 di oggi è Data Stewardship and Research Data Management per i requisiti fondamentali per la scienza aperta. Il webinar sarà tenuto oggi da la dottoressa Shalini Kurapati che è stata Data Stewards all'Università TU Delfed, come sapete per chi ancora non ci conosce la prima volta che si collega faccio un breveri assunto che sono le iniziative che sanno dietro a questa serie di webinar. RDA, la Research Data Alliance, è un'organizzazione in cui i membri si incontrano e discutono con lo scopo di facilitare la condivisione e il riuso dei dati, soprattutto sono dati della ricerca. I membri di RDA che ad oggi sono più di 8.000 suddivisi in 180 paesi del mondo sono i membri appunto si incontrano e lavorano in gruppi di lavoro che sono spontanei e volontari e hanno lo scopo di risolvere problemi specifici relativi alla condivisione e al riuso dei dati. Il CNR, l'Istituto di Scienze e Tecnologie dell'Informazione di PISA, rappresenta il nodo italiano di RDA, questo nodo comprende anche la rete IOSG, l'Italiano Open Science Support Group e abbiamo circa 400 membri nazionali. Attraverso il nodo italiano potete capire di più di quello che succede a livello globale nella Research Data Alliance e partecipare anche ad attività nazionali come questi webinar. Vi invito se volete ad iscrivervi, se non l'avete ancora fatto, ad iscrivervi ad RDA e l'iscrizione è gratuita e potete poi iscrivervi al gruppo italiano attraverso il link che trovate in questa slide per avere tutte le informazioni ed essere aggiornati sulle nostre attività. Open Air invece è la grande infrastruttura per monitorare la verifica delle politiche su l'Openscience, che sono proprio della Commissione europea e è stata istituita nel 2009. Open Air ad oggi non serve solo la Commissione europea ma serve altri 16, 17 enti finanziatori in Europa e nel mondo. Inoltre, offre supporto all'Openscience a 360 gradi attraverso una rete di National Open Access Desk in OAD e in Italia il OAD è rappresentato dal LISTI, sempre istituto del CNR e dall'Università di Torino con la dottoressa Elena Agiglia. Lascio quindi ora la parola alla relatrice di oggi. Cialini, una breve pausa tecnica per la condivisione dello schermo. Cialini oggi farà per la prima volta, credo, la lezione in italiano. L'italiano chiaramente non è la sua lingua madre ma è stata veramente molto brava a preparare le slide e a organizzare il discorso. Buongiorno a tutti, vi senti? Sì, vi sentiamo. Ok, anche il slide è ok? Sì, Cialini, vediamo tutto. Ok, perfetto. Allora iniziamo. E buongiorno a tutti, grazie per aver scelto di partecipare questo webinar. Mi chiamo Cialini Curapati, ho fatto il mio studio e la mia ricerca, TUDELST. Durante la mia carriera di ricerca ho dovuto lavorare con diversi tipi di dati e qualitativi, quanti dativi, dati da simulazione, eccetera eccetera e ho sentito i problemi di RDM come prima persona, in prima persona e questo è quando ho sviluppato un interesso su l'importanza di research data management o RDM o anche la scienza aperta. Fino poco tempo fa, come ha detto M, ho lavorato come Data Stewart da DELFT, mi sono appena transferito in Italia e questo è il mio primo webinar in italiano quindi vi prego di escusarmi se io faccio errori grammaticali o pronuncie eccetera eccetera. Quindi il programma di oggi, provo di fare full screen e non funziona. Ok, va bene. Il programma di oggi, oggi parlerò perché RDM come il titolo e RDM e la Data Stewart ship sono così importanti per la scienza aperta e anche vorrei condividere miei esperienze come Data Stewart a TUDELFT, non è che questo è l'esperienza perfetto, però è uno dei primi che hanno pensato di dare supporto per ricercatori in questo modo di mondo di RDM e la scienza aperta e vorrei concludere con un po' di osservazioni personalmente anche. Quindi un attimo che vedo qualche domanda. Ok, va bene sì, niente. Ok, cominciamo con il motivo per cui RDM o Research Data Management e Data Stewart ship sono così importanti per la scienza aperta. Venendo da una università tecnica io non sono una grande fan di termine scienza aperta, io preferisco più scienza trasparente, scienza