El Diseño de Repositorios de Investigación trata el repositorio de investigación como un problema de arquitectura de información primero, no un problema de almacenamiento. La taxonomía, la ruta de encontrabilidad y el costo de recuperación deciden si el repositorio compone conocimiento organizacional con el tiempo o acumula ruido que nadie puede navegar. Un repositorio con 500 artefactos en el que nadie puede encontrar nada es peor que 50 artefactos en una hoja de cálculo compartida, porque la versión de 500 artefactos simula tener memoria institucional sin realmente entregarla.
Rosenfeld, Morville y Arango (2015) en Information Architecture: For the Web and Beyond establecieron el encuadre estructural: la IA es la práctica de organizar información para que la gente pueda encontrarla. El marco se trasplanta directamente a los repositorios de investigación. Las mismas preguntas que la IA le hace a un sitio web (qué están tratando de lograr los usuarios, qué modelos mentales traen, qué taxonomía soporta la recuperación a velocidad) aplican al repositorio. El repositorio es un sitio web para investigación pasada.
Pavliscak (2015) en Data-Informed Product Design contribuyó el encuadre de calidad de datos. La observación central de Pavliscak es que los hallazgos cuantitativos solo informan decisiones cuando se emparejan con contexto cualitativo, y el emparejamiento requiere una estructura de repositorio que vincule los dos en el momento de la recuperación, no solo en el momento del almacenamiento.
El principio: Diseña la IA antes de almacenar el primer artefacto. Cura la taxonomía semanalmente. Mide la encontrabilidad, no el conteo de artefactos.