1 Jornada Madroño Introducción a la Gestión de Datos de InvestigaciónNacho Gonzalez y Marcos Cuesta Universidad Politécnica de Madrid Madrid y 30 de Noviembre de 2016 1
2 Seminarios y FormaciónGestión de Datos de Investigación ¿Por qué gestionar y compartir los datos de investigación? Horizon 2020/ Limites Datos de Investigación Ciclo de vida de los datos de investigación Servicios bibliotecarios/datos 10 Mandamientos Plan de gestión de datos Buscadores de datos / Directorios / Recolectores Nombres y formatos de los ficheros de datos Backup, almacenamiento y seguridad Anonimización de datos personales Citación de datos Para desengrasar vamos a soñar -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
3 Seminarios y Formación¿Por qué gestionar y compartir los datos de investigación? Compartir los datos de investigación tiene un gran interés por su potencial y reutilización por parte de la ciencia, la industria y la sociedad. Las ventajas son claras para: Instituciones: proporciona transparencia en procesos de obtención o generación de datos. Investigadores: promueve colaboración entre grupos afines, evita duplicidades, permite validar estudios y aumenta su reputación. Sociedad: debe mejorar su confianza en el sistema científico y supone un ejercicio de transparencia, rendición de cuentas y responsabilidad en el uso de la inversión en I+D.
4 Seminarios y Formación¿Por qué gestionar y compartir los datos de investigación? Aumentan las posibilidades de trabajar con grandes volumenes de datos y de hacer análisis estadísticos ciegos. Estimula los descubrimientos adicionales. Permite establecer nuevas colaboraciones entre los usuarios de los datos y aquellos que los generaron. Permite la comprobación, previniendo los fraudes: transparencia. -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento. (UK Data Archive,
5 Seminarios y Formación¿Por qué gestionar y compartir los datos de investigación? Fomenta la validación de los métodos de investigación. Evita la repetición de costosos proyectos que utilizan las mismas intervenciones que se utilizaron previamente. Aumenta la visibilidad y el impacto de la investigación. Aporta recursos para la educación y la formación. Para cumplir los requerimientos de los financiadores de la investigación (H2020) y revistas. -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento. La opinión y los hábitos de los investigadores sobre los datos de investigación. Antonia Ferrer y Rafael. (UK Data Archive,
6 Seminarios y Formación¿Por qué gestionar y compartir los datos de investigación? Directrices para la Gestión de Datos en Horizon 2020 Cualquier propuesta de proyecto presentado ... “incluirá una sección en Gestión de Datos de Investigación. Cuándo sea pertinente, los solicitantes deberán aportar un breve esquema sobre su política de gestión de datos que contendrá los siguientes aspectos: Qué tipos de datos generará y recopilará el proyecto. Qué estándares se utilizarán. Cómo serán explotados y/o compartidos/accesibles los datos para su verificación y reutilización. Si los datos no pudieran estar disponibles, es necesario explicar el motivo. Cómo se conservarán y preservarán los datos.” -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
7 Seminarios y Formación¿Por qué gestionar y compartir los datos de investigación? Directrices para la Gestión de Datos en Horizon 2020 (revisión Julio 2016) En las convocatorias , solo 7 áreas científicas seleccionadas para participar en el proyecto piloto, y a partir de 2017 todas las áreas científicas estarán afectadas. La guía revisada pone el acento en los proyectos que generan los llamados datos FAIR: Findable, Accessible, Interoperable and Re-usable. Además, se flexibilizan los requerimientos del Plan de Gestión de Datos: no todas las preguntas de la plantilla deben responderse en los primeros 6 meses del proyecto. Los costes asociados a la provisión de acceso abierto a los datos son susceptibles de reembolso, pudiendo éste realizarse durante el transcurso del proyecto. Herramienta para estimar costes: -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
8 ¿Por qué gestionar y compartir los datos de investigación?Seminarios y Formación ¿Por qué gestionar y compartir los datos de investigación? Circunstancias que limitan el acceso abierto a datos Protección de información personal (a veces se puede solucionar anonimización). Leyes de confidencialidad. Protección de especies en peligro. Propiedad industrial, motivos comerciales, seguridad. Protección de recursos genéticos. Periodos de uso exclusivo de datos de investigación. No en todas las disciplinas científicas existe consenso y una armonización en las políticas de acceso a sus resultados científicos. Buena práctica: -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