robusta, ma questo è completamente un'altra discussione quindi cominciamo lo stesso con il termine scienza aperta. Non devo ripitare per tutti voi che la natura competitiva del mondo accademico e la pressione a pubblicare su rivisto con alto impact factor, non lo so come dire in italiano o dico impact factor, è così alta che c'è un termine adesso dice publish or perish se tu non pubblichi i tuoi risultati in una rivista con alto impact factor, tuo carriere in accademia non avanza. Perché questo giudicare in base di anumeri come impact factor è più sintetico, è più facile e anziché guardare come la ricerca è stata condotta in modo listico quindi è più facile per il management. Però questa cultura di publish or perish o pubblicare o perire è causato alcune conseguenze preoccupante. Magari potresti già conoscere questa grafica. La famosa rivista Necia ha condotto un sondaggio tra più di 1500 ricercatori chiedendo loro se pensano se qualche crisi di riproducibilità in scienza. Se siete guardando questo grafico voi potete vedere che più della metà di loro dicono che c'era una crisi significativa e altre 38% dicono che c'è qualche crisi quindi qualche crisi indice che così più di 90% pensano che sia in qualche forma di crisi in risultati scientifici. Questo è una grafica grave come siamo finiti con questo? Lo stesso sondaggio ha anche analizzato i ragioni o i motivi per questi crisi e hanno notato che ci sono quattro fattori importanti che contribuiscono alla questa crisi di ricerca, il riproducibile. Per esempio riportare i risultati della ricerca in modo selettivo e vuol dire che riportare solo i risultati positivi e sopprimendo i risultati negativi. Anche come abbiamo parlato e anche collegato è la pressione può pubblicare ma adesso riviste con altro in fact e magari vogliono solo i risultati così positivi così importanti non vogliono sapere i risultati negativi. Un'altra cosa più diciamo più di cultura più di institutioni è la qualità di supervisione e tuturaggio per i ricercatori questo è una cosa più complesso. Una cosa molto più importante è che i dati di supporto e il metodo di ricerca e i codici che hanno usato per questi risultati adesso in questo ambiente non sono disponibili. Quindi questo tipo di rivelazione ha spinto enti finanziatori come EC 2020 europeo o come NW enti finanziatori holandesi di mettere loro adesso stanno chiedendo a mettere questi dati di supporto metodi disponibili per la ferrifica in modo fer. Adesso espingo cosa è questo fer e anche per realizzare fer avere un piano di research data management si chiama research data management plan. Io parlerò di questo research data management plan in un altro webinar a 16 maggio però adesso scopriamo cosa è questo fer. Fer è sono principi si chiama findable accessible interoperable e reusable. Sono principi quindi anche c'è un diversi interpretazioni però adesso parliamo di una cosa più generali. Findable cosa è findable? Findable e i dati possono essere trovati quando lo cerchi ma come cerchi normalmente su computer su google su database quindi sempre elettronicamente e findable intende che i dati hanno metadati metadati sono dati su dati potrebbe essere semplicissimo come nome di atore titolo e data di pubblicazione campo di ricerca al nome di università e potrebbe essere così semplice ma ci sono alcuni standard ma non parliamo oggi questi metadate sono necessari perché vostri dati siano trovati e attraverso una ricerca con con computer o con internet con una database quindi un computer devo sapere come posso trovare tua dati. E il secondo principio è accessible. Accessible è che i dati deve essere accessibili qualcuno potrebbe dire che c'è lo in mio sito web può inviarmi un email se ha bisogno di mia dati solo che i siti web potrebbe avere non mantenuti e le persone potrebbero cambiare in direzione email e in campo di università è facile cambiare posti vuoli quindi in questo così che non è davvero accessibile in sito web su email o io metto il mio hard drive ti chiedo se tu ha bisogno. I dati devono avere una identificatore persistente in inglese dice persistent identifier come una doi