openwashdata – LatinR 2025

Contexto

Colaboración desde la academia con investigadores WASH (water, sanitation and hygiene) en países con recursos limitados
Conjuntos de datos valiosos son desaprovechados al no ser publicados
Familiaridad limitada con los principios FAIR de datos (Wilkinson et al. 2016)
- Localizables (Findable)
- Accesibles (Accessible)
- Interoperables (Interoperable)
- Reutilizables (Reusable)
El trabajo requerido para generar y recolectar datos no recibe el reconocimiento que merece

Prácticas Actuales de Almacenamiento de Datos

Niveles de Experiencia en Programación

Retos y Soluciones

Retos

Falta de conocimiento de herramientas accesibles
Curva de aprendizaje pronunciada
Flujos de trabajo no estandarizados
Reconocimiento solo a quienes publican un artículo académico

Soluciones propuestas

Minimizar requisitos técnicos
Interfaces amigables para el usuario
Guía detallada para publicación de datos
Énfasis en atribución apropiada

Nuestro Recorrido: washr

Primera iteración: paquete washr (Zhong et al. 2024)
Flujo de trabajo simplificado de datos → publicación
Basado en utilidades de devtools
Guía completa de publicación (Walder, Schöbitz, and Dubey 2025)

Pero podíamos hacerlo mejor…

Presentando fairenough

github.com/openwashdata/fairenough

Un paquete de R para publicación de datos siguiendo los principios FAIR

Mínima entrada del usuario requerida
Documentación generada por LLMs (opcional)
Un solo comando para obtener el paquete terminado desde datos ordenados (tidy)

Veamos `fairenough` en acción!

fairenough: Control Granular

setup() - Inicializa estructura de paquete R con usethis
process() - Lectura y validación automática de datos (auto_clean = TRUE)
collect() - Recolección interactiva de metadatos con cli
generate() - Diccionarios de datos generados con LLMs vía ellmer
build() - Infraestructura completa de paquete con Roxygen, archivos de información de citación (CFF) y sitio web

Principios FAIR

Localizables: Generación integral de metadatos
Accesibles: Paquete R + sitio web + múltiples formatos (CSV, XLS)
Interoperables: Formatos legibles por máquina
Reutilizables: Licenciamiento y atribución claros

Además: Facilita la asignación de DOI a través de integración de GitHub con Zenodo

Gracias!

Autores

Adriana Clavijo Daza, Lars Schöbitz, Prof. Dr. Elizabeth Tilley, Colin Walder, Nicolo Massari

Global Health Engineering (GHE), ETH Zurich

Yash Dubey, Mian Zhong

ETH Zurich

Paquete

github.com/openwashdata/fairenough

Contacto

ghe.ethz.ch

openwashdata.org

Referencias

Walder, Colin, Lars Schöbitz, and Yash Dubey. 2025. “ghedatapublishing.” https://doi.org/10.5281/zenodo.1234.

Wilkinson, Mark D., Michel Dumontier, IJsbrand Jan Aalbersberg, Gabrielle Appleton, Myles Axton, Arie Baak, Niklas Blomberg, et al. 2016. “The FAIR Guiding Principles for Scientific Data Management and Stewardship.” Scientific Data 3 (1): 160018. https://doi.org/10.1038/sdata.2016.18.

Zhong, Mian, Margaux Götschmann, Colin Walder, and Lars Schöbitz. 2024. Washr: Publication Toolkit for Water, Sanitation and Hygiene (WASH) Data. https://doi.org/10.32614/CRAN.package.washr.