Joint
Declaration of 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].
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.
-
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].
-
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].
-
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].
-
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].
-
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].
-
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].
-
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].
-
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].
When
citing please use: Data Citation Synthesis Group: Joint Declaration
of Data Citation Principles. Martone M. (ed.) San Diego CA: FORCE11;
2014 [/datacitation].
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.
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].
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].
In
scholarly literature, whenever and wherever a claim relies upon data,
the corresponding data should be cited[3].
A
data citation should include a persistent method for identification
that is machine actionable, globally unique, and widely used by a
community[4].
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].
Unique
identifiers, and metadata describing the data, and its disposition,
should persist -- even beyond the lifespan of the data they
describe[6].
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].
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
Không có nhận xét nào:
Đăng nhận xét
Lưu ý: Chỉ thành viên của blog này mới được đăng nhận xét.