Bygger datamanagementplanen på eksisterende standarder eller procedurer?Hvis ja, hvilke? Har den institution, som projektet hører under, særlige regler for. datasikkerhed?Hvis ja, hvilke (evt.som links)? Stiller samarbejdspartnere, bevillingsgivere eller andre krav til. datamanagement?Hvis ja, hvilke (evt. som links)? Stamoplysninger |
---|
Projektnavn | Hvis du har søgt en bevilling, brug samme navn som i bevillingsansøgningen | Probing a Nation's Web Domain | ID | Et relevant ID, eventuelt bestemt af bevillingsgiver og/eller institution | | Bevillingsgiver | Navn på bevillingsgiver, hvis det er relevant | Kulturstyrelsen, DEIC, Netlab | Bevillingsnummer | Reference til en bevillingsskrivelse, hvis det er tilgængeligt | FPK.2015-0049 | Projektbeskrivelse | