El apoyo que potencia tu investigación desde el inicio hasta más allá de su publicación.
El servicio de Research Data Management de la Universidad de los Andes, liderado por el Data Steward, ofrece acompañamiento experto en cada etapa del ciclo de vida de los datos. Desde la planificación y recolección hasta la preservación y reutilización, te ayuda a cumplir con estándares éticos, legales y técnicos, aumentando el impacto, la reproducibilidad, la seguridad y la visibilidad de tu investigación.
- Planes de gestión de datos de investigación.
- Almacenar y compartir datos de investigación.
- Publicar y citar data sets.
- Cumplimiento normativo.
- Apoyo en análisis, limpieza y extracción de datos, a través del equipo de data scientist.
Además, ofrece capacitaciones gratuitas presencia o en línea en la gestión de datos.
Max Koelbl
Data Steward Research Data Management UANDES
Asesor en Centros de Investigación y ESE
mkoelbl@uandes.cl
Convierte la planificación de datos en una ventaja competitiva:
El Data Steward te ayuda a cumplir con los requisitos de los financiadores y anticipar desafíos antes de que surjan.
- Guía ¿Qué es un plan de gestión de datos?
- DMPTool paso a paso
- Aspectos éticos y legales
- Guía institucional: Plan de gestión de datos
- Costos y recursos para la gestión de datos
- Protocolo para la gestión de datos de investigación
- Tabla de Comparación de requisitos de recursos Fondecyt
¿Qué es un Plan de Gestión de Datos?
Un Plan de Gestión de Datos (PGD) es un documento formal que describe cómo se gestionarán los datos de investigación a lo largo del ciclo de vida de un proyecto. Esto incluye su recolección, procesamiento, almacenamiento, preservación, acceso y posible reutilización. Es un componente esencial de la ciencia abierta y de buenas prácticas científicas.
Definición según UANDES
Según la Política de Ciencia Abierta y Gestión de Datos de Investigación de la UANDES, todo nuevo proyecto de investigación debe incluir un PGD que aborde la captura, gestión, integridad, confidencialidad, almacenamiento, acceso, intercambio, reutilización y publicación de los datos.
Importancia del PGD
Beneficios clave
- Facilita la reproducibilidad y replicabilidad de los resultados científicos.
- Optimiza recursos al planificar con antelación la gestión de los datos.
- Cumple con normativas institucionales, nacionales (como la Ley 21.719) e internacionales.
- Aumenta el impacto y la visibilidad de la investigación mediante datos FAIR (Findable, Accessible, Interoperable, Reusable).
Componentes de un PGD
Según CESSDA y buenas prácticas internacionales, un PGD bien estructurado debe incluir:
- Descripción del proyecto
- Tipos de datos y formato
- Metadatos y documentación
- Normativas éticas y legales
- Almacenamiento y seguridad
- Preservación a largo plazo
- Compartición y acceso
- Asignación de responsabilidades
- Costos y recursos requeridos
- Plan de revisión y actualización del PGD
Cada sección debe responder preguntas específicas, como las que recomienda CESSDA en su guía experta.
Ciclo de vida de los datos en investigación
El PGD acompaña las distintas fases del proyecto:
- Planeación: decisiones sobre tipos de datos, formatos, permisos, etc.
- Recolección: procedimientos técnicos y éticos.
- Procesamiento y análisis: codificación, calidad de datos.
- Almacenamiento y seguridad: backups, encriptación, acceso controlado.
- Publicación y preservación: selección de repositorios, licencias.
- Reutilización: condiciones y límites para terceros.
Normativas Aplicables
En la Universidad de los Andes:
- Política de Ciencia Abierta y Gestión de Datos .
- Política de Investigación e Innovación.
- Reglamento de Propiedad Intelectual.
- Normativa sobre Conflictos de Interés.
- Política sobre Transferencia Tecnológica.
En Chile:
- Ley 21.719 sobre protección de datos personales, que regula la obtención, tratamiento, acceso y derechos de los titulares.