o c'è altri anche ma doi e digital object identifier è molto più famoso se avete interesse in sapere più di digital object identifier fate una breve google search è un concetto abbastanza importante quindi con questo digital object identifier o qualsiasi persistent identifier i dati o i metadati correlato e dati può sempre essere recuperato usando questo identificatore come doi il terzo principio è interoperability findable accessible abbiamo parlato adesso interoperable interoperable e i dati deve essere interoperabili con altri programmi e altri sistemi operativi se avete un tipo di data molto specializzato un tipo di format e funziona solo in sua macchina e non è interoperabile. I dati di solito devono essere integrati con altri dati inoltre i dati devono interagire con altri applicazioni altri flussi di lavoro per data analysis per storage per altri processi visualizzazione eccetera eccetera solo che anche i definizioni di fer data è un po' abbastanza complesso anche per chi lavora in quest'ambiente quindi per i ricercatori non è per niente è facile e i valori di scusa non ho finito parlare di reusable scusa mi scusami dopo interoperable reusable è il valore di principale di fer e sono altri sono quando i dati e possono riutilizzata quindi per poter riutilizzare i dati è molto necessario e creare la documentazione su come usarle questi dati e inoltre tu devi anche dare i termini di utilizzo e le licenze collegato in modo che la persona che lo riutilizza conosce il termine condizione a fare il utilizzo anche si può capire di più come riutilizzare queste dati quindi come ho detto prima questo principale fer sono così importanti e basano fortemente sull'isagerda management durante la inter ricerca ma e sono molto difficili per un ricercatore nel loro attività quotidiane tra i milioni di cose di che fanno in ricerca e scrivere e proposte per i fondi fare corsi fare editor in un editorial e non lo so quanti milioni di cose che fanno i ricercatori non possiamo aspettare che conoscono tutti i temi di metadati standard e le licenze standard di denominazione per come denominare il file o folder e this is the object identifier la differenza tra gestazione o data management attiva e o archivazione e tutti questi concetti e non sono e non non è una cosa facile per ricercatori soprattutto soprattutto per aspettarsi improvvisamente che i ricercatori a cui è stato finora e unico modo per andare avanti in modo accademia è stato l'impact factor in rivista importante per chiedere fate tutti vostre data fare e andate avanti con la scienza aperta questo non è una non è impossibile in questo infatti quando e avranno fatto un indagine tra i ricercatori in psicologia e questo sondaggio scusa e ha mostrato che i principali ostacoli tra ricercatori per condividere dati in modo fare o anche non fare e non erano legati a questioni tecnici no no non perché non ho trovato un ripositorio buono o il mio data è così complesso non lo so come funziona ma e più di un questione di cultura in senso che non lo so è qualcuno ruberà mia dati e cosa succede se troveranno gli errori magari il mio mio ricerca è in valido o mia dati sono abbastanza buoni per rutilizzarlo c'è c'è tutte queste problemi di cultura perché fino adesso non è una cosa normale condividere una data invece altri altri sondaggi simili simili in altri campi in cienze naturali sociali umani altre discipline anche anche hanno mostrato reazioni simili in senso che la problema anche e più di cultura di conoscenza anzi che la cosa più tecnologica e per quello è molto più importante e e avere un un sistema di sopporto per ricercatori per per navigare in questi nuovo mondo di scienza aperta e e e open science quindi dato che sono stato un data steward che supportava i ricercatori in materia di adm vorrei condividere mia esperienza con voi ma io parlo di mia esperienza data ma io anche è conciuto in contrato mia colleghi in altre università in Europa in in modo con titoli simili ci sono altre titoli come research data consultant research data office recentemente research reproducibility librarian quindi il titolo magari cambia