Gestion de datos de investigacion
Presentación
La presente guía ofrece pautas básicas para gestionar datos de investigación de manera que la publicación de estos contribuya a la comunidad académica. Dirigida a estudiantes, docentes e investigadores de la Universidad ESAN, reúne definiciones, recomendaciones y recursos en seis secciones sobre el tema.
Fecha de publicación: 17/NOV/2026
¿Qué es la gestión de datos de investigación?
La gestión de datos de investigación es el conjunto de decisiones, prácticas y procedimientos que permiten cuidar los datos a lo largo de una investigación. No se limita a guardar archivos o mantener copias de seguridad; implica pensar desde el inicio qué información se generará o utilizará, cómo se organizará, quién podrá acceder a ella, cómo se protegerá y qué ocurrirá con ella cuando finalice el estudio.
Gestionar adecuadamente los datos permite mantenerlos organizados, comprensibles y disponibles durante el tiempo que sean necesarios. También facilita que los resultados de una investigación puedan ser respaldados y que los datos, cuando las condiciones lo permitan, puedan ser aprovechados en nuevos estudios.
Los datos también forman parte del resultado de una investigación; cuando pensamos en los resultados de una investigación, normalmente pensamos en un artículo científico, una tesis o un informe. Sin embargo, detrás de estos productos existe información que ha sido obtenida, generada o procesada durante el estudio.
Encuestas, entrevistas, mediciones, observaciones, imágenes, registros, bases de datos, códigos de programación y otros archivos pueden constituir evidencia que sustenta las conclusiones de una investigación. Por ello, los datos no deben considerarse únicamente como archivos de trabajo temporales, sino como un componente importante del conocimiento científico producido.
Los datos tienen un ciclo de vida
Los datos acompañan a la investigación durante diferentes momentos. Pueden ser planificados, recolectados o generados, procesados, analizados, documentados, compartidos, preservados y eventualmente reutilizados o descartados.
Cada etapa plantea necesidades diferentes; durante la investigación puede ser prioritario proteger los datos y evitar su pérdida; posteriormente puede ser necesario documentarlos para que otras personas puedan comprenderlos y, si corresponde, compartirlos de manera responsable.
Pensar en los datos desde esta perspectiva ayuda a pasar de una visión centrada únicamente en el almacenamiento a una gestión integral de la información.
Una buena gestión favorece una investigación más confiable
La organización y documentación de los datos contribuyen a que el proceso de investigación sea más transparente y trazable; permiten conocer de dónde proviene la información, qué transformaciones ha experimentado y cómo se relaciona con los resultados obtenidos.
Esto resulta especialmente importante cuando una investigación debe ser revisada, reproducida o retomada posteriormente. Un conjunto de datos que está correctamente organizado y acompañado de información suficiente puede ser comprendido incluso después de transcurrido un tiempo o por investigadores que no participaron originalmente en su generación.
1.1. Definición
Los datos de investigación son los datos recolectados, organizados y analizados en un proyecto de investigación, los cuales permiten la reproducción de sus resultados, es decir, comprobar su veracidad.
1.2. Tipos
De manera concreta, los datos de investigación pueden tener las siguientes formas:
- Datos tabulares. Hojas de cálculo, matrices o bases de datos.
- Archivos multimedia. Audios, vídeos, fotografías o digitalizaciones de archivos históricos.
Registros textuales. - Transcripciones, listas de cotejo o respuestas abiertas.
- Código. Scripts de programación, algoritmos o modelos de análisis.
1.3. Importancia de su publicación
La publicación de datos de investigación tiene beneficios para el autor de una investigación, así como para la comunidad académica:
Para el autor:
- Visibilidad e impacto. Al publicarse por separado, los datos de investigación son una fuente más de visitas y citas para el autor.
- Rigurosidad. Permite que los resultados del trabajo puedan replicarse.
- Preservación. Los datos almacenados en repositorios digitales tienen un menor riesgo de perderse debido a los protocolos de seguridad de estos.
- Cumplimiento de requisitos. Revistas e instituciones financiadoras suelen exigir la publicación de datos de investigación.
Para la comunidad académica:
- Reproductibilidad. Permite validar los resultados, convirtiéndolos en punto de partida para otras investigaciones.
