Extending data repositories with a novel FAIR Digital Objects framework

Abstract

Die FAIR-Prinzipien—Findable, Accessible, Interoperable und Reusable—haben sich als weithin anerkannte Richtlinien zur Verbesserung des Forschungsdatenmanagements etabliert. Ihr Ziel ist es, insbesondere im Kontext von Metadaten, die maschinelle Verarbeitbarkeit und semantische Klarheit zu fördern. Obwohl verschiedene Metriken und Werkzeuge zur Bewertung der FAIRness von Datensätzen existieren und zahlreiche Initiativen zur Umsetzung FAIR-konformer Lösungen entstanden sind, bleiben die Definitionen breit und abstrakt. Dies hat zu vielfältigen Interpretationen und Implementierungen in Datenrepositorien geführt.Ein vielversprechender Ansatz ist das Konzept der FAIR Digital Objects (FDOs), das vom FDO Forum als strukturierte Datenobjekte mit FAIR-konformen beschreibenden Elementen eingeführt wurde. Die FDO-Spezifikation legt fest, wie solche Objekte aufgebaut sein sollen, wurde jedoch bislang in keinem repräsentativen Forschungsdatenrepositorium als Teil der Metadateninfrastruktur umgesetzt. Zudem wurde die FAIRness von Datensätzen, die auf diese Weise modelliert wurden, bisher nicht empirisch untersucht. Wir stellen die Hypothese auf, dass die Implementierung einer auf der FDO-Spezifikation basierenden Repositoriumserweiterung die FAIRness-Bewertung von Metadatensätzen im Vergleich zu bereits existierenden Ansätzen verbessern kann.In dieser Arbeit präsentieren wir eine neuartige FDO-Infrastruktur, die auf der Cor-dra-Plattform gehostet wird und speziell zur Repräsentation von Metadaten aus Forschungsdatenrepositorien konzipiert ist. Diese Infrastruktur umfasst ein wiederverwendbares Kern-Framework sowie eine Research Metadata Extension basierend auf dem Data Cite-Metadatenschema. Wir integrieren diese Lösung in InvenioRDM mithilfe eines eigens entwickelten Werkzeugs—dem Migration Assistant—und bewerten die FAIRness der migrierten Datensätze unter Verwendung der FAIRs FAIR-Metriken und des FUJI-Bewertungswerkzeugs. Unsere Ergebnisse zeigen eine messbare Steigerung der FAIRness,insbesondere in den Bereichen Maschinenlesbarkeit und semantische Interoperabilität, und liefern ein konkretes, reproduzierbares Modell zur FAIR-konformen Metadatenrepräsentation.

The FAIR principles—Findable, Accessible, Interoperable, and Reusable—have become a widely recognized set of guidelines for improving research data management. They aim to enhance machine-actionability and semantic clarity, especially in the context of metadata. Although various metrics and tools exist to evaluate the FAIRness of data records, and many initiatives have emerged to implement FAIR-aligned solutions, the definitions remain broad and abstract. This has led to diverse interpretations and implementations across data repositories.One promising direction is the concept of FAIR Digital Objects (FDOs), introduced by the FDO Forum as structured data entities that are equipped with FAIR descriptive elements. The FDO Specification outlines how such objects should be constructed, yet no representative research data repository has implemented them as part of its metadata infrastructure. Furthermore, the FAIRness of records modeled in this way has not been empirically assessed. We hypothesize that implementing a repository extension based on the FDO Specification can increase the FAIRness score of metadata records compared toalready existing approaches. In this thesis, we present a novel FDO infrastructure hosted on the Cordra platform and tailored to represent metadata from research data repositories. This infrastructure includes a reusable core framework and a Research Metadata Extension based on the DataCite Metadata Schema. We integrate it with InvenioRDM through a custom-built tool—the Migration Assistant—and evaluate the FAIRness of migrated records using FAIRsFAIR metrics and the FUJI assessment tool. Our results show a measurable increase in FAIRness, particularly in aspects of machine-readability and semantic interoperability,providing a concrete and reproducible model for FAIR-compliant metadata representation.