In ons paper, A Skeptical View of the National Science Foundation's Role in Economic Research, wijzen Tyler en ik erop dat de NSF, als ze doet wat ze zou moeten doen, iets heel anders zou moeten doen dan andere financiers.

De theorie van publieke goederen zegt ons dat de National Science Foundation activiteiten zou moeten ondersteunen die bijzonder moeilijk te financieren zijn via traditionele universitaire, filantropische en private bronnen. Dit inzicht suggereert een eenvoudige test: voor zover de NSF middelen allocateert aan echte publieke goederen in plaats van marginale subsidies, zouden we een groot verschil moeten zien in het soort projecten dat de NSF ondersteunt ten opzichte van wat de "markt"sector ondersteunt. Wat echter opvalt aan lijsten van prominente NSF-subsidies (zoals die van Moffitt in dit symposium) is hoeveel ze lijken op lijsten van "goed" onderzoek dat door de huidige status quo wordt geproduceerd. Als we de theorie van publieke goederen serieus nemen, welke gebieden van de economie zouden dan ondersteund moeten worden?

Wij suggereren replicatiestudies en ondersteuning voor het produceren van publieke datasets. Dat brengt mij bij Scholar Data, een fraai nieuw project dat de NIH-wedstrijd won om een data-delingsindex te creëren. Dat er überhaupt een NIH-wedstrijd bestaat, weerspiegelt een bredere verschuiving: grote financiers en tijdschriften hebben het datadelen de afgelopen jaren steeds vaker verplicht gesteld—de NIH introduceerde bijvoorbeeld een Data Management and Sharing Policy die plannen vereist voor het delen van onderzoeksdata, en veel tijdschriften hebben databeschikbaarheid tot voorwaarde voor publicatie gemaakt. Scholar Data creëert een S-Index—vergelijkbaar met een H-Index voor papers—maar de S-Index meet in plaats daarvan de toegankelijkheid, citaties en andere vermeldingen van een dataset. Het doel is een metric te creëren die het scheppen van een publiek goed beloont:

Onderzoekers investeren jaren in het verzamelen en delen van datasets die de reproduceerbaarheid, transparantie en ontdekking in elk vakgebied ondersteunen. Zonder gedeelde data kunnen bevindingen niet worden geverifieerd, voortgebouwd of vertrouwd. Toch tellen de metrics die academische carrières bepalen—zoals citaties, h-index en impactfactor—allleen publicaties. Datadelen blijft onzichtbaar en onbeloond.

Dit creëert een gebroken prikkel: van onderzoekers wordt verwacht dat ze data delen, maar daarvoor krijgen ze geen erkenning. Het gevolg is dat datadelen wordt behandeld als een klus in plaats van een bijdrage.

Scholar Data en de S-index zijn erop gericht dit op te lossen. Door te meten hoe impactvol je datasets zijn, geeft de S-index datadelen dezelfde zichtbaarheid en erkenning als publiceren, waardoor het van een verplichting verandert in een carrière-asset. De aanpak weerklinkt eerdere community-initiatieven zoals de FAIR-dataprincipes—die vereisen dat data vindbaar, toegankelijk, interoperabel en herbruikbaar zijn—door onderzoekers een concreet, kwantificeerbaar signaal te geven voor een praktijk die lang is aangemoedigd maar nooit gemeten.

Bravo! Je dataset is mogelijk al gecatalogiseerd. Je kunt erkenning krijgen bij ScholarData.

Bron: Marginal Revolution