Dati aperti nella ricerca: migliorare la trasparenza, la riproducibilità e la fiducia

L'importanza dei dati aperti per la trasparenza della ricerca

Introduzione

La ricerca scientifica sostiene le decisioni in ambito sanitario, educativo, delle politiche climatiche, economico e in innumerevoli altri settori che influenzano la vita quotidiana. Affinché queste decisioni siano fondate, la ricerca su cui si basano deve essere trasparente, verificabile e affidabile. Tradizionalmente, la trasparenza si è concentrata sull'articolo pubblicato, ovvero sul resoconto che spiega che cosa è stato fatto e che cosa è stato scoperto. Oggi questo non è più sufficiente. Sempre più spesso, finanziatori, riviste e opinione pubblica si aspettano di poter accedere non solo al contenuto dell'articolo, ma anche ai dati, al codice e ai protocolli che lo sostengono.

È qui che entrano in gioco i dati aperti. I dati aperti consistono nel rendere i dati della ricerca disponibili gratuitamente e legalmente, affinché altri possano esaminarli, riutilizzarli e svilupparli ulteriormente. Sono strettamente legati al più ampio movimento della scienza aperta e ai principi FAIR (reperibili, accessibili, interoperabili e riutilizzabili). Quando i dati vengono condivisi in modo aperto e responsabile, altri ricercatori possono ripetere le analisi, verificarne la solidità, combinare dataset ed esplorare nuove domande che gli autori originali potrebbero non aver mai previsto. In breve, i dati aperti sono uno degli strumenti più potenti a nostra disposizione per rafforzare la trasparenza e la riproducibilità della ricerca.

Allo stesso tempo, i dati aperti sollevano preoccupazioni concrete: privacy, uso improprio, interpretazioni errate, mancanza di infrastrutture e resistenza culturale all'interno del mondo accademico. Questo articolo esamina che cosa significhino in pratica i dati aperti, perché siano importanti per la trasparenza, quali siano i vantaggi e le sfide coinvolti e che cosa possano fare ricercatori e istituzioni per promuovere una condivisione dei dati responsabile e sostenibile.

Che cosa sono i dati aperti nella ricerca?

Nel contesto della ricerca, per dati aperti si intendono dati e materiali correlati messi a disposizione di altri senza restrizioni non necessarie. In genere includono:

• I dataset grezzi o elaborati utilizzati in uno studio.
• Codice o script utilizzati per la pulizia, l'analisi o la visualizzazione dei dati.
• Protocolli, questionari e altri documenti metodologici.
• Metadati – informazioni che descrivono come, quando, dove e perché sono stati raccolti i dati.

Mettere semplicemente un foglio di calcolo online non significa automaticamente offrire buoni dati aperti. Per essere davvero aperti e utili, i dati della ricerca dovrebbero includere:

• Disponibili gratuitamente: l'accesso non dovrebbe essere bloccato da paywall o da ostacoli legali non necessari.
• Accessibili in un formato utilizzabile: i dati dovrebbero essere forniti in formati standard e non proprietari (ad es. CSV invece di un formato binario di nicchia o obsoleto), così che altri possano effettivamente lavorarci.
• Ben documentati: i metadati, i codebook e i file ReadMe dovrebbero fornire un contesto sufficiente affinché altri comprendano il significato di ciascuna variabile, le modalità di raccolta dei dati e qualsiasi limitazione o avvertenza.
• Con licenza per il riutilizzo: licenze aperte esplicite (come CC BY o ODC-BY) chiariscono in che modo altri possano riutilizzare, adattare e citare i dati.

I dati aperti sono spesso conservati in repository pubblici (ad es. Zenodo, Figshare, Dryad, Harvard Dataverse) o in repository specializzati per materia (ad es. GenBank per le sequenze genetiche, ICPSR per i dati delle scienze sociali). Oggi molte riviste richiedono una dichiarazione sulla disponibilità dei dati, che spiega dove è possibile trovarli e a quali condizioni.

