Etiqueta: datos de investigación

Semana de los Datos Abiertos: lanzamiento de ebooks para la gestión de Datos de Investigación

 

Todos los años a nivel global y liderado por la Open Knowledge Foundation (OKFN) se lleva adelante la Semana de Datos Abiertos (Open Data Week). Este evento es una iniciativa que promueve el acceso, uso y reutilización de los datos como un eje central para el desarrollo del conocimiento, la transparencia y la innovación. En este marco, los Datos de Investigación adquieren un rol estratégico, ya que su apertura y adecuada gestión fortalecen la calidad, reproducibilidad e impacto de la producción científica.

La gestión de los Datos de Investigación constituye un nuevo paradigma en el ámbito de la ciencia abierta ya que pone en conversación las formas en que se produce, comparte y reutiliza el conocimiento científico. En este contexto, y en cumplimiento de la Ley 26.899, que establece la obligatoriedad del autoarchivo de los Datos de Investigación generados mediante financiamiento público, el CONICET ha desarrollado una política institucional y la infraestructura necesaria para su preservación y disponibilidad. El Repositorio de Datos de Investigación representa un paso fundamental en este proceso, alineado con los estándares internacionales y los principios FAIR (localizables, accesibles, interoperables y reutilizables).

En línea con este escenario, la Oficina Técnica del RI CONICET Digital presenta una guía elaborada que ofrece información clara y práctica sobre la gestión, descripción y publicación de conjuntos de datos de investigación producidos en el marco de actividades científicas financiadas con fondos públicos. Este recurso se ha elaborado con el propósito de responder a las preguntas más comunes planteadas por los investigadores, becarios y personal de apoyo del organismo, proporcionando una herramienta ágil y accesible para quienes producen y analizan datos en el ámbito científico.

Como novedad, los ebooks incluyen suplementos por áreas de conocimiento — Ciencias Naturales y Exactas, Ciencias Sociales y Humanidades, Ingeniería y Tecnología, Ciencias Médicas y de la Salud, y Ciencias Agrícolas— que funcionan como referencia para estructurar y presentar datos según los estándares de cada campo de estudio. El material ofrece consideraciones específicas orientadas al procesamiento de Datos de Investigación, junto con ejemplos ilustrativos de conjuntos de datos y la definición de sus principales elementos descriptivos, con el fin de facilitar su organización y posterior publicación.

Esta guía sirve como marco de referencia para comprender cómo estructurar y presentar los datos de manera efectiva en cada disciplina. Cada suplemento se acompaña de videotutoriales y material especializado a un solo clic que amplían la información y facilitan su aplicación práctica.

Para descargar los ebooks sobre Datos de Investigación hagan clic aquí:

Este recurso se suma a las iniciativas orientadas a la gestión de datos que ya se encuentran disponibles en el Repositorio de Datos de Investigación ya sean el Manual de Autoarchivo de Datos de Investigación, los videotutoriales en el canal de Youtube, las Preguntas Frecuentes y las Notas especializadas.

Los ebooks sobre Datos de Investigación son una herramienta fundamental para fortalecer la gestión y publicación de datos científicos. Su difusión contribuye a consolidar una cultura de acceso abierto, colaboración y transparencia en la producción de conocimiento, en beneficio de la comunidad académica y de la sociedad en su conjunto.

Georreferenciar para visibilizar: la importancia del alcance geográfico en los conjuntos de datos de investigación

 

La localización geográfica constituye un elemento fundamental en la gestión y descripción de un conjunto de datos de investigación. Conocer la ubicación bajo la cual se recolectaron, generaron o crearon los datos implica contextualizar el origen espacial de los mismos.

Incorporar esta información no solo enriquece los metadatos, sino que permite contextualizar los resultados, fomentar la reproducibilidad y favorecer la interoperabilidad con otros conjuntos de datos. De esa manera los conjuntos de datos de investigación se alinean a los principios FAIR (localizables, accesibles, interoperables y reutilizables).

¿Qué implica consignar la localización geográfica en un conjunto de datos?

El formulario del Banco de datos del SIGEVA brinda diferentes opciones para representar la localización de los datos:

  • Por nombre geográfico: provincias, ciudades, regiones u otras toponimias, en Argentina o en el resto del mundo.
  • Por punto: mediante coordenadas específicas (en formato decimal o en grados), con la posibilidad de nombrar el punto de referencia.
  • Por polígono: delimitando un área más amplia con un conjunto de coordenadas que representen el perímetro de la zona de estudio.

