Plan de Gestión de Datos (PGD) del IATEXT
Fecha de última revisión: 27-10-2026
El Plan de Gestión de Datos del IATEXT establece las directrices y los procedimientos comunes para la gestión de los datos generados, recopilados o reutilizados en sus proyectos de investigación y aplicaciones, principalmente en el ámbito de las humanidades digitales. Comprende todo el ciclo de vida de los datos: identificación, obtención, organización, documentación, control de calidad, almacenamiento, acceso, difusión, reutilización y preservación.
Este plan tiene carácter institucional y transversal. Sus procedimientos se aplican a los distintos recursos de investigación sin necesidad de reproducirlos en documentos independientes. La información variable, como la procedencia, los formatos, los derechos, las condiciones de acceso y la vinculación con la investigación, se recoge en los metadatos y la documentación de los propios recursos. Cuando una convocatoria o un acuerdo de financiación exija información o entregables específicos, estos requisitos se atenderán utilizando este marco común y la documentación disponible.
La gestión se orienta al cumplimiento de los principios FAIR, de modo que los datos sean localizables, accesibles, interoperables y reutilizables, tanto por las personas como, cuando corresponda, por sistemas informáticos. La apertura se rige por el principio «tan abiertos como sea posible y tan cerrados como sea necesario», respetando la protección de datos personales, la confidencialidad, la propiedad intelectual y las restantes obligaciones aplicables. La accesibilidad de los datos no implica necesariamente su apertura sin restricciones.
Para el desarrollo y cumplimiento de los aspectos tecnológicos de este plan, el IATEXT se apoya en su condición de nodo de CLARIAH-ES, con certificado europeo de Centro B de CLARIN, y en su División de Lingüística Computacional y Aplicaciones Informáticas.
Identificación de los datos
Los datos gestionados por el IATEXT son principalmente textuales y pueden comprender documentos digitalizados, corpus, transcripciones, ediciones, anotaciones, clasificaciones y resultados derivados de su tratamiento. Según la naturaleza de la investigación, también pueden incluir imágenes, grabaciones sonoras, información geográfica y otros materiales digitales.
Se distinguirán los datos obtenidos de fuentes preexistentes de los generados durante la investigación, así como los materiales originales, los datos procesados y los resultados derivados. Su documentación identificará la procedencia, la vinculación con la investigación, los criterios de selección y obtención, los tipos de datos, los formatos, el volumen estimado cuando sea relevante y las condiciones de uso de las fuentes. Las transformaciones significativas, como la digitalización, la transcripción, la normalización o la anotación, se documentarán para conservar la trazabilidad de los datos.
Con carácter general, se utilizan bases de datos relacionales ajustadas a la estructura y al volumen de la información. Se podrán utilizar otros sistemas de almacenamiento cuando estén justificados por la naturaleza de los datos o por necesidades técnicas y de compatibilidad. Se favorecerá la exportación a formatos abiertos y documentados, como texto en UTF-8, CSV o XML, y la codificación TEI cuando resulte adecuada para el recurso. Los formatos de acceso y preservación deberán permitir comprender y reutilizar los datos sin depender exclusivamente de las aplicaciones originales.
Organización y gestión de los datos
Los proyectos desarrollados por el IATEXT disponen, con carácter general, de una aplicación web de anotación y de una aplicación web de consulta, vinculadas a la base de datos correspondiente.
- Aplicación web de anotación (preparación/curación de datos). La aplicación de anotación permite preparar, clasificar, relacionar y gestionar los datos mediante acceso autenticado y permisos diferenciados. Se mantienen los roles de investigador y revisor: los investigadores incorporan y clasifican los datos, mientras que los revisores comprueban su corrección antes de autorizar su publicación. Los permisos de consulta y modificación se ajustan a las funciones de cada usuario y a las condiciones de acceso de los datos. Las credenciales se protegen mediante mecanismos de autenticación seguros y se mantiene un registro de accesos y acciones para facilitar la trazabilidad y detectar irregularidades.