Dati aperti e trasparenza della ricerca

La trasparenza della ricerca indica in che misura uno studio può essere compreso, valutato e riprodotto da altri. I dati aperti contribuiscono alla trasparenza in diversi modi:

• Verifica: ricercatori indipendenti possono controllare se le analisi e le conclusioni pubblicate siano supportate dai dati.
• Riproducibilità: altri team possono eseguire nuovamente le fasi dell’analisi utilizzando gli stessi dati e lo stesso codice, per verificare se i risultati originali siano riproducibili.
• Robustezza: è possibile effettuare ulteriori verifiche di robustezza (ad es. modelli alternativi, sottogruppi diversi o dati aggiornati) per valutare quanto i risultati siano sensibili alle assunzioni.
• Rilevamento degli errori: gli errori nella codifica dei dati, nell’analisi o nella comunicazione dei risultati vengono individuati più facilmente quando i materiali sottostanti sono visibili.

In ambiti quali la medicina, la climatologia e le politiche sociali – dove la ricerca può influire su normative, linee guida terapeutiche e comportamenti del pubblico – questi aspetti della trasparenza non sono semplici ideali accademici; sono essenziali per la fiducia del pubblico e la responsabilità etica.

Riproducibilità e la “crisi delle repliche”

Negli ultimi anni sono aumentate le preoccupazioni sulla riproducibilità, soprattutto in psicologia, nelle scienze biomediche e in economia. Progetti di replica su larga scala hanno rilevato che alcuni effetti pubblicati sono difficili o impossibili da riprodurre. Sebbene vi siano molte ragioni, la mancanza di accesso ai dati e al codice originali rappresenta un ostacolo importante. Senza i materiali grezzi, spesso è impossibile stabilire se le discrepanze derivino da differenze effettive nei dati, da scelte analitiche o da errori.

I dati aperti affrontano direttamente questo problema. Quando dataset e codice sono disponibili, team indipendenti possono condurre repliche o rianalisi, verificando se le conclusioni restano valide in presenza di assunzioni leggermente diverse o dell’aggiunta di ulteriori dati. Nel tempo, ciò porta a una base di conoscenze più solida, in cui le affermazioni sono state esaminate e confermate ripetutamente da prospettive diverse.

Vantaggi dei dati aperti nella ricerca

1. Rafforzare l’integrità scientifica

I dati aperti rafforzano l’integrità scientifica rendendo la ricerca più responsabile. Sapere che altri potranno vedere e analizzare i propri dati incoraggia i ricercatori a seguire le migliori pratiche nella progettazione degli studi, nella gestione dei dati e nella rendicontazione. Questa trasparenza contribuisce a:

• Scoraggiare pratiche di ricerca discutibili, come la comunicazione selettiva dei risultati o il “p-hacking”.
• Ridurre il rischio di manipolazione o falsificazione intenzionale dei dati.
• Aumentare la fiducia nel fatto che i risultati pubblicati riflettano andamenti reali nei dati.

Quando si verificano problemi, i dati aperti rendono più facile individuarli e correggerli. Correzioni, commenti e peer review successiva alla pubblicazione possono basarsi sull’ispezione diretta delle evidenze sottostanti, non solo su speculazioni fondate sull’articolo scritto.

2. Facilitare la collaborazione e l’innovazione

I dati sono risorse preziose. Quando vengono condivisi, il loro valore si moltiplica. I dati aperti consentono di:

• Collaborazione interdisciplinare: un dataset raccolto da ecologi può interessare economisti, informatici o sociologi, che possono applicarvi nuovi metodi e porre nuove domande.
• Nuove domande di ricerca: i ricercatori possono combinare più dataset aperti per esplorare modelli che sarebbe impossibile rilevare in un singolo studio, come tendenze globali o cambiamenti a lungo termine.
• Risoluzione collaborativa dei problemi: sfide aperte e hackathon possono invitare esperti di tutto il mondo ad analizzare dataset comuni e condividere soluzioni.

Questo potenziale collaborativo è particolarmente importante negli ambiti che affrontano complesse sfide sociali (ad es. risposta alle pandemie, adattamento climatico, pianificazione urbana), dove nessun singolo team o disciplina può fornire tutte le risposte.

