Magíster en Ciencias, Mención Computación / En las últimas décadas presenciamos un aumento exponencial en la generación y en el almacenamiento de datos en el mundo. En paralelo, han surgido movimientos promoviendo el acceso abierto a los datos. En Chile, por ejemplo, se dictó la Ley Nº20285 sobre el acceso a la información pública, que obliga a las instituciones públicas a publicar cierto conjunto de información y define la forma en que el resto puede ser requerida. En esta dirección han surgido iniciativas que promueven además la publicación de datos en forma de datos enlazados. Este cambio de paradigma en el manejo de la información y datos requiere de nuevas políticas y estándares. La presente tesis aborda los problemas observados en la publicación de datos, los conceptualiza y propone buenas prácticas para su publicación. Las prácticas propuestas se organizan en tres niveles, que van desde lo general a lo particular. En el primer nivel se presentan prácticas generales, que son independientes de las tecnologías usadas y que tienen por objetivo satisfacer los principios de los datos abiertos. En el segundo, se proponen prácticas para la publicación usando el lenguaje RDF. RDF es un estándar del Consorcio de la Web, y su modelo de grafos facilita la integración de datos, uno de los desafíos principales de la publicación de datos. Es de particular interés en este segundo nivel la discusión sobre cómo modelar usando el lenguaje RDF. En esta tesis se propone un conjunto de prácticas y se plantea la necesidad de desarrollar metodologías. Finalmente, en el tercer nivel, se presenta un modelo (o vocabulario RDF) que ejemplifica las prácticas propuestas sobre un caso de estudio particular, centrado en la publicación de datos de transparencia gubernamental y en datos de historia política chilena. La tesis concluye con una discusión sobre aquellos aspectos de RDF que lo hacen complejo y que se vislumbran como una barrera para su amplia adopción. Es decir, se plantea la necesidad de revisar la pregunta sobre si las bases de RDF necesitan ser cambiadas.

Se brindará una introducción al tema de los datos abiertos y su importancia dentro del movimiento de acceso abierto a la información. Se abordará qué son los datos abiertos, qué los hace abiertos y por qué necesitamos que estén abiertos. Cuáles son las oportunidades que representan para el desarrollo de la transparencia y creación de nuevo conocimiento. En qué consiste la gestión de los datos recopilados durante el desarrollo de un estudio. Por último, cómo se encuentra su desarrollo a nivel internacional.

Magíster en Ciencias, Mención Computación / En América Latina y alrededor del mundo las iniciativas de transparencia y gobierno abierto han aumentando en los últimos años. Los gobiernos están publicando datos abiertos para transparentar su administración, apoyar la toma de decisiones y promover el desarrollo. Es por ello, que los datos abiertos se han convertido en objeto de análisis y estudio. Esta tesis aborda el estudio de la apertura, capacidad de reutilización y accesibilidad de datos abiertos en algunos gobiernos de América Latina. En la primera parte de este trabajo se desarrolla el tema de datos, información y conocimiento, enfatizando las diferencias entre datos e información. También se profundiza en el tema de transparencia y su relación con la corrupción, el acceso a la información pública y el gobierno abierto. Posteriormente, se realiza una revisión bibliográfica sobre datos abiertos y gobierno abierto. También se estudian los usuarios de datos abiertos. Además, se plantean los posibles tipos de usos que los usuarios les pueden dar a los datos abiertos. Se hace una revisión de la literatura sobre dimensiones de datos (en sistemas de información cerrados) y a partir de ellas se propone dimensiones para los datos abiertos. Por otro lado, se realiza una revisión de la literatura sobre las métricas de evaluación de portales e información de transparencia. Considerando las dimensiones de datos abiertos planteadas, se propone una metodología genérica y métricas que permitan evaluar el nivel de apertura, usabilidad y accesibilidad de los datos de gobierno, particularmente los de transparencia. Por último, se valida la metodología evaluando el nivel de apertura, capacidad de reutilización y accesibilidad de los conjuntos de datos abiertos publicados en los sitios de transparencia de los gobiernos de Chile, Costa Rica y Uruguay. En la validación también se evalúan algunos sitios de estadística de los gobiernos que poseían datos abiertos. Esta validación concluye con un informe preliminar sobre datos abiertos de esos gobiernos, y con algunas recomendaciones sobre la publicación datos abiertos por parte de los gobiernos.