- Aplicación web de consulta de información. La aplicación de consulta ofrece acceso a los datos revisados y autorizados para difusión. Permite filtrar la información mediante los metadatos y las características del recurso y descargar los resultados en los formatos disponibles. La revisión científica y la autorización para publicar se diferencian: ningún dato se difundirá por el solo hecho de haber superado una revisión si existen restricciones éticas, legales o de confidencialidad.
La base de datos de trabajo y la aplicación de consulta pueden actualizarse de forma continua. Esta actualización se complementará con la conservación de versiones estables de los conjuntos de datos que sustenten publicaciones y de los resultados seleccionados al cierre de las investigaciones. Estas versiones estarán identificadas y fechadas y se acompañarán de información sobre los cambios relevantes. Las correcciones posteriores no sobrescribirán las versiones depositadas: darán lugar a nuevas versiones relacionadas con las anteriores, sin perjuicio de las retiradas necesarias por razones legales o de seguridad.
Documentación de los datos
Los datos se acompañarán de la información necesaria para comprender su contenido, procedencia, estructura y condiciones de reutilización. La documentación podrá incorporarse a las aplicaciones, a los archivos de exportación y a los registros de depósito, sin necesidad de elaborar un documento de gestión independiente para cada recurso.
Esta documentación incluirá, según corresponda, la descripción del conjunto, las personas o entidades responsables, las fuentes, los criterios de selección, los procedimientos de procesamiento y revisión, el diccionario de campos, los criterios de anotación, los vocabularios utilizados, las limitaciones conocidas y las condiciones de acceso y uso. Se identificarán también la versión, la fecha y las publicaciones u otros resultados relacionados.
Para facilitar la interoperabilidad, se utilizarán los esquemas de metadatos admitidos por los repositorios de depósito y los estándares adecuados al tipo de recurso. En los recursos textuales y lingüísticos se podrán emplear cabeceras TEI, OLAC o perfiles CMDI cuando su uso resulte pertinente. Los metadatos de descubrimiento recogerán, como mínimo, el título, la autoría o responsabilidad, la descripción, la fecha, la versión, los formatos, la licencia y la vinculación con el proyecto o la financiación, cuando exista.
Las aplicaciones de consulta mantendrán información descriptiva y ayuda de uso. Los datos abiertos se podrán obtener por descarga directa desde la aplicación o el repositorio de depósito. El contacto con el responsable se reservará para aclaraciones, formatos adicionales y solicitudes de acceso a datos sujetos a restricciones, y no constituirá un requisito general para reutilizar los datos publicados con licencia abierta.
Calidad de los datos
La aplicación de anotación constituye el entorno ordinario de gestión y control de calidad. Utiliza campos obligatorios, listas de opciones y reglas de validación para reducir errores de introducción, evitar duplicidades y mantener la coherencia de las relaciones y las etiquetas. Los criterios de clasificación y revisión se documentarán y se aplicarán de forma consistente.
Los datos destinados a difusión deberán haber sido revisados por un investigador con privilegios de revisor distinto de quien los haya incorporado. Cuando se detecten errores, se corregirán en el entorno de trabajo y se actualizará la información pública. Si afectan a una versión estable ya difundida, se documentará la corrección y, cuando proceda, se publicará una nueva versión.
La documentación indicará las limitaciones de cobertura, las incertidumbres y los problemas de calidad conocidos que puedan condicionar la interpretación o reutilización. Cuando los resultados dependan de herramientas, consultas o procesos computacionales, se conservará información sobre los procedimientos y las versiones utilizadas, así como sobre las dependencias necesarias para su validación.
Estrategia de almacenamiento
Las aplicaciones y las bases de datos se alojan en los servidores del IATEXT, que prestan servicio continuado y constituyen la infraestructura ordinaria de trabajo y consulta. Se realizan copias de seguridad diarias de las bases de datos en un servidor adicional del Instituto y en el Centro de Supercomputación de Castilla y León (SCAYLE), uno de los nodos de CLARIAH-ES. Además, cada tres meses se realiza una copia de seguridad completa del servidor en un sistema de almacenamiento NAS. El código de las aplicaciones se mantiene con control de versiones en un repositorio en la nube durante su ciclo de vida.