Apoyo Institucional
UANDES cuenta con un Servicio de Research Data Management (RDM), operado por un Data Steward, que asesora y capacita en la creación y revisión de PGD, uso de herramientas, políticas y buenas prácticas.
Recomendaciones para redactar un PGD
- Consulta con el Data Steward desde el inicio del proyecto.
- Utiliza plantillas institucionales y adapta modelos como los de CESSDA.
- Considera el tipo de datos y requerimientos de agencias financiadoras (como ANID).
- Define claramente los roles y responsabilidades en el equipo.
- Incluye el PGD como documento vivo, sujeto a revisiones durante el proyecto.
Referencias:
Política de Ciencia Abierta y Gestión de Datos de Investigación (2025).
Política de Integridad Científica (2024).
Política de Investigación (2024).
Reglamento de Propiedad Intelectual (2012).
CESSDA. (s. f.). Data Management Expert Guide. Recuperado 30 de octubre de 2024, de https://dmeg.cessda.eu/
Infografía Plan de gestión de datos de investigación
Guía paso a paso para utilizar DMPTool con la plantilla de la Universidad de los Andes
Getting Started with the DMPTool Video Tutorial
1er paso: Acceder a la plataforma DMPTool
- Abre tu navegador web e ingresa a la página oficial: https://dmptool.org
- Una vez en la página, haz clic en el botón “Sign Up” (ubicado en la esquina superior derecha, ve cuadro 1).
 |
| Cuadro 1: Página de DMPTool y registración. |
- En la próxima ventana, ingresa tu correo institucional y haz clic en “Continue”. En caso de que ya no cuentas con un correo “@uandes” o “@miuandes”, utiliza el correo personal.
 | 1d) En la ventana siguiente, ingresa tu nombre y apellido (ve cuadro 2). Si en el campo “Institution” no se muestra por defecto “Universidad de los Andes, Chile (uandes.cl)”, comienza a ingresar el nombre tal cual en el campo y elige el registro correspondiente cuando aparezca. Define una clave, acepta los términos y condiciones y haz clic en “Sign up”. |
| Cuadro 2: Crear una cuenta nueva en DMPTool. | |
- Después de crear tu cuenta, te llegará un correo de confirmación. ¡Estás listo para utilizar DMPTool! Dirígete nuevamente a https://dmptool.org, esta vez haz clic en “Login”.
- En la ventana siguiente, ingresa tu correo y haz clic en “Continue”. Después, ingresa tu clave y elige “Sign in”.
- Se te debería presentar la siguiente vista (ve cuadro 3):
 |
| Cuadro 3: Tablero de DMPTool. |
2do paso: Orientación en DMPTool y configuración
Desde acá tienes varias opciones (ve cuadro 4):
 |
| Cuadro 4: Opciones en la interfaz de DMPTool. |
- En los enlaces azules al lado derecho del logo de la UANDES, tienes la opción de dirigirte a la página del Research Data Management UANDES, la página de Biblioteca y la página principal de la Universidad. Además, aparece el enlace con el correo de contacto al Research Data Management, que puedes utilizar en caso de dudas o preguntas.
- En “Dashboard” siempre podemos volver a esta vista del tablero.
- En “Create Plan” podemos crear un plan de gestión de datos (ve paso 3).
- En “Public Plans” se encuentran diferentes planes de gestión de datos que se crearon y publicaron en la plataforma DMPTool, y en “Funder Requirements” podemos encontrar requerimientos de entidades financiadoras afiliadas con DMPTool, listos para descargar.
- En “About” podemos encontrar diferentes recursos, entre ellos material para resolver preguntas y aprender de cómo utilizar DMPTool.
- En el ícono de la persona (), encontramos la opción de modificar nuestro perfil, clave, correo electrónico asociado, etc.
3er paso: Crear un plan de gestión de datos con la plantilla de la UANDES
La plantilla de la Universidad de los Andes para el plan de gestión de datos (PGD) es adecuada para todas las necesidades de nuestra Universidad, y también cubre toda la información que requiere la Agencia Nacional de Investigación y Desarrollo (ANID) en sus programas de financiación. Para crear un PGD basada en la plantilla, sigue los siguientes pasos:
- Haz clic en “Crear Plan”.
