Datamanagement Tjekliste
Indledning
En datamanagement plan er en vigtig del i din håndtering af de data, som du skaber, behandler eller indsamler i dit forskningsprojekt. Disse data er værdifulde og du vil sikkert gerne bevare dem i en længere periode. Måske vil du også gerne dele dine data – helt eller delvis - med andre forskere. Denne tjekliste er ment som en hjælp til at udarbejde en plan for din håndtering af data.
Tjeklisten kan bruges til at:
Dokumentere hvordan du håndterer dine data
Identificere områder, som udgør potentielle risici eller konflikter, som måske skal håndteres i samarbejde med din forskergruppe, samarbejdspartnere, kolleger eller ledelse.
Tjeklisten er nemmest at udfylde, hvis du er bekendt med Dansk Code of Conduct: http://ufm.dk/publikationer/2014/the-danish-code-of-conduct-for-research-integrity
Om tjeklisten
Du vil få mest gavn af tjeklisten, hvis den udfyldes i begyndelsen af projektet. Tjeklisten vil som nævnt kunne hjælpe dig med at udarbejde en datamanagement plan. Denne plan bidrager til at afklare behov for f.eks. hardware, software, relationer til samarbejdspartnere mm. Planen indeholder bl.a. hvordan data skal bevares og deles under hensyntagen til etiske og juridiske forhold.
Her er to steder, hvor du kan læse mere om data management planer og se eksempler på både tjeklister og planer:
Rigsarkivet: https://www.sa.dk/aflevering-arkivet/private-og-forskere/haandtering-af-forskningsdata-datamanagement
Digital Curation Centre: http://www.dcc.ac.uk/resources/data-management-plans.
Gode råd om håndtering af den udfyldte tjekliste og din datamanagementplan
Bevar en kopi af den komplette tjekliste og din datamanagement plan sammen med dine forskningsdata.
Tjeklisten vil være god at have ved hånden under samtaler med kolleger, samarbejdspartnere, ledelse m. fl. og andre om behov i forbindelse med data management.
Ændring i politikker, lovgivning osv. sker jævnligt. Metoderne i projektet udvikles og justeres sker også ofte Det kan derfor blive nødvendigt at ændre data managementplanen i takt med at vilkårene ændrer sig.
JURA?
Definition af data
Når du udarbejder din datamanagement plan er det nødvendigt, at du beskriver hvordan du vil håndtere dine data i løbet af forskningsprocessen. Da forskere ikke altid har de fornødne rettigheder til at bruge og dele deres data ubegrænset er vi i forbindelse med denne tjekliste være nødt til at bruge nedenstående definitioner for at sikre en dækkende datamanagement plan.
I sammenhæng med datamanagementplaner opereres med fire typer af data:
Kildedata/eksisterende data /originaldata er data, som eksisterede før forskningsprojektet startede, som f.eks. Statsbibliotekets kulturarvsdata.
Forskningsdata/afledte data er nye data, som bliver skabt i forskningsprojektet, f.eks. indsamlede primærdata, indekser over eksisterende data, statistikker eller grafer, måleresultater, eller evt. algoritmer, som ud fra givne kildedata og indekser, kan foretage statistisk bearbejdning.
Metadata er dokumentation for og beskrivelse af de nyskabte data. De letter overblikket over data og gør det muligt for samarbejdspartnere og andre at finde og forstå dine data. Det er en fordel at bruge internationalt udbredte standarder for metadata. Metadata indeholder eksempelvis oplysninger om hvilken software og hardware, der skal bruges til åbne en given fil, hvem der må åbne data etc.
Ikke- digitale data. Hvis der bliver skabt ikke-digitale data skal disse også behandles i planen.
Mere om tjeklisten
Tjeklisten er inddelt i følgende fem dele:
Første del vedrører basale oplysninger om projektet. Det vil sige titel, deltagende forskere, kontaktoplysninger etc.
Anden del indeholder dels hvem der ejer data samt hvem, der skal have adgang til disse under og efter forskningsprojektets afslutning. Dels jeres etiske overvejelser om indsamling, brug, bevaring og eventuel deling af data anvendt i og/eller skabt i løbet af forskningsprojektet.
