FAIR là bộ nguyên tắc quản lý dữ liệu nghiên cứu yêu cầu dữ liệu phải Tìm được (Findable), Truy cập được (Accessible), Tương thích (Interoperable) và Tái sử dụng được (Reusable), không chỉ bởi con người mà cả bởi máy. Bộ nguyên tắc được công bố năm 2016 trên tạp chí Scientific Data trong bài của Mark Wilkinson cùng nhiều đồng tác giả, và nhanh chóng được các quỹ tài trợ và tạp chí lớn đưa vào yêu cầu.
Điểm hay bị hiểu nhầm nhất: FAIR không đồng nghĩa với mở. Dữ liệu bệnh nhân có thể hoàn toàn FAIR, tức là có định danh, có siêu dữ liệu mô tả công khai, có quy trình xin truy cập rõ ràng, mà vẫn không công khai cho mọi người. Ngược lại, một tệp mở trên trang cá nhân không có mô tả, không định danh, có thể mở mà chẳng FAIR chút nào.
Bài này giải thích từng chữ cái trong FAIR ở mức thực hành, phân tích quan hệ giữa FAIR và dữ liệu mở, hướng dẫn chọn kho lưu trữ, viết siêu dữ liệu, trích dẫn dữ liệu, và lập kế hoạch quản lý dữ liệu cho một đề tài.
Bối cảnh ra đời: khủng hoảng tái lập và dữ liệu "theo yêu cầu"
Trong nhiều thập niên, câu "dữ liệu có thể được cung cấp theo yêu cầu hợp lý" xuất hiện dày đặc ở cuối bài báo khoa học. Các nghiên cứu kiểm tra thực tế cho thấy lời hứa này thường không được thực hiện: khi gửi thư xin, tỷ lệ nhận được dữ liệu thấp, và tỷ lệ dữ liệu còn tồn tại giảm dần theo tuổi bài báo. Một nghiên cứu của Vines và cộng sự năm 2014 về dữ liệu sinh thái học ước tính khả năng tìm lại dữ liệu giảm khoảng 17% mỗi năm sau khi công bố.
Song song đó là cái mà giới khoa học gọi là khủng hoảng tái lập: dự án tái lập 100 nghiên cứu tâm lý học của Open Science Collaboration công bố năm 2015 chỉ thu được kết quả có ý nghĩa thống kê ở khoảng 36% nghiên cứu lặp lại. Nguyên nhân có nhiều, nhưng việc không tiếp cận được dữ liệu và mã gốc khiến không ai kiểm được sai ở đâu.
FAIR ra đời từ một hội thảo ở Leiden năm 2014 nhằm đưa ra chuẩn chung, đủ cụ thể để đánh giá được, nhưng không phụ thuộc ngành hay công nghệ. Việc nhấn mạnh khả năng đọc của máy phản ánh thực tế mới: lượng dữ liệu vượt xa khả năng con người tìm kiếm thủ công, nên kho dữ liệu phải được thiết kế để phần mềm tìm và ghép được.
Bốn chữ cái, diễn giải thành việc cụ thể
Bài gốc chia FAIR thành mười lăm nguyên tắc con. Bảng dưới gom lại thành những việc cụ thể nhà nghiên cứu cần làm:
| Nguyên tắc | Ý nghĩa cốt lõi | Việc cần làm |
|---|---|---|
| Tìm được | Dữ liệu và siêu dữ liệu có định danh bền, được đánh chỉ mục | Lưu ở kho cấp định danh bền như DOI; viết siêu dữ liệu phong phú; đăng ký trong danh mục tìm kiếm được |
| Truy cập được | Lấy được qua giao thức chuẩn, mở, miễn phí; có xác thực khi cần | Nêu rõ điều kiện truy cập; siêu dữ liệu vẫn còn dù dữ liệu bị rút |
| Tương thích | Dùng ngôn ngữ, từ vựng, định dạng chung để ghép với dữ liệu khác | Dùng định dạng mở; dùng thuật ngữ chuẩn của ngành; liên kết tới dữ liệu liên quan |
| Tái sử dụng được | Mô tả đủ để người khác dùng đúng; có giấy phép và nguồn gốc rõ | Ghi giấy phép; mô tả phương pháp thu thập, xử lý; theo chuẩn cộng đồng của ngành |
Một chi tiết đáng chú ý trong nhóm Truy cập được: siêu dữ liệu phải tồn tại kể cả khi dữ liệu không còn. Nghĩa là người đọc bài báo mười năm sau vẫn biết bộ dữ liệu từng tồn tại, gồm những gì, và vì sao không còn truy cập được.
