, palaikantys atvirojo mokslo principicus, skatinantys skaidrumą, atkuriamumą, ilgalaikį saugojimą ir bendradarbiavimą, mokslinių tyrimų rezultatų plitimą bei pasiekiamumą. Fiziniais ištekliais laikomi moksliniai instrumentai ir įranga, viešosios išradimų ir meistravimo laboratorijos, muziejai, mokslo parkai ir kitos viešos, į mokslą orientuotos fizinės erdvės ir fiziškai panaudojami objektai. Virtualūs ištekliai, tuo tarpu, apima mokslinius žurnalus, atvirosios prieigos platformas, archyvus, duomenų, kodo ir publikacijų talpyklas, mokslo valdymos sistemas (angl. Research information systems), duomenų analizės įrankius.  

Visuomenės įtraukimu (angl. Open engagement of societal actors) apibrėžiamas bendradarbiavimas tarp mokslininkų ir visuomenės narių, kurio metu dalijamasi įvairiais mokslinio proceso įrankiais ir praktikomis, vyksta dialogas tarp tyrėjų, įstatymų rengėjų, visuomenės narių, švietimo ir ir sveikatos priežiūros darbuotojų. Plačiau sutinkamos tokio bendradarbiavimo formos – piliečių mokslas (plačiau →),  sutelktinio finansavimo (angl. Crowdfunding) rinkimas, visuomenės patalka (angl. Crowdsourcing).

Siekiama, jog visi Europos Sąjungos lėšomis finansuojamų mokslinių tyrimų rezultatų duomenys atitiktų FAIR principus ir būtų:  

• Lengvai randami (angl. Findable) ne tik mokslinei bendruomenei, bet ir visuomenei, pasitelkiant nuolatinius identifikatorius, indeksavimo sistemas bei turiningus aprašymus.  
• Universaliai ir ilgam laikui prieinami (angl. Accessible) per standartinius ryšių protokolus. 
• Sąveikūs (angl. Interoperable) ir užkoduoti standartizuotomis kalbomis bei struktūromis, kas palengvina jų suprantamumą mašinoms.  
• Panaudojami (angl. Reusable), pasitelkiant išsamų aprašymą, citavimo informaciją bei panaudos licencijas. 

Plačiau apie FAIR duomenų principus →

Europos Atvirojo Mokslo Debesija (angl. European Open Science Cloud (EOSC)) – tai Europos Komisijos iniciatyva kurtas sąveikus (angl. Interoperable) mokslo informacijos tinklas, apjungiantis institucines, nacionalines, Europines bei tematines mokslo talpyklas ir kitas infrastruktūras. Iniciatyva yra įtraukta į tokias strategines Europos Sąjungos gaires ir projektus kaip Horizon Europe, ERA 2022-2024 bei European Data Strategy kaip priemonė atvirojo mokslo judėjimui propaguoti.  

EOSC siekia talpinti mokslinius duomenis, publikacijas, programas, įrankius, paslaugas ir kitus mokslo išteklius ir suteikti atvirąją prieigą prie jų ne tik mokslininkams, bet ir kitiems bendruomenės nariams. Ypatingas dėmesys skiriamas talpinamų duomenų FAIR principams.  

Pagrindinės EOSC užduotys:  

• Paskatinti atvirųjų duomenų publikavimo ir dalijimosi praktiką, užtikrinti atvirą prieigą visiems visuomenės nariams. 
• Apjungti Europos Sąjungoje veikiančias mokslines talpyklas bei paieškos sistemas į centralizuotą sistemą ir užtikrinti šių talpyklų sąveikumą.  
• Paskatinti bendradarbiavimą tarp mokslininkų ir mokslinių institucijų, skatinti tarptautiškumą ir tarpdiscipliniškumą.    
• Užtikrinti, jog tyrimų duomenys atitinka FAIR principus. 
• Skatinti geros duomenų valdymo praktikos taikymą, duomenų citavimą, išsamių metaduomenų kūrimą ir jų ilgalaikį saugojimą. 