9 Seminarios y FormaciónDatos de investigación “Los datos de la investigación son hechos, observaciones o experiencias en que se basa el argumento, la teoría o la prueba. Los datos pueden ser numéricos, descriptivos o visuales. Los datos pueden ser en estado bruto o analizado, pueden ser experimentales u observacionales. Los datos incluyen: cuadernos de laboratorio, cuadernos de campo, datos de investigación primaria (incluidos los datos en papel o en soporte informático), cuestionarios, cintas de audio, vídeos, desarrollo de modelos, fotografías, películas y las comprobaciones y las respuestas de la prueba. Las colecciones datos para la investigación pueden incluir diapositivas, diseños y muestras. En la información sobre la procedencia de los datos también se debe incluir: el cómo, cuándo, dónde se recogió y con qué (por ejemplo, instrumentos). El código de software utilizado para generar, comentar o analizar los datos también pueden ser considerados datos” Universidad de Melbourne del Informe Recolecta -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
10 Seminarios y FormaciónDatos de investigación Clasificación de la Research Information Network (RIN): Observacional: capturada en tiempo real, única e irremplazable e.g. brain images, survey data. Experimental: datos de experimentos , e.g. equipos de laboratorio, normalmente reproducible, pero con un alto coste e.g. chromatograms, microassays Simulación: datos generados a partir de modelos de prueba, donde el modelo y los metadatos pueden tener más importancia que los datos de salida del modelo, por ejemplo, modelos económicos o climáticos. Derivados o compilados: resultado de combinar o procesar 'raw' data, a menudo pueden reproducible pero con un alto coste .g. compiled databases, text mining, aggregate census data Referencial : conjunto o colección de pequeños datasets (peer reviewed) datasets, muy probablemente publicos e.g. gene databanks, crystallographic databases -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
11 Seminarios y FormaciónDatos de investigación Los datos de investigación pueden nacer en formato digital o convertirse a formato digital, pueden ser creados por el propio investigador o utilizar otros ya existentes: Documents (text, Word), spreadsheets // Laboratory notebooks, field notebooks, diaries // Questionnaires, transcripts, codebooks // Audiotapes, videotapes // Photographs, films // Test responses // Slides, artefacts, specimens, samples // Collection of digital objects acquired and generated during the process of research // Statistical or other data files // Database contents (video, audio, text, images) // Models, algorithms, scripts // Contents of an application (input, output, logfiles for analysis software, simulation software, schemas) // Methodologies and workflows // Standard operating procedures and protocols -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
12 Seminarios y FormaciónDatos de investigación Es importante gestionar este tipo de datos durante el Proyecto de Investigación e incluso después. Correspondence (electronic mail and paper-based correspondence) Project files Grant applications Ethics applications Technical reports Technical appendices Research reports Research publications Master lists Signed consent forms Social media communications such as blogs, wikis, tweets etc. -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
13 Seminarios y FormaciónCiclo de vida de los datos de investigación La Gestión de datos de investigación (Research Data Management-RDM) es un concepto que abarca las tareas de organizar, estructurar, almacenar y cuidar los datos utilizados durante un proyecto de investigación (Oxford Un. Research Data, Cuando hablamos de gestión de datos de investigación hemos de tener presente cuál es el ciclo de vida de los datos y cuál el del proyecto de investigación asociado. Cada etapa requiere consideraciones, actividades y practicas distintas con objeto de preservar, permitir el acceso y uso a los datos una vez completado el proyecto. Se trata de optimizar los datos que estarán accesibles para su reutilización -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
14 Seminarios y FormaciónCiclo de vida de los datos de investigación
15 Seminarios y FormaciónCiclo de vida de los datos de investigación
16 Seminarios y FormaciónCiclo de vida de los datos de investigación
17 Ciclo de vida de los datos de investigación
18 Seminarios y FormaciónCiclo de vida de los datos de investigación Barry Williams Principal Consultant Database Answers Ltd. London, England December 15th. 2013
19 Seminarios y FormaciónCiclo de vida de los datos de investigación Research360 Project University of Bath
20 Ciclo de vida de los datos de investigaciónSeminarios y Formación Ciclo de vida de los datos de investigación Data Lifecycles & Data Management Plans 1 - ¿Qué datos voy a producir? 2 - ¿Como organizaré mis datos? 3 - ¿Es buena la gestión de mis datos? 3 - ¿Qué datos debo guardar? 4 - Qué datos debo publicar y dónde? 5 - Quién estará interesado en reutiliar mis datos?
