Data en AI voor de wetenschap: belangrijke overwegingen

Het eerste deel introduceert de basisconcepten en bespreekt de voordelen en uitdagingen van het geschikt maken van wetenschappelijke gegevens voor AI.

Het tweede deel Onderzoekt de belangrijkste overwegingen voor data-readyness voor AI, en omgekeerd, voor AI om data te cureren. We bouwen voort op datastandaarden en bespreken AI-specifieke overwegingen zoals machineleesbaarheid en het beperken van bias. Tegelijkertijd benadrukken we ethische en milieuoverwegingen rond data-readyness voor AI in de wetenschap.

Het derde deel bespreekt data-gereedheid binnen het kader van Open Science en presenteert twee casestudies die illustreren hoe Open Science-praktijken de AI-gereedheid voor wetenschappelijk onderzoek kunnen ondersteunen.

Aanbevelingen

• Convergentie naar bestaande datakaders en -standaarden, bijvoorbeeld FAIR-R en Croissant, zouden door wetenschappers en data stewards gebruikt moeten worden.
• Data governance-structuren moeten verder gaan dan technische normen en gelijkheid, toegang tot computerbronnen en capaciteitsopbouw bevorderen.
• Investeringen in data-infrastructuur en vaardigheidsontwikkeling is een voorwaarde voor efficiënt en concurrerend gebruik van AI in de wetenschap.
• Herkenning van data stewardship carrières in de wetenschap en prikkels om deze vaardigheden te stimuleren, vormen een hoeksteen van de implementatie van bovenstaande investering.

Data en AI voor de wetenschap: belangrijke overwegingen

September 2025

DOI: 10.24948 / 2025.11

Download

Dit werk werd uitgevoerd met behulp van een subsidie ​​van het International Development Research Centre (IDRC) in Ottawa, Canada. De hierin geuite meningen weerspiegelen niet noodzakelijkerwijs die van IDRC of haar raad van bestuur.