- Reutilización. Los datos de investigación publicados, pueden ser fuente de análisis distintos a los que les dieron origen, ahorrando el esfuerzo de nuevos procesos de recolección.
1.4. Principios FAIR
Para que los datos de investigación publicados sean realmente útiles y puedan ser aprovechados por otros investigadores, deben cumplir con los principios FAIR. Esto significa que deben ser:
- Encontrables (Findable). Fáciles de localizar e identificar, contando con identificadores persistentes y las descripciones detalladas de su contenido.
- Accesibles (Accessible). Contar con licencias de uso y metadatos disponibles aún cuando el acceso a los datos se encuentre restringido.
- Interoperables (Interoperable). Emplear vocabularios controlados en su descripción, los cuales permitan su integración en otros sistemas.
- Reutilizables (Reusable). Encontrarse en un formato abierto y con descripciones detalladas sobre su metodología de recolección y análisis.
2.1. Definición
El plan de gestión de datos es una guía para la recolección, procesamiento, documentación y publicación de los datos de investigación. Aunque se establece al inicio y tiene carácter formal, puede modificarse en el transcurso del proceso de investigación, por lo que se le considera un documento dinámico.
2.2. Importancia
La importancia del plan de datos de investigación radica en:
- Prevención de errores. Define aspectos técnicos (formatos, espacio de almacenamiento, nombres de archivo) agilizando la recolección de datos.
- Anticipación de dilemas éticos. Permite planificar la anonimización y diseñar adecuadamente los consentimientos informados, procurando la publicación en acceso abierto de los datos.
- Seguridad. Minimiza el riesgo de pérdida o vulneración de la información recopilada.
- Reducción de tiempo de publicación. Permite que los datos se publiquen de manera rápida, al definir la documentación y el uso de metadatos estandarizados.
- Cumplimiento de requisitos. Actualmente, las agencias financiadoras suelen exigir un plan de gestión de datos a los proyectos que evalúan.
2.3. Estructura
De manera usual, el plan de gestión de datos presenta las siguientes seis secciones:
a. Identificación del plan. Se registran en esta sección los siguientes datos del proyecto de investigación: código, título, institución, agencia financiadora (si aplica), datos de identificación y contacto del investigador, la fecha y el control de versiones del documento.
b. Resumen de datos. Se detalla en esta sección:
- La naturaleza de los datos. Su tipología, si serán generarán o serán reutilizados. El software que se utilizará para su análisis. El formato que tendrá para su preservación.
- La metodología de recolección. El origen y propósito de los datos en relación con los objetivos de la investigación, así como su utilidad para futuros estudios. En caso de datos reutilizados: la fuente, la autoría original y la licencia de uso.
- El volumen estimado. El tamaño esperado del total de los datos, expresado en MB, GB o TB.
c. Documentación y metadatos. Se establece en esta sección:
- La organización y nomenclatura. Las convenciones para nombrar carpetas y archivos de forma sistemática, así como la metodología para el control de versiones durante el desarrollo del trabajo.
- La documentación contextual. La creación de archivos explicativos README y diccionarios de datos o codebooks que expliquen el origen de las variables y detallen los procesos de control de calidad aplicados para validar los resultados.
- Los metadatos utilizados. Emplear metadatos estandarizados que faciliten la localización, identificación y recuperación de los datos, incluyendo la asignación de un identificador persistente.
d. Almacenamiento y seguridad. Se definen en esta sección:
- Los mecanismos de almacenamiento seguro, los protocolos de recuperación de información y las medidas para la transferencia confidencial de datos protegidos mientras el trabajo esté en curso.
- La política de respaldos periódicos (backups) en servidores institucionales o entornos seguros de la universidad antes de su publicación.
e. Ética y propiedad intelectual. En esta sección, se define:
- La gestión de riesgos éticos y legales. La evaluación de posibles dilemas éticos a lo largo del ciclo de vida del dato (recolección, procesamiento, almacenamiento y archivo) y acredita los procedimientos de aprobación por parte del comité de ética correspondiente.
- La protección de datos personales y confidencialidad. El uso de consentimientos informados para la recogida, conservación a largo plazo de información sensible, considerando técnicas de anonimización para su publicación.
