Adequação de protocolos de exportação de um sistema de gestão de experimentos neurocientíficos às especificações de dados sem atrito
DOI:
https://doi.org/10.5585/iptec.v8i1.16783Palavras-chave:
Tecnologia da Informação, Gestão, Neurociência, Ciência abertaResumo
O Neuroscience Experiments System (NES) é um sistema desenvolvido para gerenciar informações de experimentos de neurociência. O módulo de exportação do NES permite que o pesquisador obtenha os dados e metadados de seus experimentos em formatos interoperáveis, porém a compreensão desses dados nem sempre é simples. Seguindo os conceitos da metodologia ágil, adotamos a filosofia e as especificações técnicas do Frictionless Data com o intuito de reduzir o atrito frequentemente encontrado ao trabalhar com dados. A adoção do Frictionless Data proporcionou uma melhor compreensão dos dados pelos pesquisadores, além de permitir a criação de scripts e programas para realizar a análise dos dados coletados.
Downloads
Referências
Braghetto, K. R., Rocha, E. S., Ribas, C. E., Dos Santos, C. R. N., Rabaça, S. S., & Ruiz-Olazar, M. (2018, julho). Uma Plataforma Computacional para a Construção de Bancos de Dados para Experimentos de Neurociência. Anais do Brazilian e-Science Workshop (BreSci). Brazilian e-Science Workshop (BreSci), Natal, Rio Grande do Norte. http://natal.uern.br/eventos/csbc2018/?page_id=216
Fowler, D., Barratt, J., & Walsh, P. (2018). Frictionless Data: Making Research Data Quality Visible. International Journal of Digital Curation, 12(2), 274–285. https://doi.org/10.2218/ijdc.v12i2.577
Ruiz-Olazar, M., Rocha, E. S., Rabaça, S. S., Ribas, C. E., Nascimento, A. S., & Braghetto, K. R. (2016a). A Review of Guidelines and Models for Representation of Provenance Information from Neuroscience Experiments. In M. Mattoso & B. Glavic (Orgs.), Provenance and Annotation of Data and Processes (p. 222–225). Springer International Publishing.
Ruiz-Olazar, M., Rocha, E. S., Rabaça, S. S., Ribas, C. E., Vargas, C. D., Nascimento, A. S., & Braghetto, K. R. (2016b). NES: a free software to manage data from neuroscience experiments. 27–29. https://doi.org/10.3389/conf.fninf.2016.20.00043
Santos, J. C. F. dos. (2019). A ciência aberta e suas (re)configurações: Políticas, infraestruturas e prática científica [Tese (doutorado), Unicamp]. http://repositorio.unicamp.br/jspui/handle/REPOSIP/333948
Sefton, P., Carragáin, E. Ó., Goble, C., & Soiland-Reyes, S. (2019, outubro 24). Introducing RO-Crate: Research object data packaging. eResearch Australasia Conference, Brisbane, Austrália. https://conference.eresearch.edu.au/wp-content/uploads/2019/08/2019-eResearch_103_-Introducing-RO-Crate-research-object-data-packaging.pdf
Stern, R. B., d’Alencar, M., Uscapi, Y. L., Gubitoso, M. D., Roque, A. C., Helene, A. F., & Piemonte, M. E. P. (2018). Goalkeeper Game: A New Assessment Tool for Prediction of Gait Performance Under Complex Condition in People With Parkinson’s Disease. bioRxiv, 400457. https://doi.org/10.1101/400457
Vargas, C. D. & Kon, F. (2014). Em defesa do compartilhamento público de dados científicos. Le Monde Diplomatique Brasil, 32, 33.
Wiese, F., Schlecht, I., Bunke, W.-D., Gerbaulet, C., Hirth, L., Jahn, M., Kunz, F., Lorenz, C., Mühlenpfordt, J., Reimann, J., & Schill, W.-P. (2019). Open Power System Data – Frictionless data for electricity system modelling. Applied Energy, 236, 401–409. https://doi.org/10.1016/j.apenergy.2018.11.097
Yenni, G. M., Christensen, E. M., Bledsoe, E. K., Supp, S. R., Diaz, R. M., White, E. P., & Ernest, S. K. M. (2019). Developing a modern data workflow for regularly updated data. PLOS Biology, 17(1), e3000125. https://doi.org/10.1371/journal.pbio.3000125
Downloads
Publicado
Como Citar
Edição
Secção
Licença
Direitos de Autor (c) 2020 Revista Inovação, Projetos e Tecnologias – IPTEC
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0.