3. Aumentare la visibilità della ricerca e le citazioni

Crescono le evidenze che gli articoli accompagnati da dati aperti ricevono più citazioni rispetto a quelli che ne sono privi. Quando altri utilizzano un dataset in lavori successivi, in genere citano l’articolo e il dataset originali, aumentando l’impatto e la visibilità della ricerca. I dati aperti possono quindi:

• Rafforzare il profilo accademico e il percorso professionale di un ricercatore.
• Supportare le richieste di finanziamento che pongono l’accento su apertura, impatto e riutilizzo.
• Migliorare la reputazione della rivista segnalando l’impegno per la trasparenza e la riproducibilità.

Molti enti e istituzioni finanziatori considerano ora la condivisione dei dati un indicatore positivo di buona cittadinanza scientifica e di valore a lungo termine del denaro investito.

4. Favorire il coinvolgimento del pubblico e la definizione delle politiche

I dati aperti non vanno a beneficio soltanto di altri accademici. Quando i dati della ricerca sono disponibili in formati comprensibili, possono anche favorire:

• Politiche basate sulle evidenze: i decisori politici possono esaminare direttamente i dati pertinenti o commissionare analisi indipendenti, anziché affidarsi esclusivamente a sintesi.
• Esame giornalistico: i giornalisti d’inchiesta possono verificare le affermazioni ed esplorare nuove prospettive, migliorando l’informazione scientifica.
• Educazione e citizen science: studenti, insegnanti e comunità di citizen science possono utilizzare dati del mondo reale in progetti e attività di apprendimento.

I dati aperti contribuiscono quindi a una società più informata e partecipe, in cui le decisioni si basano su evidenze accessibili anziché su affermazioni opache di esperti.

5. Ridurre lo spreco nella ricerca

La raccolta dei dati è spesso costosa e richiede molto tempo. Quando i set di dati rimangono sul computer di un singolo ricercatore o non vengono mai condivisi al di fuori di un piccolo gruppo, il loro potenziale viene sprecato. I dati aperti riducono questo spreco:

• Permettere ad altri di riutilizzare i dati esistenti anziché duplicare gli sforzi.
• Conservare i dati di studi che non sono mai stati pubblicati formalmente o che hanno prodotto risultati nulli/negativi.
• Consentire metanalisi e revisioni sistematiche che combinano più set di dati per produrre stime più precise.

Massimizzando il valore di ogni set di dati, i dati aperti contribuiscono a rendere la ricerca più efficiente, economica e responsabile dal punto di vista ambientale.

Sfide e preoccupazioni nell’attuazione dei dati aperti

Nonostante questi benefici, il passaggio ai dati aperti non è semplice. È necessario affrontare diverse preoccupazioni legittime per garantire che la condivisione dei dati sia etica e sostenibile.

1. Privacy e riservatezza dei dati

La ricerca che coinvolge partecipanti umani, soprattutto in medicina, psicologia e scienze sociali, spesso include informazioni personali sensibili. Condividere apertamente tali dati senza adeguate garanzie violerebbe gli impegni etici e i requisiti legali. Tra gli aspetti principali figurano:

• Rispettare normative come il GDPR (in Europa), l’HIPAA (negli Stati Uniti) e le leggi locali sulla protezione dei dati.
• Utilizzare tecniche di deidentificazione e anonimizzazione, riconoscendo che in alcuni contesti i rischi di reidentificazione non possono mai essere ridotti a zero.
• Utilizzare archivi ad accesso controllato quando la condivisione completamente aperta non è possibile, concedendo l’accesso solo a ricercatori verificati e a condizioni specifiche.

2. Timore di un uso improprio o di un’errata interpretazione dei dati

I ricercatori possono temere che i loro dati vengano fraintesi o utilizzati impropriamente da altri che non conoscono il contesto o i limiti. Tra le preoccupazioni comuni figurano:

• Analisi errate che portano a conclusioni fuorvianti.
• Utilizzo dei dati senza un adeguato riconoscimento o una corretta citazione.
• Dati utilizzati in modi in contrasto con gli impegni etici dello studio originale.

Queste preoccupazioni non possono essere eliminate del tutto, ma possono essere mitigate mediante una documentazione chiara, licenze solide e norme della comunità in materia di citazione e riutilizzo responsabile.