- El licenciamiento y los derechos de autor. La titularidad de la propiedad intelectual y asigna licencias abiertas de reutilización (como Creative Commons CC BY o CC0) para posibilitar el acceso más amplio posible.
f. Conservación, disponibilidad y depósito a largo plazo
- Los criterios de selección y conservación. Los conjuntos de datos que deben conservarse de manera permanente por su valor científico y cuáles pueden ser descartados al concluir la tesis.
- El repositorio de depósito. El repositorio donde se depositarán los datos para garantizar su acceso, visibilidad y conservación a largo plazo.
- La modalidad de acceso. Si los datos estarán disponibles en acceso abierto inmediato o si aplicará algún período de embargo o restricción justificada por razones contractuales, legales o de confidencialidad, garantizando que los metadatos del registro permanezcan visibles.
g. Responsabilidades y asignación de recursos
- La asignación de roles. La responsabilidad de la gestión, actualización del PGD y custodia de los datos a la persona encargada en el proyecto.
- El presupuesto y los costes asociados. Estimación de los costes directos e indirectos asociados a hacer los datos FAIR y la fuente de financiación asignada para cubrirlos.
2.4. Recursos
Los siguientes recursos se encuentran destinados a facilitar la elaboración de planes de gestión de datos de investigación:
- DMP ONLINE. Herramienta desarrollada por el Digital Curation Center (DCC). Permite diseñar planes de gestión de datos de investigación (PGDs).
- DMP tool. Creada por la Universidad de California, esta plataforma ofrece plantillas de PGDs de diversas disciplinas.
- ARGOS. Desarrollada por OpenAIRE, esta plataforma facilita la creación de PGDs bajo los principios FAIR.
- PAGODA/PGDonline. Adaptada por el Consorcio Madroño, esta herramienta permite crear PDGs que puedan intercambiarse libremente.
- DMPTuuli. Desarrollada por el proyecto Tuuli finlandés, esta plataforma ofrece diversas plantillas según agencias financiadoras.
3.1. Fundamentos
El acceso a los datos de investigación debe ser tan abierto como sea posible, y tan restringido como sea necesario. Los principios éticos fundamentales que rigen la publicación de datos son: no presentar datos falsos y no causar daños en personas, comunidad, instituciones, especies o ecosistemas.
A nivel legal, una licencia abierta no puede prevalecer sobre las leyes nacionales sobre protección de datos personales, propiedad intelectual, secretos industriales, patrimonio cultural o salud pública.
3.2. Datos por proteger
Los siguientes datos exigen un análisis sobre el daño que podría causar su publicación:
- Información personal Identificable.
– Identificadores directos: Nombres, apellidos, números de documento (DNI/pasaporte), correos electrónicos, teléfonos, direcciones residenciales, imágenes faciales, registros de voz/audios y firmas.
– Identificadores indirectos: Variables que no identifican por sí solas, pero que combinadas en muestras pequeñas o contextos específicos permiten la reidentificación (edad, género, ocupación, localidad, institución, cargo, barrio, fecha de atención o trayectoria laboral). - Datos de salud. Diagnósticos, tratamientos, resultados de laboratorio, imágenes médicas, evolución clínica, medicación, datos genéticos, antecedentes familiares y registros de instituciones sanitarias.
- Datos de menores de edad. Cualquier registro o información obtenida de niños, niñas y adolescentes.
- Datos de comunidades indígenas, grupos vulnerables o conocimientos tradicionales. Información sobre comunidades indígenas, campesinas, grupos en situación de vulnerabilidad, migrantes, colectivos estigmatizados, saberes comunitarios y relatos etnográficos que requieran consentimiento o protocolos específicos.
- Datos con restricciones legales, contractuales o institucionales. Información sujeta a acuerdos de confidencialidad, convenios con empresas, patentes en trámite, registros administrativos o acuerdos institucionales previos.
- Datos de terceros. Datos, textos, mapas o bases de datos comerciales cuyo acceso original no otorga autorización explícita para su redistribución pública.
- Datos de redes sociales. Información o publicaciones extraídas de redes sociales y entornos web que requieran consentimiento específico, impliquen derechos de autor o infrinjan los términos de uso de la plataforma.