- En la siguiente ventana, ingresa el nombre del proyecto en “What research Project are you planning”. (ve cuadro 5). En “Select the primary research organization”, selecciona la Universidad de los Andes. Deja “Select the primery funding organization” vacío y haz clic en la caja “No funder associated with this plan or my funder is not listed”, aunque tengamos un financiador cómo FONDECYT. Finalmente hacemos clic en “Create plan”.
 |
| Cuadro 5: Creación de un PGD en DMPTool con la plantilla UANDES. |
- En la próxima ventana, tenemos diferentes pestañas, en las cuales podemos complementar nuestro PGD (ve cuadro 6).
 |
| Cuadro 6: Completar el PGD en DMPTool con la plantilla institucional. |
- En “Project Details” definimos el nombre y resumen de nuestro proyecto, tal como el área de investigación, el financiador y las fechas de comienzo y cierre.
- En “Collaborators” podemos invitar a collegas o compañeros/as para trabajar con nosotros en el PGD.
- En “Write Plan” encontramos las diferentes secciones de la plantilla UANDES del PGD, que podemos rellenar para nuestro proyecto. Para cada sección tenemos una guía de apoyo en la barra lateral derecha, que nos indica cómo completar el PGD.
- En “Research Outputs” definimos resultados esperados para nuestra investigación, si aplica.
- En “Reques feedback” puedes enviar tu borrador del PGD a revisión por el Data Steward de la UANDES, que te dará retroalimentación para tu PGD y recomendaciones. Una vez lista la revisión, se te avisará por correo electrónico.
- En “Finalize” puedes publicar y/o registrar tu PGD, si necesita una ID y ser verificado por una organización externa (cómo por ejemplo, la ANID).
En “Download” puedes descargar tu PGD, una vez que lo finalizas en diferentes formatos y estilos
Aspectos éticos y legales en la planificación de la investigación
Considerar los aspectos éticos y legales en la fase de planificación de un proyecto de investigación es esencial para asegurar su integridad, legitimidad y sostenibilidad. Desde el inicio, una adecuada planificación ética permite identificar riesgos para las personas involucradas y establecer mecanismos de consentimiento informado. Esto garantiza el cumplimiento de leyes, los estándares éticos en la investigación, así como el respeto a la propiedad intelectual. La Política de Integridad Científica de la Universidad (Universidad de los Andes, 2025) enfatiza la importancia de una investigción ética y responsable, respetando la privacidad de los participantes y la confidencialidad de la información.
Diversos acuerdos internacionales subrayan la importancia de la ética y la integridad en la investigación científica. Entre ellos, destacan la Singapore Statement on Research Integrity (2010), que establece principios fundamentales como la honestidad, la responsabilidad y la equidad; y las directrices de COPE (Committee on Publication Ethics, s.f.), que orientan sobre buenas prácticas editoriales. Estos marcos promueven una cultura de responsabilidad ética en todas las etapas del ciclo de vida de la investigación y son acogidos por instituciones como la Universidad de los Andes en sus políticas institucionales.
A continuación, presentamos recursos útiles al respecto:
La Ley 21.719 regula el tratamiento y la protección de los datos personales en Chile y crea la Agencia de Protección de Datos Personales. Establece principios como licitud, finalidad, proporcionalidad, seguridad y transparencia, además de otorgar a los titulares derechos como acceso, rectificación, supresión, oposición y portabilidad de sus datos.
Este documento establece los principios, criterios y procedimientos que regulan el funcionamiento del Comité Ético Científico de la Universidad de los Andes. Define la evaluación ética como un requisito previo a la ejecución de proyectos de investigación con personas, datos sensibles o animales, garantizando el respeto a los derechos y el bienestar de los participantes.
Documento:
La Política de Integridad Científica de la Universidad de los Andes busca promover la excelencia ética y académica en la investigación, en concordancia con principios internacionales como la Declaración de Singapur, COPE y lineamientos OCDE. Define estándares éticos, responsabilidades institucionales, mecanismos de prevención y sanción ante malas prácticas, y promueve una cultura de transparencia, responsabilidad y respeto en toda la comunidad investigadora.
