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