Für die Analyse wurden Forschungsdaten berücksichtigt, die gemeinsam mit im Jahr 2020 publizierten Artikeln geteilt wurden. Für jedes im Artikel zitierte Datenrepositorium wurde ein Globally Unique Identifier der Forschungsdaten (meist URL oder DOI) ermittelt. Die Identifier wurden an das Screening-Tool F-UJI gesendet. Das Screening-Tool berechnet anhand von Metriken und Tests einen Score, der pro Datensatz die prozentuale Erfüllung der einzelnen FAIR-Prinzipien abbildet.
Die Ergebnisse der Screenings wurden u.a. auf Ebene der FAIR-Prinzipien und der Repositorien aggregiert. Der durchschnittliche FAIR-Score der 299 untersuchten Forschungsdatensätze beträgt 27%. Dabei ist die Auffindbarkeit (Findability) der Daten mit 45% recht gut sichergestellt. Die Nachnutzbarkeit (Reusability) erreicht aufgrund fachspezifischer Anforderungen dagegen nur einen durchschnittlichen Score von 11%.
Die Analyse der Repositorien zeigt, dass allgemeine Repositorien — wie etwa Zenodo oder figshare — mit durchschnittlich 54% einen deutlich höheren FAIR-Score erzielen als fachspezifische Repositorien — wie etwa Gene Expression Omnibus. Diese Repositorien erreichen im Durchschnitt nur einen FAIR-Score von 17%. Sie bieten jedoch den Vorteil fachspezifischer Metadaten.
Die FAIR Scores stellen keine abschließende Beurteilung der Nachnutzbarkeit von Charité-Forschungsdaten dar. Das Monitoring durch die FAIR-Data-Metriken im Dashboard ist eine Momentaufnahme. Das Datenmanagement der Wissenschaftler*innen, die Aufbereitung der Daten in Repositorien, aber auch die Screening-Tools selbst verändern sich rasant.
Die interaktiven Charts laden zur Beschäftigung mit den FAIR Principles und dem FAIR Assessment ein. Sie sollen Wissen über die FAIR Data Principles und ihr Monitoring vermitteln und ein Bewusstsein dafür schaffen, welche Voraussetzungen „FAIRe“ und somit nachhaltig nachnutzbare Daten erfüllen müssen.
Link zum FAIR Data Assessment im Charité Dashboard on Responsible Research