ma il ruolo è normalmente è così e chi è un data steward normalmente è primo punto di contatto per tutte le domande le attivi a data se un ricercatore pensa che c'è qualcosa su un domanda su tua data in senso di in tutto il cipro di ricerca e loro possono chiedere il consiglio di un data steward e quindi normalmente data steward hanno esperienza in ricerca in in modo così capiscono le esigenze dei ricercatori e consigliano loro invece che solo imporre regole non è che non non comporta come i poliziotti che tu devi fare questo quello ma e dimmi cosa vuoi io posso aiutare e il data steward più efficienti se sono specifico per una disciplina perché il concetto di data è molto diverso tra un architetto un psicologo un ingegnere elettrico o un matematico filosofo se tu chiedi un un filosofo cosa è dato tu tu magari tu arriva un confusione e anche quindi sapere come cosa intende in una disciplina è molto importante e il secondo è che il data generalist in senso che noi possiamo risolvere maggiore in sacco di problemi ma se c'è un problema specifica sappiamo anche a chi abbiamo contattato quindi questo questo slide di questo è un esempio di teodels che le diverse attività che abbiamo fatto a diversi consigli e consigli e posso essere di come posso depositare come archivazione come posso aumentare mio citazione nell'impatto di mia ricerca o mia dati e anche quanto costano e perché anche pensare i costi di diposito costi di manutenzione è importante per calcolare per quando scrivi i proposti di finanziamento anche adesso diverse riviste stanno anche chiedendo i dati per essere disponibili e quindi questo conformità anche consigliamo e anche naturalmente come posso scrivere un data management plan come l'ho detto alle 16 maggio io faccio farò un'altra webinar su come gestire una data management plan e anche abbiamo molto siamo stati molto attivi in senso di training perché essendo vicino a ricercatori qual è tipo di training parlo e più bisogno e collegato a rdm open science anche consigliamo di strumenti per fare sua ricerca più efficienti che possibile con tutte in questo campo per esempio come si dice siamo in un buon contatti con ricercatori comprendiamo le esigenze formativi legati a rdm management abbiamo anche fatte tante training con rdm generali e una cosa base generali però con base di feedback abbiamo anche potuto organizzare corsi su argomenti come data management su dati qualitativi questa cosa è stata interessante perché io lavoravo in un universitario tecnico quindi questo è in facoltà come industrial design architettura e industria gestionale quali dati qualitativi sono stati importanti che non sapevamo e anche anche non sapevamo che tante ricercatori hanno chiesto e un training su software cop capedri dove hanno imparato i basic di linguaggio python automazioni con unique shell version control con git per esempio e anche potremo identificare anche i ricercatori che lavorano con temi dati complessi per esempio abbiamo ricercatore che lavora con machine learning usando i dati dalla social media questo rappresenta una cosa più complesso in senso non solo etiche ma anche legali ma anche come possiamo raccogliere senza problemi eccetera eccetera e quindi noi possiamo anche invitare lui da ricercatori per condividere sull'esperienza quindi altri anche possono utilizzare questa esperienza noi abbiamo dato tanta importanza a avere contatto con ricercatori per coinvolgere perché stavamo facendo tutto per loro ma se loro non coninvolge e non vale la pena quindi abbiamo fatto una programma e abbiamo appreso l'inspirazione da università di crane bridge di questo programma di data champions abbiamo identificato qualche ricercatore in ogni faccultà di università e chi sono già chi abbiamo sentito che hanno interesse in spazio aperta stanno già praticando research data management in sua sua attività quotidiani abbiamo chiesto a loro ad essere nostro data champion e abbiamo creato questa comunità quindi abbiamo incontri 3-4 volte all'anno quindi loro e nostro diciamo ambassatori o avvocati come a due kids non lo so come dire e in la faccultà così e noi possiamo