البيانات العلمية المفتوحة

لقد تطور مفهوم البيانات العلمية المفتوحة بالتوازي مع مفهوم البيانات العلمية .

لم يُعرَّف مصطلح البيانات العلمية تعريفًا رسميًا إلا في أواخر القرن العشرين. وقبل انتشار التحليل الحاسوبي، كان مصطلح البيانات في الغالب مصطلحًا غير رسمي، يُستخدم غالبًا كمرادف للمعرفة أو المعلومات. ^{[ 3 ]} وقد فضّلت الخطابات المؤسسية والمعرفية مفاهيم ووجهات نظر بديلة حول الأنشطة العلمية: "حتى أن تاريخ العلوم وتعليقات نظرية المعرفة لا تذكر البيانات إلا عرضًا. وتناقش أعمال تأسيسية أخرى حول بناء المعنى في العلم الحقائق والتمثيلات والنقوش والمنشورات، مع إيلاء اهتمام ضئيل للبيانات بحد ذاتها." ^{[ 4 ]}

ظهر أول تعريف سياسي مؤثر للبيانات العلمية في وقت متأخر من عام 1999، عندما وصفت الأكاديميات الوطنية للعلوم البيانات بأنها "حقائق أو حروف أو أرقام أو رموز تصف شيئًا أو حالة أو موقفًا أو عوامل أخرى". ^{[ 5 ]} واستمرت المصطلحات في التطور: ففي عام 2011، قامت الأكاديميات الوطنية بتحديث التعريف ليشمل مجموعة واسعة من الكائنات المُعَدّة بيانات ، مثل "بيانات التحليل الطيفي، وتسلسل الجينوم، والمجهر الإلكتروني؛ والبيانات الرصدية، مثل بيانات الاستشعار عن بُعد، والبيانات الجغرافية المكانية، والبيانات الاجتماعية والاقتصادية؛ وغيرها من أشكال البيانات التي يتم إنشاؤها أو تجميعها، سواء من قِبل البشر أو الآلات"، بالإضافة إلى "التمثيل الرقمي للأدبيات". ^{[ 5 ]}

بينما لا تزال أشكال البيانات وأنواعها واسعة وغير مستقرة، فقد اتجهت التعريفات والسياسات القياسية مؤخرًا إلى حصر البيانات العلمية في البيانات الحاسوبية أو الرقمية. ^{[ 6 ]} وقد اقتصرت تجربة البيانات المفتوحة ضمن برنامج Horizon 2020 طوعًا على البحوث الرقمية : "بيانات البحث الرقمية هي معلومات بصيغة رقمية (وخاصة الحقائق أو الأرقام)، يتم جمعها لفحصها واستخدامها كأساس للاستدلال أو المناقشة أو الحساب؛ ويشمل ذلك الإحصاءات ونتائج التجارب والقياسات والملاحظات الناتجة عن العمل الميداني ونتائج الاستبيانات وتسجيلات المقابلات والصور" ^{[ 7 ] .}

بشكل عام، لا تزال البيانات العلمية موضع نقاش مرن بين الباحثين الأفراد والمجتمعات وصناع السياسات: "بشكل أوسع، ينبغي التعامل مع أي "بيانات" تهم الباحثين على أنها "بيانات بحثية"" ^{[ 6 ].} وقد تبنت تقارير سياساتية مهمة، مثل التقرير التجميعي لعام 2012 للأكاديميات الوطنية للعلوم حول الاستشهاد بالبيانات، تعريفًا نسبيًا واسميًا للبيانات عن قصد: "لن نخصص وقتًا طويلًا لقضايا التعريف (مثل، ما هي البيانات؟)، باستثناء الإقرار بأن البيانات غالبًا ما توجد في نظر المُقيِّم." ^{[ 8 ]} بالنسبة لكريستين بورغمان ، فإن القضية الرئيسية ليست تعريف البيانات العلمية ("ما هي البيانات؟") بل تحديد السياق الذي أصبحت فيه البيانات محورًا للنقاش داخل تخصص أو مؤسسة أو برنامج بحثي وطني ("متى تصبح البيانات بيانات؟"). ^{[ 9 ]} في العقد الثاني من القرن الحادي والعشرين، أدى توسع مصادر البيانات المتاحة وتطور أساليب تحليل البيانات إلى توسيع نطاق التخصصات المتأثرة بشكل أساسي بقضايا إدارة البيانات لتشمل " العلوم الاجتماعية الحاسوبية ، والعلوم الإنسانية الرقمية ، وبيانات وسائل التواصل الاجتماعي ، ومشاريع البحث العلمي للمواطنين ، والعلوم السياسية ". ^{[ 10 ]}

لقد كان الانفتاح والمشاركة موضوعًا رئيسيًا للنقاش فيما يتعلق بإدارة البيانات العلمية، ولكنهما كانا أيضًا دافعًا لجعل البيانات تبرز كقضية ذات صلة داخل مؤسسة أو تخصص أو إطار سياسي.

يرى بول إدواردز أن مسألة مشاركة البيانات، ومدى مشاركتها، والجهات التي يجب مشاركتها معها، كانت من الأسباب الرئيسية لاحتكاك البيانات ، مما كشف عن البنى التحتية الخفية للعلوم. يقول إدواردز: "يصف استعارة احتكاك البيانات ما يحدث عند نقاط التماس بين 'أسطح' البيانات: أي النقاط التي تنتقل فيها البيانات بين الأفراد، أو الركائز، أو المؤسسات، أو الآلات (...) كل حركة للبيانات عبر أي سطح تماس تأتي بتكلفة من حيث الوقت والطاقة والجهد البشري. كل سطح تماس بين المجموعات والمؤسسات، وكذلك بين الآلات، يمثل نقطة مقاومة حيث يمكن تشويه البيانات أو إساءة تفسيرها أو فقدانها. في الأنظمة الاجتماعية، يستهلك احتكاك البيانات الطاقة ويُحدث اضطرابًا وتوترًا - أي صراعات وخلافات وعمليات غير دقيقة وغير منظمة." ^{[ 11 ]} إن إتاحة البيانات العلمية هي في حد ذاتها احتكاك بيانات، ووسيلة لإدارة احتكاكات البيانات بشكل جماعي من خلال تخفيف تعقيدات ملكية البيانات. وقد تم الاعتراف بالثقافات العلمية أو المعرفية كعوامل أساسية في تبني سياسات البيانات المفتوحة: "من المتوقع أن تكون ممارسات مشاركة البيانات مرتبطة بالمجتمع ومحددة إلى حد كبير بالثقافة المعرفية." ^{[ 12 ]}

في العقد الثاني من الألفية، طرح العلماء وصناع السياسات مفاهيم جديدة لتحديد ماهية البيانات العلمية المفتوحة بدقة أكبر. ومنذ إطلاقها عام ٢٠١٦، أصبحت بيانات FAIR محورًا رئيسيًا لسياسات البحث المفتوح . ويصف هذا الاختصار نموذجًا مثاليًا للبيانات القابلة للاكتشاف، والوصول، والتوافق، وإعادة الاستخدام . وقد صُنفت البيانات العلمية المفتوحة كمورد مشترك أو منفعة عامة ، يتم صيانتها وإثرائها وحفظها بشكل أساسي من خلال العمل الجماعي لا الفردي: "يكمن جوهر العمل الجماعي في فهم مشاركة البيانات العلمية في تركيزه على كيفية تحديد كيفية توزيع المكاسب الفردية من خلال موازنة التكاليف والفوائد المترتبة على المساهمات في مورد مشترك" ^{[ ١٣ ].}

يرتبط ظهور البيانات العلمية بتحول دلالي في فهم المفاهيم العلمية الأساسية ، كالبيانات والمعلومات والمعرفة . ^{[ 14 ]} ومع تطور تقنيات الحوسبة، باتت البيانات والمعلومات تُوصف بشكل متزايد بأنها "أشياء": ^{[ 15 ]} " مثل الحوسبة، للبيانات دائمًا جانب مادي. فالبيانات أشياء. إنها ليست مجرد أرقام، بل هي أيضًا رموز عددية، ذات أبعاد ووزن وملمس". ^{[ 16 ]}

بعد الحرب العالمية الثانية، اعتمدت المشاريع العلمية الكبيرة بشكل متزايد على البنية التحتية المعرفية لجمع ومعالجة وتحليل كميات هائلة من البيانات. استُخدم نظام البطاقات المثقبة تجريبيًا لأول مرة على بيانات المناخ في عشرينيات القرن الماضي، وطُبِّق على نطاق واسع في العقد التالي: "في أحد أوائل مشاريع الحكومة لتوفير فرص عمل خلال فترة الكساد الكبير، قام عمال إدارة الأشغال المدنية بثقب حوالي مليوني سجل بيانات لسفن للفترة من 1880 إلى 1933." ^{[ 17 ]} وبحلول عام 1960، توسعت مجموعات البيانات المناخية للمركز الوطني الأمريكي لسجلات الطقس لتشمل 400 مليون بطاقة، وامتد نطاقها عالميًا. أصبح الحجم المادي للبيانات العلمية واضحًا تمامًا آنذاك، وهدد استقرار المباني بأكملها: "بحلول عام 1966، شغلت البطاقات مساحة كبيرة لدرجة أن المركز بدأ بملء قاعة المدخل الرئيسية بخزائن تخزين البطاقات (الشكل 5.4). أصبح المسؤولون قلقين للغاية من احتمال انهيار المبنى تحت وطأة وزنها." ^{[ 18 ]}