Documento:
Referencias:
Committee on Publication Ethics. (s. f.). Promoting integrity in research and its publication. https://publicationethics.org/
The World Conferences on Research Integrity Foundation. (2010). Singapore Statement—WCRIF – The World Conferences on Research Integrity Foundation. https://www.wcrif.org/guidance/singapore-statement
Costos y recursos para la gestión de datos
Cómo cualquier proceso durante un proyecto de investigación, la gestión de datos requiere horas dedicadas y herramientas disponibles, para lograr buenos resultados. Dependiente del tipo de proyecto, esos recursos serán distribuidos de manera diferente – sin embargo, una buena planificación siempre ayudará a cumplir en esta etapa exitosamente y prevenir improvistos. Abajo te dejamos una pequeña guía para la estimación de costos de gestión de datos en tu proyecto.
Principales categorías de costo
Costos de personal
- Investigadores y asistentes: tiempo dedicado a planificación, documentación, limpieza, anonimización y preparación para depósito.
- Data manager o consultor: Considerar asignación de personal para gestión de datos, si necesario.
- Incluir formación y coordinación (guías, talleres para el equipo, revisión de DMP).
Costos de infraestructura y herramientas
- Software, licencias y herramientas específicas (análisis, anonimización, manejo metadata).
- Equipos (p. ej. hardware especializado, almacenamiento local).
- Infraestructura externa: almacenamiento en la nube o repositorios comerciales.
Costos de documentación y archivado
- Generación de metadata, código, CSV legibles, manuales y README. Cada depósito puede requerir 1–2 h extra.
- Verificación de formatos, conversión a formatos abiertos y organización consistente.
Costos de compartir y preservar
- Preparación de datos (análisis legal, consentimientos, impacto en privacidad, anonimización): tiempo significativo.
- Subida, depósito de datos código y archivos derivados.
- Mantenimiento a largo plazo, migraciones y gestión de accesos.
Herramienta de estimación de costos (UK Dataservice)
El UK Data Service, cómo repositorio principal de datos de investigación demográfica, económica y social del “Economic and Social Research Council” (ESRC) del Reino Unido, desarrolló una guía y checklist extensa de los posibles costos en gestión de datos. Puedes acceder a esta herramienta aquí (inglés):
UK Data Service: Data management costing tool and checklist[1]
¿Cómo utilizer la herramienta de estimación de costos?
- Checklist de actividades: Seleccionar aquellas aplicables (etiquetado variables, metadata, anonimización, archivo, etc.).
- Estimación de recursos: Para cada actividad, calcular tiempo del personal y otros costes (software, hardware).
- Implementación: Registrar los costes en la DMP o solicitud de financiamiento.
- Planificación: Programar actividades para que no compitan con fases finales del proyecto.
Tabla de costos de referencial
En la tabla siguiente puedes ver los precios aproximados de algunos recursos para la gestión de datos de investigación comerciales, cómo la opción institucional si existe:
| Recurso | Costos comercial | Alternativas libres |
|---|---|---|
| Datos secundarios | Según disciplina, p.ej. Bloomberg Terminal, USD 26.000-28.000/año. ProQuest Social Science Premium Collection, USD 5.000-20.000/año. | CESSDA, UK Data Service, arXiv, Dryad, Harvard Dataverse… |
| Colección y procesamiento | Dependiente de los datos por coleccionar, p.ej.: licencia Qualtrics (encuestas en línea): USD 1.500-5.000/año. Transcripción de datos audio 4-8 hora/hora grabada, transcripciones automatizadas requieren revisión. | LimeSurvey, Google Forms, Google Earth Engine, REDCap, Arduino IDE, Voyant Tools… |
| Almacenamiento | Para grandes cantidades: USD 20-25/mes. | Pequeño o mediano: Zenodo, figshare, Harvard Dataverse, Dryad, OSF. Pequeños: OneDrive UANDES. |
| Documentación | Notebooks electrónicos USD 100-300/año/usuario, entornos virtuales (VRE’s) ~USD 500/año. | Notebooks: JupyterLab, eLabFTW, SciNote. VRE’s: OSF, Galaxy, JupyterHub / Binder. |
| Análisis | Programas cuantitativos o cualitativos: ~USD 100-1.500/año. | R/RStudio, Jamovi, PSPP, Python, QDAMiner Lite, Taguette, Voyant Tools. |
| Preservación y publicación | Repositorios de pago: ~USD 150/dataset o membresías USD 1.000-2.000/año +. | Zenodo, figshare, Dryad, OSF, Harvard Dataverse… |
[1] Copyright © 2022 University of Essex. Created by UK Data Archive, UK Data Service. Version No. 01.00.