anche sempre avere questo contratto stretto con con contatto molto bello con nostro ricercatori tramite nostro data champions anche per loro e forti e noi sempre il nostro sito web pubblichiamo loro l'attività anche abbiamo un minimi fondi per se loro viaggono per un conferenza collegato a dm scienza aperta eccetera allora hanno alcuni anche incentivi per essere data champion e quindi questo è nostro con il ricercatori è più un'altra cosa che abbiamo fatto che nostra abbiamo lavorato con il management per sviluppare un politica per a dm scienza aperta e c'è già un politica in livello universitario ma è importante anche avere una politica specifica per la disciplina perché magari se c'è un politica che dice che tu devi depositare tutte e tu adati magari questo non è così facile per chi fa astronomia o un filosofo quindi dobbiamo anche chiarificare questi concetti quindi questo progetto è ancora in corso per la disciplina però tu dels ha già un politica universitario per esempio tutti i studenti dottoratti deve avere un corso di formazione di adm open science anche piccole cose come come organizzare tua folder in tuo computer inzia così e più anche c'è wash and control c'è automatic backup c'è dove come posso anche i motivi incentivi perché io devo fare questo è spiegato tutto questo politica e più noi vediamo il nostro ruolo come perché non possiamo risolvere tutti i problemi e siamo una facciamo una piccolo ruolo ma un ruolo importante in una grande granaggio in senso che noi facciamo un ponte tra i biblioteca e comunità di ricerca e anche con altri servizi come i legali finanziari e soprattutto i ct perché specialmente adesso tutte le ricerca senza ct non si può fare quindi lavoriamo tutti insieme e condividiamo nostra nostra conoscenza e il motivo che il ricercatore deve essere aiutato questo è tutti noi speriamo di questo anche nostra role è sempre dinamico non è che posso descrivere cosa è sempre cambia perché ricerca cambia i bisogno di ricercatori cambiano quindi anche noi dobbiamo aggiornare sempre cosa stanno succedendo cos'è i nuovi strumenti cosa più efficienti meno anoyosi eccetera eccetera quindi noi vediamo questo come una in inglese dice un linking pin on spider in the web eccetera eccetera quindi questo è il nostro ruolo e finalmente adesso oggi io posso parlare tutta la giornata su questo ma vedendo constretti di tempo è più come diverse esperienze di partecipanti e io vorrei anche concludere un po in cosa più generale e con i miei osservazioni conclusioni di oggi ho anche con mia esperienza che tutti possono sempre parlare favorevole su cenza aperta è difficile trovare qualcuno sì io conosco anche chi non piace cenza aperta però normalmente l'argumentazione a favore della scienza aperta sono molto forti perché in inglese dice we are standing on the shoulders of giants perché nostri idea non sono nostri stavamo sviluppando nostri idea sopra altre grande persone che hanno fatto in storia però quindi le idee e i risultati devono essere condivisi per andare avanti per fare andare avanti la conoscenza umana anche questo un po magari un po polemico in senso che pubblicazioni senza dati sono solo assertioni ma io posso dire qualunque cosa ma se io non ho un dato o metodo è un codice che è data per supportare e tu non mi posso non può credere cosa sto dicendo adesso abbiamo tutte le possibilità tecnologiche siamo viviamo il mondo digitale quindi è così facile come si dice tecnologicamente condividere data dobbiamo utilizzare per per fare avanti la scienza però però tutto tutto bene e questo è importante per questo stavamo parlando di fare eccetera dobbiamo capire che non è una cosa facile non è così che possiamo pensare che tutti seguono subito adattano subito ma i ricercatori hanno bisogno di essere sopportati non solo sopportati dobbiamo sviluppare la conoscenza dobbiamo insegnare cosa è adm anche io non sto dicendo non ci sono problemi tecnologici ma confronto aspetti culturali risolvere problemi tecnologici sono relativamente semplici perché adesso la cultura di condividere data e cambiare è una grande una grande cosa e adesso dobbiamo