بحلول نهاية الستينيات، كانت البنية التحتية المعرفية قد ترسخت في مختلف التخصصات والمجتمعات. وكانت أول مبادرة لإنشاء قاعدة بيانات للمراجع الإلكترونية المتاحة للجميع هي مركز معلومات الموارد التعليمية (ERIC) عام 1966. وفي العام نفسه، أُنشئت قاعدة بيانات MEDLINE ، وهي قاعدة بيانات إلكترونية مجانية تُدار من قِبل المكتبة الوطنية للطب والمعاهد الوطنية للصحة (الولايات المتحدة الأمريكية)، وتضم مراجع من مجلات في المجال الطبي الحيوي، والتي عُرفت لاحقًا باسم PubMed ، وتحتوي حاليًا على أكثر من 14 مليون مقالة كاملة. ^{[ 19 ]} كما أُنشئت بنى تحتية معرفية في هندسة الفضاء (مع NASA/RECON)، والبحث في المكتبات (مع OCLC WorldCat )، والعلوم الاجتماعية: "شهدت الستينيات والسبعينيات من القرن الماضي إنشاء أكثر من اثنتي عشرة خدمة وجمعية مهنية لتنسيق جمع البيانات الكمية". ^{[ 20 ]}

ظهرت الخطابات المبكرة وأطر السياسات المتعلقة بالبيانات العلمية المفتوحة مباشرةً بعد إنشاء أول بنية تحتية معرفية واسعة النطاق. هدف نظام مركز البيانات العالمي (الذي يُعرف الآن بنظام البيانات العالمي ) إلى تسهيل الوصول إلى بيانات الرصد استعدادًا للسنة الجيوفيزيائية الدولية 1957-1958. ^{[ 21 ]} أنشأ المجلس الدولي للاتحادات العلمية (الذي يُعرف الآن بالمجلس الدولي للعلوم ) العديد من مراكز البيانات العالمية لتقليل مخاطر فقدان البيانات وزيادة إمكانية الوصول إليها، كما أوصى في عام 1955 بإتاحة البيانات بصيغة قابلة للقراءة آليًا. ^{[ 22 ]} في عام 1966، أنشأ المجلس الدولي للعلوم مبادرة CODATA، وهي مبادرة تهدف إلى "تعزيز التعاون في إدارة البيانات واستخدامها". ^{[ 23 ]}

لم تتطور هذه الأشكال المبكرة للبيانات العلمية المفتوحة بشكل كبير. فقد واجهت عملية دمج البيانات الخارجية العديد من الصعوبات التقنية، مما حال دون إنشاء منظومة مستدامة لتبادل البيانات. وكانت بنى البيانات التحتية غير مرئية للباحثين في الغالب، إذ كان معظم البحث يُجرى بواسطة أمناء المكتبات المتخصصين. ولم تكن أنظمة تشغيل البحث معقدة الاستخدام فحسب، بل كان البحث يتطلب كفاءة عالية نظرًا للتكلفة الباهظة للاتصالات بعيدة المدى. ^{[ 24 ]} ورغم أن واضعي هذه الفكرة توقعوا في البداية استخدامات مباشرة من قِبل الباحثين، إلا أن ذلك لم يتحقق فعليًا بسبب العوائق التقنية والاقتصادية.

افترض مصممو أولى الأنظمة الإلكترونية أن المستخدمين النهائيين هم من سيقومون بالبحث؛ وقد شكّل هذا الافتراض أساس تصميم النظام. كان الهدف من نظام MEDLINE استخدامه من قبل الباحثين الطبيين والأطباء، بينما صُمم نظام NASA/RECON لمهندسي وعلماء الفضاء. مع ذلك، ولأسباب عديدة، كان معظم المستخدمين خلال سبعينيات القرن الماضي من أمناء المكتبات والوسطاء المدربين الذين يعملون نيابةً عن المستخدمين النهائيين. في الواقع، أبدى بعض الباحثين المحترفين قلقهم من أن السماح للمستخدمين النهائيين المتحمسين بالوصول إلى هذه الأنظمة كان فكرة سيئة. ^{[ 25 ]}

لا تتذكر كريستين بورغمان أي نقاشات سياسية هامة حول معنى البيانات العلمية وإنتاجها وتداولها، باستثناء بعض المجالات المحددة (مثل علم المناخ) بعد عام 1966. ^{[ 23 ]} كان من الصعب ربط البنى التحتية العلمية المعزولة قبل ظهور الإنترنت. ^{[ 26 ]} اعتمدت المشاريع والمجتمعات على شبكاتها الخاصة غير المتصلة على المستوى الوطني أو المؤسسي: "كان الإنترنت شبه معدوم في أوروبا لأن الناس هناك كانوا يتبعون مجموعة منفصلة من بروتوكولات الشبكة". ^{[ 27 ]} لم يكن التواصل بين البنى التحتية العلمية صعبًا عبر المكان فحسب، بل عبر الزمن أيضًا. فكلما توقف استخدام بروتوكول اتصال ، كان من المرجح أن تختفي البيانات والمعرفة التي نشرها: "تأثرت العلاقة بين البحث التاريخي والحوسبة بشكل دائم بالمشاريع المتوقفة وفقدان البيانات والتنسيقات غير القابلة للاسترداد". ^{[ 28 ]}

صُممت شبكة الويب العالمية في الأصل كبنية تحتية للبيانات العلمية المفتوحة. وكان تبادل البيانات وتوثيقها محورًا رئيسيًا في التواصل الأولي لشبكة الويب العالمية عند الكشف عن المشروع لأول مرة في أغسطس 1991  : "بدأ مشروع شبكة الويب العالمية لتمكين علماء فيزياء الطاقة العالية من تبادل البيانات والأخبار والوثائق. ونحن مهتمون جدًا بتوسيع نطاق الشبكة لتشمل مجالات أخرى، وتوفير خوادم بوابة لبيانات أخرى". ^{[ 29 ]}

انبثق المشروع من بنية تحتية معرفية وثيقة الصلة، تُدعى "إنكواير" . كان برنامجًا لإدارة المعلومات، كلف مركز سيرن تيم بيرنرز لي بتطويره لتلبية الاحتياجات الخاصة بفيزياء الطاقة العالية. كان هيكل "إنكواير" أقرب إلى شبكة بيانات داخلية: إذ ربط "عُقدًا" يمكن أن تشير إلى شخص، أو وحدة برمجية، وما إلى ذلك، ويمكن ربطها بعلاقات متنوعة مثل "صُنع"، و"يتضمن"، و"يصف"، وما شابه. ^{[ 30 ]} ورغم أنه "سهّل بعض الروابط العشوائية بين المعلومات"، إلا أن "إنكواير" لم يتمكن من "تيسير التعاون المنشود في مجتمع أبحاث فيزياء الطاقة العالية الدولي". ^{[ 31 ]} كما هو الحال مع أي بنية تحتية علمية حاسوبية مهمة قبل التسعينيات، فقد أعاق تطوير برنامج ENQUIRE في نهاية المطاف نقص قابلية التشغيل البيني وتعقيد إدارة اتصالات الشبكة: "على الرغم من أن برنامج Enquire وفر طريقة لربط المستندات وقواعد البيانات، ووفر النص التشعبي تنسيقًا مشتركًا لعرضها، إلا أنه لا تزال هناك مشكلة في جعل أجهزة الكمبيوتر المختلفة ذات أنظمة التشغيل المختلفة تتواصل مع بعضها البعض". ^{[ 27 ]}

سرعان ما تفوقت شبكة الإنترنت على البنية التحتية المغلقة القائمة للبيانات العلمية، حتى مع احتوائها على ميزات حاسوبية أكثر تطورًا. ففي الفترة من عام 1991 إلى عام 1994، انتقل مستخدمو نظام مجتمع الديدان (Worm Community System) ، وهو قاعدة بيانات بيولوجية رئيسية خاصة بالديدان، إلى شبكة الإنترنت وبروتوكول غوفر. ورغم أن شبكة الإنترنت لم تتضمن العديد من الوظائف المتقدمة لاسترجاع البيانات والتعاون، إلا أنها كانت سهلة الوصول. في المقابل، كان من الممكن تصفح نظام مجتمع الديدان فقط على أجهزة طرفية محددة مشتركة بين المؤسسات العلمية: "إن استخدام نظام مجتمع الديدان المصمم خصيصًا (بواجهته سهلة الاستخدام) يعني مواجهة صعوبات في التوفيق بين عادات العمل واستخدام الحاسوب وموارد المختبر (...) أما شبكة الإنترنت العالمية، فيمكن الوصول إليها من مجموعة واسعة من الأجهزة الطرفية والاتصالات، كما أن دعم الإنترنت متاح بسهولة في معظم المؤسسات الأكاديمية ومن خلال خدمات تجارية غير مكلفة نسبيًا." ^{[ 32 ]}

أحدث النشر على الإنترنت تغييرًا جذريًا في اقتصاديات نشر البيانات. فبينما كانت تكلفة إعادة إنتاج مجموعات البيانات الكبيرة باهظة في النشر الورقي، فإن تكاليف تخزين معظم مجموعات البيانات منخفضة. ^{[ 33 ]} في هذه البيئة التحريرية الجديدة، لم تعد العوامل الرئيسية التي تحد من مشاركة البيانات تقنية أو اقتصادية، بل أصبحت اجتماعية وثقافية.

أدى تطوير شبكة الإنترنت العالمية وانتشارها إلى إزالة العديد من العوائق التقنية التي كانت تحد من حرية تداول البيانات. ومع ذلك، لم تكن البيانات العلمية قد حُددت بعد، وكان لا بد من تطبيق سياسات بحثية جديدة لتحقيق الرؤية الأصلية التي وضعها تيم بيرنرز لي لشبكة البيانات . في هذه المرحلة، تم تحديد البيانات العلمية إلى حد كبير من خلال عملية فتح البيانات العلمية، حيث خلق تطبيق سياسات الانفتاح حوافز جديدة لوضع مبادئ توجيهية ومصطلحات قابلة للتنفيذ.