Semana del Acceso Abierto 2017 - Perú. Evento organizado por la Universidad Pontificia Universidad Católica del Perú 8PUCP) y Universidad Peruana de Ciencias aplicadas (UPC), en el marco de la Semana Internacional del Acceso Abierto. En esta oportunidad, la actividad se llevó a cabo el 24 de Octubre de 2017 en el Auditorio de Humanidades PUCP. Lima, Perú. / Resumen

Semana del Acceso Abierto 2017 - Perú. Evento organizado por la Universidad Pontificia Universidad Católica del Perú 8PUCP) y Universidad Peruana de Ciencias aplicadas (UPC), en el marco de la Semana Internacional del Acceso Abierto. En esta oportunidad, la actividad se llevó a cabo el 24 de Octubre de 2017 en el Auditorio de Humanidades PUCP. Lima, Perú. / Resumen

La Biblioteca Virtual Miguel de Cervantes, con dirección web http://www.cervantesvirtual.com, es una biblioteca digital española creada en 1999 con el objetivo principal de difundir la cultura hispánica. Siguiendo los pasos de las grandes bibliotecas, a principios de 2015 la BVMC lanzó su primera versión de datos abiertos basada en el vocabulario RDA que se encuentra disponible en la dirección http://data.cervantesvirtual.com. El proyecto de datos abiertos de la BVMC tiene como objetivos promover la compartición y reutilización de datos, así como la difusión de buenas prácticas. Esta tesis presenta los pasos seguidos para publicar y enriquecer semánticamente los datos abiertos de la BVMC e incluye las siguientes aportaciones: • Construcción de un entorno de publicación y enriquecimiento de datos abiertos que permite comprender mejor el contexto, los problemas y necesidades organizacionales, reduciendo las posibilidades de fracaso de este tipo de proyectos. • Establecimiento de una metodología que sistematiza y facilita el descubrimiento e identificación de entidades en un dominio de bibliotecas digitales. • Desarrollo de herramientas y algoritmos para automatizar el procesamiento de conjuntos de datos basados en registros bibliográficos de manera eficiente. • Propuesta de una metodología para la evaluación de la calidad de los datos que incluye la precisión, la consistencia y la accesibilidad, entre otros criterios. Como resultado del trabajo realizado se han publicado tres artículos en revistas indexadas, dos de ellos en Journal of Information Science y uno en Semantic Web Journal, además una publicación en la conferencia Advances in Information Retrieval, así como numerosas comunicaciones a nivel nacional e internacional, en colaboración con otras instituciones.

Ada Montoya Cantoral (Perú) - Expositora / Gerardo Altamirano Puerta (Perú) - Expositor / El webinar estuvo a cargo de Ada Montoya y Gerardo Altamirano, bibliotecólogos del Sistema de Bibliotecas de la UPC. El webinar presentó una introducción a los conceptos de datos abiertos y datos de investigación como insumo emergente que podemos usar, además de los ya conocidos artículos académicos, en nuestra actividades de investigación. En la primera parte se presentaron portales de datos abiertos como la Plataforma Nacional de Datos Abiertos (Perú) y Datos de libre acceso del Banco Mundial (Internacional) así como aplicaciones de servicio a los ciudadanos construidos a partir de datos abiertos gubernamentales. En la segunda parte se definió el concepto de datos de investigación y se presentaron algunos portales como Dataset Search (Google) y Mendeley Data (Elsevier). A continuación se realizaron ejemplos prácticos de búsqueda de conjuntos de datos. Finalmente, se indicó cómo citar los -datos de investigación de acuerdo a la 7ª edición del Manual de Publicaciones (APA).