anche vedere come possiamo sviluppare la capacità la capacità per supportare la ricerca in con diversi altri servizi di supporta ho già detto che c'è un sacco di roli adesso data stew data librarian data management manager eccetera eccetera come possiamo collaborare o creare una sinergia e questo dicendo tutto e non non solo basta se solo un'instituzione a una università esegue questa cosa deve essere collaborativo perché il mondo fintifico accademico è molto collegato e inter come si dice internazionale e quindi dobbiamo anche pensare d'incentivi per ricercatori eccetera eccetera ma questo è una cosa più alto livello e grazie grazie per vostra attenzione spero che io ho fatto io ho parlato qualcosa che è nuovo è utile e grazie mille grazie salini prego è stato molto interessante sei stata bravissima se avete qualche domanda potete scriverla nella chat io intanto comincio volevo chiederti questa cosa la figura dei data champions che tu hai fatto vedere ho capito che sono persone che appartengono a una specifica comunità di ricerca e che fanno un po' da tramite tra il data steward e la comunità stessa giusto sì no questo data champion sono sono già ricercatori magari molto avanzati diciamo avanti non solo in carriera anche in mondo di scienza aperta quindi per esempio uno di nostre data champion recentemente ha pubblicato una articolo in nature communications lui ha fatto e lui è pubblicato tutte le date le immagini il codice tutto tutto tutto non abbiamo no anche prima di questo programma lui faceva così ok come come vengono scelti perché sempre per questo disciplina specifica perché noi abbiamo tanto un sacco di contatto con ricercatori e parliamo con i capodi di appartamento eccetera eccetera capiamo un po' come come il coltù e come la coltura quindi una cosa un po' anche diciamo un aspetto sociale dobbiamo parlare tanto per capire chi fa cosa sì quindi non è una specie di non c'è un concorso per partecipare ci sono delle no no no c'è c'è abbiamo è aperto per tutti ok ok sono loro devono scrivere due tre righe perché io sento come data champion per esempio e quindi è aperto per tutto è open science quindi è aperto e quindi loro poi tu hai parlato di incentivi per loro sì tipo di incentivo per esempio se loro vogliono viaggiare per una conferenza collegato a data stewardship o risigietta management open science abbiamo piccoli fondi per supportare e più se vogliono organizzare un workshop per una giornata noi possiamo aiutare anche per esempio ok ok c'è una una domanda te la leggo sì allora i data champions sono quelli che rendono disponibili il maggior numero di dati o il maggior numero di volte ah sì no no no io io anche come ingegnere in questo campo io non non vorrei stare quantitativo in senso di numero di volte no noi vediamo un tipo di interesse anche se non non rendono disponibili anche se vogliono rendere disponibili o e muonzono un interesso in questo concetto anche sono benvenuti in questo data champion quindi non c'è un minimo unica cosa che noi speriamo di avere più da in tante facultà non solo in una quindi se ci sono già 10 magari diciamo basta qui andiamo in un altro dipartamento o qualcosa quindi no la concentrazione non vogliamo avere solo in un un facultà o dipartamento solo questo c'è un'altra domanda anna dice grazie sciallini per la presentazione molto interessante allora la domanda è nell'ultima slide parli di collaborazione tra data steward data librarian e data manager nella tua esperienza a teodelf quali erano i compiti di ciascun ruolo nella pratica quotidiana quindi un po capito capito grazie anna è una una domanda molto importante interessante perché adesso i ruoli stanno adesso ho detto è più dinamico e in questi tre io posso dire per esempio data steward e il mio rollo è stato più collegata o allegato con i ricercatori quindi i ricercatori vengono il mio ufficio chiedono io ho problema di gdpr per questa questa ricerca cosa posso risolvere o io io ho una petabyte di data cosa posso fare eccetera eccetera io do consiglio tu hai questi strumenti per gdpr tu devi fare encryption eccetera eccetera io posso dare questi