لطالما مثّلت أبحاث المناخ مجالًا رائدًا في التعريف المفاهيمي للبيانات العلمية المفتوحة، كما كان الحال في بناء أول بنية تحتية معرفية واسعة النطاق في خمسينيات وستينيات القرن الماضي. في عام ١٩٩٥، أكدت مبادرة البيانات العالمية لتغير المناخ (GCDIS) التزامًا واضحًا بشأن التبادل الكامل والمفتوح للبيانات العلمية ، حيث نصّت على أن "البرامج الدولية لأبحاث التغير العالمي والرصد البيئي تعتمد بشكل حاسم على مبدأ التبادل الكامل والمفتوح للبيانات (أي إتاحة البيانات والمعلومات دون قيود، على أساس غير تمييزي، وبتكلفة لا تتجاوز تكلفة النسخ والتوزيع)". ^{[ ٣٤ ]} كما أدى توسع نطاق إدارة البنى التحتية المعرفية إلى خلق حوافز لمشاركة البيانات، نظرًا لتزايد تعقيد "توزيع ملكية البيانات" بين عدد كبير من الجهات المعنية، سواءً كانت أفرادًا أو مؤسسات. ^{[ ٣٥ ]} وتُوفّر البيانات المفتوحة إطارًا مبسطًا لضمان وصول جميع المساهمين والمستخدمين إلى البيانات. ^{[ ٣٥ ]}

سرعان ما تم تحديد البيانات المفتوحة كهدف رئيسي لحركة العلوم المفتوحة الناشئة. فبينما ركزت المبادرات الدولية الداعمة للوصول المفتوح في البداية على المنشورات والمقالات العلمية، فقد توسع نطاقها ليشمل جميع الإنتاجات العلمية الرئيسية. ^{[ 36 ]} وفي عام 2003، دعم إعلان برلين نشر "نتائج البحوث العلمية الأصلية، والبيانات الأولية والبيانات الوصفية، والمواد المصدرية، والتمثيلات الرقمية للمواد التصويرية والرسومية والوسائط المتعددة العلمية".

بعد عام 2000، اضطلعت منظمات دولية، مثل منظمة التعاون الاقتصادي والتنمية، بدور محوري في وضع تعريفات عامة ومتعددة التخصصات للبيانات العلمية، إذ يجب تطبيق سياسات البيانات المفتوحة على نطاق أوسع من النطاق المحدد لتخصص معين في أي دولة. ^{[ 5 ]} وقد صاغ أحد أوائل التعريفات المؤثرة للبيانات العلمية في عام 1999 ^{[ 5 ]} تقريرٌ صادر عن الأكاديميات الوطنية للعلوم: "البيانات هي حقائق وأرقام وحروف ورموز تصف شيئًا أو فكرة أو حالة أو موقفًا أو عوامل أخرى". ^{[ 37 ]} وفي عام 2004، وقّع وزراء العلوم في جميع دول منظمة التعاون الاقتصادي والتنمية إعلانًا ينصّ أساسًا على ضرورة إتاحة جميع بيانات الأرشيف الممولة من القطاع العام للجمهور. ^{[ 38 ]} في عام 2007، قامت منظمة التعاون الاقتصادي والتنمية "بتدوين مبادئ الوصول إلى بيانات البحث الممولة من التمويل العام" ^{[ 39 ]} من خلال "المبادئ والتوجيهات الخاصة بالوصول إلى بيانات البحث الممولة من التمويل العام"، والتي عرّفت البيانات العلمية بأنها "سجلات واقعية (درجات رقمية، وسجلات نصية، وصور، وأصوات) تُستخدم كمصادر أساسية للبحث العلمي، والتي يُسلّم بها عمومًا في الأوساط العلمية باعتبارها ضرورية للتحقق من صحة نتائج البحث". ^{[ 40 ]} وقد مثّلت هذه المبادئ توصية غير ملزمة قانونًا ، وأكدت أن "الوصول إلى بيانات البحث يزيد من العائدات من الاستثمار العام في هذا المجال؛ ويعزز البحث العلمي المفتوح؛ ويشجع على تنوع الدراسات والآراء؛ ويدعم مجالات عمل جديدة؛ ويتيح استكشاف مواضيع لم يتوقعها الباحثون الأوائل". ^{[ 41 ]}

بعد عام 2010، اتخذت المؤسسات الوطنية وفوق الوطنية موقفًا أكثر تدخلًا. وقد تم تطبيق سياسات جديدة ليس فقط لضمان وتحفيز إتاحة البيانات العلمية، بل عادةً ما يكون ذلك استكمالًا لبرامج البيانات المفتوحة القائمة. في أوروبا، جعل كارلوس مويداس، مفوض الاتحاد الأوروبي للبحث العلمي والابتكار، بيانات البحث المفتوحة إحدى أولويات الاتحاد الأوروبي في عام 2015. ^{[ 10 ]}

أصبحت مبادئ FAIR التوجيهية ، التي نُشرت لأول مرة عام 2016 ^{[ 2 ]} ، إطارًا مؤثرًا لفتح البيانات العلمية. ^{[ 10 ]} وقد صُممت هذه المبادئ في الأصل قبل ذلك بعامين خلال ورشة عمل بحثية وسياساتية في معهد لورنتز ، بعنوان "التصميم المشترك لمنصة FAIR للبيانات ". ^{[ 42 ]} وخلال مداولات ورشة العمل، "برزت فكرة أنه من خلال تحديد مجموعة أساسية من المبادئ التوجيهية والممارسات المتفق عليها مجتمعيًا، وكسب دعم واسع النطاق لها" ^{[ 43 ].}

لا تسعى هذه المبادئ إلى تعريف البيانات العلمية، التي لا تزال مفهومًا مرنًا نسبيًا، بل تهدف إلى وصف "ما يُشكّل إدارة البيانات الجيدة". ^{[ 44 ]} وهي تغطي أربعة مبادئ أساسية "تُرشد مُنتجي البيانات": إمكانية العثور على البيانات، وإمكانية الوصول إليها، وقابلية التشغيل البيني، وإمكانية إعادة استخدامها. ^{[ 44 ]} كما تهدف إلى توفير خطوة نحو إمكانية معالجة البيانات آليًا من خلال توضيح الدلالات الكامنة وراءها. ^{[ 43 ]} ونظرًا لأنها تُقرّ تمامًا بتعقيد إدارة البيانات، فإن هذه المبادئ لا تدّعي تقديم مجموعة من التوصيات الجامدة، بل "درجات من مبدأ الإنصاف والشفافية والإنصاف والعدالة" (FAIRness)، التي يُمكن تعديلها وفقًا للتكاليف التنظيمية، وكذلك القيود الخارجية المتعلقة بحقوق النشر أو الخصوصية. ^{[ 45 ]}

تبنت منظمات دولية كبرى مبادئ FAIR فورًا: "شهدت مبادئ FAIR تطورًا سريعًا، وحظيت باعتراف الاتحاد الأوروبي ومجموعة السبع ومجموعة العشرين ومنظمة البيانات الضخمة للمعرفة (BD2K) الأمريكية" ^{[ 46 ].} في أغسطس 2016، شكلت المفوضية الأوروبية فريق خبراء لتحويل "بيانات FAIR إلى واقع ملموس" ^{[ 47 ]} . وحتى عام 2020، لا تزال مبادئ FAIR "المعايير التقنية الأكثر تقدمًا للبيانات العلمية المفتوحة حتى الآن" ^{[ 48 ].}

في عام 2022، بدأ مرصد العلوم المفتوحة الفرنسي بنشر دراسة تجريبية لمنشورات بيانات البحث المستقاة من أدوات استخراج النصوص. وأظهر تحليل استرجاعي أن معدل المنشورات التي تشير إلى مشاركة البيانات المرتبطة بها قد تضاعف تقريبًا خلال 10 سنوات، من 13% (في عام 2013) إلى 22% (في عام 2021). ^{[ 49 ]}

بحلول نهاية العقد الثاني من الألفية، حظيت سياسة البيانات المفتوحة بدعم واسع من الأوساط العلمية. وقد توصلت دراستان استقصائيتان واسعتان بتكليف من المفوضية الأوروبية عامي 2016 و2018 إلى فائدة شائعة: "يقول 74% من الباحثين إن الوصول إلى بيانات أخرى سيفيدهم" ^{[ 50 ].} ومع ذلك، أظهرت ملاحظات نوعية أخرى جُمعت في الدراسة نفسها أن "ما يُعلنه العلماء مثاليًا، مقابل ما يمارسونه فعليًا، يكشف عن وضع أكثر غموضًا" ^{[ 50 ] .}

حتى العقد الثاني من القرن الحادي والعشرين، كان نشر البيانات العلمية يشير في الغالب إلى "إصدار مجموعات البيانات المرتبطة بمقالة بحثية فردية" ^{[ 51 ].} ويتم توثيق هذا الإصدار ببيان إمكانية الوصول إلى البيانات (DAS). وقد تم اقتراح العديد من التصنيفات أو بيانات إمكانية الوصول إلى البيانات. ^{[ 52 ] [ 53 ]} في عام 2021، حدد كولافيزا وآخرون ثلاث فئات أو مستويات للوصول:

• DAS 1: "البيانات متاحة عند الطلب أو ما شابه" ^{[ 54 ]}
• DAS 2: "البيانات المتاحة مع الورقة وملفاتها التكميلية" ^{[ 54 ]}
• DAS 3: "البيانات المتاحة في مستودع" ^{[ 54 ]}

ظهرت ملفات البيانات التكميلية في المراحل الأولى من التحول إلى النشر العلمي الرقمي. وبينما حافظت صيغة المنشورات إلى حد كبير على قيود صيغة الطباعة، يمكن تضمين مواد إضافية في "المعلومات التكميلية". ^{[ 33 ]} وتتمتع ملفات البيانات التكميلية، بوصفها منشورات، بوضع غامض. فمن الناحية النظرية، يُفترض أن تكون وثائق خام، تتيح الوصول إلى خلفية البحث. أما من الناحية العملية، فغالبًا ما يتعين تنسيق مجموعات البيانات المنشورة بشكل خاص للنشر. وعادةً ما تركز على مصادر البيانات الأولية، وليس على النطاق الكامل للملاحظات أو القياسات التي أُجريت لأغراض البحث: "غالبًا ما يكون تحديد "البيانات" المرتبطة بأي مقالة أو ورقة بحثية أو كتاب أو منشور آخر أمرًا صعبًا، حيث يجمع الباحثون البيانات باستمرار". ^{[ 55 ]} كما يتأثر اختيار البيانات بالناشر. فالسياسة التحريرية للمجلة تحدد إلى حد كبير ما يُدرج في النص الرئيسي وما يُدرج في المعلومات التكميلية، ويحرص المحررون بشكل خاص على عدم تضمين مجموعات بيانات كبيرة قد يصعب الحفاظ عليها على المدى الطويل. ^{[ 55 ]}