21 Seminarios y FormaciónCiclo de vida de los datos de investigación ACCIONES SECUENCIALES (I) Conceptualizar: Concebir y planificar la creación de datos, incluyendo el método de recogida y las opciones de almacenamiento. Crear o recibir: Crear los datos, incluyendo metadatos administrativos, descriptivos, estructurales y técnicos. También es posible añadir metadatos de preservación en el momento de la creación. Recibir datos desde los creadores de datos, otros archivos, repositorios o centros de datos, de acuerdo a políticas de recolección documentadas, y si es necesario, asignar los metadados adecuados. Evaluar y seleccionar: Evaluar y seleccionar los objetos digitales que requieren conservación y preservación a largo plazo. En esta fase se incluye la adhesión a los requisitos legales sobre su propiedad intelectual y otros derechos de acceso y uso Ingestar: Transferir los datos a un archivo, repositorio, centro de datos u otro ccentros de custodian. Adhiriéndose a las recomendaciones documentadas, políticas o requisitos legales. -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
22 Seminarios y FormaciónCiclo de vida de los datos de investigación ACCIONES SECUENCIALES (II) Preservar : Realizar acciones para asegurar la preservación a largo plazo y la conservación de la autentica naturaleza de los datos. Las acciones de preservación deberían asegurar que los datos son auténticos, fidedignos y usables, a la vez que mantienen su integridad. Las acciones incluyen limpieza de datos, validación, asignación de metadatos de preservación, asignación de información descriptiva y asegurar las estructuras adecuadas de datos o formatos de ficheros. Almacenar: Almacenar los datos de forma segura, ateniéndose a los estándares oportunos. Acceder, Utilizar y Reutilizar: Asegurarse de que los datos son accesibles tanto para los usuarios designados como para los que los reutilicen. Esto se puede hacer mediante información publica. Pueden ser necesarios controles de acceso y procedimientos de autenticación robustos. -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
23 Seminarios y FormaciónCiclo de vida de los datos de investigación ACCIONES SECUENCIALES (III) Transformar: Crear nuevos datos desde los originales, por ejemplo: Migrando a un formato distinto. Creando un subconjunto, por selección o consulta, para crear resultados nuevamente derivados, quizás para su publicación. -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
24 Seminarios y FormaciónCiclo de vida de los datos de investigación ACCIONES OCASIONALES Eliminar los datos que no han sido seleccionados para su conservación. Normalmente, los datos pueden transferirse a otro archivo, repositorio, centro de datos u otro custodio. En algunos casos, los datos se destruyen. La naturaleza de los datos puede hacer que por razones legales, requiera una destrucción segura. Devolver los datos que no cumplan los procedimientos de validación para su posterior evaluación y re selección. Migrar a un formato diferente. Se debe garantizar la integridad de los datos ante obsolescencia de hardware o software. -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
25 Seminarios y FormaciónCiclo de vida de los datos de investigación Buenas prácticas para gestionar los datos Asignación de nombres descriptivos a los ficheros Tareas de backup (copias de seguridad) Compatibilidad en la integración de datos Definición de tareas y roles en un equipo de gestión de datos Descripción de técnicas de medición de datos Tareas de control de calidad Identificación de software más adecuados para el proyecto Presupuesto de actividades Gestión de propiedad de los datos y selección de licencias de uso Y muchas más cuestiones relativas al diseño e implementación de planes de gestión -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento. https://www.dataone.org/best-practices --- https://www.dataone.org/data-stories
26 Seminarios y FormaciónServicios bibliotecarios / datos Servicios sobre gestión de datos (RDS) de investigación en bibliotecas. De las mejores prácticas a las posibles
27 Seminarios y FormaciónServicios bibliotecarios / datos CSIC – 2015 Planificación de gestión de datos Selección y uso de metadatos Almacenamiento y difusión de ficheros Gestión de versionados y formatos Asignación y registro de DOIs Citación de datos Archivo delegado y asesoramiento en opciones de depósito Preservación de datos Formación en herramientas para reutilizar datos Servicios de DIGITAL. CSIC para gestión de datos de investigación en acceso abierto (2015). Bernal, Isabel (http://hdl.handle.net/10261/114141)