consigli e più sono più consulente come data steward data librarian è più che lavorava sull'archivio in biblioteca più che che occupava di metadati standard di metadati doubling core qualunque standard e data librarian ha più conoscenza su le standard di metadati o licenze eccetera eccetera e data manager in in mia esperienza e era più una persona che faceva una cosa più hands on in senso di database per un progetto eccetera eccetera ok allora intanto vi dico che il webinar è registrato e troverete entro oggi la registrazione sul sito di open air e metteremo anche la la presentazione in pdf ok vi ricordo anche che il 16 sciallini ci istruirà sul data management plan quindi sarà credo una presentazione un pochino più pratica giusto sciallini ci sono se ci sono altre domande altrimenti io ringrazio veramente sciallini per essere stata con noi oggi grazie anche perché pazienza anche perché devo dire in italia questa figura ancora non non è presente anzi colgo l'occasione per chiederti questo sai che nel 2017 la commissione europea ha pubblicato questo report sulle sulle figure professionali e le diciamo le caratteristiche che devono avere persone che lavorano nel campo della della scienza e della scienza aperta e si diceva si dava questo numero che nei prossimi anni per la realizzazione di josque avremo bisogno di circa 500 mila dati ora questo è un numero molto chiaramente molto molto grande non so se saranno di più se saranno di meno però puoi dare qualche indicazione dal punto di vista della formazione cioè dove una persona che vuole intraprendere questa carriera si può formare è una domanda molto bella perché adesso semplicemente non c'è una strada per questo ci sono tante diciamo ad hoc training ad hoc in se tu dici ma su josque no carla uben adesso il presidente di josque ma grazie a lui e lui era rettore di tiudels quando abbiamo iniziato di alta stewardship e lui volevo creare un master anche per data stewardship perché lui pensa che c'è talmente grande richiesta specialmente in laboratari per creare protocoll per eccetera eccetera adesso c'è l'idea di creare un studio in università come data stewardship però per adesso è sempre in hollanda c'è un corso si chiama essential for data ma secondo me è molto importante ma è basico non è se tu vorrei avere per me è stato sempre con esperienza non non io ho imparato qua durante il lavoro e quindi non c'è unico ma recentemente ho letto che c'è un'organizzazione per cienze naturali in hollanda hanno sviluppato una infografica per descrivere questi ruoli se vuoi ti mando l'infografica di vero il post recentemente no ma due settimane fa forse quindi sì non non c'è un corso un studio ma magari in futuro sicuramente sarà qualcosa adesso più information library library science secondo me è più adattato a data librarian per esempio ma per data stewardship ancora no no e senti nella tua esperienza tu e i tuoi colleghi di tiudela che che background avevate tu sei un ingegnere hai un phd e gli altri si tiudela è stato un esperimento molto specifico in senso che hanno voluto solo data stewardship che avevano un phd perché volevano essere molto vicini a ricercatori per sviluppare un coltura di come si dice fiducia però magari cambierà questo se più ricercatori avranno conoscenza magari questo non sarà un prerequisito importante ma però tiudela nostri colleghi ma quasi tutti hanno un phd in sua disciplina e che hanno con stilio per esempio io ho fatto in una facultà si chiama technology policy and management ho fatto mio phd e anche mio post otterato lì quindi per me è stato molto più facile parlare suo linguaggio come quindi comunque sono persone che hanno esperienza nel campo della della ricerca perfetto allora vedo non ci sono altre domande io ti ringrazio ringrazio tutti per aver partecipato e vi invito alla prossima puntata il 16 di maggio trovate tutte le indicazioni e scrivetevi così potrete partecipare grazie mille salini grazie anche a Ilaria per aver assistito dal punto di vista tecnico nelle retrovie grazie grazie a tutti grazie a tutti grazie per vostra pazienza ma sei stata bravissima grazie grazie ciao ciao