En aquellos casos en que los datos no tengan una localización determinada —por ejemplo, simulaciones computacionales o análisis conceptuales—, es posible indicar “sin localización geográfica” y justificar el motivo.

¿Por qué es relevante esta información?

  • Precisión en la interpretación: los datos asociados a un lugar específico adquieren un valor añadido al poder vincularse con variables ambientales, sociales o culturales propias de esa región.
  • Facilita la integración: permite el cruce con otros conjuntos de datos georreferenciados, lo cual potencia nuevas líneas de investigación.
  • Visibilidad y reutilización: la correcta descripción geográfica aumenta la posibilidad de que otros investigadores encuentren y reutilicen los datos.
  • Impacto en políticas públicas: los datos localizados pueden ser un insumo directo para la planificación territorial, ambiental y social.

Consideraciones para el equipo de investigación

Al momento de gestionar los datos de investigación, se recomienda:

  • Priorizar el uso de coordenadas en formato decimal, por su mayor estandarización y facilidad de interoperabilidad.
  • Definir si corresponde consignar un punto o un polígono, en función del alcance real de la investigación.
  • Mantener coherencia entre el resumen y la descripción del conjunto de datos, mencionando la localización cuando sea un factor central.

La correcta inclusión de la localización geográfica debe ser una práctica esencial para propiciar que los conjuntos de datos de investigación tengan mayor valor científico, social y estratégico. Una descripción geográfica clara y precisa fortalece la integridad de los registros, multiplica sus posibilidades de reutilización y respalda que los datos cumplan con los estándares de calidad esperados.

Conozca más información sobre la localización geográfica en los conjuntos de datos de investigación en ¿Cómo autoarchivar en el Banco de Datos del SIGEVA?

Compresor de archivos: un recurso fundamental para optimizar la gestión de los conjuntos de datos de investigación

 

Gestionar datos de investigación conlleva aplicar una metodología estratégica para la organización del material. Esto implica no solamente conocer qué se está compartiendo, sino también cómo se quiere compartir. Organizar los datos de investigación de manera ágil e identificable tiene como beneficio una mejor visibilización y utilización por parte de la comunidad científica.

Al trabajar con grandes volúmenes de datos, la información requiere una preparación para reducir el tamaño, facilitar la transferencia y preservar la estructura del contenido. La compresión de los archivos es una herramienta clave que admite una organización más eficiente de los archivos de los conjuntos de datos.

Herramientas en acceso abierto y gratuitas para comprimir archivos

7-Zip

  • Ideal para datos estructurados en múltiples carpetas.
  • Formatos compatibles: ZIP, TAR, GZ, BZ2, XZ, 7z, entre otros.

PeaZip:

  • Interfaz intuitiva, permite comprimir, dividir, cifrar y verificar integridad.
  • Formatos compatibles: ZIP, TAR, GZ, 7z, ARC, entre otros.

ezyZip:

  • Herramienta online que funciona desde el navegador, no requiere subir archivos al servidor ya que trabaja localmente.
  • Formatos: ZIP, TAR, GZ, 7z.

Archive Extractor Online:

  • Amplio soporte de formatos que permite trabajar desde Drive o Dropbox con archivos ligeros en la nube.

Incorporar estas herramientas en la práctica cotidiana de investigación potencia la visibilidad, accesibilidad y reutilización del conocimiento científico. Al mismo tiempo, la compresión de archivos en los procesos de gestión de datos permite ahorrar tiempo, optimizar recursos y favorecer que los conjuntos de datos puedan compartirse de manera más ágil.

Acceda a más información sobre la gestión de datos de investigación en Herramientas complementarias para la creación de un conjunto de datos

¿Qué formatos garantizan la preservación a largo plazo de los datos de investigación?

 

Elegir el tipo de formato que van a ocupar los datos de investigación es una instancia fundamental desde el inicio de un proyecto. OpenAIRE recomienda considerar este aspecto desde el inicio, ya que impacta tanto en la recolección como en la publicación de los datos. Por tal motivo, no sólo es fundamental conocer cuáles son los formatos aceptados por la plataforma en el Repositorio de Datos del CONICET, sino también cuál es el más adecuado para garantizar la accesibilidad y la legibilidad de los datos de investigación en el futuro.

