Español (España) 
English (United Kingdom) 
Los Principios FAIR empleados para publicar datos científicos declaran que los datos deben ser Encontrables (Findable), Accesibles, Interoperables y Reutilizables. La adhesión a los Principios FAIR permite a los ordenadores y máquinas identificar y reutilizar los datos correctamente sin la intervención humana. Pero ¿cómo sabes si tus datos son FAIR? En esta publicación, proveemos la primera evaluación de "FAIRness" automatizada y dirigida por la comunidad, donde un ordenador explorará sus datos y le entregará un "Perfil FAIRness" que le permita conocer que propiedades FAIR han sido satisfactoriamente encontradas en sus datos.
Aunque la palabra "FAIR" se asocia con positividad y franqueza, los expertos en datos FAIR a menudo señalan que "FAIR es algo más que una conducta con la que sentirte mejor".
Los Principios de FAIR tienen como objetivo proporcionar pautas de alto nivel y calidad que guíen a administradores y proveedores de datos hacia prácticas de publicación dirigidas a aumentar la accesibilidad por las máquinas y ordenadores, más que por personas. Dado que el objetivo es la legibilidad por parte de las maquinas, tiene sentido construir máquinas que sean capaces de comprobar si se ha logrado este objetivo.
En este documento, proporcionamos un entorno software y un sitio web sencillo que permite a cualquiera aplicar los "Indicadores de madurez" FAIR a una fuente de datos para evaluar cómo de bien cumplen con cada uno de los Principios FAIR. Además, ofrecemos en un pack de inicio 22 tests que evalúan aspectos básicos de FAIRness. Tenemos la intención de que estos 22 tests sean extiendan ampliados por parte de comunidades individuales y otras partes interesadas que tengan requisitos más detallados para FAIRness.
En conjunto, estos recursos proporcionan una forma objetiva y automatizada de comprobar su "FAIRness"
Publicación Original:
Wilkinson, M.D., Dumontier, M., Sansone, S.-A., Santos, L.O.B. da S., Prieto, M., Batista, D., McQuilton, P., Kuhn, T., Rocca-Serra, P., Crosas, M., Schultes, E. 2019. Evaluating FAIR maturity through a scalable, automated, community-governed framework. Scientific Data 6, 1–12. DOI: 10.1038/s41597-019-0184-5