Tredje del rummer oplysninger om data, som jeres forskningsprojekt eventuelt bygger videre på. Det vil sige kilde-data/eksisterende data/originaldata.
Fjerde del indeholder oplysninger om data, som skabes løbende i forskningsprojektet, men som ikke nødvendigvis skal arkiveres eller skal kunne tilgås efter forskningsprojekts ophør. Det vil sige forskningsdata/afledte data.
Femte del vedrører heroverfor de kilde-data/eksisterende data/originaldata som skal bevares. Altså oplysninger om udvælgelse af data til bevaring, i hvor lang tid og om data skal kunne deles – hvordan, i hvilket omfang og med hvem.
I forbindelse med de enkelte dele vil der være felter, hvor oplysningerne allerede er givet tidligere, men da de enkelte faser behandler forskellige institutioner og arbejdsprocesser, er gentagelserne nødvendige for at sikre et fyldestgørende billede. Men hvis oplysningerne er helt de samme, kan I bare henvise til tidligere udfyldte felter.
Tjekliste for "Probing a Nation's Web Domain"
...
Fortæl kort, hvilken type studie, der er tale om, sådan så andre kan forstå formålet med at skabe dine forskningsdata:
...
Hvilken type forskningsprojekt er der tale om?
...
Involverede organisationer
...
Dato for senest ændrede version af projektets datamanagementplanen
...
IFT. Netarkviet Senest 14/11
IFT. DMP projektet før.
...
Nogle af de informationer, du vil skrive ind i din datamanagementplan vil formentlig bygge på forskellige politikker (f.eks. SB). Det er derfor en god idé at angive dem, sådan at du kan henvise til dem løbende
...
Bygger datamanagementplanen på eksisterende procedurer?
Hvis ja, hvilke?
...
Har den institution, som projektet tilhører, nogen særlige regler vedr. datasikkerhed?
Hvis ja, hvilke?
...
Stiller bevillingsgiveren nogle krav vedr. datamanagement?
Hvis ja, hvilke?
...
Bruges nogle formelle standarder i forbindelse med datamanagement?
Hvis ja, hvilke?
...
Vilkår fra samarbejdspartnere, som skal overholdes?
Hvis ja, hvilke?
...
Anslået pris for data management gennem og efter projektet.
Eksempelvis pris for opbevaring af data.
...
...
Der skal analyseres på arkiv-data fra Netarkivet
Der skal analyseres på 10 tværsnitshøstninger - 1 for hvert år.
Da en tværsnitshøstning i sig selv fylder mere end 30Tbytes er der ikke råd til at lave komplette udtræk af data til langtidsbevaring som forskningsdatasæt og der skal derfor tænkes i baner af eksempelvis at lave et index over en tværsnitshøstning som så kan gemmes som et datasæt en fremtidig forsker kan genbruge for at lave nye analyser på samme datasæt eller for at kontrollere forskningen i dette projekt
...
Original-data bor hos Netarkivet på SB og KB og de 2 institutioner har det juridiske ansvar for data.
...
Data i Netarkivet kan være personfølsomme og det er ophavsret-beskyttet, og der er derfor meget begrænset adgang.
...
Man skal have en individuelt udstedt tilladelse for at kunne få adgang.
...
Der skal behandles meget store mængder data (10 x 5-30Tbytes) - måske 200 Tbytes
...
Alle kendte fil-formater.
Original-data fra Netarkivet er lagret i ARC og WARC-filer hvilket betyder at der skal anvendes software der kan forstå disse formater.
Crawllogs, andre metadata-filer, som skal kunne forstås.
...
Hvilke værktøjer anvendes (navn, version og systemkrav)? (gerne link til værktøjet)
Hvilken platform og versionsnummer anvendes (windows, linux, mac)?
...
Hvad er forholdet mellem eksisterende data og de nye forskningsdata ?
...
Nye data vil bestå af indexer over bestemte corpora udtrukket af Netarkivet.
Den første udfordring vil derfor være at få defineret dette index-format samt at få lave værktøjer der givet en række parametre kan lave et passende udtræk af "en tværsnitshøstning" (som også skal defineres både intellektuelt samt teknisk)
...