- Datos de especies amenazadas, sitios protegidos e información ambiental. Coordenadas GPS exactas de especies en peligro de extinción, ubicación precisa de sitios arqueológicos o recursos naturales vulnerables que puedan quedar expuestos a daño o tráfico ilegal.
- Datos con potencial de uso dual. Investigaciones científicas legítimas cuya información podría ser utilizada de forma dañina en ámbitos como bioseguridad, ciberseguridad, agentes patógenos o tecnologías críticas.
- Información personal Identificable.
3.3. Requisitos de publicación
El consentimiento informado es el documento por medio del cual se demuestra que una persona ha aceptado, de manera voluntaria, participar de una investigación, luego de haber sido informada sobre todos los detalles acerca de esta. Para la publicación, en acceso abierto, de datos sensibles de personas este documento debe señalar:
- La autorización para depositar los datos en un repositorio público.
- La autorización para permitir el uso de los datos por parte de terceros.
- Las cláusulas de confidencialidad y condiciones especiales de acceso que tendrán los datos.
Si el consentimiento no prevé la publicación en repositorios o no la restringe de forma expresa, no es posible asumir un permiso implícito.
Con el fin de garantizar la protección de personas, comunidades o zonas protegidas, se pueden aplicar las siguientes técnicas de anonimización:
- Eliminación de identificadores directos, como nombres o números de documentos de identidad de tablas de Excel, o rostros de fotografías.
- Generalización de variables como localidad o edad.
- Reemplazo de identificadores directos por códigos propios de la investigación.
En ocasiones, es probable que pueda identificarse a una persona o comunidad, al cruzar sus datos con los de otras fuentes. Ante la duda razonable de identificación, no deben publicarse los datos en acceso abierto.
De acuerdo con el análisis ético y legal de los datos, se puede optar por publicarlos en los siguientes tipos de datos.
- Abierto. Se puede acceder a los archivos de datos y sus metadatos de manera pública y gratuita para su consulta y descarga.
- Restringido. Solo se puede acceder a los metadatos de manera abierta. Para acceder a los archivos de datos se requiere autorización.
- Cerrado. Solo se puede acceder a los metadatos de manera abierta, por protección de datos o reserva legal.
- Embargado. Los datos de datos se encuentran en acceso cerrado hasta determinada fecha, en la cual pasarán a encontrarse en acceso abierto.
No todos los archivos del proyecto pueden encontrarse en el mismo tipo de acceso. En lo posible se debe procurar que los datos se encuentren abiertos. Por lo que los motivos de la restricción de los datos deben quedar documentados.
Poder descargar los datos de manera libre no implica que estos puedan usarse de igual modo. Para establecer el uso autorizados de los datos, existen las siguientes licencias:
Licencias Creative Commons para Datos
- CC0 (Dominio Público): Renuncia a los derechos patrimoniales; recomendada para metadatos o máxima apertura.
- CC BY 4.0: Opción estándar equilibrada; permite copiar, adaptar y redistribuir los datos bajo la única condición de citar la autoría.
- CC BY-NC 4.0: Permite la reutilización y adaptación excluyendo fines comerciales.
- CC BY-SA 4.0: Exige que cualquier trabajo derivado sea compartido bajo la misma licencia.
- CC BY-ND 4.0: No se recomienda para datos de investigación, debido a que al prohibir obras derivadas impide la integración, transformación y análisis combinados de los datos.
Licencias para Código y Software. Las licencias Creative Commons no están diseñadas para código ejecutable o scripts. Si el dataset incluye archivos en R, Python, Stata o notebooks, se deben aplicar licencias específicas como MIT, Apache 2.0 o GNU GPL.
4.1. Revisión de los archivos de datos
Para que los datos puedan reutilizarse es necesario verificar que los archivos de datos cumplan con las siguientes características:
- Poder abrirse sin inconvenientes.
- Mantener la integridad y consistencia de los datos.
- Ejecutar las funcionalidades programadas. Garantizar que los scripts, así como las llamadas a archivos, funcionen correctamente.
Para el caso específico de archivos en EXCEL, se deben tener en cuenta los siguientes errores frecuentes:
- Conversión inadvertida de tipos de datos. Datos con otros signos.
- Estructuras no aptas para procesamiento automatizado. Uso de celdas combinadas, múltiples tablas contenidas en una sola hoja, filas/columnas de encabezado duplicadas o intercaladas, y uso de estilos de celda.