Cada vez hay disponibles más datos de manera pública en Internet y surgen nuevas bases de conocimiento conocidas como Knowledge Graph, basadas en conceptos de Linked Open Data (datos abiertos enlazados), como DBPedia, Wikidata, YAGO o Google Knowledge Graph, que cubren un amplio abanico de campos del conocimiento. Además, se incorporan los datos que provienen de diversas fuentes como dispositivos inteligentes o las redes sociales. Sin embargo, que estos datos estén públicos y accesibles no garantiza que sean útiles para los usuarios, no siempre se garantiza que sean confiables ni que puedan ser reutilizados de manera eficiente. Actualmente, siguen existiendo barreras que dificultan la reutilización de los datos, porque los formatos son poco adecuados para el procesamiento automático y publicación de la información, por falta de metadatos descriptivos y de semántica, duplicidades, ambigüedad o incluso errores en los propios datos. A todos estos problemas hay que añadir la complejidad del proceso de explotación de la información de un repositorio de datos abiertos enlazados. El trabajo y conocimientos técnicos que requiere el acceso, recolección, normalización y preparación de los datos para que puedan ser reutilizados supone una carga extra para los usuarios y organizaciones que quieran utilizarlos. Para garantizar una eficiente explotación de los mismos, resulta fundamental dotarlos de más valor estableciendo conexiones con otros repositorios que permitan enriquecerlos; garantizar su valor, evaluando y mejorando la calidad de lo que se publica; y asimismo ofrecer los mecanismos necesarios que faciliten su explotación. En este trabajo de tesis se ha propuesto un modelo para la publicación de Linked Open Data que, a partir de un conjunto de datos obtenidos de diversas fuentes, facilita la publicación, enriquecimiento y validación de los datos, generando información útil y de calidad orientada a usuarios expertos y no expertos.

El crecimiento exponencial del volumen de datos disponibles hoy en día, ha generado la necesidad de integrar y clasificar dichos datos, posibilitando su publicación de tal manera que se facilite su posterior consumo. En este escenario de datos masivos (“big data”), tener en cuenta esta dicotomía publicación-consumo es de gran importancia para poder obtener valor económico y social a partir de la reutilización de datos. De hecho, ésta es la clave del concepto de datos abiertos (“open data”), que consiste en publicar datos de manera organizada con el fin de potenciar su consumo. La publicación de estos datos se lleva a cabo mediante el desarrollo de portales de datos abiertos, con el fin de propiciar que puedan estar disponibles con un nivel de calidad adecuado para los consumidores de datos. Cuando estos datos abiertos provienen del sector público, se emplea el término datos públicos (“public data”), concepto que está relacionado directamente con la información de carácter gubernamental generada por instituciones públicas, puesta a disposición de la ciudadanía con el afán de fortalecer principalmente la transparencia y la rendición de cuentas, dos conceptos que – políticamente hablando – tienen alta relevancia en los gobiernos actuales. Además del impacto social que ello representa, también es posible obtener de los datos públicos un impacto económico si se cumple con ciertas características o criterios de calidad que aseguren la madurez del portal de datos abiertos en el que están publicados, garantizando que se permita una adecuada reutilización de los datos con el fin de obtener productos y servicios de valor añadido. Queda patente entonces la importancia de definir mecanismos adecuados para evaluar la madurez de un portal de datos abiertos. Por tanto, la hipótesis de partida de la investigación desarrollada en esta tesis doctoral plantea que, a partir de ciertos criterios de calidad del portal de datos abiertos se puede determinar su madurez, lo que permitirá determinar el cumplimiento de sus objetivos. Estos criterios de calidad de un portal de datos abiertos deben contemplar aspectos tanto de la calidad de los datos como de la calidad del portal en sí, es decir, de las características y herramientas de las que éste dispone para gestionar los conjuntos de datos que en él están publicados. Partiendo de esta hipótesis, esta investigación tuvo como objetivo primordial la definición de un modelo de madurez para portales de datos abiertos, valorando y definiendo para ello diferentes medidas de calidad hasta lograr establecer los criterios finales que conforman dicho modelo. Concretamente, se presenta como contribución un modelo de madurez cualitativo con varios criterios de calidad aplicables a portales de datos abiertos, considerando aspectos que no habían sido profundamente considerados en estudios o trabajos anteriores y que ameritan ser incluidos dentro de un instrumento para la medición de la madurez. Cabe destacar que las contribuciones del trabajo de investigación desarrollado en esta tesis están siendo consideradas como parte del Programa de Gobierno Abierto que está llevando a cabo actualmente el Gobierno de Costa Rica. Al considerarse el valor agregado de contar con un modelo de madurez para portales de datos abiertos, la propuesta desarrollada en esta tesis fue utilizada como uno de los principales insumos en la creación de la norma técnica nacional INTE 27-02-02:2015 para portales de datos abiertos de Costa Rica por parte del Instituto de Normas Técnicas de Costa Rica (INTECO). Esta norma permite evaluar portales de datos abiertos costarricenses para ubicarlos en un nivel de madurez concreto, siendo muy necesaria en el contexto nacional por lo que ha sido fundamental la incorporación del modelo generado a partir de esta investigación. Finalmente, se debe señalar que una parte importante de este trabajo fue la aplicación piloto tanto del modelo de madurez propuesto como de la norma técnica nacional – antes mencionada – en diversos portales de datos abiertos costarricenses existentes. Como parte de las conclusiones, al final de este documento se presentan los resultados de la aplicación hecha tanto del modelo como de la norma, con el fin de dar al lector un insumo más para valorar lo presentado en esta tesis.