أصبحت مجموعات البيانات العلمية تحظى باعتراف متزايد باعتبارها منشورات علمية مستقلة. ويهدف دمج البيانات في المقالات الأكاديمية إلى تعزيز مكانة مجموعات البيانات المنشورة وزيادة الاعتراف بها، إذ يُفترض ضمنيًا أن الإلمام بها سيشجع على نشرها. ^{[ 51 ]} وقد لاقى هذا النهج استحسان العديد من الناشرين والمستودعات، لأنه سهّل دمج البيانات في البنية التحتية للنشر القائمة، وأتاح إعادة استخدام المفاهيم التحريرية التي وُضعت في الأصل حول المقالات على نطاق واسع. ^{[ 51 ]} وقد طُرحت أوراق البيانات صراحةً باعتبارها "آلية لتحفيز نشر البيانات في علوم التنوع البيولوجي". ^{[ 56 ]}

أثارت قواعد البيانات الرقمية الأولى في خمسينيات وستينيات القرن العشرين على الفور قضايا تتعلق بإمكانية الاستشهاد والوصف الببليوغرافي. ^{[ 57 ]} وكانت قابلية ذاكرة الحاسوب للتغيير تحديًا كبيرًا: فعلى عكس المنشورات المطبوعة، لا يُتوقع أن تظل البيانات الرقمية مستقرة على المدى الطويل. في عام 1965، أكد رالف بيسكو أن هذا الغموض يؤثر على جميع الوثائق المرتبطة بها، مثل دفاتر التعليمات البرمجية، التي قد تصبح قديمة بشكل متزايد. ويتعين على إدارة البيانات إيجاد حل وسط بين التحسينات المستمرة وشكل من أشكال الاستقرار العام: "إن مفهوم أرشيف البيانات المرن والمتغير والمتطور باستمرار يعني أنه يجب إجراء تنظيف الدراسات والمعالجة الأخرى إلى درجة لا تؤثر فيها التغييرات بشكل كبير على التحليلات السابقة" ^{[ 58 ].}

لطالما كانت البيانات الوصفية الببليوغرافية المنظمة لقواعد البيانات موضوعًا مثيرًا للجدل منذ ستينيات القرن الماضي. ^{[ 57 ]} في عام 1977، اعتمد المعيار الأمريكي للمراجع الببليوغرافية تعريفًا لـ "ملف البيانات" مع التركيز بشكل كبير على أهمية البيانات وقابليتها للتغيير: لم يُذكر التاريخ أو المؤلفون، ولكن كان لا بد من تحديد الوسيط أو "طريقة التغليف". ^{[ 59 ]} بعد ذلك بعامين، قدمت سو دود اصطلاحًا بديلًا، جعل توثيق البيانات أقرب إلى معيار المراجع في المنشورات العلمية الأخرى: ^{[ 57 ]} تضمنت توصية دود استخدام العناوين والمؤلفين والطبعات والتاريخ، بالإضافة إلى إشارات بديلة للوثائق الفرعية مثل دفتر التعليمات البرمجية. ^{[ 60 ]}

لقد أحدث تطور الإنترنت تحولًا جذريًا في فهرسة مجموعات البيانات، إذ انخفضت عوائق مشاركة البيانات بشكل كبير. ^{[ 57 ]} وفي خضم هذه العملية، أصبحت أرشفة البيانات واستدامتها واستمراريتها قضايا بالغة الأهمية. وقد تم استحداث معرّفات الكائنات الرقمية الدائمة (DOI) للمقالات العلمية لتجنب الروابط المعطلة، نظرًا للتطور المستمر في بنية مواقع الويب. وفي أوائل العقد الأول من القرن الحادي والعشرين، بدأت برامج تجريبية بتخصيص معرّفات DOI لمجموعات البيانات أيضًا. ^{[ 61 ]} وبينما يساهم ذلك في حل مشكلات استدامة الروابط، فإن إنشاء معرّفات DOI للبيانات ومعايير الاستشهاد بها يُعد جزءًا من عملية إضفاء الشرعية عليها، مما يُسهّل دمج مجموعات البيانات مع المنشورات العلمية القياسية، ويمكن الاستفادة من مصادر تحفيز مماثلة (مثل مؤشرات قياس الإنتاجية البحثية). ^{[ 62 ]}

تُحقق مجموعات البيانات المتاحة والقابلة للبحث ميزة كبيرة في الاستشهادات. وقدّرت دراسة أجريت عام 2021 على 531,889 مقالة منشورة في مجلة PLOS أن هناك "زيادة نسبية بنسبة 25.36% في عدد الاستشهادات بشكل عام" للمقالات المنشورة في المجلات العلمية التي تحتوي على "رابط لبيانات مؤرشفة في مستودع عام". ^{[ 63 ]} ولا يُحقق نشر البيانات كمواد تكميلية ميزة كبيرة في الاستشهادات، مما يشير إلى أن "ميزة الاستشهاد لبيانات توافر البيانات لا ترتبط بوجودها فحسب، بل بمحتواها". ^{[ 64 ]}

حتى عام 2022، لا يزال الاعتراف بالبيانات العلمية المفتوحة عملية مستمرة. ولا يحتوي برنامج Zotero المرجعي الرائد على عنصر مخصص لمجموعات البيانات.

في مجال البحث الأكاديمي، أثبت التخزين والتكرار أنهما ميزة هامة للبيانات العلمية المفتوحة. في المقابل، تُحفظ البيانات العلمية غير المفتوحة بشكل ضعيف، ولا يمكن استرجاعها إلا ببذل جهد كبير من قبل المؤلفين، إن لم تكن قد فُقدت تمامًا. ^{[ 65 ]}

يواجه تحليل استخدامات البيانات العلمية المفتوحة نفس المشكلات التي تواجه أي محتوى مفتوح: فبينما أدى الوصول المجاني والشامل وغير التمييزي بشكل واضح إلى توسيع نطاق وكثافة الاستقبال، فقد جعل من الصعب أيضًا تتبعه، بسبب عدم وجود عملية معاملات.

وتزداد هذه المشكلات تعقيدًا بسبب حداثة البيانات كمنشور علمي: "من الناحية العملية، قد يكون من الصعب مراقبة إعادة استخدام البيانات، ويرجع ذلك أساسًا إلى أن الباحثين نادرًا ما يستشهدون بالمستودع" ^{[ 66 ].}

في عام 2018، قدّر تقرير صادر عن المفوضية الأوروبية تكلفة عدم إتاحة البيانات العلمية وفقًا لمبادئ FAIR، حيث بلغت 10.2 مليار جنيه إسترليني سنويًا كأثر مباشر، و16 مليار جنيه إسترليني كأثر غير مباشر على اقتصاد الابتكار بأكمله. ^{[ 67 ]} إن تطبيق البيانات العلمية المفتوحة على نطاق عالمي "سيكون له تأثير كبير على الوقت الذي نقضيه في معالجة البيانات وطريقة تخزينها". ^{[ 67 ]}

لا يقتصر تطوير البيانات العلمية المفتوحة على البحث العلمي فحسب، بل يشمل مجموعة متنوعة من الجهات المعنية: "تأتي الحجج المؤيدة لمشاركة البيانات من جهات عديدة: وكالات التمويل - العامة والخاصة على حد سواء - وهيئات السياسات مثل الأكاديميات الوطنية ومجالس التمويل، وناشري المجلات، والمعلمين، وعامة الجمهور، والباحثين أنفسهم." ^{[ 69 ]} وبذلك، تتقاطع حركة البيانات العلمية المفتوحة إلى حد كبير مع الحركات العالمية الأوسع نطاقًا للبيانات المفتوحة. ^{[ 70 ]} وقد طوّر الباحثون جزئيًا التعريفات المعيارية للبيانات المفتوحة التي تستخدمها مجموعة واسعة من الجهات الفاعلة العامة والخاصة، وذلك في سياق قضايا علمية محددة. ^{[ 71 ]} وقد ساهم مفهوم الشفافية بشكل خاص في خلق تقارب بين العلوم المفتوحة والبيانات المفتوحة والحكومة المفتوحة. وفي عام 2015، وصفت منظمة التعاون الاقتصادي والتنمية الشفافية بأنها "أساس منطقي مشترك للعلوم المفتوحة والبيانات المفتوحة". ^{[ 72 ]}

حددت كريستين بورغمان أربعة مبررات رئيسية لمشاركة البيانات شائعة الاستخدام في جميع المناقشات التنظيمية والعامة حول البيانات العلمية المفتوحة: ^{[ 69 ]}

• إمكانية تكرار البحث: يُعزى عدم إمكانية تكرار البحث غالبًا إلى أوجه القصور في شفافية البحث وعملية تحليل البيانات. ونتيجةً لذلك، تُعدّ إمكانية تكرار البحث، باعتبارها "مبررًا لمشاركة بيانات البحث، أمرًا بالغ الأهمية ولكنه ينطوي على إشكاليات". ^{[ 73 ]} ولا تنطبق إمكانية التكرار إلا على "أنواع معينة من البحوث"، لا سيما فيما يتعلق بالعلوم التجريبية. ^{[ 73 ]}
• إمكانية الوصول العام: هذا المنطق القائل بأن "منتجات التمويل العام يجب أن تكون متاحة للجمهور" موجود في "حجج الحكومة المفتوحة". ^{[ 74 ]} ورغم أنه مستوحى بشكل مباشر من حجج مماثلة تُطرح لصالح الوصول المفتوح إلى المنشورات، إلا أن نطاقه محدود أكثر، إذ أن البيانات العلمية المفتوحة "لا تعود بفوائد مباشرة إلا على عدد أقل بكثير من الناس، وتختلف هذه الفوائد باختلاف الجهات المعنية". ^{[ 75 ]}
• تثمين البحث العلمي: قد تُضيف البيانات العلمية المفتوحة قيمة كبيرة للقطاع الخاص. وتُستخدم هذه الحجة تحديدًا لدعم "الحاجة إلى المزيد من المستودعات التي يمكنها قبول بيانات البحث وتنسيقها، وإلى أدوات وخدمات أفضل لاستغلال البيانات، وإلى استثمارات أخرى في البنية التحتية المعرفية". ^{[ 75 ]}
• زيادة البحث والابتكار: قد تُحسّن البيانات العلمية المفتوحة جودة البحوث الخاصة والعامة بشكلٍ ملحوظ. ويهدف هذا الطرح إلى "الاستثمار في البنية التحتية المعرفية لدعم بيانات البحث، التي تُدار وفقًا لأعلى معايير الممارسات المهنية" ^{[ 75 ].}