- Inclusión de objetos flotantes y fórmulas vinculadas. Presencia de gráficos incrustados, notas flotantes, macros (.xlsm) o fórmulas vinculadas a archivos externos que se rompen al cambiar de equipo o al migrar a un repositorio.
- Codificación de caracteres. Desconfiguración de tildes, eñes y caracteres especiales al exportar archivos desde Excel a formatos delimitados por coma (CSV).
4.2. Conversión a formatos abiertos
| Tipo de dato | Formato propietario | Formato abierto |
|---|---|---|
| Tabular | Excel (.xlsx), SPSS (.sav), Stata (.dta), SAS | CSV (delimitado por comas), TSV (delimitado por tabulaciones), .tab |
| Texto | Word (.docx), WordPerfect | PDF/A (PDF para preservación), TXT (texto plano), Markdown (.md) |
| Código y scripts | Entornos propietarios | TXT, .py, .r, .jl, .sh |
| Imágenes fijas | Photoshop, CorelDRAW | TIFF (sin compresión para preservación), PNG (sin pérdida), JPEG (para difusión) |
| Audio y video | Formatos cerrados o comprimidos con pérdida | WAV, FLAC (audio sin pérdida); MP4 / H.264, OGV (video) |
| Datos geoespaciales | Esri Shapefile comprimido, ArcGIS | GeoJSON, GeoTIFF, KML, Shapefile (.zip) |
| Bases de datos estructuradas | MS Access, Oracle | SQL dump, JSON, XML, SQLite |
4.3. Requisitos de publicación
Una estructura coherente y una convención de nomenclatura estandarizada facilitan la localización, comprensión y ejecución de los datos por parte de terceros y de los propios creadores a futuro.
- Mantener una jerarquía poco profunda (no más de 3 o 4 niveles de subcarpetas).
- Organizar el conjunto de datos separando claramente sus componentes principales. La estructura estándar es:
Datos
♦ Datos brutos
♦ Datos ordenados
Documentos
♦ README
♦ Diccionario de datos
Scripts
♦ Código de análisis
- Nombres significativos y breves. Reflejar el contenido del archivo de forma clara (Ejemplo: encuesta_hogares_2024.csv en lugar de datos_nuevos.csv).
- Formatos de fecha estandarizados. Utilizar la norma ISO 8601 (YYYYMMDD o YYYY-MM-DD) para fechas en los nombres de archivo (Ejemplo: mediciones_20240512.csv).
- Control de versiones explícito. Utilizar números de versión ordinales (Ejemplo: v1.0, v2.0). Evitar términos ambiguos como final, definitivo, revisado o final_v2_corregido.
- Uso estricto de caracteres seguros.
⋅ Usar letras sin acento.
⋅ No incluir espacios en blanco (reemplazarlos por _ o –).
⋅ No incluir caracteres especiales ni símbolos (?, !, /, \, *, %, $, #, ñ, á, é, etc.), ya que causan errores de ruta en repositorios y sistemas operativos Linux/Unix. - Orden numérico con ceros a la izquierda. Al nombrar secuencias de archivos, usar ceros según la cantidad total de elementos para mantener el ordenamiento alfabético en la computadora (Ejemplo: 01_introduccion.pdf, 02_metodologia.pdf… 10_anexos.pdf).
4.4. Almacenamiento y respaldo de datos
La elección de los medios de almacenamiento varía según la etapa de la investigación. Las soluciones utilizadas durante la ejecución del proyecto no necesariamente son apropiadas para la preservación y el acceso a largo plazo tras su finalización. Los distintos tipos de solución pueden complementarse entre sí:
Almacén de datos personal o del proyecto (laptops, discos USB, unidades en red locales):
- Uso recomendado. Exclusivamente durante el curso de la investigación (trabajo activo con los datos).
- Fortalezas. Económico, rápido, fácil y conveniente.
- Debilidades. No satisface los requerimientos de acceso y preservación de agencias de financiamiento ni de editoriales; sustentabilidad frágil; no genera DOIs. Los dispositivos portátiles (USB, laptops, CDs, cintas) sufren rápida degradación, obsolescencia tecnológica, tasas de error frecuentes, espacio limitado y riesgos de seguridad por pérdida o robo.
