** Este artigo foi escrito por Tim Hill, Padrões de Dados e Líder Técnico do Open Data Institute **

Nas últimas duas décadas, houve uma explosão no número de movimentos pedindo 'abertura': publicação de acesso aberto; software de código aberto; dados abertos; ciência aberta. E muitas vezes estes estão entrelaçados com poderosas reivindicações morais sobre, por ex. acesso público a pesquisas com financiamento público.

Para funcionários públicos, no entanto - especialmente aqueles que trabalham em grandes projetos digitais - [abertura](https://apolitical.co/en/solution_article/why-open-source-will-be-crucial-for-covid-19-response- e recuperação) pode ser não apenas um ideal ético, mas também uma necessidade operacional. Embora cada uma das diferentes iniciativas listadas acima tenha seu próprio foco individual, uma coisa que elas têm em comum é a preocupação em salvaguardar a transparência em domínios complexos.

Abordagens abertas, portanto, tornam-se importantes para os servidores públicos porque, onde as ferramentas algorítmicas se tornam suficientemente avançadas - como no caso dos modelos de simulação - a transparência é frequentemente a única forma de garantir a responsabilização. Sem ela, algoritmos e pesquisas avançadas podem se tornar simples caixas pretas: inescrutáveis e, portanto, na esfera pública, inutilizáveis.

No mínimo, onde a pesquisa e os projetos digitais não estão abertos desde o início, o tempo gasto para abri-los para partes externas pode causar sérios atrasos e despesas gerais mais tarde. O caso recente da modelagem Covid-19 do MRC referido na primeira parte é um excelente exemplo, assim como a controvérsia sobre [modelos climáticos GISTEMP](https : //ieeexplore.ieee.org/document/5999649/).

** Deve-se notar que a abertura sempre impõe pelo menos algumas despesas gerais **

Onde for possível, então, a abertura precisa ser "embutida" o mais cedo possível. Em um mundo ideal, todos os resultados de pesquisa em que um projeto depende devem ser irrestritos (acesso aberto); os dados que suportam esses resultados devem estar disponíveis gratuitamente (dados abertos), assim como os processos seguidos para obtê-los (ciência aberta); e qualquer software usado para coleta e / ou processamento de dados é publicamente visível, testável e modificável (código aberto).

O espectro de 'aberto'

Claro, esse ideal nem sempre é praticável. Alguns domínios - defesa, inteligência - são necessariamente "fechados" por padrão. Mais frequentemente, alguns aspectos de um projeto precisam de acesso restrito, enquanto outros podem ser abertos. Qualquer projeto envolvendo dados pessoais deverá envolver uma reflexão cuidadosa sobre questões como como anonimização e direitos de privacidade ao determinar o grau de abertura apropriado para seu trabalho. Normalmente, a abertura não é uma decisão ou / ou que pode ser aplicada em todos os níveis. O Open Data Institute desenvolveu um Data Spectrum para ajudar as organizações a trabalhar por meio de compartilhamento de dados, licença aberta e outras questões sobre seu caminho em direção a uma maior transparência.

Além disso, deve-se notar que a abertura sempre impõe pelo menos algumas despesas gerais. Onde o trabalho ainda está em um estágio preliminar - análise exploratória de dados ou iteração experimental rápida, digamos - faz sentido adiar a abertura até que o esforço esteja um pouco mais maduro e possa servir como base para atividades futuras.

Abrindo seu projeto

Supondo, no entanto, que você tenha tomado a decisão de usar abordagens abertas em seu projeto, o que vem a seguir?

Primeiro, se você estiver usando código ou pesquisa desenvolvida originalmente em um ambiente acadêmico, há uma boa chance de que já esteja aberto. Os conselhos de pesquisa têm feito cada vez mais a abertura um critério nas decisões de financiamento nos últimos anos. Trabalhando com a universidade ou laboratório por trás da pesquisa, você deve ser capaz de ter uma boa ideia de como o trabalho deles é aberto - e de quaisquer razões pelas quais eles podem não ser tão abertos quanto você espera.

Em segundo lugar, tente se perguntar algumas perguntas básicas sobre o seu projeto e o trabalho que você está realizando:

  • Qual a porcentagem de resultados de pesquisas publicadas que estão disponíveis gratuitamente e quais estão atrás de um acesso pago?

  • Quão fácil é encontrar e usar os dados nos quais esta pesquisa se baseia? Está disponível em repositório institucional, como serviço pago, ou está simplesmente em poder dos pesquisadores?

  • Quão fácil seria para outra equipe de pesquisadores replicar os resultados da pesquisa, tendo apenas informações disponíveis publicamente?

  • Algum código usado está disponível em um repositório público em uma plataforma de código aberto, como Bitbucket ou GitHub? Se não, porque não?

Fazer essas perguntas desde o início pode ajudá-lo a evitar surpresas desagradáveis mais tarde e a construir confiança nos sistemas cada vez mais complexos que estamos usando para resolver nossos problemas mais urgentes hoje, de Covid-19 às mudanças climáticas. - Tim Hill

** Queremos saber sua opinião sobre este artigo. Proponha um artigo para nós ou envie seus comentários para [hello@apolitical.co](mailto: hello@apolitical.co) **

_ (Crédito da foto: UnSplash) _

Certifique-se de partilhar as suas próprias ideias com o autor ao deixar um comentário abaixo