Mokslinė veikla turėtų būti pagrįsta sąžiningumu, pagarba, atsakomybe ir skaidrumu, todėl visi tyrimų metodai ir procesai turėtų būti viešinami, kruopščiai patikrinti ir standartizuoti. Visi tyrimų rezultatai taip pat turėtų būti pakartotinai išgaunami (angl. Reproducible) bei atkuriami (angl. Replicable). Mokslinėje bendruomenėje vis dažniau diskutuojama “atkuriamumo krizės” tema, įvardijama, jog patikimai atkuriamų publikuotų tyrimų rezultatų dalis yra pernelyg maža. 2016 metų straipsnio duomenimis, medicinos ir biomedicinos srities mokslininkai buvo vieni mažiausiai pasitikinčių savo disciplinos publikacijų atkuriamumu. Prastai suplanuoti eksperimentai, per mažas imties dydis, standartizacijos stygius, netinkamai parinkta ar klaidingai atlikta statistinė analizė, prasta recenzavimo praktika buvo įvardintos kaip vienos iš daugybės netikslių ar neatkuriamų tyrimų priežasčių. 2020 metais Europos komisija pristatė dokumentą su galimais sprendimo būdais mokslo atkuriamumui ir kokybei gerinti – planuose buvo įtrauktos tokios idėjos kaip mokslo kultūros ir vertinimo gerinimas, mokslinių tyrimų proceso ir duomenų rinkimo tobulinimas bei standartizacija, taip pat visų lygių mokslininkų palaikymas ir mokymai, ypatingai duomenų apdorojimo ir statistinės analizės temomis.  

2021 metų UNESCO Rekomendacijoje Dėl Atviro Mokslo siūlomi dar du būdai skaidrumui užtikrinti – atviroji metodologija ir atvirasis recenzavimas. Taikant Atvirosios Metodologijos (angl. Open methodology) praktiką, būtų paviešinti ir atverti visi tyrimo procesai, metodai, eksperimento pobūdžiai, įrankiai ir statistinės analizės priemonės. Tai užtikrina, jog tyrimas gali būti kritiškai įvertintas bei atkuriamumas.  

Atvirojo recenzavimo (angl. Open peer review) praktika skiriasi nuo įprastinės recenzavimo praktikos, nes recenzuojantis mokslininkas yra ne anoniminis, bet viešai įvardintas, o komentarai atveriami ne tik publikacijos autoriams ar leidinio redaktoriui, bet visiems skaitytojams.  

Bene didžiausia tokio metodo nauda – bendras recenzavimo proceso užtikrinimas. Grobuoniški žurnalai (angl. Predatory journals) dažniausiai slapta neįvykdo žadėto recenzavimo, todėl išleistų publikacijų kokybė ir skaidrumas negali būti garantuoti. Reikalavimas paviešinti recenzavusių asmenų tapatybes bei komentarus ženkliai apsunkintų grobuoniškų žurnalų klastotes. Paviešinant tapatybes taip siekiama išvengti užslėpto kenkėjiško elgesio, konfliktų, išankstinio nusistatymo, nesąžiningo ar nesistemingo publikacijų vertinimo, bei paskatinti viešą dialogą ir kritiką. 

Dar viena atvirojo recenzavimo nauda – greitesnis publikavimo procesas. Dabartinis recenzavimo modelis yra itin lėtas, neretai užtrunkantis iki metų. Atvėrus recenzavimo procesą, į jį įsitrauktų labiau motyvuoti, publikacijos tema besidomintys ir daugiau laiko turintys mokslininkai, todėl publikacijos būtų apdorotos greičiau. Taip pat į recenzavimo procesą siūloma įtraukti ir plačiąją visuomenę. Rekomenduojama, jog autoriai specialiose talpyklose taip pat viešintų ir “preprintus” (angl. Preprints) – tik redaktoriams pateiktas, bet dar nerecenzuotas publikacijas. Tokiu būdu autoriai pritrauktų potencialius leidėjus jau iš anksto.  