FAIR và mở: quan hệ, tranh luận và nguyên tắc CARE
Mở nhất có thể, đóng khi cần thiết. Câu này, được Uỷ ban châu Âu dùng trong chương trình tài trợ nghiên cứu, tóm tắt cách nhiều quỹ dung hoà FAIR với mở: mặc định chia sẻ, chỉ hạn chế khi có lý do chính đáng như quyền riêng tư, an ninh, thương mại, và lý do đó phải được nêu rõ.
Phản biện về chi phí. Làm dữ liệu FAIR tốn thời gian và tiền: soạn siêu dữ liệu, làm sạch, chuẩn hoá thuật ngữ. Nhà nghiên cứu trẻ phàn nàn rằng công sức này ít được ghi nhận trong đánh giá thăng tiến so với số bài báo. Đây là lý do nhiều tổ chức đang đưa trích dẫn dữ liệu vào tiêu chí đánh giá.
Phản biện về công bằng. Nhóm nghiên cứu ở nước thu nhập thấp lo ngại dữ liệu họ vất vả thu thập bị nhóm giàu nguồn lực hơn khai thác trước. Một số ngành áp dụng thời gian ưu tiên khai thác trước khi công khai, hoặc yêu cầu hợp tác với nhóm thu thập.
Nguyên tắc CARE bổ sung. Năm 2019, Liên minh Dữ liệu Bản địa Toàn cầu đề xuất bộ nguyên tắc CARE (lợi ích tập thể, quyền kiểm soát, trách nhiệm, đạo đức) để bổ sung cho FAIR: FAIR nói về dữ liệu, CARE nói về con người và cộng đồng mà dữ liệu mô tả. Hai bộ được khuyến nghị dùng song song khi dữ liệu liên quan tới cộng đồng cụ thể.
Chọn kho lưu trữ và chuẩn bị bộ dữ liệu
Chọn đúng kho lưu là bước làm được nhiều nhất cho FAIR với ít công sức nhất, vì kho tốt đã lo phần định danh, chỉ mục và bảo quản. Trình tự gợi ý:
- Kiểm xem tạp chí hoặc quỹ tài trợ có chỉ định kho không. Một số ngành có kho chuyên ngành bắt buộc, ví dụ trình tự gene, cấu trúc protein, dữ liệu tinh thể học.
- Nếu không có kho chuyên ngành, chọn kho tổng quát uy tín có cấp DOI, như Zenodo, Dryad, Figshare, Dataverse, hoặc kho của trường đại học. Tiêu chí: có cam kết bảo quản dài hạn, cấp định danh bền, có chính sách rõ về giấy phép.
- Chuẩn bị dữ liệu: định dạng mở, tên tệp có quy tắc, cấu trúc thư mục rõ, loại bỏ hoặc ẩn danh thông tin cá nhân.
- Viết tệp hướng dẫn đọc (README) gồm: mô tả dự án, danh sách tệp, ý nghĩa từng biến, đơn vị, mã giá trị thiếu, phần mềm và phiên bản đã dùng, cách trích dẫn.
- Điền siêu dữ liệu trên kho: tiêu đề, tác giả kèm định danh tác giả như ORCID, mô tả, từ khoá, giấy phép, liên kết tới bài báo và tới mã phân tích.
- Chọn giấy phép: CC0 hoặc CC BY 4.0 là phổ biến cho dữ liệu nghiên cứu.
- Trích dẫn DOI của bộ dữ liệu trong bài báo, ở phần tuyên bố về tính sẵn có của dữ liệu và trong danh mục tài liệu tham khảo.
Với dữ liệu nhạy cảm, quy trình tương tự nhưng kho được chọn là kho có kiểm soát truy cập: siêu dữ liệu công khai, dữ liệu chỉ cấp cho người nộp đơn được hội đồng duyệt.
Trích dẫn dữ liệu: vì sao và như thế nào
Nếu bài báo được trích dẫn mà bộ dữ liệu thì không, công sức thu thập dữ liệu sẽ vô hình trong hệ thống đánh giá khoa học. Tuyên bố chung về trích dẫn dữ liệu (Joint Declaration of Data Citation Principles) năm 2014 do cộng đồng FORCE11 khởi xướng khẳng định dữ liệu nên được coi là sản phẩm khoa học hợp pháp, có thể trích dẫn như bài báo.
Một trích dẫn dữ liệu đầy đủ thường gồm: tác giả, năm công bố, tiêu đề bộ dữ liệu, phiên bản, kho lưu trữ, và định danh bền. Ghi rõ phiên bản rất quan trọng vì dữ liệu có thể được sửa sau khi công bố; kết quả của bạn gắn với phiên bản bạn đã dùng. Nếu chỉ dùng một phần bộ dữ liệu, nên nêu rõ phần đó.