¿A qué llamamos formatos preservables?

Al hablar de formatos preservables hacemos referencia a aquellas extensiones que no requieren un software específico para ejecutarse y que son compatibles con múltiples tipos de software. El uso de estos formatos permite que la información pueda mantenerse accesible, comprensible y reutilizable a lo largo del tiempo.

Recomendaciones según el tipo de archivo:

  • Datos tabulares: .csv, .tsv
  • Textos: .txt
  • Imágenes: .tiff, .png
  • Audio: .wav
  • Video: .mkv

Beneficios a la hora de utilizar formatos preservables:

  • Favorece la preservación digital.
  • Aumenta la interoperabilidad entre sistemas.
  • Mejora la posibilidad de reutilización por parte de otros investigadores.
  • Reduce el riesgo de obsolescencia tecnológica.

Utilizar formatos preservables no es solamente una decisión técnica, sino que es una estrategia fundamental para preservar los datos de investigación desde el inicio de un proyecto hasta su publicación. Esto le da valor y una vida útil más prolongada, lo cual permite no solamente asegurar la preservación, el acceso y la reutilización de los datos de investigación por parte de la comunidad científica, sino también contribuir a una ciencia más abierta.

Conozca más sobre formatos en Datos de Investigación: formatos aceptados para la publicación de un conjunto de datos 

Datos de investigación y publicaciones científicas: una conexión clave para potenciar la investigación

 

Datos de ensayos clínicos, registros de temperaturas, transcripciones de entrevistas y registros de la producción ganadera son algunas de las tipologías de conjuntos de datos de investigación que se pueden encontrar en la colección del Repositorio de Datos de Investigación del CONICET. Su publicación invita a la comunidad científica a conocer en profundidad los proyectos de investigación financiados por el organismo, el objetivo detrás y la metodología empleada para recolectar los datos crudos que luego son el insumo principal de diferentes tipos de producciones publicadas.

Por tal motivo, hoy en día, las editoriales solicitan a los equipos de investigación, el depósito de los conjuntos de investigación en una plataforma que preserve los datos primarios, siendo el Repositorio de Datos de Investigación del CONICET, el sitio líder a nivel nacional en publicar este recurso.

Enlazar las producciones científicas que ya se encuentran publicadas en el RI CONICET Digital con los conjuntos de datos de investigación propios de ese proyecto es una instancia fundamental, puesto que a la hora de realizar una búsqueda, los usuarios encontrarán ambos recursos. De esa manera, un artículo, un capítulo de un libro o un evento ganan mayor difusión, aumentan su exposición y por consiguiente las posibilidades de ser citado.

El Formulario de Datos de Investigación del Banco de Datos del SIGEVA cuenta con el campo “Producciones y servicios relacionados al conjunto de datos de investigación” que admite la vinculación del conjunto de datos con las producciones científicas a través del DOI o el Handle. Un mismo conjunto de datos puede estar vinculado a más de una producción científica, lo que permite reflejar las múltiples formas en que ha sido utilizado o citado a lo largo del tiempo.De esa manera las obras relacionadas que sean afines al conjunto de datos de investigación estarán visibles para el usuario a través del mismo ítem.

El conjunto de datos Datos Georreferenciados del registro Ingreso de Viajeros Viales a la Provincia de Chubut durante el COVID 19 (zona norte) tiene el capítulo Proceso incorporación del sistema KoboToolbox en el contexto del trabajo comunitario de salud en terreno(Chubut, Argentina) como producción relacionada mientras que Microsatélites y haplotipos descriptos en Cephalorhynchus commersonii vincula el artículo científico Commerson’s dolphin population structure: evidence for female phylopatry and male dispersal con los datos de investigación.

La vinculación entre los conjuntos de datos de investigación y las producciones científicas mejora la visibilidad de la investigación. El Repositorio de Datos de Investigación está indexado por motores de búsqueda académicos, bases de datos y sistemas de gestión de información a nivel nacional e internacional, lo cual incrementa el alcance y la accesibilidad de los contenidos a todos los investigadores/as y el público en general. Asociar ambas producciones facilita no solamente el acceso, sino también la reutilización de los datos para la generación de nuevo conocimiento.

