Dados e IA para a ciência: principais considerações

A primeira seção apresenta os conceitos fundamentais e discute as vantagens e os desafios de tornar dados científicos prontos para IA.

A segunda seção examina as principais considerações sobre a prontidão de dados para IA e, inversamente, a IA para curadoria de dados. Baseamo-nos em padrões de dados e discutimos considerações específicas da IA, como legibilidade por máquina e mitigação de vieses, destacando também considerações éticas e ambientais em torno da prontidão de dados para IA na ciência.

A terceira seção discute a prontidão de dados dentro da estrutura da Ciência Aberta e apresenta dois estudos de caso que ilustram como as práticas da Ciência Aberta podem dar suporte à prontidão da IA ​​para pesquisa científica.

Recomendações

• Convergência para estruturas e padrões de dados existentes, por exemplo, FAIR-R e Croissant, devem ser usados ​​por cientistas e administradores de dados.
• Estruturas de governança de dados deve ir além dos padrões técnicos para promover a equidade, o acesso a recursos computacionais e a capacitação.
• Investimento em infraestrutura de dados e desenvolvimento de habilidades é um pré-requisito para o uso eficiente e competitivo da IA ​​na ciência.
• Reconhecimento de carreiras em administração de dados na ciência, e incentivos para encorajar essas habilidades, são um caminho fundamental para a implementação do investimento acima.

Dados e IA para a ciência: principais considerações

Setembro de 2025

DOI: 10.24948 / 2025.11

Baixar

Este trabalho foi realizado com o auxílio de uma bolsa do Centro Internacional de Pesquisa para o Desenvolvimento (IDRC), Ottawa, Canadá. As opiniões aqui expressas não representam necessariamente as do IDRC ou de seu Conselho de Governadores.