| Requisito | Fondecyt Iniciación | Fondecyt Regular | Fondecyt Postdoctorado |
|---|---|---|---|
| Postulante | Investigador/a con grado de doctor obtenido hasta 5 años antes del cierre. | Investigador/a con trayectoria en investigación. | Doctor/a con grado obtenido desde el 1 de enero de 2021 (chilenos) o 2020 (extranjeros). |
| Nacionalidad | Chileno/a o extranjero/a con residencia en Chile. | Chileno/a o extranjero/a con residencia en Chile. | Chileno/a o extranjero/a con residencia en Chile. |
| Institución patrocinante | Requiere patrocinio institucional. | Requiere patrocinio institucional. | Requiere patrocinio institucional. |
| Dedicación al proyecto | Exclusiva (sin actividades incompatibles). | Mínimo 6 meses por año. | Dedicación exclusiva durante todo el periodo. |
| Duración del proyecto | 2 a 3 años. | 2 a 4 años. | 2 o 3 años. |
| Financiamiento | Hasta $30.000.000 CLP anuales. | Hasta $57.000.000 CLP anuales. | Hasta $27.000.000 CLP anuales. |
| Co-investigadores/as | No permite | Permite co-investigadores/as. | No permite |
| Carta de patrocinio | Requerida. | Requerida. | Requerida. |
| Certificaciones éticas u otras | Si aplica (seres humanos, animales, datos sensibles, etc.). | Si aplica (seres humanos, animales, datos sensibles, etc.). | Si aplica (seres humanos, animales, datos sensibles, etc.). |
| Restricción por adjudicación previa | No haber sido beneficiario/a de otro Fondecyt. | No especificada. | No haber sido beneficiario/a del mismo fondo. |
Crear rutinas simples, seguras y eficientes:
Te apoyamos en prácticas de recolección que aseguran la calidad de datos primarios y secundarios.
- Guía de Consentimiento Informado
- Formatos de Archivos Recomendados
- Guion Nombramiento y Organización
- Infografía de colección de datos
Guía de Consentimiento
Para redactar un consentimiento informado de calidad en la investigación de la Universidad de los Andes, es necesario considerar principios éticos, legales y normativos institucionales que aseguren el respeto por los derechos de los participantes, en coherencia con el siguiente marco legislativo y normativo:
- Ley N°. 19.628, sobre la Protección a la Vida Privada.
- Ley N°. 20.120 sobre la Investigación Científica en el Ser Humano, su Genoma y Prohíbe la Clonación y su Reglamento, contenido en el D.S. N°. 114 de 2011; el D.S. N°. 30 de 2013, que modifica el anterior; la Resolución Exenta N° 403 de 2013.
- Ley N°. 20.584, regula los Derechos y Deberes que tienen las personas en relación con acciones vinculadas a su atención en Salud, sus Reglamentos y demás normas pertinentes.
- Ley 21.719 de Protección de Datos Personales.
- Norma Técnica 57 MINSAL. Regulación de la ejecución de ensayos clínicos que utilizan productos farmacéuticos en seres humanos.
- La Normativa del Comité Ético Científico UANDES.
- Política de Integridad Científica UANDES.
- Reglamento de Conflictos de Interés. UANDES.
- Reglamento de Propiedad Intelectual UANDES.