28 Seminarios y FormaciónServicios bibliotecarios / datos CSIC – 2016 Planificación en la gestión de datos (cumplimiento de requisitos de agencias financiadoras, comprobación de que los datos están limpios y contrastados, medidas de seguridad para evitar pérdidas.) Apoyo al acceso y al descubrimiento de datos (recursos para buscar datos de investigación por disciplinas..) Apoyo en buenas prácticas para describir datos (guías para documentar y describir los datos, uso de vocabularios controlados para datos por disciplinas, información para ver y usar los datos) Apoyo para la publicación de datos (archivo delegado, revistas de datos, requerimientos editoriales, asignación de DOIs, vías alternativas para publicar y compartir datos) Actividades de preservación de datos (apoyo sobre descripción necesaria para preservación, niveles de preservación, plataformas específicas para preservación) Apoyo en la visualización de datos (formación y apoyo con metodologías, prácticas y herramientas de visualización. Provisión de equipamiento y software para proyectos de datos en el futuro?) Gestión, difusión en acceso abierto y preservación de datos de investigación (2016) Bernal, Isabel
29 Seminarios y Formación10 Mandamientos Love your data, and help others love it too. Share your data online, with a permanent identifier. Conduct science with a particular level of reuse in mind. Publish workflow as context. Link your data to your publications as often as possible. Publish your code (even the small bits). Say how you want to get credit. Foster and use data repositories. Reward colleagues who share their data properly Be a booster for data science. -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento. Ten Simple Rules for the Care and Feeding of Scientific Data - https://doi.org/ /journal.pcbi
30 Seminarios y FormaciónPlan de gestión de datos Fase 1: Propuesta de desarrollo del Plan de Gestión de Datos Determinar si el proyecto de investigación producirá nuevos datasets, combinará nuevos con otros ya existentes o sólo analizará datasets existentes. Identificar cuestiones de propiedad, privacidad y confidencialidad del contenido de los datasets y otros aspectos éticos. Costes económicos gestión, acceso y preservación. Identificar potenciales usuarios de nuestros datos. Considerar el estándar de metadatos que se usará para la descripción de los datos. Identificar un repositorio apropiado para archivar los datos. Políticas de datos de los financiadores y de la institución del investigador. Tamaño los ficheros de datos individuales y en su conjunto (MB, GB, TB, etc.). Checklist for a Data Management Plan. * Crear el PGD: los detalles anteriores deberán incluirse en el PGD. -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento. *
31 Seminarios y FormaciónLocalizar y publicar datos Buscadores de datos B2Find de EUDAT. DataciteMetadataSearch | Busca datasets de los instituciones miembro de DataCite. OpenAire | Indexa datasets de repositorios y algunas revistas de acceso abierto. ONEMercury | Buscador de datasets generados por instituciones miembro de DataONE. DataONE Search DataSearch de Elsevier (BETA) | Agregador de datasets procedentes de distintos tipos de repositorios. Data CitationIndex(Thomson) | Más de 2 millones de datasets procedentes de repositorios. bioCADDIE | Buscador (discoveryindex) de datasets en Biomedicina y Salud.
32 Seminarios y FormaciónLocalizar y publicar datos Directorios / Agregadores de repositorios de datos Re3data | Biosharing | https://biosharing.org/databases/ ResearchDiscovery Service | Research Data Australia | https://researchdata.ands.org.au/ DataMED | https://datamed.org/
33 Seminarios y FormaciónNombres de los ficheros de datos Las carpetas y archivos con los datos de investigación deben ser nombrados y organizados de una manera sistemática, de manera que sean identificables y accesibles para los usuarios actuales y futuros. Los beneficios de una buena organización y etiquetado son: Evita la confusión cuando varias personas están trabajando en los archivos compartidos. Son más fáciles de localizar y navegar. Pueden ser recuperados, no sólo por el creador, sino por otros usuarios. Pueden ser ordenados en una secuencia lógica. No son sobrescritos o borrados accidentalmente. Las diferentes versiones de los ficheros pueden ser identificados. Si los archivos de datos se mueven a otra plataforma de almacenamiento de sus nombres conservarán contexto útil.