Este trabajo de investigación se enfoca inicialmente en la realización de un mapeo sistemático para clasificar y analizar la investigación de datos abiertos realizada en la comunidad científica desde un punto de vista tecnológico, proporcionando una categorización de los trabajos de investigación basada en cinco facetas clave: impacto, tema, dominio, fases y tipo de investigación. Por lo tanto, este documento proporciona una visión general del área de datos abiertos que permite a los lectores identificar temas bien establecidos, tendencias y líneas de investigación abiertas. Además, se ofrece una extensa discusión cuantitativa y cualitativa que puede ser de utilidad para futuras investigaciones. La primera fase de identificación resultó en 671 artículos relevantes revisados por pares, publicados entre 2006 y 2017 en una amplia variedad de lugares. Se observa que el debate actual de la apertura de datos se centra en abrir los datos, especialmente públicos, teniendo en cuenta la ley de transparencia y la de protección de datos de cada país. Sin embargo, el mero cumpliendo de estas leyes no asegura la generación de valor a partir de los datos abiertos, ya que uno de sus beneficios más importantes se consigue cuando se reutilizan para crear productos y servicios TI de valor agregado. Uno de los problemas que necesariamente deben abordar las organizaciones que emprenden procesos de apertura es la selección de los conjuntos de datos a abrir. Se debe conocer qué datos de origen de la institución serían los más usados para generar valor a la sociedad con el fin de seleccionarlos para su apertura. Sin embargo, conocer los conjuntos de datos solicitados por la comunidad reutilizadora no es suficiente, pues publicar los datos tiene un costo en cuanto a hardware, software y recursos humanos que es necesario valorar. Por tanto, es necesario encontrar un equilibrio entre el interés reutilizador de los conjuntos de datos y su coste de publicación. Las propuestas estudiadas no combinan el criterio de los reutilizadores y el de los publicadores, ni utilizan un método formal conduciendo a resultados poco objetivos. En este trabajo de tesis doctoral se propone paliar esta problemática mediante la aplicación del Método Delphi Difuso con el fin de determinar qué conjuntos de datos son más susceptibles de ser reutilizados y qué conjuntos de datos tendrán un costo asumible para su publicación para proceder a su apertura. Se establece, además, a lo largo del trabajo de investigación un caso concreto de aplicación en el ámbito de las universidades ecuatorianas. Estas se encuentran en un proceso constante de innovación y buscan la participación y colaboración de los estudiantes y la comunidad universitaria en general, para generar productos y servicios TI de valor agregado a través de la apertura de sus conjuntos de datos. / Tesis doctoral realizada en el seno del proyecto de investigación "Publi@City: plataforma para la publicación y consumo de datos abiertos para una ciudad inteligente" (TIN2016-78103-C2-2-R) financiado por el Ministerio de Economía, Industria y Competitividad de España.