- Regla de uso. Utilizar únicamente para almacenar copias, nunca para guardar archivos de datos maestros, y contar siempre con un respaldo en medios más seguros.
Almacenamiento en la nube:
- Uso recomendado. Trabajo activo con los datos (su aptitud para preservación de alto valor depende de la calidad de la descripción y metadatos).
- Fortalezas. Respaldo automatizado, facilidades para compartir y acceso económico a capacidad de procesamiento.
- Debilidades. Plataformas comerciales sujetas a limitaciones de ancho de banda, condiciones de seguridad variables y menor control sobre el hardware de almacenamiento.
Para minimizar el impacto de eventuales pérdidas o alteraciones de información, se debe contar con una política formal de respaldo que especifique la frecuencia y características de los procedimientos.
- Regla de respaldo 3-2-1
3 copias: Mantener la versión original y al menos dos copias duplicadas del conjunto de datos y su documentación.
2 soportes distintos: Guardar los respaldos en al menos dos tipos de tecnologías o medios independientes.
1 copia fuera de sitio (off-site): Almacenar al menos una copia en una ubicación geográfica distinta a la del recinto principal. - Planificación del respaldo. Debe definir las herramientas a utilizar, los conjuntos de datos cubiertos (datos brutos vs. procesados), la estimación de espacio requerido, la política de retención/destrucción, la frecuencia de verificación de integridad y el software de control de versiones.
- Gestión de contraseñas robustas
– Usar claves de al menos 15 caracteres para servicios críticos, combinando mayúsculas, minúsculas, números y símbolos.
– Evitar palabras de diccionario, datos personales (DNI, teléfonos) o referentes de la cultura popular.
– Aplicar el enfoque XKCD (combinación de 4 palabras al azar sustituyendo letras por signos/números) o emplear un gestor de contraseñas dedicado. Evitar el acceso a cuentas desde conexiones públicas. - Encriptación (Cifrado)
– Transforma los datos en código ilegible accesible únicamente mediante contraseña. Puede aplicarse a archivos, carpetas, discos portátiles (USB, laptops) o transmisiones por red.
– Consideración crítica. La encriptación no sustituye al respaldo. Si la contraseña se pierde o el dispositivo se daña, los datos encriptados no podrán recuperarse. - Seguridad física y de red
– Mantener antivirus actualizado en todas las estaciones de trabajo de la investigación.
– Para datos confidenciales o sensibles, almacenar los archivos en equipos desconectados de redes; si esto es inviable, cifrar todos los datos almacenados y transmitidos.
– Asegurar la protección física de los dispositivos de almacenamiento en espacios resguardados para prevenir robos o daños materiales.
La documentación adecuada de un conjunto de datos es indispensable para garantizar que la información sea comprensible, reutilizable y FAIR (Localizable, Accesible, Interoperable y Reutilizable). La descripción abarca tanto los metadatos registrados en la plataforma del repositorio como la documentación estructurada que acompaña directamente a los archivos.
5.1. Metadatos necesarios
Los metadatos son datos estructurados que describen, explican y localizan los recursos de información. Se dividen en metadatos obligatorios (mínimos para la citación y localización) y metadatos complementarios o disciplinares.
- Cobertura geográfica. Nombre de las ubicaciones, regiones, países o coordenadas delimitadoras (bounding box) del área de estudio.
Cobertura temporal: Período exacto de inicio y fin de la recolección de los datos. - Información metodológica. Unidades de análisis, tamaño de muestra, instrumentos de medición, software y versiones empleadas.
- Financiamiento. Nombre de las agencias financiadoras, programas de becas y códigos o números de contrato/subvención (grant numbers).
- Publicaciones relacionadas. Enlaces persistentes (DOIs) a artículos, libros, tesis o informes derivados de este conjunto de datos.
- Nombres significativos y breves. Reflejar el contenido del archivo de forma clara (Ejemplo: encuesta_hogares_2024.csv en lugar de datos_nuevos.csv).
- Formatos de fecha estandarizados. Utilizar la norma ISO 8601 (YYYYMMDD o YYYY-MM-DD) para fechas en los nombres de archivo (Ejemplo: mediciones_20240512.csv).