Conozca más en ¿Cómo autoarchivo en el Banco de Datos del SIGEVA?

¿Cómo anonimizar archivos de audio en conjuntos de datos de investigación?

 

Compartir los datos de investigación a la comunidad científica implica un trabajo de análisis de la información, siendo la anonimización uno de los puntos fundamentales previo al autoarchivo en el Banco de Datos del SIGEVA. Llevar a cabo una entrevista, una serie de observaciones de campo o pruebas fonéticas o lingüísticas trae consigo como material crudo archivos de audio. Los cuales contienen datos primarios que no solamente fundamentan la investigación llevada a cabo por un equipo de investigación, sino que también son un aporte a la ciencia que puede generar nuevo conocimiento.

En la nota Datos de investigación: el proceso de anonimizar se hizo hincapié en las técnicas a tener en cuenta para el proceso de anonimización de los datos de investigación, así como también las herramientas más reconocidas para llevar adelante esta práctica.

La anonimización de los archivos de audio es vital para la preservación de la identidad de la personas involucradas aún si no se mencionan nombres en concreto. Por tal motivo, el cumplimiento a la Ley de Protección de Datos Personales (Ley 25.326) tiene un peso que obliga a los investigadores/as a cumplir con la normativa. Esto también involucra la ética profesional en la  investigación y los acuerdos de consentimiento que garantizan el anonimato, especialmente en estudios con datos sensibles.

Herramientas para la anonimización de audios

  • Audacity: Es un programa de código abierto y de una interfaz gráfica simple que permite la grabación, edición y procesamiento de múltiples formatos de audio. Entre algunas de sus características admite la alteración del tono y la velocidad de la voz. Asimismo, los audios pueden ser distorsionados mediante filtros de tal manera que el sonido sea irreconocible.
  • Pratt: Es un software de código abierto y gratuito especializado en análisis fonético y manipulación de sonido. Es ampliamente utilizado en investigaciones en lingüística, fonética y procesamiento del habla. La plataforma permite modificar la frecuencia y el espectro de la voz.
  • FFmpeg: es una herramienta gratuita y de código abierto que permite la edición de archivos de audio sea cual sea su formato. Entre sus características destacadas se encuentran las de modificar la velocidad de reproducción y alterar la voz de los audios, así como también convertir el resultado final en diferentes formatos.

Anonimizar audios no solamente protege la identidad de los involucrados en el proyecto de investigación, sino que también garantiza el cumplimiento de normativas, la seguridad en la publicación de datos y la reutilización de la información por la comunidad científica en futuras investigaciones.

Reconocimiento, transparencia y visibilidad: la importancia de citar datos de investigación

 

Durante los últimos años, los datos de investigación han cobrado protagonismo en el mundo de la ciencia abierta. Su adecuado autoarchivo y publicación favorecen la visibilidad, transparencia y la reproducibilidad de los datos, lo que a su vez impulsa la colaboración científica para generar nuevo conocimiento. Por este motivo, para que los datos de investigación sean plenamente reconocidos es importante que sean citados correctamente. La citación de los datos no sólo otorga el crédito correspondiente al equipo de investigación, sino también amplía su visibilidad y su impacto, siendo este último uno de los beneficios más destacados para la comunidad científica.

¿Por qué es importante citar los datos de investigación?

Reconocimiento: La citación permite distinguir el trabajo de los investigadores que recolectaron y proporcionaron los datos de investigación. Esto posibilita dar crédito a los autores originales por su trabajo.

Transparencia y reutilización:  Al citar correctamente los datos, se facilita que otros investigadores comprendan su origen, los reutilicen en nuevos estudios y validen los resultados de investigaciones previas. Esto contribuye a la reproducibilidad de los estudios y al crecimiento del conocimiento científico basado en evidencia.

Impacto y visibilidad: Los datos citados pueden ser rastreados a través de métricas bibliométricas, lo que contribuye a medir su uso y relevancia dentro de la comunidad científica. Además, plataformas como Google Dataset Search permiten indexar y localizar conjuntos de datos publicados en repositorios abiertos, facilitando su descubrimiento y acceso por parte de investigadores de todo el mundo.

Conozca más en La indexación en el RI CONICET Digital: Google, BASE y otros

Entre otras ventajas, citar los datos de investigación también implica:

Facilitar la interoperabilidad y el enlace entre publicaciones: La correcta citación de datos permite vincularlos con artículos, libros u otras producciones científicas, facilitando su integración entre diferentes proyectos relacionados.

