公平的数据共享和重用的景观:导航库,标准,和资源

神经科学的大量数据和生成的各种数据格式不同神经科学社区提出了一个挑战传统方法的数据管理、数据共享和数据挖掘。授权数据共享和使用公开数据需求驱动开发先进的方法和工具来有效地探索、挖掘和整合数据。然而,越来越多的资源让研究人员更难驾驭这个格局。这些工具和资源的意识是至关重要的有效数据挖掘和释放的新发现。本研究收集的目标是提供一个概览的可用资源,围绕数据可发现的,访问,可互操作和可重用(公平)。



当前“研究课题”因此欢迎文章主题,发挥关键作用的加速数据共享,并促进开放数据的可寻性和可重用性。这一主题将涉及广泛的神经科学研究领域,包括实验、计算、和临床神经科学研究。



话题可能包括(但不限于):

神经网络存储库:好处/缺点,比较;

拼管理工具;

拼和元数据标准和结构;

发展在元数据注释和本体发展;

内容管理、自动化和分析工具/共享或重用开放数据的工作流;

数据挖掘中的机遇和挑战。









的文章适合这个主题包括原始研究的文章、评论和观点。