3. Mancanza di standardizzazione

In molti ambiti non esiste un unico standard per strutturare, etichettare e documentare i dati. Ciò rende più difficile combinare o confrontare i dataset. I progressi avvengono attraverso:

• Standard dei dati specifici per disciplina (ad es. MIAME per i dati dei microarray, DDI per le indagini nelle scienze sociali).
• Un’adozione più ampia dei principi FAIR, che enfatizzano metadati leggibili dalle macchine e formati interoperabili.

Tuttavia, raggiungere la piena interoperabilità è ancora un processo in corso e richiede il coordinamento tra riviste, enti finanziatori, repository e società scientifiche.

4. Vincoli infrastrutturali e di risorse

Conservare, curare e rendere disponibili i dati ha un costo e richiede competenze. Non tutte le istituzioni dispongono di solidi servizi di supporto ai dati e mantenere repository di alta qualità per decenni è un impegno tutt’altro che banale. I dati aperti sostenibili richiedono:

• Modelli di finanziamento a lungo termine per i repository.
• Data steward e bibliotecari qualificati che possano aiutare i ricercatori a preparare e depositare i dati.
• Politiche istituzionali che riconoscano la gestione dei dati come una parte legittima del lavoro di ricerca, non come un extra facoltativo.

5. Resistenza culturale nel mondo accademico

Infine, la cultura è importante. Alcuni ricercatori temono che condividere i dati riduca il loro vantaggio competitivo, soprattutto nelle prime fasi della carriera. Altri possono considerare la gestione e la documentazione dei dati come un lavoro aggiuntivo che non viene adeguatamente riconosciuto quando si decidono promozioni o finanziamenti. Superare questa resistenza implica:

• Riconoscere e premiare la condivisione dei dati nei criteri di valutazione.
• Mettere in evidenza esempi di successo in cui i dati aperti hanno portato a collaborazioni o citazioni influenti.
• Fornire indicazioni chiare su quando e come i dati possano essere condivisi senza compromettere legittime preoccupazioni relative alla carriera.

Come promuovere i dati aperti nella ricerca

La promozione dei dati aperti è una responsabilità condivisa. Ricercatori, istituzioni, riviste ed enti finanziatori hanno tutti un ruolo da svolgere.

1. Seguire e contribuire a definire le politiche sui dati aperti

Molte agenzie di finanziamento, riviste e università richiedono ora piani di condivisione dei dati. I ricercatori dovrebbero:

• Leggere e comprendere le politiche pertinenti per ogni progetto.
• Includere piani di gestione e condivisione dei dati nelle domande di finanziamento.
• Partecipare alle consultazioni quando vengono sviluppate le politiche, per garantire che siano pratiche e sensibili alle specificità disciplinari.

2. Utilizzare repository affidabili

Anziché ospitare i dati su siti web personali o in cartelle cloud improvvisate, i ricercatori dovrebbero depositare i dataset in archivi affidabili, come:

• Zenodo – https://zenodo.org
• Figshare – https://figshare.com
• Dryad – https://datadryad.org
• Harvard Dataverse – https://dataverse.harvard.edu
• PLOS Open Data – https://journals.plos.org/plosone/s/data-availability

Molte discipline dispongono inoltre di archivi dedicati che offrono standard e strumenti per metadati specifici del settore.

3. Applicare licenze aperte appropriate

La concessione di licenze è essenziale per chiarire i diritti di riutilizzo. Tra le opzioni più comuni:

• Creative Commons CC BY 4.0: Consente il riutilizzo con attribuzione.
• Open Data Commons (ODC-BY o ODbL): Progettate specificamente per database e dati strutturati.

Scegliere una licenza che bilanci l’apertura con eventuali restrizioni necessarie (ad esempio, il solo uso non commerciale) aiuta a evitare ambiguità e incoraggia un riutilizzo responsabile.