Las copias de seguridad se complementarán con comprobaciones periódicas de integridad y pruebas de restauración. Se mantendrán procedimientos internos de recuperación y gestión de incidencias y se revisarán los permisos de acceso. Las medidas técnicas se ajustarán al riesgo y a la sensibilidad de los datos, sin publicar información que pueda comprometer la seguridad de los sistemas.
El IATEXT cuenta con la certificación europea como Centro B de CLARIN. En este marco, todos los datos y aplicaciones del Instituto se incorporan al repositorio CLARIAH-IATEXT, correspondiente al Centro B del IATEXT, que constituye su infraestructura de depósito y preservación a largo plazo. A cada aplicación o base de datos incorporada al repositorio se le asigna un identificador de objeto digital (DOI), que permite su identificación persistente, localización y cita.
La preservación se articula a través de las políticas y los procedimientos del repositorio CLARIAH-IATEXT y se complementará con la conservación de la documentación y las versiones estables necesarias para comprender y validar los resultados de investigación. De este modo, la conservación de los recursos no dependerá exclusivamente de la continuidad de las aplicaciones web de consulta. El depósito y la asignación de un DOI no implican la apertura indiscriminada de los datos: se respetarán las licencias, las restricciones de acceso y las obligaciones de protección de datos y confidencialidad aplicables.
Los plazos y las condiciones de conservación se ajustarán a la política de preservación del repositorio, a la normativa y a los requisitos de la financiación. Los datos personales no se conservarán más allá de lo necesario para sus finalidades legítimas y las obligaciones aplicables. Si una aplicación deja de mantenerse, se preservarán sus datos y documentación a través del repositorio, con las condiciones de acceso que correspondan y sin perjuicio de las obligaciones legales de supresión o retirada.
Política de datos, ética y licencia
La política general del IATEXT favorece el acceso abierto y la reutilización de los datos cuando los derechos y las obligaciones aplicables lo permitan. Antes de su difusión se comprobarán la titularidad, los permisos sobre los materiales originales y derivados y las posibles restricciones. La licencia o condición de uso se indicará expresamente en la documentación y en el registro de depósito; la disponibilidad de un recurso en una web no se interpretará, por sí sola, como autorización para cualquier reutilización.
Para los conjuntos sobre los que se disponga de derechos suficientes, se establece como opción general la licencia Creative Commons Atribución 4.0 (CC BY 4.0), o una licencia equivalente compatible con los requisitos de la financiación. Los metadatos públicos de descubrimiento se ofrecerán bajo CC0 o equivalente cuando sea jurídicamente posible. El software tendrá una licencia adecuada a su naturaleza y a los derechos disponibles. Estas condiciones no alteran ni sustituyen los derechos de terceros sobre textos, imágenes u otros materiales incorporados a la investigación.
Los datos personales o confidenciales se tratarán conforme a la normativa aplicable y a las autorizaciones y bases jurídicas que correspondan. Se aplicarán la minimización de datos, la limitación de acceso y las medidas de anonimización o seudonimización adecuadas. La seudonimización no se considerará equivalente a la anonimización ni autorizará por sí sola la publicación abierta.
Cuando no sea posible abrir un conjunto, se documentarán el motivo, el alcance de la restricción, las condiciones de acceso y, si procede, su duración. Podrán establecerse acceso controlado, embargo o exclusión de la difusión. Los metadatos se mantendrán públicos siempre que su publicación no revele información protegida. El investigador principal supervisará estas decisiones con el apoyo de las unidades competentes de la Universidad cuando resulte necesario.
Difusión de los datos
Los datos revisados y autorizados se difunden a través de las aplicaciones web de consulta del IATEXT y del repositorio CLARIAH-IATEXT, correspondiente a su Centro B de CLARIN. Este repositorio constituye el destino institucional de depósito de los datos y aplicaciones del Instituto y proporciona el marco para su identificación persistente y preservación a largo plazo.