ومع ذلك، فإن التعاون بين مختلف الجهات الفاعلة وأصحاب المصلحة في دورة حياة البيانات جزئي. حتى داخل المؤسسات الأكاديمية، يبقى التعاون محدودًا: "يجري معظم الباحثين عمليات بحث متعلقة بالبيانات دون استشارة مدير بيانات أو أمين مكتبة." ^{[ 76 ]}

فقدت حركة البيانات المفتوحة العالمية جزئيًا تماسكها وهويتها خلال العقد الثاني من الألفية، إذ طغت قضايا خاصة بكل مجال على النقاشات الدائرة حول توفر البيانات وترخيصها: "عندما يتحول التركيز من المطالبة بالوصول إلى البيانات إلى إنشاء بنية تحتية للبيانات وتوظيفها، تتضح جليًا الأهداف المتباينة لمن أسسوا حركة البيانات المفتوحة الأولى، وقد يصبح التعامل مع التوترات الناشئة أمرًا معقدًا." ^{[ 77 ]} إن النطاق العام جدًا لتعريف البيانات المفتوحة، الذي يهدف إلى استيعاب مجموعة واسعة جدًا من ثقافات البيانات القائمة ، لا يراعي بشكل كافٍ عتبة الوصول والسياق الأعلى التي تتطلبها البحوث العلمية: "البيانات المفتوحة، بمعنى كونها مجانية لإعادة الاستخدام، شرط ضروري ولكنه غير كافٍ لأغراض البحث." ^{[ 78 ]}

منذ مطلع الألفية الثانية، أكدت استطلاعات الرأي في الأوساط العلمية وجود تباين مستمر بين مُثُل مشاركة البيانات وتطبيقها على أرض الواقع: "عندما يُسأل الباحثون المعاصرون عما إذا كانوا على استعداد لمشاركة بياناتهم، يُجيب معظمهم بالإيجاب. ولكن عندما يُسألون أنفسهم عما إذا كانوا يُصدرون بياناتهم، يُقرّون عادةً بأنهم لم يفعلوا ذلك." ^{[ 79 ]} إن ثقافة البيانات المفتوحة لا تنشأ من فراغ، بل عليها أن تتأقلم مع ثقافة البيانات العلمية القائمة ومجموعة من العوامل النظامية التي قد تُثبّط مشاركة البيانات: "في بعض المجالات، يُثبّط الباحثون بنشاط عن إعادة استخدام البيانات. (...) تُبنى المسارات المهنية من خلال استكشاف مجالات لم تُستكشف من قبل." ^{[ 80 ]}

في عام 2011، أقرّ 67% من 1329 عالماً بأنّ نقص مشاركة البيانات يُشكّل "عائقاً رئيسياً أمام التقدّم العلمي". ^{[ 81 ]} ومع ذلك، "وافق ثلث المستطلَعين فقط (36%) على سهولة وصول الآخرين إلى بياناتهم". ^{[ 82 ]} وفي عام 2016، أظهر استطلاعٌ للباحثين في العلوم البيئية تأييداً ساحقاً للبيانات المفتوحة سهلة الوصول (99% اعتبروها مهمة إلى حدٍّ ما على الأقل) وسياسات الجهات المُموّلة للبيانات المفتوحة (88%). ^{[ 83 ]} ومع ذلك، "حتى مع وجود الرغبة في مشاركة البيانات، توجد اختلافات مع الممارسات الشائعة، مثل الرغبة في تخصيص الوقت والموارد لإعداد البيانات وتحميلها". ^{[ 83 ]} ووجدت دراسةٌ أُجريت عام 2022 على 1792 بياناً بشأن مشاركة البيانات من BioMed Central أنّ أقل من 7% من المؤلفين (123) قدّموا البيانات بالفعل عند الطلب. ^{[ 84 ]}

يُعدّ انتشار البيانات المتاحة والقابلة للبحث أقل من ذلك بكثير: "على الرغم من عقود من التحركات السياسية نحو الوصول المفتوح إلى البيانات، فإن الإحصاءات القليلة المتاحة تعكس معدلات منخفضة لنشر البيانات أو إيداعها." ^{[ 85 ]} في استطلاع رأي أجرته مجلة ساينس عام 2011 ، لم يشارك سوى 7.6% من الباحثين بياناتهم على مستودعات مجتمعية، مع تفضيلهم للمواقع الإلكترونية المحلية التي تستضيفها الجامعات أو المختبرات. ^{[ 86 ]} ونتيجة لذلك، "اشتكى الكثيرون من نقص البيانات الوصفية والأرشيفات المشتركة باعتبارها عائقًا رئيسيًا أمام استخدام البيانات وتخزينها." ^{[ 86 ]}

ووفقًا لبورغمان، فإن مفارقة مشاركة البيانات تعود جزئيًا إلى محدودية سياسات البيانات المفتوحة التي تميل إلى التركيز على "إلزام أو تشجيع الباحثين على نشر بياناتهم" دون تلبية "الطلب المتوقع على البيانات أو البنية التحتية اللازمة لدعم النشر وإعادة الاستخدام". ^{[ 87 ]}

في عام 2022، أكد بوجول بريجو وويرهام ورومسانتا أن حوافز مشاركة البيانات العلمية جماعية في المقام الأول وتشمل إمكانية التكرار والكفاءة العلمية والجودة العلمية، إلى جانب المزيد من المكافآت الفردية مثل التقدير الشخصي ^{[ 88 ].} تشمل الفوائد الفردية زيادة الرؤية: توفر مجموعات البيانات المفتوحة ميزة كبيرة في الاستشهاد ولكن فقط عندما تتم مشاركتها في مستودع مفتوح ^{[ 63 ].}

تشمل العوائق المهمة ضرورة النشر أولاً، والقيود القانونية، والمخاوف من فقدان التقدير والاعتراف. ^{[ 89 ]} بالنسبة للباحثين الأفراد، قد تُمثل مجموعات البيانات أصولاً قيّمة يمكن مقايضتها للحصول على "وظائف جديدة أو تعاونات جديدة" ^{[ 33 ]} ، وقد يصعب تبرير نشرها ما لم يحصلوا على "مقابل ذي قيمة". ^{[ 33 ]}

يُعدّ عدم الإلمام بمشاركة البيانات، وليس الرفض الصريح لمبادئ العلم المفتوح، عائقًا رئيسيًا في نهاية المطاف. فقد أظهرت العديد من الدراسات الاستقصائية في أوائل العقد الثاني من الألفية أن الباحثين "نادرًا ما يسعون للحصول على بيانات من باحثين آخرين، ونادرًا ما يُطلب منهم بياناتهم الخاصة". ^{[ 80 ]} وهذا يخلق حلقة مفرغة سلبية، إذ لا يبذل الباحثون جهدًا يُذكر لضمان مشاركة البيانات، مما يُثبّط بدوره الاستخدام الفعال لها، في حين أن "أكبر طلب على إعادة استخدام البيانات يوجد في المجالات ذات الاعتماد المتبادل العالي". ^{[ 80 ]} وقد يُستهان أيضًا بواقع إعادة استخدام البيانات، إذ لا تُعتبر البيانات منشورًا مرموقًا، ولا تُذكر المصادر الأصلية. ^{[ 90 ]}

أظهرت دراسة تجريبية أجريت عام 2021 على 531,889 مقالة نشرتها PLOS أن الحوافز والتشجيعات غير المباشرة لها تأثير محدود على مشاركة البيانات: "إن سياسات المجلات التي تشجع على بيان توافر البيانات بدلاً من اشتراطه أو فرضه لها تأثير ضئيل فقط". ^{[ 91 ]}

كان حق المؤلف محور التركيز الرئيسي في الأدبيات القانونية المتعلقة بالبيانات العلمية المفتوحة حتى العقد الثاني من الألفية الثانية. وقد تم تحديد شرعية مشاركة البيانات مبكرًا كقضية بالغة الأهمية. وعلى عكس مشاركة المنشورات العلمية، لم يكن العائق الرئيسي هو حق المؤلف، بل عدم اليقين: "كان مفهوم 'البيانات' مفهومًا جديدًا، نشأ في عصر الحاسوب، بينما ظهر قانون حقوق المؤلف في زمن المنشورات المطبوعة." ^{[ 94 ]} من الناحية النظرية، لا تنطبق أحكام حقوق المؤلف وحقوق المؤلف على مجرد مجموعات من الحقائق والأرقام. أما من الناحية العملية، فإن مفهوم البيانات أوسع بكثير، وقد يشمل المحتوى المحمي أو الترتيب الإبداعي للمحتويات غير الخاضعة لحقوق المؤلف.

