FAIR+S: A validation study of a framework for sustainable research data and software
本文提出了 FAIR+S，这是一个将环境可持续性纳入研究数据和软件管理的 FAIR 原则扩展框架，并通过一项跨学科专家调查验证了其在实践中的相关性和重要性，同时强调了研究人员在绿色实践意识方面存在的现有差距。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，科学研究的世界就像一座巨大且繁忙的图书馆。多年来，这座图书馆一直痴迷于一件事：确保每一本书（研究数据）和每一份食谱（软件代码）都易于查找、易于借阅且易于理解。他们称之为 FAIR 系统（可发现、可访问、可互操作、可重用）。这就像拥有一个完美的编目系统，让你永远不会丢失任何一本书。
但这个图书馆一直没有追踪到一个问题：灯亮着，空调嗡嗡作响，服务器正热烈运行着。
当科学家们忙于让他们的工作符合“FAIR”标准时，他们并没有衡量创造这些工作所消耗的能量，或是运行实验留下的碳足迹。这就像一座图书馆知道每一本书在哪里，却不知道维持灯光亮起需要消耗多少电量。
新的想法：FAIR+S
本文作者引入了一个新概念，称为 FAIR+S。“S”代表 可持续性（Sustainability）。
把 FAIR+S 想象成在图书馆的每本书和每份食谱上贴上一个新的标签。这个新标签不仅告诉你这本书是关于什么的，它还会告诉你：
- 编写它使用了多少“燃料”（能量）。
- 在阅读或存储它时产生了多少“烟雾”（碳排放）。
- 这本书预计能维持多久才需要进行重大维修或更新。
其目标是让科学家意识到他们数字工作的环境成本，就像他们意识到纸张和油墨的成本一样。
实验：询问专家
作者们不仅仅是在空谈梦想；他们想知道真正的科学家和软件开发人员是否认为这是一个好主意。他们开展了一场焦点小组讨论，向 27 位专家（即那些深度参与研究数据管理和代码编写的人士）发送了调查问卷。
他们提出了三个问题：
- 你关心吗？（这重要吗？）
- 它有用吗？（它会帮助我们更信任这项研究吗？）
- 我们真的能做到吗？（这是否太难或太麻烦？）
他们的发现
1. 大家都认同其重要性
专家们说：“是的，这是一个好主意。”他们认为新的可持续性规则非常重要。他们意识到，就像我们需要知道一辆汽车是否安全一样，我们也需要知道一段研究软件是否是“绿色”的。
2. 它建立了信任
专家们认为，如果研究人员开始为他们的工作添加这些“能量标签”，会使研究更具公信力。这就像食品包装上显示营养成分表一样；它能帮助人们做出更好的选择。如果一位科学家说：“我知道我的代码是节能的，”这会为他们的工作增添一层可靠性。
3. “如何去做”是难点所在
虽然大家都认同这个想法很好，但他们承认目前实际操作起来非常困难。
- 工具缺口： 想象一下，你想测量汽车消耗了多少汽油，但你却没有油表。这就是科学家们现在的处境。他们缺乏简单、自动化的工具来测量代码的能量消耗。
- 时间陷阱： 科学家们已经非常忙碌了。增加一个手动计算能量使用的步骤感觉是一个巨大的负担，就像被要求在做饭之前要称量每一种食材的重量一样。
- 混乱： 目前还没有标准的方法。一个人可能用一种方式测量能量，而另一个人可能用另一种方式，这使得结果无法进行比较。
结论
论文的结论是：FAIR+S 是一个卓越且必要的想法，但它尚未成熟到可以大规模应用。
这就像发明了一种使用革命性电池的新型电动汽车。大家都同意它是未来，也认为建造它们很重要。但目前，我们还没有足够的充电站（工具），说明书很混乱（缺乏标准），而且驾驶它们需要耗费太多精力（手动报告）。
作者建议，为了实现这一目标，我们需要建立更好的“充电站”——即能够为科学家进行测量的自动化工具，以及清晰的规则，以便让每个人都知道如何汇报他们的数字。在此之前，这个想法是扎实的，但在实际应用方面仍需要大量的帮助才能成为现实。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。