El Repositorio de Datos de Investigación del CONICET preserva los conjuntos de datos colectados o producidos en cualquier actividad científica por la comunidad del Consejo Nacional de Investigaciones Científicas y Técnicas para su consulta libre y gratuita. Al depositar datos en el repositorio, los investigadores obtienen un DOI (Handle), lo que facilita su citación formal en artículos u otras producciones científicas.

El repositorio garantiza:

  • La citación del conjunto de datos en la ficha del ítem publicado.
  • La asignación de un identificador persistente (Handle).
  • La visibilidad y accesibilidad a través de buscadores y plataformas de indexación.

Citar los datos de investigación debe considerarse una práctica fundamental en la comunidad científica. Las mismas deben recibir el mismo reconocimiento en el ámbito académico que las de publicaciones y otros resultados de investigación, ya que en muchas disciplinas no basta con el artículo por sí solo: es importante también compartir los datos crudos de los proyectos de investigación para un intercambio fructífero de datos.

¿Cómo citar datos de investigación?

Para citar datos de investigación correctamente, es necesario seguir las normas de citación académica que se usen en la disciplina. Generalmente, las citas incluyen:

  • Autor(es) o institución responsable
  • Año de publicación
  • Título del conjunto de datos
  • Versión (si aplica)
  • Editorial o repositorio donde está almacenado
  • DOI o URL de acceso

Ejemplos en diferentes estilos de citación:

APA (7ª edición)

Autor(es). (Año). Título del conjunto de datos (Versión) [Conjunto de datos]. Nombre del Repositorio. DOI/URL

Ejemplo:
Pérez, M., & Gómez, L. (2023). Conjunto de datos sobre temperaturas globales (Versión 2.0) [Conjunto de datos]. CONICET. http://hdl.handle.net/xxxx

Chicago (17ª edición)

Autor(es). Año. Título del conjunto de datos. Versión. Repositorio. DOI/URL.

Ejemplo:
Pérez, María, y Lucas Gómez. 2023. Conjunto de datos sobre temperaturas globales, Versión 2.0. CONICET. http://hdl.handle.net/xxxx

MLA (9ª edición)

Autor(es). Título del conjunto de datos. Año, Versión, Repositorio, DOI/URL.

Ejemplo:
Pérez, María, y Lucas Gómez. Conjunto de datos sobre temperaturas globales. 2023, Versión 2.0, CONICET, http://hdl.handle.net/xxxx

Conozca más sobre la citación de datos de investigación en:

Bibliografía

European Union. (s.f.). Data citation: Guide to best practice. Data.europa.eu. https://data.europa.eu/en/academy/data-citation-guide-best-practice

Digital Curation Centre. (s.f.). How to cite datasets and link to publications. https://www.dcc.ac.uk/guidance/how-guides/cite-datasets

Datos de investigación y la obligatoriedad en el Repositorio de Datos de Investigación del CONICET

 

Los datos de investigación son el elemento primordial para la creación de nuevo conocimiento ya que permiten la verificación de los resultados y la reutilización en un nuevo proyecto original. Se trata de toda aquella información recopilada, observada o creada por un equipo de investigación.

En este marco, el Repositorio de Datos de Investigación del CONICET establece la obligatoriedad del depósito de datos a partir de la sanción de la Ley 26.899 de Repositorios Digitales Institucionales de Acceso Abierto en 2013, su aplicación ha evolucionado de manera más sistemática, consolidándose como una plataforma clave para garantizar el acceso abierto y la preservación de datos científicos.

La obligatoriedad de depositar los datos de investigación derivados de proyectos financiados con fondos públicos también se establece en la ley, aunque la implementación ha sido más gradual. Se alienta a que los investigadores/as autoarchiven de manera retrospectiva los datos que fueron generados durante su carrera, priorizando los datos más recientes y avanzando progresivamente hacia los más antiguos.

¿Cuál es la legislación con respecto a los datos de investigación?

Esta medida busca garantizar la preservación a largo plazo, su difusión a través de un identificador persistente (DOI/Handle) y su reutilización por parte de la comunidad científica. De esta manera los datos de investigación publicados contribuyen a la visibilidad y al mayor impacto de la investigación.