Ở chiều ngược lại, khi bạn công bố dữ liệu, hãy đề xuất sẵn một câu trích dẫn mẫu trong tệp hướng dẫn và trên trang kho. Người dùng có xu hướng trích dẫn đúng nhiều hơn hẳn khi chỉ cần sao chép. Các dịch vụ chỉ mục học thuật ngày càng theo dõi trích dẫn dữ liệu, nên đây cũng là cách để công sức của nhóm bạn được ghi nhận.
Kế hoạch quản lý dữ liệu cho một đề tài
Nhiều quỹ tài trợ quốc tế yêu cầu nộp kế hoạch quản lý dữ liệu ngay từ khi xin tài trợ. Ngay cả khi không bắt buộc, soạn một bản ngắn ở đầu dự án giúp tránh mất dữ liệu và tranh cãi về sau. Nội dung thường gồm:
- Dữ liệu gì: loại, khối lượng ước tính, định dạng, nguồn (tự thu thập hay tái sử dụng).
- Mô tả thế nào: chuẩn siêu dữ liệu, cách đặt tên tệp, cách ghi phiên bản.
- Lưu và sao lưu ở đâu trong lúc làm: ai có quyền truy cập, sao lưu bao nhiêu bản, ở những đâu.
- Đạo đức và pháp lý: có dữ liệu cá nhân không, đồng thuận của người tham gia có cho phép chia sẻ không, ẩn danh thế nào, ai sở hữu dữ liệu.
- Chia sẻ thế nào: kho nào, khi nào, giấy phép gì, có thời gian ưu tiên khai thác không.
- Bảo quản dài hạn: dữ liệu nào giữ, giữ bao lâu, ai chịu trách nhiệm sau khi đề tài kết thúc.
- Nguồn lực: thời gian và kinh phí cho quản lý dữ liệu, thường bị bỏ quên trong dự toán.
Điểm hay bị bỏ sót là mẫu phiếu đồng thuận: nếu phiếu không nói gì về chia sẻ dữ liệu, sau này rất khó chia sẻ hợp pháp. Viết đúng từ đầu rẻ hơn nhiều so với xin lại đồng thuận. Với nghiên cứu ở Việt Nam, cần đối chiếu thêm quy định hiện hành về bảo vệ dữ liệu cá nhân và quy định của hội đồng đạo đức.
Câu hỏi thường gặp
Nghiên cứu sinh có cần quan tâm đến FAIR không?
Có, vì ba lý do: nhiều tạp chí yêu cầu tuyên bố về tính sẵn có của dữ liệu khi nộp bài; luận án có dữ liệu được lưu tốt dễ bảo vệ khi bị chất vấn; và bộ dữ liệu có DOI là một sản phẩm khoa học có thể đưa vào hồ sơ cá nhân.
Dữ liệu định tính như phỏng vấn có áp dụng FAIR được không?
Được, nhưng khó hơn vì rủi ro nhận diện người tham gia cao. Thực hành phổ biến là công bố siêu dữ liệu, khung mã hoá, mẫu câu hỏi, và chia sẻ bản ghi đã ẩn danh kỹ qua kho có kiểm soát truy cập, chỉ khi phiếu đồng thuận cho phép.
Đăng dữ liệu lên trang web cá nhân có đủ không?
Không đủ cho FAIR. Trang cá nhân không có định danh bền, không được chỉ mục trong các danh mục dữ liệu, và thường biến mất khi tác giả chuyển công tác. Hãy lưu ở kho chuyên dụng và chỉ đặt đường dẫn tới DOI trên trang cá nhân.
Có nên chia sẻ cả mã phân tích không?
Nên. Dữ liệu không có mã thì người khác khó tái lập kết quả, vì các quyết định làm sạch và phân tích nằm trong mã. Nhiều kho cho phép lưu mã cùng dữ liệu và cấp DOI chung, hoặc liên kết với kho mã nguồn kèm một bản lưu cố định.
Làm sao đánh giá một bộ dữ liệu đã đạt FAIR tới đâu?
Có các công cụ tự đánh giá và bộ chỉ số do cộng đồng phát triển, chấm theo từng nguyên tắc con. Cách nhanh hơn là tự hỏi: người ngoài có tìm thấy dữ liệu qua công cụ tìm kiếm không, có biết điều kiện truy cập không, có hiểu từng cột mà không cần hỏi bạn không, có biết được phép làm gì không.
FAIR có áp dụng cho dữ liệu doanh nghiệp không?
Có, và ngày càng nhiều doanh nghiệp dùng FAIR cho dữ liệu nội bộ, đặc biệt ngành dược và vật liệu. Mục tiêu không phải là công khai mà là để các bộ phận tìm và dùng lại dữ liệu của nhau, giảm việc thu thập trùng lặp.