Hvad påtænkes de nye data anvendt til ? (uddybende beskrivelse af forskningsspørgsmål og tilgangsvinkel)
...
Filformater bør opfylde følgende kriterier:
- Godkendt som en international eller national standard
- Almindelig brugt
- Accepteret som best practice indenfor fagområdet
...
...
Et bud på et index-format kunne være det såkaldte CDX-format som i forvejen anvendes som index under WayBack-maskinen. Men der er også andre kandidater (IA har en hel tool-suite der anvender 4 forskellige afledte dataformater: CDX, WAT, WANE, LGA-data)
https://github.com/vinaygoel/ars-workshop
...
Er der specielle software eller hardware krav for at benytte disse data?
Hvis ja, hvilke?
...
Hvor opbevares evt. ikke digitale forskningsdata sikkert?
...
Dokumentation og metadata
...
Hvilken form for dokumentation og metadata vil følge dine data?
...
Hvilke informationer er nødvendige for at dine data kan læses og forstås i fremtiden?
...
Hvordan vil du skabe den nødvendige dokumentation og metadata?
...
Hvilke metadatastandarder vil du bruge og hvorfor?
...
...
...
...
...
...
...
Hvordan vil du sikre backup, så dine data ikke risikerer at gå tabt?
...
...
Er der tilstrækkelig lagerplads?
...
...
...
...
Beskriv hvor ofte og til hvilke lokationer du vil føre backup
...
Vil du foretage nogen særlige foranstaltninger i forbindelse med adgangskontrol?
...
Hvordan vil du sikre at dine samarbejdspartnere kan få sikker adgang til data?
...
Hvis du indsamler data ude, hvordan vil du så sikre, at data bliver overført til dit system på en sikker måde?
...
...
Hvilke risici kan du forestille dig med hensyn til datasikkerhed og hvordan vil du håndtere dem?
...
...
...
Decide which data to keep and for how long. This could be based on any obligations to retain certain data, the potential reuse value, what is economically viable to keep, and any additional effort required to prepare the data for data sharing and preservation. Remember to consider any additional effort required to prepare the data for sharing and preservation, such as changing file formats.
...
...
...
...
Hvordan vil du beslutte, hvilke yderligere data, der skal bevares?
...
Hvilke muligheder for genanvendelse af data kan du se?
...
...
Hvad er din plan for langtidsbevaring af data?
...
Outline the plans for preparing and documenting data for sharing and archiving. If you do not propose to use an established repository, the data management plan should demonstrate that resources and systems will be in place to enable the data to be curated effectively beyond the lifetime of the grant.
...
Hvor vil du langtidsbevare data?
...
Hvad kræver det af dig at klargøre dine data til langtidsbevaring?
...
Consider where, how, and to whom data with acknowledged long-term value should be made available. The methods used to share data will be dependent on a number of factors such as the type, size, complexity and sensitivity of data. If possible, mention earlier examples to show a track record of effective data sharing. Consider how people might acknowledge the reuse of your data.
...
Hvordan vil mulige brugere af dine data kunne finde dem?
...
Vil du dele data gennem et repository, eller vil du selv stå for delingen?
...
Hvornår vil du gøre data tilgængelige?
...
Vil du søge at få en persistent identifikation (F.eks. DOI) til dine data?
...
Deling vil ikke ske
...
Er der nogen restriktioner i forbindelse med datadeling?
...
Beskriv alle de udfordringer du kan forestille dig i forbindelse med datadeling.
...
Hvilke tiltag vil du gøre for at minimere restriktioner?
...
...
...
Hvem har ansvaret for datamanagement?
...
Beskriv roller og ansvarsområder for alle aktiviteter, f.eks. dataindsamling, produktion af metadata, kvalitetssikring osv.
...
Hvem er ansvarlig for implementering, gennemsyn og tilpasning af datamanagementplanen?
...
Hvem er ansvarlig for de enkelte datamanagementaktiviteter?
...
Hvilke ressourcer er nødvendige for at gennemføre din plan?
...
Har du brug fra udefrakommende ekspertise?
...
Har du brug for ekstra hardware/software?
...
Hvor meget koster det at bevare data på bevaringsstedet?
...