FAIRness assessment challenge

Un uso più armonizzato di artefatti semantici come ontologie, terminologie, tassonomie, thesauri, vocabolari, schemi di metadati e standard è un elemento chiave per raggiungere un alto livello di FAIRness. Tuttavia, spesso può essere difficile trovare e utilizzare gli artefatti semantici, poiché essi stessi non sono sempre FAIR.

Partendo dal successo dell'approccio "FAIRness hackathon" utilizzato dal progetto agroalimentare francese FooSIN e dall'esperienza di valutazione e consultazione del progetto pilota FAIRsFAIR, questa azione di supporto mirata aiuterà una coorte di fornitori di dataset o di sviluppatori di artefatti semantici ad autovalutare il livello di FAIRness delle loro risorse (dataset, artefatti semantici o qualsiasi collezione di questi) con diversi strumenti e metodi di valutazione FAIRness messi a loro disposizione da FAIR-IMPACT. La coorte parteciperà a una sfida congiunta della durata di un mese durante la quale applicherà una serie di strumenti di valutazione, tra cui F-UJI, O'FAIRe e FOOPS, e metodi come il FAIR Data Maturity Model (FDMM) e le Dieci semplici regole per i vocabolari FAIR per autovalutare le proprie risorse. L'obiettivo per tutti i partecipanti sarà quello di massimizzare la FAIRness delle proprie risorse, espressa dai punteggi ottenuti con i vari strumenti utilizzati durante l'arco della sfida.

Tradotto con www.DeepL.com/Translator (versione gratuita)