Celebramos la finalización del Programa de Capacitación sobre Datos de Investigación 2024

 

El Programa de Capacitación sobre Datos de Investigación se posicionó como uno de los recursos claves para los investigadores/as, becarios/as y el personal de apoyo del CONICET. Realizado en tres ediciones a lo largo del año, en abril, agosto y noviembre, los encuentros dieron lugar a profundizar temas esenciales y a responder las preguntas más frecuentes de la comunidad. Entre las cuales se destacan ¿Qué son y qué no son datos de investigación? ¿Cuáles son los formatos aceptados? ¿Cuáles son los tipos de licencia y acceso disponibles? Siendo el Autoarchivo en el Banco de Datos en SIGEVA la atracción principal de la capacitación.

Más de 6000 investigadores y becarios participaron en las tres ediciones, lo que permitió fortalecer significativamente las capacidades para una gestión adecuada de los conjuntos de datos de investigación. Por otro lado, los participantes expresaron un interés particular en profundizar en temas de ética, anonimización y  privacidad de los datos. Lo que nos motivó a desarrollar recursos específicos que aborden estas inquietudes. Como resultado hemos incorporado en el Repositorio de Datos de Investigación, las Preguntas Frecuentes | FAQs Una sección nueva dentro de la plataforma en donde nos explayamos sobre algunas temáticas recurrentes entre la comunidad científica.

Como parte de los recursos disponibles para la consulta, también se encuentran las grabaciones de los encuentros organizados en capítulos para facilitar la visualización del contenido.

Programa de Capacitación sobre Datos de Investigación

Otros materiales disponibles:

Datos de Investigación: la importancia de un título descriptivo en la creación de un conjunto de datos de investigación

 

La elaboración de un título descriptivo para un conjunto de datos de investigación es una instancia fundamental en el armado de set de datos ya que sirve como la primera impresión que la comunidad científica tendrá del contenido. Un título detallado  facilita la comprensión del objetivo del conjunto de datos y su potencial aplicación, lo cual a su vez permite la localización y la recuperación por parte de los investigadores/as interesados en la temática. De esa manera, el impacto de la investigación se verá reflejado en el aumento de la visibilidad, consulta o reutilización entre los interesados .

Un set de datos no solamente se puede recuperar a través del Repositorio de Datos de Investigación del CONICET o Dataset Search de Google, sino también mediante otros motores de búsqueda especializados ya sean OpenAire o Base (Bielefeld Academic Search Engine).

Algunos elementos a tener en cuenta a la hora de redactar un título descriptivo son:

Contexto y alcance: El título debe reflejar con precisión el contenido y el alcance del set de datos. Es importante especificar el tipo de datos que contiene el adjunto, la muestra estudiada, el período de tiempo, y cualquier característica que sea importante destacar.

Evitar generalizaciones o redundancias: Un título con poca información puede confundir a los usuarios o reducir la visibilidad del set de datos en búsquedas específicas. Asimismo, deben evitarse términos como «dataset, set de datos, datos recolectados».

Facilitar la indexación: La correcta selección de palabras claves deben integrarse en el título para asegurar que el set de datos sea fácilmente localizable a través de motores de búsqueda y bases de datos académicas.

Considerar a la audiencia: Es importante tener en cuenta que un título debe ser lo suficientemente claro para que cualquier investigador/a en la disciplina comprenda de qué trata el set de datos. Dependiendo del campo de investigación, puede ser necesario utilizar vocabulario específico que la comunidad científica reconozca y entienda.

Ejemplos de títulos descriptivos:

  • Cartografía e imágenes de las zonas críticas de la inundación en Santa Fe en el año 2003 
  • Relevamiento de asentamientos populares en la ciudad de Buenos Aires, 2020-2022
  • Restos arqueológicos guaraníes en el río Uruguay
  • Resultados de encuestas sobre hábitos alimentarios en adolescentes de escuelas secundarias en la región de Buenos Aires, 2018-2022

Confeccionar un buen título para un conjunto de datos es un paso crucial que requiere la misma atención y precisión que el resto del proyecto de investigación. Un título bien elaborado no solo mejora la accesibilidad y el impacto del set de datos, sino que también asegura que el trabajo del investigador/a sea correctamente representado y aprovechado por la comunidad científica.