- Control de versiones explícito. Utilizar números de versión ordinales (Ejemplo: v1.0, v2.0). Evitar términos ambiguos como final, definitivo, revisado o final_v2_corregido.
- Uso estricto de caracteres seguros.
⋅ Usar letras sin acento.
⋅ No incluir espacios en blanco (reemplazarlos por _ o –).
⋅ No incluir caracteres especiales ni símbolos (?, !, /, \, *, %, $, #, ñ, á, é, etc.), ya que causan errores de ruta en repositorios y sistemas operativos Linux/Unix. - Orden numérico con ceros a la izquierda. Al nombrar secuencias de archivos, usar ceros según la cantidad total de elementos para mantener el ordenamiento alfabético en la computadora (Ejemplo: 01_introduccion.pdf, 02_metodologia.pdf… 10_anexos.pdf).
5.2. Recomendaciones para descripción de metadatos
Para garantizar que el conjunto de datos sea fácilmente localizable, comprensible y citable (discoverability y reutilización bajo principios FAIR), los metadatos principales deben redactarse siguiendo pautas estandarizadas de calidad:
- Autocontenido y representativo. Debe reflejar con precisión la temática central, el objeto de estudio, la delimitación geográfica y el período temporal si aplica. Ejemplo: «Encuesta sobre consumo energético en hogares rurales del norte de Chile (2020-2023)»
- Especificidad temática. Incluir el tipo de datos o la metodología principal cuando aporte claridad. Ejemplos: «Datos satelitales de deforestación…» o «Entrevistas cualitativas sobre…»
- Evitar ambigüedades y nombres de archivo. No utilizar títulos genéricos ni nombres de archivos internos (evitar «Datos del proyecto», «Resultados_finales.xlsx» o «Encuesta_v2»).
- Uso de siglas e instituciones. Desplegar el nombre completo de instituciones, programas o proyectos antes de incluir acrónimos entre paréntesis.
- Estructura narrativa del texto.
1. Objetivo: Motivación de la generación o recolección de los datos.
2. Metodología: Breve explicación de cómo, dónde y cuándo se obtuvieron los datos (población, muestra, instrumentos, software o equipos).
3. Contenido: Descripción sintética de las principales variables, unidades de análisis y tipos de archivos incluidos.
4. Requisitos de uso: Requisitos técnicos o software específico necesario para la apertura y análisis de los archivos. - Autocontención. Debe ser un texto independiente que se entienda sin obligar al usuario a leer previamente la publicación científica vinculada.
- Redacción y multilingüismo. Emplear un lenguaje formal y claro. Se recomienda incluir la descripción tanto en el idioma original como en inglés para maximizar la visibilidad internacional.
- Estandarización de nombres. Registrar los nombres completos siguiendo el orden «Apellidos, Nombres» para evitar errores en la indización bibliográfica y en los índices de citas.
- Inclusión de identificadores persistentes (ORCID). Incorporar obligatoriamente el código ORCID (16 dígitos) de cada investigador para resolver problemas de homonimia y asegurar la correcta atribución académica.
- Filiación institucional precisa. Utilizar la denominación oficial y completa de la universidad, centro o instituto de adscripción, evitando siglas locales no reconocidas globalmente.
- Declaración de roles (Taxonomía CRediT). Cuando la plataforma lo permita, especificar la contribución exacta de cada autor (Ejemplo: Data Curation, Conceptualization, Software, Investigation).
- Uso de vocabularios controlados. Emplear tesauros y taxonomías normalizadas de la disciplina para seleccionar los términos (Ejemplo: MeSH en medicina/salud, AGROVOC en agricultura, GEMET en ciencias ambientales, IEEE en ingeniería/tecnología).
- Equilibrio entre amplitud y especificidad. Definir entre 4 y 8 términos que combinen conceptos generales del área temática con variables, técnicas o herramientas muy específicas empleadas en el dataset.
- Complementariedad con el título. Seleccionar términos que no estén ya repetidos exactamente en el título para ampliar el alcance de recuperación en los motores de búsqueda.
- Bilingüismo. Incluir las palabras clave en el idioma del dataset y sus equivalentes normalizados en inglés.