34 Seminarios y FormaciónNombres de los ficheros de datos A la hora de establecer una estrategia para la organización y el nombrado de carpetas, archivos, etc. es necesario tener en cuenta … Número de versión Fecha de creación Nombre del creador Descripción del contenido Nombre del equipo de investigacion / departamento asociado a los datos Fecha de publicación Número del proyecto …
35 Seminarios y FormaciónNombres de los ficheros de datos … Elegir nombres que sean suficientemente descriptivos del contenido, por ejemplo, usando parte de la referencia bibliográfica del trabajo en sí Evitar llamar a los ficheros por un número, ya que no es suficientemente descriptivo del contexto del registro Evitar el uso de caracteres como , . : ; / () $ & | [ ] *< > “¿ Usar el guión bajo (_) mejor que espacios en blanco entre palabras No superar los 32 caracteres Para registros que tienen varias versiones, es aconsejable diferenciar unas versiones de otras, indicando v01, v02 etc, en vez de update, nuevo etc. Añadir las extensiones de ficheros -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
36 Seminarios y FormaciónNombres de los ficheros de datos … Si se añade una fecha, seguir el patrón: YYYY-MM-DD Descartar o eliminar versiones obsoletas (pero conserva el original de la copia "en bruto") Backup -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
37 Seminarios y FormaciónNombres de los ficheros de datos Ejemplos estructurados para mantener el control de versiones: [nombre del documento] [número de versión] [Estado: proyecto / FINAL]: Smith_interview_July2010_V1_DRAFT Lípido-análisis de tipos de V2_definitive 2001_01_28_ILB_CS3_V6_AB_edited -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
38 Seminarios y FormaciónNombres de los ficheros de datos -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
39 Seminarios y FormaciónFormatos de los ficheros de datos Formatos no propietarios, sino abiertos y bien documentados. Ampliamente usados por la comunidad investigadora. Formatos no comprimidos. Codificados en ASCIII, UTF-8, Unicode. Recursos de interés Edinburgh DataShare: Recommended File Formats UK Data Archive: File Formats Table NDIIPP: Format Descriptions for Dataset Formats Dataverse Guides: Dataset + File Management -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
40 Seminarios y FormaciónFormatos de los ficheros de datos -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
41 Seminarios y FormaciónBackup, almacenamiento y seguridad Backup de los datos mientras se realiza la investigación. Se recomienda tener 3 copias, de las cuales 1 debe estar en un edificio diferente. Almacenamiento Puede ser en Pc o portatiles personales, dispositivos de almacenamiento externos (discos duros externos, pendrives, dvd, etc.), servidores de la propia instituciones, servicios cloud (internos o externos). Seguridad Tanto en el acceso a los mismo por parte solo del personal de la investigación hasta impedir la corrupción de los datos asegurando su integridad. -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
42 Seminarios y FormaciónAnonimización de datos personales
43 Seminarios y FormaciónAnonimización de datos personales Eliminación de identificadores directos (nombre, iniciales, dirección, datos de contacto, fotos, fechas personales, datos de familiares…). Eliminación de datos indirectos (profesión, sexo, enfermedades, lugar de nacimiento, educación, edad, datos clínicos…). Modificación de datos para limitar la identificación: eliminación de líneas de información, representación parcial de los datos, redondear resultados.
44 Seminarios y FormaciónAnonimización de datos personales Recursos Herramienta de Anonimización (UK Data Service: Anonimisation) https://www.ukdataservice.ac.uk/manage-data/legal-ethical/anonymisation/identifiers https://www.ukdataservice.ac.uk/manage-data/legal-ethical/anonymisation/qualitative Grupo de Trabajo Sobre Protección de Datos del Artículo 29. Dictamen 05/2014 sobre técnicas de anonimización
45 Seminarios y FormaciónCitación de datos Los datos son una parte vital del proceso de la investigación científica y su correcta citación debe ser una característica importante de publicaciones de investigación. Citación de datos. Beneficios: * Conocer las fuentes del autor Facilita la identificación de los datos Promueve la reproducción de los resultados de la investigación Facilita encontrar los datos Permite rastrear el impacto de los datos Reconoce y recompensar a el creador de datos ¿Por qué dar una citación de datos? Al proporcionar una citación de datos de su trabajo, hace más fácil a otros investigadores que utilizan sus datos para citar con precisión en su trabajo. Servicio de Datos del Reino Unido. Citando datos. Consultado el 9 de junio de 2014, frente
46 Seminarios y FormaciónCitación de datos DataCite: Recomienda que los elementos indispensables de la cita de datos sean los siguientes: Creator/s (PublicationYear) Title dataset Publisher Identifier Ademas seria recomendable incluir: Version ResourceType La cita quedaría: Creator (PublicationYear). Title. Version. Publisher. ResourceType. Identifier. Fecha de consulta.
47 Seminarios y FormaciónCitación de datos Citation Formatter - / Data Citation Synthesis Group (2014). Joint Declaration of Data Citation Principles. Martone M. (ed.) San Diego CA: FORCE11. https://www.force11.org/group/joint-declaration-data-citation-principles-final
48 Seminarios y FormaciónCiclo de vida de los datos de investigación -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.
49 Seminarios y FormaciónPara desengrasar vamos a soñar -Conceptualización: concebir un plan para la creación de objetos digitales, incluyendo los procesos de captura de datos y las opciones de almacenamiento.