LatinR 2025

Simplifying Research Data Sharing with R

Adriana Clavijo Daza

Global Health Engineering, ETH Zurich

December 4, 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

Hemos estado colaborando con investigadores WASH en múltiples países e identificamos barreras clave para el intercambio abierto de datos.

Prácticas Actuales de Almacenamiento de Datos

Los datos de encuestas de 2023 y 2025 revelan prácticas subóptimas, con muchos dependiendo del almacenamiento local en lugar de plataformas colaborativas.

Niveles de Experiencia en Programación

Muchos investigadores tienen experiencia limitada en R, destacando la necesidad de herramientas fáciles de usar.

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

• (nada)
• curva de aprendizaje de lenguajes de programacion, sobretodo para audencias sin experiencia
• atribución apropiada a quienes contribuyen en la generaciôn y recolección de datos
• Guía que explica paso a paso como llegar de un excel o csv a una pagina web y un DOI

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 et al. 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

1. setup() - Inicializa estructura de paquete R con usethis

2. process() - Lectura y validación automática de datos (auto_clean = TRUE)

3. collect() - Recolección interactiva de metadatos con cli

4. generate() - Diccionarios de datos generados con LLMs vía ellmer

5. 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. V. 1.0.0. Released August. https://doi.org/10.5281/zenodo.1234.

Wilkinson, Mark D., Michel Dumontier, IJsbrand Jan Aalbersberg, 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.