Kai kurie moksliniai žurnalai jau palaiko atvirojo recenzavimo praktiką, pvz. BioMed Central, BMJ. Egzistuoja ir nerecenzuotų publikacijų (preprintų) talpyklos, pvz. medRxiv, bioRxiv, ASAPbio. PubPeer tinklapyje matomi publikacijų komentarai, įvertinimai bei autorių atsakymai. 

Besikeičiant technologijoms, kultūrai, socialiniams ir akademiniams poreikiams, mokslo kokybės samprata taip pat turėtų keistis. Tradicinių mokslometrijos rodiklių, tokių kaip žurnalo citavimo rodiklis (angl. Impact factor) ar publikacijos citavimo bei peržiūrų skaičius, nebepakanka tinkamai įvertinti mokslo produkcijos vertę. Rekomenduojama kurti naujos kartos mokslometrijos vertinimo kriterijus, kurie suteiktų platesnį bei gilesnį supratimą apie publikacijų, autorių bei institucijų vertę, įtaką, ir reikšmingumą. 

2012 metų San Francisko Mokslo Vertinimo Deklaracijoje buvo skatinama kuo mažiau pasikliauti žurnalo rodikliais, ypač žurnalo citavimo rodikliu (angl. Journal impact factor) mokslininko ir publikacijos įtakai vertinti. Ši deklaracija buvo pasirašyta daugiau nei 2200 organizacijų, įskaitant tokius stambius leidėjus kaip Nature, BioMed Central ir Springer. Ši rekomendacija buvo toliau vystoma 2015 metų Leideno Manifeste, kuriame buvo iliustruota, kaip tradiciniai mokslometrijos rodikliai yra galimai klaidinantys ir nevertina publikacijos vietiniame, mokslo šakos ar kultūriniame kontekste. Tradicinių rodiklių atsisako ir koalicijaS savo išleistame dešimties punktų plane S. Vienas naujausių tarptautinių mokslo vertinimo reformos dokumentų – CoARA susitarimas, kurį pasirašė ir Europos bei Lietuvos mokslo tarybos.  

Vienas iš geriausiai žinomų naujosios kartos metrikų – Altmetric, matuojantis publikacijos matomumą ir panaudą ne tik akademinėje bendruomenėje, bet ir socialinėse medijose, teisiniuose dokumentuose bei žiniasklaidoje. Kiti naujos kartos metrikai – Dimensions, Plum Analytics, ImpactStory.

Plačiau apie mokslometriją →

Siekiama, jog visa mokslinė produkcija būtų nemokamai ir neribotai prieinama visiems visuomenės nariams, o dabartinis leidybos modelis būtų pilnai pakeistas iš tradicinio komercinio į atvirosios prieigos. Plačiau apie atvirąją prieigą →

Informacija rengiama..

Mokslinės institucijos turėtų suteikti visus informacinius išteklius ir, esant galimybei, organizuoti mokymus savo darbuotojams bei studentams apie atvirojo mokslo judėjimą, praktiką, besivystančias naujoves, bei kitas atvirojo mokslo sudėtines dalis: atvirąją prieigą, atviruosius tyrimų duomenis ir talpyklas, FAIR principus. Ilgainiui, visi Europos mokslininkai turėtų gebėti pritaikyti atvirojo mokslo principus savo tyrimuose.

Mokslinės institucijos turėtų skatinti atvirojo mokslo panaudą savo tyrėjų bendruomenėje, palengvinti adaptaciją prie naujų atvirojo mokslo praktikų, atitinkamai įvertinti, atlyginti ir apdovanoti už mokslinę produkciją, inovacijas ir žinių sklaidą.