Data Steward, la figura chiave per la raccolta dati FAIR - Universita.it
allenati con i nostri test di ammissione e orientamento gratuiti

test di ammissione
PREPARATI AI TEST PER
ACCEDERE AI CORSI DI LAUREA

TEST DI MEDICINA
ALLENATI PER IL TEST
DI INGRESSO A MEDICINA

TEST DI ORIENTAMENTO
VALUTA L’AREA DI STUDI
PIU’ ADATTA A TE

TEST RI-ORIENTATI
VERIFICA SE IL TUO PERCORSO
DI STUDI È QUELLO GIUSTO

Data Steward, la figura chiave per la raccolta dati FAIR

da | Ago 2024 | News | 0 commenti

In un’epoca in cui l’Intelligenza Artificiale è ovunque, la gestione dei dati diventa sempre più cruciale. Infatti, non basta più raccogliere ed archiviare informazioni, ora è necessario garantire che i dati siano FAIR, acronimo di Findable (reperibili), Accessible (accessibili), Interoperable (interoperabili) e Reusable (riutilizzabili). È per questo che sta guadagnando importanza la figura del Data Steward, un operatore che è in grado di organizzare e gestire i dati FAIR.

Al CUAP dell’Università di Torino si formano i Data Steward

Il Data Steward conosce a fondo i dati e la loro natura, sia dal lato tecnico, sia da quelli etici e legali. All’Università di Torino, a marzo 2024, viene lanciato il primo corso Universitario di Aggiornamento Professionale (CUAP) per i Data Steward. Il corso, finanziato dalla Fondazione Compagnia San Paolo, offre uno studio completo ed approfondito sulla gestione dei dati FAIR.

Il corso dura circa 320 ore (40 CFU) e si articola in tre aree:

  • Informatico-archivistica: dove gli studenti imparano ad utilizzare le piattaforme di rappresentanza ed archiviazione dei dati.
  • Etico-legale: qui vengono affrontati gli aspetti etici e legali della raccolta e condivisione dei dati.
  • Casi di studio: vengono illustrati gli standard di comunità, le buone pratiche e quali infrastrutture esistono.

A guidare la formazione è presente un gruppo docenti altamente qualificato. I professori, infatti, provengono dall’Università di Torino, da centri di ricerca come CNR, GARR ed IIT. In più, è compreso un sistema di supporto tramite tutors durante tutta la durata del corso formativo.

Grazie alla formazione dei Data Steward verrà garantita una gestione efficace dei dati e l’utilizzo dell’Intelligenza Artificiale. Questa figura professionale migliorerà la qualità dei dati raccolti, tramite gli standard FAIR, facilitando l’accesso ed il riutilizzo dei dati e garantirà conformità etica e legale.

La figura dei Data Steward è in continua crescita

Il Data Steward è una figura professionale destinata a crescere nel tempo. Con l’aumento della quantità dei dati generata e la continua e complessa crescita della società umana, la domanda per questi professionisti aumenterà a dismisura. Soprattutto considerando la complessità esponenziale che si sta creando nei modelli di Intelligenza Artificiale.

Il corso di aggiornamento organizzato dall’Università di Torino è solo il primo passo verso la formazione di questi esperti dei dati. È necessario sviluppare altre iniziative a livello nazionale per la formazione di queste figure e rispondere alla crescente domanda del mercato lavorativo.

La chiave per sviluppare competenze FAIR

La gestione dei dati FAIR è un compito arduo e complicato, soprattutto nell’era dell’Intelligenza Artificiale. I Data Steward hanno il compito di garantire qualità, accessibilità e riutilizzo dei dati, promuovendo la ricerca, l’innovazione e lo sviluppo sostenibile, tramite le conoscenze che acquisiscono nei corsi di formazione. Per questo è importante sensibilizzare tutto il territorio a favorire la crescita e lo sviluppo di queste figure.

L’Università di Torino, con l’introduzione di questo corso di aggiornamento, ha dimostrato di essere al passo coi tempi, offrendo un percorso formativo completo e di alta qualità.

Rimani aggiornato per le date dell’anno accademico 2024/2025!

I Data Steward hanno il compito di garantire qualità, accessibilità e riutilizzo dei dati, promuovendo la ricerca, l’innovazione e lo sviluppo sostenibile
FacebookTwitterEmailWhatsAppLinkedInTelegram
Registrati
Notificami
guest
0 Commenti
Inline Feedbacks
View all comments