5.3. Recomendaciones para elaborar un README
El archivo README es el documento de entrada obligatorio que acompaña a los datos a nivel de archivo. Sirve como mapa de navegación para que cualquier usuario (o los mismos investigadores en el futuro) pueda interpretar, ejecutar y reutilizar los archivos correctamente.
- Nombre de archivo estandarizado. Debe nombrarse README.txt o README.md (Markdown).
- Formato abierto. Utilizar únicamente texto plano o Markdown con codificación UTF-8. Evitar archivos en formatos propietarios como .docx o .pdf.
- Ubicación. Colocar el archivo en el directorio raíz del conjunto de datos.
Un archivo README debe contener la siguiente información:
Datos generales
- Título del dataset: [Título completo]
- Autores: [Nombre, Filiación, ORCID]
- Contacto: [Nombre, Correo electrónico]
- Fecha de creación / última actualización: [YYYY-MM-DD]
- Cobertura geográfica y temporal: [Lugar, Rango de fechas]
- Financiamiento: [Agencia y código de subvención]
Visión general de los archivos
- Estructura de las carpetas
- Listado de archivos con una breve descripción de cada uno
Metodología y métodos de procesamiento
- Métodos de recolección de datos y herramientas utilizadas.
- Procedimientos de limpieza, filtrado y transformación aplicados.
- Tratamiento de valores faltantes (ej. codificación de ‘NA’, ‘NaN’ o celdas vacías).
- Requisitos de software/hardware: [Nombre del software, versión exacta, paquetes o librerías necesarias].
Diccionario de datos y variables
- Nombre exacto de la variable
- Descripción conceptual de la variable
- Unidades de medida
- Tipo de dato
- Lista de códigos o etiquetas categóricas
Instrucciones de reproducción
- Pasos en secuencia lógica para reproducir los resultados a partir de los datos brutos.
- Indicación de rutas relativas utilizadas en el código.
Licencia y condiciones de uso
- Licencia aplicable.
- Cita recomendada del dataset.
- Restricciones relacionadas con la reutilización.
- Actualización con el control de versiones. Si el dataset se modifica o se añade una nueva versión, el archivo README debe reflejar la fecha y los cambios realizados en la sección de historial de revisiones.
- Verificación de enlaces. Probar que todos los DOIs, URLs y rutas relativas mencionadas dentro del README sean funcionales.
Con la información proporcionada en la presente guía podrá publicar sus datos de investigación de manera que estos alcancen la mayor visibilidad posible y se conviertan en un aporte para su campo. De este modo, podrá subir sus datos en un formato abierto, describir sus datos adecuadamente y seleccionar el tipo de acceso y licencia más conveniente.
6.1. Repositorios de datos
Puede publicar los datos en los siguientes repositorios:
- Dryad Digital Repository. Permite la preservación de datos en el repositorio subyacente con el que está integrado.
- Figshare (Digital Science). La versión gratuita permite almacenar, administrar y publicar hasta 5 GB.
- Mendeley Data. Se define como un repositorio comunitario gratuito y seguro en la nube donde puedes almacenar tus datos y compartirlos.
- Zenodo. Repositorio de acceso abierto de carácter multidisciplinario, el cual permite almacenar y difundir distintos documentos científicos, incluidos los datos de investigación.
- Harvard dataverse. Es un repositorio de datos de investigación de acceso gratuito y multidisciplinario, fundado y desarrollado por la Universidad de Harvard.
Bibliografía recomendada
- Autoridad Nacional de Protección de datos de Singapur. (2022). Guía básica de anonimización. Autoridad Española de Protección de Datos. https://dataverse.harvard.edu/
- Bongiovani, Paola Carolina. (2026). El potencial de los datos de investigación abiertos: repositorios y ciencia abierta para la investigación. Editum. Ediciones de la Universidad de Murcia. https://doi.org/10.6018/editum.3245
- DCC. (2013). Checklist for a Data Management Plan. v.4.0. Digital Curation Centre. http://www.dcc.ac.uk/resources/data-management-plans
- Milanés Guisado, Y. (2022). Previsión del Plan de Gestión de Datos en la propuesta del proyecto. Plantilla. Universidad Pablo de Olavide http://hdl.handle.net/10433/15272
- Scielo. (2025). Guía de preparación de datos de investigación. https://www.scielo.org/documents/12/Guia_preparacao_es.pdf