Principios fundamentales
Consentimiento siempre debe ser dado voluntariamente a través de una acción explícita, específico para cada procesamiento del proyecto de investigación e informado de forma adecuada para el/la participante. El consentimiento informado debe redactarse de forma clara sin ambigüedades, y se sostiene sobre los siguientes valores éticos clave:
- Autonomía: garantizar que el participante tome decisiones libres e informadas.
- Beneficencia: procurar el bienestar del participante, maximizando beneficios.
- No maleficencia: minimizar y evitar riesgos.
- Justicia: garantizar equidad en la selección de los participantes.
- Confidencialidad: proteger la privacidad de los datos recopilados.
Contenidos esenciales en un consentimiento informado
Un consentimiento informado debe estructurarse en diversas secciones que proporcionen al participante toda la información necesaria para decidir conscientemente.
- Título del estudio y datos del/de la investigador/a principal: nombre del proyecto, responsable, afiliación institucional, contacto.
- Introducción clara: explicar el propósito del estudio con lenguaje accesible, sin tecnicismos que dificulten la comprensión.
- Objetivos de la investigación: qué se busca conocer, descubrir o desarrollar.
- Procedimientos específicos: detallar en qué consistirá la participación: métodos, duración, frecuencia, herramientas utilizadas (entrevistas, encuestas, muestras biológicas, grabaciones, etc.).
- Posibles riesgos o molestias: explicar con transparencia cualquier riesgo físico, psicológico, social o de confidencialidad.
- Beneficios potenciales: indicar si hay beneficios directos para el/la participante o solo un aporte al conocimiento.
- Voluntariedad y retiro: enfatizar que la participación es voluntaria y que el/la participante puede retirarse en cualquier momento, sin consecuencias negativas.
- Confidencialidad y manejo de datos personales: Detallar los mecanismos que se utilizarán para proteger la privacidad, incluyendo si se aplicarán procesos de anonimización o seudonimización.
- Protección legal y normativa: mencionar que el tratamiento de datos se ajusta a las normativas correspondientes vigentes.
- Compensaciones: si existen retribuciones económicas, compensaciones u otro tipo de incentivo.
- Conflictos de interés: declaración de potenciales conflictos que podrían afectar la investigación.
- Derechos del/de la participante: acceso, rectificación, oposición, portabilidad y eliminación de los datos, conforme a la normativa chilena vigente.
- Contacto para dudas o reclamos.
Consideraciones adicionales en el proceso de consentimiento
Para garantizar un proceso ético y transparente, el consentimiento informado debe redactarse en un lenguaje comprensible, adaptado al perfil de la población a la que se dirige, considerando variables como la edad, el nivel educativo y las capacidades cognitivas de los participantes.
Idealmente, la información debe entregarse tanto en formato escrito como de forma oral, para facilitar la comprensión y resolución de dudas.
Relación con la Política de Ciencia Abierta UANDES
El consentimiento informado debe incluir explícitamente la posibilidad de que los datos anonimizados puedan ser compartidos en repositorios científicos. Es importante que el participante comprenda y acepte este posible destino de sus datos. Además, se deben establecer las salvaguardas necesarias para evitar que el participante pueda ser identificado en dichos repositorios o en publicaciones derivadas de la investigación.
Validación ética
Todo consentimiento informado debe ser revisado y aprobado por el Comité de Ética de la Universidad, quien verificará la protección de derechos y la adecuación ética y normativa.
Contacto de apoyo
Comité Ético Científico UANDES: …
Referencias:
CEC UANDES. (s. f.). Comité Ético Científico—Universidad de los Andes. Recuperado 15 de julio de 2025, de https://www.uandes.cl/investigacion-e-innovacion/investigacion-y-doctorado/comite-etico-cientifico/
Decreto 57 Exento Declara Norma Oficial De La Republica De Chile, 57 EXENTO (1998). https://www.bcn.cl/leychile/navegar?idNorma=1056034
Dirección de Innovación Universidad de los Andes, Chile. (2024). Reglamento de Propiedad Intelectual.