يُعدّ وضع البيانات في الاتفاقيات الدولية المتعلقة بالملكية الفكرية غامضًا. فبحسب المادة الثانية من اتفاقية برن، "تتمتع جميع الأعمال في المجالات الأدبية والعلمية والفنية" بالحماية. ^{[ 95 ]} ومع ذلك، غالبًا ما لا تُعتبر بيانات البحث إبداعًا أصليًا بالكامل من إنتاج مؤلف واحد أو عدة مؤلفين، بل هي "مجموعة من الحقائق، تُجمع عادةً باستخدام أدوات آلية أو شبه آلية أو معدات علمية". ^{[ 95 ]} ونتيجةً لذلك، لا توجد اتفاقية عالمية بشأن حقوق التأليف والنشر للبيانات، ولا تزال النقاشات حول "مدى انطباق حقوق التأليف والنشر" قائمة، مع اختلاف النتائج تبعًا للاختصاص القضائي أو لخصوصيات مجموعة البيانات. ^{[ 95 ]} وينبع هذا النقص في التنسيق منطقيًا من حداثة "بيانات البحث" كمفهوم أساسي في البحث العلمي: "مفهوم "البيانات" مفهوم جديد، نشأ في عصر الحاسوب، بينما ظهر قانون حقوق التأليف والنشر في زمن المنشورات المطبوعة". ^{[ 95 ]}

في الولايات المتحدة والاتحاد الأوروبي والعديد من الأنظمة القانونية الأخرى، أقرت قوانين حقوق النشر والتأليف التمييز بين البيانات نفسها (التي قد تكون "حقيقة" غير محمية) وتجميع البيانات (الذي قد يكون ترتيبًا إبداعيًا). ^{[ 95 ]} ويسبق هذا المبدأ إلى حد كبير النقاش السياسي المعاصر حول البيانات العلمية، إذ تعود أقدم الأحكام القضائية التي قضت لصالح حقوق التجميع إلى القرن التاسع عشر.

في الولايات المتحدة، حُدِّدت حقوق التجميع في قانون حقوق التأليف والنشر لعام 1976، مع إشارة صريحة إلى مجموعات البيانات: "عمل مُكوَّن من جمع وتجميع مواد أو بيانات موجودة مسبقًا" (الفقرة 101). ^{[ 96 ]} وفي قرارها الصادر عام 1991 في قضية Feist Publications, Inc. ضد Rural Telephone Service Co. ، أوضحت المحكمة العليا نطاق وحدود حقوق التأليف والنشر لقواعد البيانات، إذ يجب أن يكون "التجميع" أصليًا بشكل واضح، بينما تظل "الحقائق الخام" الواردة في التجميع غير محمية. ^{[ 96 ]}

حتى في الأنظمة القضائية التي لا يزال فيها تطبيق حقوق النشر على مخرجات البيانات غير مستقر ونظريًا جزئيًا، فقد أدى ذلك إلى خلق حالة من عدم اليقين القانوني الكبير. فالحدود الفاصلة بين مجموعة من الحقائق الأولية والتجميع الأصلي غير واضحة المعالم. ^{[ 97 ]} وعلى الرغم من أن المنظمات العلمية عادةً ما تكون على دراية جيدة بقوانين حقوق النشر، إلا أن تعقيد حقوق البيانات يخلق تحديات غير مسبوقة. ^{[ 98 ]} بعد عام 2010، غيّرت الأنظمة القضائية الوطنية وفوق الوطنية جزئيًا موقفها فيما يتعلق بحماية حقوق النشر لبيانات البحث. ومع تشجيع المشاركة، تم الاعتراف أيضًا بالبيانات العلمية كمنفعة عامة غير رسمية: "يعمل صانعو السياسات والممولون والمؤسسات الأكاديمية على زيادة الوعي بأنه في حين أن المنشورات والمعرفة المستمدة من بيانات البحث تخص المؤلفين، إلا أنه يجب اعتبار بيانات البحث منفعة عامة حتى يمكن تحقيق قيمتها الاجتماعية والعلمية المحتملة" ^{[ 12 ].}

يُوفر الاتحاد الأوروبي أحد أقوى أطر الملكية الفكرية للبيانات، مع طبقتين من الحقوق: حقوق التأليف والنشر للتجميعات الأصلية (على غرار الولايات المتحدة) وحقوق قواعد البيانات الخاصة . ^{[ 97 ]} وقد تم توحيد معايير أصالة التجميعات بين الدول الأعضاء، بموجب توجيه قواعد البيانات لعام 1996 والعديد من السوابق القضائية الهامة التي أصدرتها محكمة العدل الأوروبية، مثل قضية Infopaq International A/S ضد Danske Dagblades Forening c أو Football Dataco Ltd وآخرون ضد Yahoo! UK Ltd. وبشكل عام، تم الإقرار بأن الجهود الكبيرة المبذولة في إنشاء مجموعة البيانات لا تكفي للمطالبة بحقوق التجميع، إذ يجب أن يُعبّر الهيكل عن الإبداع بطريقة أصلية. ^{[ 99 ]} كما أدخل توجيه قواعد البيانات إطارًا أصليًا لحماية مجموعات البيانات، وهي الحقوق الخاصة التي تُمنح لأي مجموعة بيانات تتطلب استثمارًا كبيرًا. ^{[ 100 ]} على الرغم من أن مدة صلاحيتها 15 عامًا، إلا أن الحقوق الفريدة من نوعها لديها القدرة على أن تصبح دائمة، حيث يمكن تجديدها مع كل تحديث لمجموعة البيانات.

نظراً لنطاقها الواسع من حيث المدة والحماية، لم تحظَ الحقوق الفريدة (sui generis) في البداية باعتراف واسع النطاق من قبل الفقه الأوروبي، الذي وضع معايير عالية لإنفاذها. وقد انعكس هذا النهج الحذر في العقد الثاني من الألفية، حيث عزز قرار عام 2013 في قضيتي Innoweb BV ضد Wegener ICT Media BV وWegener Mediaventions موقف مالكي قواعد البيانات، وأدان إعادة استخدام البيانات غير المحمية في محركات البحث على الإنترنت. ^{[ 101 ]} ولا يزال توحيد وتوسيع حقوق قواعد البيانات موضوعاً مثيراً للجدل في اللوائح الأوروبية، لأنه يتعارض جزئياً مع التزام الاتحاد الأوروبي بدعم الاقتصاد القائم على البيانات والعلوم المفتوحة. ^{[ 101 ]} وفي حين توجد بعض الاستثناءات للاستخدامات العلمية والتربوية، إلا أنها محدودة النطاق (لا تمنح حقوقاً لإعادة الاستخدام لاحقاً)، ولم يتم تفعيلها في جميع الدول الأعضاء. ^{[ 101 ]}

ازدادت قضايا حقوق النشر المتعلقة بمجموعات البيانات العلمية تعقيدًا بسبب الشكوك المحيطة بالملكية. فالبحث العلمي نشاط تعاوني في جوهره، يشمل طيفًا واسعًا من المساهمات. وقد حددت مبادرات مثل CRediT ( تصنيف أدوار المساهمين ) 14 دورًا مختلفًا، منها 4 أدوار مرتبطة بشكل مباشر بإدارة البيانات (التحليل الرسمي، والتحقيق، وتنسيق البيانات، والتصور البصري). ^{[ 102 ]}

في الولايات المتحدة، عادةً ما تُحدد ملكية بيانات البحث من قِبل جهة عمل الباحث، حيث يتولى الباحث الرئيسي مسؤولية البيانات وليس ملكيتها. ^{[ 103 ]} وحتى ظهور البيانات البحثية المفتوحة، كانت المؤسسات الأمريكية أكثر ترددًا في التنازل عن حقوق النشر على البيانات مقارنةً بالمنشورات، نظرًا لاعتبارها أصولًا استراتيجية. ^{[ 104 ]} أما في الاتحاد الأوروبي، فلا يوجد إطار عمل متفق عليه على نطاق واسع بشأن ملكية البيانات. ^{[ 105 ]}

كما أُثيرت الحقوق الإضافية لأصحاب المصلحة الخارجيين، لا سيما في سياق البحوث الطبية. فمنذ سبعينيات القرن الماضي، طالب المرضى بشكل أو بآخر بملكية البيانات الناتجة عن التجارب السريرية، ولا سيما مع وجود جدل هام حول "ما إذا كان المشاركون في البحث والمرضى يملكون بالفعل أنسجتهم أو حمضهم النووي". ^{[ 104 ]}

تعتمد العديد من المشاريع العلمية على جمع البيانات من الأفراد، لا سيما في البحوث الطبية والعلوم الاجتماعية. في مثل هذه الحالات، يجب أن تتوازن أي سياسة لمشاركة البيانات بالضرورة مع الحفاظ على البيانات الشخصية وحمايتها. ^{[ 106 ]}

يخضع الباحثون، ولا سيما الباحثون الرئيسيون، لالتزامات السرية في العديد من الأنظمة القانونية. ^{[ 106 ]} وقد تزايد تنظيم البيانات الصحية منذ أواخر القرن العشرين، سواء بموجب القانون أو الاتفاقيات القطاعية. وفي عام 2014، أدخلت وكالة الأدوية الأوروبية تغييرات هامة على مشاركة بيانات التجارب السريرية، بهدف منع الكشف عن جميع التفاصيل الشخصية والمعلومات ذات الصلة التجارية. ومن المرجح أن يؤثر هذا التطور في التنظيم الأوروبي على الممارسة العالمية لمشاركة بيانات التجارب السريرية كبيانات مفتوحة. ^{[ 107 ]}

يجب أن تكون خطط وممارسات إدارة البحوث مفتوحة وشفافة وسرية بحكم تصميمها.