4. Investire nella documentazione e nei metadati

I dati ben documentati sono molto più preziosi dei fogli di calcolo privi di documentazione. Come minimo, i dataset dovrebbero includere:

• Metadati descrittivi: Cosa rappresentano i dati, quando e come sono stati raccolti, chi li ha raccolti e per quale scopo.
• Descrizioni delle variabili e codebook: Spiegazioni chiare dei nomi delle colonne, delle unità e degli schemi di codifica.
• Codice e script di analisi: Ove possibile, gli script utilizzati per la pulizia, la trasformazione e l’analisi, con commenti che spiegano ogni passaggio.
• File ReadMe: Descrizioni di alto livello che guidano i nuovi utenti su come iniziare e su cosa prestare attenzione.

5. Fornire formazione e supporto

Le istituzioni dovrebbero offrire formazione su:

• Buone pratiche per la gestione e l’organizzazione dei dati.
• Considerazioni etiche e giuridiche nella condivisione dei dati.
• Utilizzare efficacemente archivi, licenze e standard per i metadati.

Workshop, guide online e il supporto del personale bibliotecario o informatico possono fare una differenza sostanziale, soprattutto per i ricercatori a inizio carriera.

Conclusione

I dati aperti sono più di una questione tecnica: sono un impegno culturale ed etico per la trasparenza, la responsabilità e il progresso condiviso nella scienza. Rendendo i dati della ricerca accessibili, riutilizzabili e ben documentati, i ricercatori permettono ad altri di verificare i loro risultati, sviluppare il loro lavoro e applicarlo in nuovi contesti. Ciò rafforza la credibilità scientifica, sostiene politiche basate sulle evidenze e riduce gli sforzi sprecati.

Allo stesso tempo, i dati aperti responsabili richiedono attenzione alla privacy, ai quadri giuridici, alla standardizzazione, alle infrastrutture e agli incentivi accademici. Finanziatori, riviste e istituzioni devono sostenere archivi sostenibili, premiare la condivisione dei dati e fornire formazione e orientamento. Dal canto loro, i ricercatori dovrebbero integrare la pianificazione dei dati aperti nei propri progetti fin dall’inizio e considerare la gestione dei dati parte integrante di una buona pratica di ricerca.

Man mano che la comunità accademica continua a muoversi verso una cultura dell’accesso aperto, adottare pratiche responsabili di condivisione dei dati sarà essenziale per garantire che il lavoro scientifico sia solido, etico e realmente vantaggioso per la società. Una documentazione di alta qualità e redatta con chiarezza, insieme alle dichiarazioni sulla disponibilità dei dati, costituisce un elemento fondamentale di questo impegno; inoltre, alla luce delle crescenti preoccupazioni riguardo ai testi generati dall’IA, per molti autori la scelta più sicura sarà affidarsi alla revisione professionale umana per perfezionare i propri manoscritti e le descrizioni dei dati correlate, destinati a riviste che oggi monitorano attentamente la similarità e l’uso dell’IA.

Ulteriori letture

Per ulteriori approfondimenti sulla trasparenza e sull’integrità nella pubblicazione accademica, potrebbero essere utili i seguenti articoli:

1. Evita il plagio con citazioni corrette: consigli essenziali per il successo accademico – Esamina come pratiche di citazione accurate favoriscano la trasparenza e proteggano dal plagio.
2. La crescente minaccia della cattiva condotta nella ricerca e il suo impatto sulla fiducia nella scienza – Illustra come la cattiva condotta comprometta la fiducia e come l’apertura possa contribuire a contrastarla.
3. Capire le ritrattazioni: perché gli articoli di ricerca vengono ritirati e quali sono le conseguenze – Esamina il ruolo delle correzioni e delle ritrattazioni nel mantenere un resoconto scientifico affidabile.
4. La verità sull’accesso aperto: sfatare i miti per un futuro più equo – Spiega come la pubblicazione ad accesso aperto sia collegata alla trasparenza e all’equità nella scienza.
5. Perché i conflitti di interesse sono importanti nella ricerca e come gestirli – Sottolinea l’importanza di dichiarare e gestire i conflitti per tutelare l’integrità della ricerca.

Nel loro insieme, queste risorse offrono un contesto più ampio per comprendere come i dati aperti, l’accesso aperto e le pratiche di pubblicazione etiche collaborino per sostenere un ecosistema della ricerca trasparente e affidabile.