El DOI asignado a cada aplicación o base de datos se incluirá en su documentación y en las referencias a los recursos utilizados en las publicaciones. Los registros de depósito recogerán la información necesaria para citar el recurso, reconocer su autoría y procedencia y conocer su licencia y condiciones de acceso. Cuando la financiación exija depósitos adicionales en otras infraestructuras, se relacionarán los registros para mantener la identificación y trazabilidad del recurso.
La actualización continua de las aplicaciones se complementará con el depósito de versiones estables de los datos que sustenten publicaciones. Estas versiones se identificarán y relacionarán con el DOI del recurso, las publicaciones y las versiones anteriores o posteriores conforme a los procedimientos del repositorio.
El depósito se realizará tan pronto como sea posible. Las versiones que sustenten una publicación se depositarán, a más tardar, en el momento de su publicación, con las condiciones de acceso que procedan. Los restantes datos seleccionados para difusión se depositarán, como regla general, al finalizar la investigación, sin perjuicio de los plazos más exigentes establecidos por la financiación. Cualquier retraso o restricción deberá justificarse y ajustarse a las obligaciones aplicables.
Los conjuntos depositados se ofrecerán en formatos abiertos y documentados adecuados para su reutilización computacional. El PDF podrá utilizarse como formato complementario de lectura o presentación, pero no sustituirá a los datos estructurados cuando estos sean necesarios para su análisis. Se facilitará también información sobre el software, los protocolos y otros elementos necesarios para comprender, reutilizar o validar los resultados, dentro de los límites legales y técnicos correspondientes.
Roles y responsabilidades
El investigador principal es responsable de aplicar este plan a los datos de la investigación, supervisar su calidad y verificar las condiciones de acceso, los derechos y las autorizaciones necesarios para su difusión. Los investigadores documentan y clasifican los datos, y los revisores comprueban su corrección conforme a los procedimientos establecidos.
La División de Lingüística Computacional y Aplicaciones Informáticas presta apoyo en el diseño de las bases de datos y las aplicaciones, la seguridad, las exportaciones, la conservación de versiones y los procedimientos técnicos de depósito y recuperación, de acuerdo con las funciones y recursos que le asigne el Instituto. La responsabilidad de la documentación científica y de las decisiones sobre derechos no se trasladará automáticamente al personal técnico.
El IATEXT coordinará la continuidad de la infraestructura y la asignación de responsabilidades tras la finalización de las investigaciones. Las consultas que requieran asesoramiento en propiedad intelectual, protección de datos o ética se trasladarán a las unidades competentes de la Universidad.
Presupuesto
El el nodo canario de CLARIAH-ES, Centro B de CLARIN, ofrece al IATEXT sin cargo directo a sus proyectos propios la infraestructura ordinaria de conservación y preservación descrita en este plan debido a que la infraestructura está financiada por la Agencia Canaria de Investigación, Innovación y Sociedad de la Información del Gobierno de Canarias. Esta aportación institucional no implica que todas las actividades de gestión de datos carezcan de coste.
La planificación de los recursos tendrá en cuenta el trabajo de documentación, curación, revisión, preparación de versiones, depósito y, cuando proceda, anonimización o adaptación de formatos. Las necesidades que excedan los servicios y la capacidad ordinarios del Instituto, como almacenamiento extraordinario, desarrollos específicos o servicios externos, deberán evaluarse y financiarse de acuerdo con los recursos disponibles y las condiciones de las ayudas. Se distinguirán las aportaciones institucionales de los gastos que deban imputarse a la investigación, evitando comprometer servicios que no tengan cobertura.
Revisión y actualización del plan
Este plan se revisará periódicamente y cuando se produzcan cambios relevantes en la normativa, los requisitos de financiación, las infraestructuras o los procedimientos de gestión. La versión publicada identificará su fecha de aprobación o actualización y conservará un historial de las modificaciones sustanciales.
Las actualizaciones del marco institucional se complementarán con el mantenimiento de los metadatos, las condiciones de acceso y la documentación de los recursos. La aplicación de procedimientos comunes no exime del cumplimiento de las obligaciones específicas que establezcan las convocatorias, los acuerdos de financiación o la normativa aplicable.