لطالما كانت التراخيص المفتوحة الإطار القانوني المفضل لإزالة القيود والغموض في التعريف القانوني للبيانات العلمية. في عام 2003، دعا إعلان برلين إلى التنازل الشامل عن حقوق إعادة استخدام المساهمات العلمية التي تشمل صراحةً "البيانات الأولية والبيانات الوصفية". ^{[ 108 ]}

على النقيض من تطوير التراخيص المفتوحة للمنشورات الذي تم في فترة زمنية قصيرة، كان إنشاء تراخيص للبيانات العلمية المفتوحة عملية معقدة. لم تكن الحقوق الخاصة، كحقوق قواعد البيانات الفريدة في الاتحاد الأوروبي، أو المبادئ القانونية المحددة، كالتفريق بين الحقائق المجردة والتجميع الأصلي، متوقعة في البداية. وحتى العقد الثاني من القرن الحادي والعشرين، كان من الممكن أن تضيف التراخيص المجانية، بشكل متناقض، قيودًا إضافية على إعادة استخدام مجموعات البيانات، لا سيما فيما يتعلق بالإسناد (وهو أمر غير مطلوب للمواد غير المحمية بحقوق الطبع والنشر، مثل الحقائق الخام ): "في مثل هذه الحالات، عندما لا تُمنح أي حقوق لبيانات البحث، فلا يوجد أساس لترخيص البيانات" ^{[ 109 ].}

لتجاوز هذه المشكلة، بدأت عدة مؤسسات، مثل مركز بيانات هارفارد-معهد ماساتشوستس للتكنولوجيا، بمشاركة البيانات في الملكية العامة . ^{[ 110 ]} يضمن هذا النهج عدم تطبيق أي حق على المواد غير المحمية بحقوق الطبع والنشر. ومع ذلك، فإن الملكية العامة وبعض الأدوات المرتبطة بها، مثل علامة الملكية العامة، ليست عقدًا قانونيًا محددًا بدقة، وتختلف اختلافًا كبيرًا من ولاية قضائية إلى أخرى. ^{[ 110 ]} تم طرح رخصة المشاع الإبداعي صفر (CC0) لأول مرة في عام 2009، وسرعان ما تم التفكير في استخدامها لترخيص البيانات. ^{[ 111 ]} ومنذ ذلك الحين، أصبحت "الأداة الموصى بها لنشر بيانات البحث في الملكية العامة". ^{[ 112 ]} ووفقًا لمبادئ إعلان برلين، فهي ليست رخصة بل تنازل، حيث يتنازل منتج البيانات "صراحةً، وبشكل كامل، ودائم، وغير قابل للإلغاء، وغير مشروط، عن جميع حقوق الطبع والنشر والحقوق المجاورة الخاصة به".

تضمنت المقاربات البديلة تصميم رخصة مجانية جديدة لفصل تراكم الإسناد الخاص بحقوق قواعد البيانات. في عام 2009، نشرت مؤسسة المعرفة المفتوحة رخصة قواعد البيانات المفتوحة التي اعتمدتها مشاريع إلكترونية رئيسية مثل OpenStreetMap . ومنذ عام 2015، تم تحديث جميع رخص المشاع الإبداعي المختلفة لتصبح سارية المفعول بالكامل على مجموعات البيانات، حيث تم تضمين حقوق قواعد البيانات بشكل صريح في الإصدار 4.0. ^{[ 109 ]}

على النقيض من الدعوات الواسعة لمشاركة البيانات التي تضمنتها السياسات المبكرة المؤيدة للبيانات العلمية المفتوحة، يتزايد الاعتراف بتعقيد إدارة البيانات العلمية وتكاليفها ومتطلباتها الأساسية: "إن مشاركة البيانات أمر صعب، ويصعب تبريرها بالعائد على الاستثمار." ^{[ 114 ]} لا تُعد البيانات المفتوحة مجرد مهمة تكميلية، بل يجب تصورها في جميع مراحل عملية البحث، لأنها "تتطلب تغييرات في أساليب وممارسات البحث." ^{[ 114 ]}

يُؤدي إتاحة بيانات البحث إلى إعادة هيكلة التكاليف والفوائد. ويُقدّم تبادل البيانات العامة بيئة تواصل جديدة تُخالف بشكلٍ أساسي تبادل البيانات الخاص مع المتعاونين أو الشركاء في البحث. يجب أن يكون جمع البيانات والغرض منها وحدودها واضحًا، إذ يستحيل الاعتماد على المعرفة غير الرسمية المُسبقة: "الوثائق والتمثيلات هي الوسيلة الوحيدة للتواصل بين مُنشئ البيانات ومُستخدمها". ^{[ 115 ]} ويعني غياب التوثيق المناسب أن عبء إعادة السياق يقع على عاتق المُستخدمين المُحتملين، وقد يجعل مجموعة البيانات عديمة الفائدة. ^{[ 116 ]}

يتطلب النشر مزيدًا من التحقق بشأن ملكية البيانات والمسؤولية القانونية المحتملة في حال إساءة استخدامها. وتزداد هذه المرحلة من التوضيح تعقيدًا في مشاريع البحث الدولية التي قد تتداخل فيها عدة ولايات قضائية. ^{[ 117 ]} كما أن مشاركة البيانات وتطبيق مبادئ العلم المفتوح يوفران مزايا طويلة الأجل هامة قد لا تظهر فورًا. فتوثيق مجموعة البيانات يساعد على توضيح سلسلة المصدر والتأكد من عدم تغيير البيانات الأصلية بشكل كبير، أو توثيق جميع المعالجات اللاحقة بشكل كامل في حال حدوث ذلك. ^{[ 118 ]} كما يتيح النشر بموجب ترخيص مجاني تفويض مهام مثل الحفظ طويل الأجل إلى جهات خارجية.

بحلول نهاية العقد الثاني من القرن الحادي والعشرين، ظهرت مجموعة جديدة من المؤلفات المتخصصة في إدارة البيانات لأغراض البحث، بهدف تقنين الممارسات القائمة والمبادئ التنظيمية. ^{[ 119 ] [ 120 ] [ 121 ]}

يتناقص توافر البيانات العلمية غير المفتوحة بسرعة: ففي عام 2014، أظهرت دراسة استرجاعية لمجموعات البيانات البيولوجية أن "احتمالية الإبلاغ عن وجود مجموعة بيانات انخفضت بنسبة 17% سنويًا" ^{[ 122 ].} ونتيجة لذلك، "انخفضت نسبة مجموعات البيانات التي لا تزال موجودة من 100% في عام 2011 إلى 33% في عام 1991" ^{[ 65 ]} . كما تم تسليط الضوء على فقدان البيانات كمشكلة هامة في مجلات علمية رائدة مثل Nature و Science ^{[ 123 ].}

أظهرت الدراسات الاستقصائية لممارسات البحث باستمرار أن معايير التخزين والبنى التحتية وسير العمل لا تزال غير مُرضية في معظم التخصصات. وقد تم تحديد تخزين البيانات العلمية وحفظها مبكرًا كقضايا بالغة الأهمية، لا سيما فيما يتعلق بالبيانات الرصدية، التي تُعتبر ضرورية للحفظ نظرًا لصعوبة تكرارها. ^{[ 35 ]} وأظهر استطلاع أُجري في الفترة 2017-2018 وشمل 1372 باحثًا تم التواصل معهم من خلال الاتحاد الجيوفيزيائي الأمريكي أن "ربع وخُمس المُستجيبين فقط" أفادوا باتباع ممارسات جيدة لتخزين البيانات. ^{[ 124 ]} ولا يزال التخزين قصير الأجل وغير المستدام منتشرًا على نطاق واسع، حيث يقوم 61% من المُستجيبين بتخزين معظم بياناتهم أو جميعها على أجهزة الكمبيوتر الشخصية. ^{[ 124 ]} ونظرًا لسهولة استخدامها على المستوى الفردي، تُنظر إلى حلول التخزين غير المستدامة بإيجابية في معظم التخصصات: "قد يُشير هذا التناقض بين الممارسات الجيدة والرضا إلى أن تخزين البيانات أقل أهمية بالنسبة لهم من جمع البيانات وتحليلها". ^{[ 124 ]}

نُشر النموذج المرجعي لنظام المعلومات الأرشيفية المفتوحة لأول مرة عام 2012، وينص على أن البنية التحتية العلمية يجب أن تسعى إلى الحفظ طويل الأمد، أي "لفترة كافية لمراعاة تأثيرات التقنيات المتغيرة، بما في ذلك دعم الوسائط الجديدة وتنسيقات البيانات، أو مع تغير مجتمع المستخدمين". ^{[ 125 ]} وبناءً على ذلك، فإن الممارسات الجيدة لإدارة البيانات تتضمن كلاً من التخزين (للحفاظ على البيانات مادياً) والأهم من ذلك، التنسيق، "للحفاظ على المعرفة المتعلقة بالبيانات لتسهيل إعادة استخدامها". ^{[ 126 ]}

ساهمت مشاركة البيانات في المستودعات العامة في الحد من مخاطر الحفظ نظرًا لالتزام البنى التحتية للبيانات على المدى الطويل واحتمالية تكرار البيانات المفتوحة. أظهرت دراسة أجريت عام 2021 على 50,000 بيانًا حول توافر البيانات نُشرت في مجلة PLOS One أن 80% من مجموعة البيانات يمكن استرجاعها تلقائيًا، وأن 98% من مجموعة البيانات التي تحمل معرّفًا رقميًا (DOI) يمكن استرجاعها تلقائيًا أو يدويًا. علاوة على ذلك، لم يتراجع الوصول إلى البيانات بشكل ملحوظ بالنسبة للمنشورات القديمة: "تزيد عناوين URL ومعرّفات DOI من احتمالية توفر البيانات والبرمجيات المرتبطة بالأوراق البحثية بمرور الوقت". ^{[ 127 ]} لم تُلاحظ فوائد كبيرة عندما لم يتم ربط البيانات المفتوحة أو توثيقها بشكل صحيح: "إن مجرد اشتراط مشاركة البيانات بشكل ما قد لا يحقق التأثير المرجو في جعل البيانات العلمية متوافقة مع مبادئ FAIR، حيث أثبتت الدراسات مرارًا وتكرارًا أن العديد من مجموعات البيانات التي يُفترض مشاركتها قد لا تكون متاحة في الواقع". ^{[ 128 ]}

يمكن وضع خطة لإدارة البيانات البحثية أو DMP .

