Ricordate i tre passaggi 1. i dati vanno gestiti correttamente [nell'interesse del ricercatore: il lavoro risulta più fluido e si risparmia tempo] 2. i dati vanno resi FAIR by design 3. SE POSSIBILE, i dati vanno aperti **PRINCIPI FAIR** - [The FAIR Guiding Principles for scientific data management and stewardship][1] (2016) - [Infografica][2] con risorse di training per ognuno dei principi - [FAIR principles][3] with short explications (SSF) - [Turning FAIR into reality][4] (EU Commission report, 2018) - [FAIR myths][5] - [Video][6] FAIR data train (4 minuti per capire in pratica l'utilità dei dati FAIR) **QUANTO SIETE FAIR?** - [FAIR self assessment][7] (manuale, dà grado di conformità) - [FAIR aware][8] (manuale, offre spiegazione sui singoli principi) - [FAIR data maturity evaluator][9] (automatico, verifica conformità machine-readable) - [Do I pass for FAIR?][10] Siete una istituzione che favorisce la FAIRness? [1]: https://www.nature.com/articles/sdata201618 [2]: https://www.ands.org.au/working-with-data/fairdata/training [3]: http://www.snf.ch/SiteCollectionDocuments/FAIR_principles_translation_SNSF_logo.pdf [4]: https://ec.europa.eu/info/sites/info/files/turning_fair_into_reality_1.pdf [5]: https://vidensportal.deic.dk/en/FAIR [6]: https://vimeo.com/215975839 [7]: https://www.ands-nectar-rds.org.au/fair-tool [8]: https://fairaware.dans.knaw.nl/ [9]: https://fairsharing.github.io/FAIR-Evaluator-FrontEnd/#!/ [10]: https://doi.org/10.5281/zenodo.4080866