Ley 19628 Sobre Proteccion De La Vida Privada, 19.628 (1999). https://www.bcn.cl/leychile/navegar?idNorma=141599
Ley 20120 Sobre La Investigacion Cientifica En El Ser Humano, Su Genoma, Y Prohibe La Clonacion Humana, 20.120 (2011). https://www.bcn.cl/leychile/navegar?idNorma=249542
Ley 20584 Regula Los Derechos Y Deberes Que Tienen Las Personas En Relación Con Acciones Vinculadas A Su Atención En Salud, 20.584 (2012). https://www.bcn.cl/leychile/navegar?idNorma=1039348
Ley 21719 Regula La Protección Y El Tratamiento De Los Datos Personales Y Crea La Agencia De Protección De Datos Personales, 21.719 (2024). https://www.bcn.cl/leychile/navegar?idNorma=1215763
Universidad de los Andes, Chile. (2015). Normativa Sobre Conflictos De Interés Y De Compromiso En Relación A La Investigacion Cientifica.
Universidad de los Andes, Chile. (2023). Política de Integridad Científica. https://www.uandes.cl/estudiantes/informacion-academica/codigo-de-honor/
Vicerrectoría de Investigación y Postgrado Universidad de los Andes, Chile. (2016). Normativa del Comité Ético Científico.
Tabla de Formatos Recomendados por Tipo de Archivo
| Tipo de archivo / dato | Formato recomendado | Formato aceptado, no preferido | Motivo FAIR / reproducibilidad |
|---|---|---|---|
| Datos tabulares (cuantitativos) | .csv, .tsv, .sav, .dta, .por | .xlsx, .xls | .csv es abierto y legible por máquina; Excel puede alterar datos al abrirlos. |
| Datos cualitativos (texto) | .txt, .rtf, .xml, .odt | .docx, .pdf | .txt y .xml permiten análisis; .pdf es menos reutilizable. |
| Imágenes | .tif, .png, .jpg | .gif, .bmp | .tif es sin compresión; .png sin pérdida; .jpg útil si es alta resolución. |
| Audio | .wav, .flac | .mp3 | Formatos sin pérdida, preservan calidad original. |
| Video | .mp4, .mov, .avi | .wmv | .mp4 es accesible y comprimido sin pérdida perceptible. |
| Datos geoespaciales (GIS) | .shp, .geojson, .kml, .gml | .kmz | Formatos abiertos garantizan interoperabilidad. |
| Bases de datos estructuradas | .xml, .json, .sql, .sqlite | .accdb, .mdb | .xml y .json son estándares de intercambio. |
| Datos en series temporales | .csv, .tsv, .json | .xls, .xlsx | Facilitan análisis reproducible con scripts. |
| Transcripciones / entrevistas | .txt, .xml, .odt | .docx | .txt asegura preservación; .xml permite etiquetado semántico. |
| Software / código fuente | .py, .r, .jl, .ipynb, .cpp, .java | .exe | Permiten auditoría y replicación; ideal con control de versiones. |
| Documentación / metadatos | .xml, .json, .rdf, .txt | .docx, .pdf | Metadatos estructurados aseguran interoperabilidad y reutilización. |
| Presentaciones | .pdf, .odp | .pptx | .pdf asegura estabilidad y preservación del formato. |
| Encuestas (cuestionarios) | .pdf, .xml, .xls | .docx | .pdf para distribución; .xml para interoperabilidad. |
| Modelos matemáticos / computacionales | .m, .r, .py, .nb, .xml, .json | .xls | Permiten replicación y acceso a la lógica del modelo. |
| Datos genómicos / biomédicos | .fasta, .fastq, .vcf, .sam, .bam | — | Estándares definidos por comunidades científicas específicas. |
Guion para nombramiento y organización de archivos y carpetas
¿Por qué es importante un buen nombramiento?
Un sistema claro y consistente de nombres facilita el almacenamiento y la recuperación de archivos.
Además, queremos que los archivos sean fácilmente leíbles y entendibles para otros, tal como para nosotros mismos después de mucho tiempo. Por eso es crucial seguir algunas reglas cuando nombramos nuestras carpetas y archivos antes de la publicación o el archivo en un repositorio.
