Ari Asmi has a background in climate science, working in the interface between atmospheric observations and climate models as a physicist. He has later concentrated on development of more interoperable observational data, including international collaboration in the context of Research Data Alliance. He has been involved in the core team developing the ENVRI community of European environmental research infrastructures,, as well as participating in different roles in several other European Commission funded projects particularly in connection to European Open Science Cloud. In addition to his pan-European and domain specific skills, Ari has significant knowledge of national level Open Science environments and the research data management challenges faced by Research Performing Organisations (RPOs). Since 2022, he has led the Research Data Alliance Association (Europe), and coordinates the RDA TIGER project.
How to make open science fair (not an acronym)
11.04.2024 12:45-13:30
Open science has been widely adopted as the key paradigm for modern science. However, to achieve this lofty goal, one needs to consider the additional work required to practically open all aspects of the scientific processes. Rapid advance on open access publishing is only one of the aspects, and even this solution has also created its own challenges to equity and fairness in the form of publishing fees. Even larger challenges come from opening up the rest of the scientific process, such as research data, software and teaching materials and content, particularly as opening up these outputs is often labour intensive, requiring additional documentation, and can lead to feeling (or sometimes even practice) of unfair use of the outputs.
These challenges have been approached this far from two key perspectives. First by improving the infrastructure and processes to reduce the additional work and resources needed from the output producers. This “infrastructure angle" has been supported by many global (e.g. RDA) and local organisations (universities, national networks, repositories, data stewards, etc.). Secondly, the researchers have been required to make their research more open, framing it as a requirement to their work, or even more generally, as an ethical value proposition, explaining the (often well documented) societal and scientific benefits of opening the outputs.
However, even with the additional support infrastructure, and the great advances on processes for openness, the additional time and effort is still required. As long as the openness of the research outputs is not properly valued in the practical evaluation of research, there is a danger of creating a dilemma for researchers: “should I spend my time and effort making science open and acting as a good member of scientific community, or should I instead concentrate on increasing the metrics which do support my career.” In the strict competition to faculty positions, we might end up in a situation where acting “unethically”, e.g. by spending minimal time to increase openness, is actually rewarded in the career progression. This comes even more challenging when considering the challenges for researchers from lower income countries, who might not have access to the infrastructure tools mentioned above.
It is thus critical, that we discuss and agree more widely how to value scientific openness in general, and (at least from my perspective) scientific outputs in particular. What makes a good dataset? What use of research software source code is of value to the community? What is the value of the openness for the organisations paying for the researchers’ salaries? Who should act first?
Ari Asmi ma doświadczenie w dziedzinie nauk o klimacie, pracując na styku obserwacji atmosferycznych i modeli klimatycznych jako fizyk. Później skoncentrował się na rozwoju bardziej interoperacyjnych danych obserwacyjnych, w tym na międzynarodowej współpracy w kontekście Sojuszu Danych Badawczych. Był zaangażowany w główny zespół rozwijający społeczność ENVRI europejskich infrastruktur badań środowiskowych, jak również uczestniczył w różnych rolach w kilku innych projektach finansowanych przez Komisję Europejską, szczególnie w związku z Europejską Chmurą Nauki Otwartej. Oprócz swoich umiejętności paneuropejskich i specyficznych dla dziedziny, Ari posiada znaczącą wiedzę na temat krajowych środowisk nauki otwartej oraz wyzwań związanych z zarządzaniem danymi badawczymi, z jakimi zmaga się Organizacje Wykonujące Badania (RPOs). Od 2022 roku kieruje Europejskim Stowarzyszeniem Sojuszu Danych Badawczych (RDA) i koordynuje projekt RDA TIGER.
Jak uczynić naukę otwartą uczciwą (nie jest to akronim)
11.04.2024 12:45-13:30
Nauka otwarta została szeroko przyjęta jako kluczowy paradygmat dla nowoczesnej nauki. Jednak aby osiągnąć ten ambitny cel, należy wziąć pod uwagę dodatkową pracę wymaganą do praktycznego otwarcia wszystkich aspektów procesu naukowego. Szybki postęp w publikowaniu otwartego dostępu to tylko jeden z aspektów, a nawet to rozwiązanie stworzyło własne wyzwania dla równości i uczciwości w postaci opłat za publikację. Jeszcze większe wyzwania pojawiają się przy otwieraniu reszty procesu naukowego, takiego jak dane badawcze, oprogramowanie i materiały dydaktyczne oraz treści, zwłaszcza że otwarcie tych wyników często wymaga intensywnej pracy, dodatkowej dokumentacji i może prowadzić do uczucia (a czasami nawet praktyki) niesprawiedliwego wykorzystania wyników.
Te wyzwania do tej pory były podejmowane z dwóch kluczowych perspektyw. Po pierwsze, poprzez poprawę infrastruktury i procesów w celu zmniejszenia dodatkowej pracy i zasobów wymaganych od twórców wyników. Ten "kąt infrastruktury" był wspierany przez wiele globalnych (np. RDA) i lokalnych organizacji (uniwersytety, krajowe sieci, repozytoria, opiekunowie danych itp.). Po drugie, badacze byli zobowiązani do uczynienia swoich badań bardziej otwartymi, traktując to jako wymóg ich pracy, a nawet szerzej, jako propozycję wartości etycznej, wyjaśniając (często dobrze udokumentowane) społeczne i naukowe korzyści płynące z otwierania wyników.
Jednak nawet z dodatkową infrastrukturą wsparcia i dużymi postępami w procesach otwartości, nadal wymagany jest dodatkowy czas i wysiłek. Dopóki otwartość wyników badań nie zostanie właściwie doceniona w praktycznej ocenie badań, istnieje niebezpieczeństwo stworzenia dylematu dla badaczy: "Czy powinienem poświęcić swój czas i wysiłek na uczynienie nauki otwartą i działanie jako dobry członek społeczności naukowej, czy zamiast tego skoncentrować się na zwiększaniu metryk, które wspierają moją karierę". W ścisłej konkurencji o stanowiska na wydziałach możemy znaleźć się w sytuacji, gdzie postępowanie "nieetyczne", np. minimalne poświęcanie czasu na zwiększanie otwartości, jest faktycznie nagradzane w rozwoju kariery. To staje się jeszcze bardziej wyzwaniem, gdy weźmiemy pod uwagę wyzwania dla badaczy z krajów o niższych dochodach, którzy mogą nie mieć dostępu do wspomnianych wyżej narzędzi infrastruktury.
Dlatego kluczowe jest, abyśmy szerzej dyskutowali i uzgadniali, jak docenić ogólną otwartość nauki, a (przynajmniej z mojej perspektywy) w szczególności naukowe wyniki. Co czyni dobry zestaw danych? Jakie wykorzystanie kodu źródłowego oprogramowania badawczego jest wartościowe dla społeczności? Jaka jest wartość otwartości dla organizacji płacących wynagrodzenia badaczom? Kto powinien działać jako pierwszy?