بدأت خطط إدارة البيانات في عام 1966 لتلبية الاحتياجات الخاصة لأبحاث الطيران والهندسة، التي كانت تواجه بالفعل صعوبات متزايدة في التعامل مع البيانات. ^{[ 129 ]} ركزت هذه الأمثلة الأولى على القضايا المادية المرتبطة بالوصول إلى البيانات ونقلها وتخزينها: "حتى أوائل العقد الأول من القرن الحادي والعشرين، كانت خطط إدارة البيانات تُستخدم بهذه الطريقة: في مجالات محدودة، لمشاريع ذات تعقيد تقني كبير، ولأغراض محدودة لجمع البيانات ومعالجتها أثناء الدراسة" ^{[ 130 ].}

بعد عام 2000، أدى تطبيق بنية تحتية بحثية واسعة النطاق وتطوير العلوم المفتوحة إلى تغيير نطاق وأهداف خطط إدارة البيانات. وكان لصناع السياسات، وليس للعلماء، دورٌ محوري في هذا التطور: "نُشرت أولى المنشورات التي تُقدم نصائح وإرشادات عامة للباحثين حول إنشاء خطط إدارة البيانات ابتداءً من عام 2009، وذلك عقب منشورات من JISC ومنظمة التعاون الاقتصادي والتنمية (...) ونستنتج أن استخدام خطط إدارة البيانات قد فُرض على مجتمع البحث العلمي من خلال قوى خارجية" ^{[ 131 ].}

أبرزت الدراسات التجريبية لممارسات البيانات في البحث الحاجة إلى أن تقدم المنظمات تدريبًا ومساعدة أكثر رسمية في إدارة البيانات للعلماء ^{[ 132 ]} . في مسح دولي أُجري في الفترة 2017-2018 وشمل 1372 عالمًا، ارتبطت معظم طلبات المساعدة والتقنين بخطة إدارة البيانات: "إنشاء خطط إدارة البيانات (33.3٪)؛ التدريب على أفضل الممارسات في إدارة البيانات (31.3٪)؛ المساعدة في إنشاء البيانات الوصفية لوصف البيانات أو مجموعات البيانات (27.6٪)" ^{[ 132 ].} وقد أدى توسع عمليات جمع البيانات وتحليلها إلى زيادة الضغط على مجموعة كبيرة من ممارسات البيانات غير الرسمية وغير المدونة.

يُثير إشراك المساهمين الخارجيين في المشاريع البحثية توترات محتملة كبيرة مع مبادئ مشاركة البيانات المفتوحة. ويمكن أن تعتمد مساهمات الجهات التجارية، على وجه الخصوص، على شكل من أشكال الحصرية والاستئثار بنتائج البحث النهائية. في عام 2022، ابتكر كلٌ من بوجول بريغو، وويرهام، ورومسانتا عدة استراتيجيات للتغلب على هذه المشكلات، مثل نمطية البيانات (حيث تقتصر المشاركة على جزء منها) والتأخير الزمني (مع فرض حظر لمدة عام قبل الإصدار النهائي للبيانات). ^{[ 133 ]}

تُعرّف توصية اليونسكو بشأن العلوم المفتوحة ، التي أُقرت في نوفمبر 2021، البنى التحتية للعلوم المفتوحة بأنها "بنى تحتية بحثية مشتركة ضرورية لدعم العلوم المفتوحة وتلبية احتياجات مختلف المجتمعات" ^{[ 134 ].} وقد اعتُرف بالبنى التحتية للعلوم المفتوحة كعامل رئيسي في تنفيذ وتطوير سياسات مشاركة البيانات. ^{[ 135 ]}

تشمل البنى التحتية الرائدة للبيانات العلمية المفتوحة مستودعات البيانات ، ومنصات تحليل البيانات، والفهارس، والمكتبات الرقمية، والأرشيفات الرقمية. ^{[ 136 ] [ 137 ]} تضمن هذه البنى التحتية عدم تحمل الباحثين والمؤسسات الفردية تكاليف نشر مجموعات البيانات وصيانتها وفهرستها بشكل كامل. كما أنها تُعدّ جهات فاعلة أساسية في تحديد معايير البيانات المفتوحة واعتمادها، لا سيما فيما يتعلق بالترخيص والتوثيق.

بحلول نهاية التسعينيات، أصبح إنشاء بنية تحتية عامة للحوسبة العلمية قضية سياسية رئيسية: ^{[ 138 ]} "أُقرّ بنقص البنية التحتية اللازمة لدعم النشر وإعادة الاستخدام في بعض التقارير السياسية الأولى حول مشاركة البيانات." ^{[ 135 ]} كشفت الموجة الأولى من المشاريع العلمية القائمة على الإنترنت في التسعينيات وأوائل الألفية الثانية عن مشكلات حاسمة تتعلق بالاستدامة. فمع تخصيص التمويل لفترة زمنية محددة، كان من الصعب الحفاظ على قواعد البيانات الحيوية والأدوات الإلكترونية ومنصات النشر. ^{[ 28 ]} وواجه مديرو المشاريع معضلة حقيقية "بين تمويل المنح والتمويل التشغيلي المستمر". ^{[ 139 ]} بعد عام 2010، أدى توحيد وتوسيع البنية التحتية العلمية التجارية، مثل استحواذ دار النشر "إلسيفير" على المستودعات المفتوحة "ديجيتال كومنز" و "SSRN" ، إلى زيادة الدعوات لتأمين "بنية تحتية تُدار من قِبل المجتمع". ^{[ 140 ]} في عام 2015، وضع كاميرون نيلون وجيفري بيلدر وجينيفر لين سلسلة مؤثرة من مبادئ البنية التحتية العلمية المفتوحة ^{[ 141 ]} التي حظيت بتأييد بنى تحتية رائدة مثل Crossref ^{[ 142 ]} وOpenCitations ^{[ 143 ]} وData Dryad ^{[ 144 ].} وبحلول عام 2021، تبنت الخدمات والبنى التحتية العامة للبحث العلمي، على نطاق واسع، العلم المفتوح كجزء لا يتجزأ من نشاطها وهويتها: "يُعد العلم المفتوح الخطاب السائد الذي تستند إليه الخدمات الإلكترونية الجديدة للبحث العلمي." ^{[ 145 ]} ووفقًا لخارطة طريق 2021 الصادرة عن المنتدى الاستراتيجي الأوروبي للبنى التحتية البحثية (ESFRI)، فقد تبنت البنى التحتية التقليدية الرئيسية في أوروبا مبادئ العلم المفتوح. "تُعد معظم البنى التحتية البحثية المدرجة في خارطة طريق ESFRI في طليعة حركة العلم المفتوح، وتقدم مساهمات مهمة في التحول الرقمي من خلال تحويل عملية البحث بأكملها وفقًا لنموذج العلم المفتوح." ^{[ 146 ]}

تمثل البنية التحتية للعلوم المفتوحة مستوى أعلى من الالتزام بمشاركة البيانات. وتعتمد هذه البنية على استثمارات كبيرة ومتكررة لضمان صيانة البيانات وتوثيقها بفعالية، وإضافة قيمة إليها من خلال البيانات الوصفية، وتتبع المصدر، والتصنيف، ومعايير هياكل البيانات، ونقلها. ^{[ 147 ]} علاوة على ذلك، يجب دمج هذه البنى التحتية في معايير واستخدامات المجتمعات العلمية التي تخدمها: "تصبح البنى الأكثر نجاحًا مجموعات مرجعية تجذب تمويلًا طويل الأجل، وتستطيع وضع معايير لمجتمعاتها". ^{[ 137 ]} يُعد الحفاظ على المعايير المفتوحة أحد التحديات الرئيسية التي حددتها البنى التحتية الأوروبية الرائدة للعلوم المفتوحة، إذ يتطلب ذلك الاختيار بين معايير متنافسة في بعض الحالات، بالإضافة إلى ضمان تحديث هذه المعايير بشكل صحيح وإمكانية الوصول إليها عبر واجهات برمجة التطبيقات أو نقاط النهاية الأخرى. ^{[ 148 ]}

تأثر التعريف المفاهيمي للبنى التحتية للعلوم المفتوحة بشكل رئيسي بتحليل إلينور أوستروم للمشاعات ، وتحديدًا مشاعات المعرفة . ووفقًا لأوستروم، يؤكد كاميرون نيلون أن البنى التحتية المفتوحة لا تقتصر على إدارة مجموعة من الموارد المشتركة فحسب، بل تشمل أيضًا وضع حوكمة ومعايير مشتركة. [ ^{149 ] كما} يثير نشر البيانات العلمية المفتوحة قضايا حوكمة بالغة الأهمية. ففيما يتعلق بتحديد ملكية البيانات، واعتماد التراخيص المجانية، وإنفاذ اللوائح المتعلقة بالخصوصية، "يُعدّ التفاوض المستمر ضروريًا" ويشمل طيفًا واسعًا من أصحاب المصلحة. ^{[ 150 ]}

إلى جانب اندماجها في مجتمعات علمية محددة، ترتبط بنى العلوم المفتوحة ارتباطًا وثيقًا بحركات المصادر المفتوحة والبيانات المفتوحة. أفاد 82% من البنى التحتية الأوروبية التي شملها استطلاع SPARC أنها قامت ببناء برمجيات مفتوحة المصدر جزئيًا، بينما يعتمد 53% منها على المصادر المفتوحة في بنيتها التكنولوجية بالكامل. ^{[ 151 ]} وتُفضل بنى العلوم المفتوحة دمج المعايير من بنى العلوم المفتوحة الأخرى. ومن بين البنى التحتية الأوروبية: "تُعد أنظمة ORCID و Crossref و DOAJ و BASE و OpenAIRE و Altmetric و Datacite من أكثر الأنظمة استخدامًا - وبالتالي فهي بنية تحتية أساسية للكثيرين - ومعظمها غير ربحي". ^{[ 152 ]} وبذلك، تُشكل بنى العلوم المفتوحة جزءًا من "مشاع العلوم المفتوحة القابل للتشغيل البيني" الناشئ، والذي يقوم على مبدأ "أدوات بحثية منخفضة التكلفة ومبتكرة وقابلة للتشغيل البيني، تتمحور حول الباحث، وتتفوق على النظام الحالي المغلق إلى حد كبير". ^{[ 153 ]}