Características clave para buenos nombres
En términos generales, si tenemos más que un archivo, entonces todas las carpetas/archivos deben seguir un mismo formato de nombramiento. Cada nombre debe indicar el contenido del archivo, sin que tenemos que abrirlo.
Espacios y símbolos especiales (como %, &, /, ?, á, ñ, etc.) se deben evitar en los nombres de archivos porque pueden causar errores al abrirlos en ciertos sistemas operativos, dificultar su lectura por programas automatizados y generar problemas al subirlos a plataformas digitales o repositorios en línea.
Se recomienda, usar códigos o fechas para mantener el orden lógico entre los archivos/carpetas. Finalmente, deberían tener no más de 50-60 caracteres.
(Harvard Medical School, s. f.)
No incluyas datos personales o identificadores en el nombre del archivo.
Estructura sugerida para nombres:
[NombreProyecto]_[TipoDato]_[Ubicación/Instrumento]_[Fecha]_[Versión].[extensión]
Ejemplos para buenos nombres:
coactivos_survey_rioblanco_2023-10-01_v1.csv
neurobio_entrevistas_fase1_2024-03-15_v2.docx
tesis_sociologia_datos-limpios_2025-01_v3.xlsx
Organización de carpetas
Organizar las carpetas de manera lógica y consistente permite localizar y compartir archivos fácilmente, acelera la colaboración entre el equipo y conserva la claridad de tu trabajo incluso en el futuro.
Ejemplo de una buena estructura de carpetas:
documentacion
- consentimiento_informado.pdf
- protocolo_metodologico_v1.docx
datos_crudos
- encuesta_muestra-completa_2024.csv
datos_limpios
- encuesta_filtrada_2024.csv
resultados
- tablas_estadisticas_v2.xlsx
scripts
- analisis_regresion_v1.R
Referencias y enlaces de interés
E-Learning@VIB. (s. f.). Benefits of Good File Management. Recuperado 2 de septiembre de 2025, de https://elearning.vib.be/courses/writing-a-data-management-plan/lessons/organizing/topic/benefits-of-good-file-management/?utm_source=chatgpt.com
Harvard Medical School. (s. f.). File Naming Conventions | Data Management. Recuperado 2 de septiembre de 2025, de https://datamanagement.hms.harvard.edu/plan-design/file-naming-conventions
Imperial College London. (s. f.). Naming files and folders | Research. Recuperado 2 de septiembre de 2025, de https://www.imperial.ac.uk/research-and-innovation/support-for-staff/scholarly-communication/research-data-management/organising-and-describing-data/naming-files-and-folders/?utm_source=chatgpt.com
Servizo de Biblioteca Universitaria, Universidad da Coruña. (s. f.). Nomenclatura de ficheros. Recuperado 2 de septiembre de 2025, de https://www.udc.es/export/sites/udc/biblioteca.fic/_galeria_down/Recomendaciones_nombrar_ficheros_datos_investigacion_Castellano.pdf_2063069294.pdf?utm_source=chatgpt.com
timhjrogers & Adapt Consulting Company. (s. f.). The Benefits of Folder and File Naming Structures for Collaborative Project Work – Adapt Consulting Company. Recuperado 2 de septiembre de 2025, de https://www.adaptconsultingcompany.com/2025/02/13/the-benefits-of-folder-and-file-naming-structures-for-collaborative-project-work/?utm_source=chatgpt.com
Infografía Colección segura de DATOS de INVESTIGACIÓN
Mejora la calidad de tu análisis desde la base:
Recibe guía en codificación, documentación y formatos óptimos para facilitar el procesamiento futuro.
Tu análisis con respaldo experto:
Te conectamos con servicios de ciencia de datos para análisis estadísticos, visualización y limpieza avanzada
Haz que tu investigación perdure:
El Data Steward te guía en depositar tus datos en repositorios seguros, con respaldo institucional garantizado.
Multiplica el impacto de tus datos:
Comparte tus resultados de forma abierta y ética, con apoyo para anonimización y elección de licencias.
Tus datos, una inversión que sigue rindiendo:
Al facilitar la reutilización, aumentas citaciones y contribuyes a la ciencia colaborativa.
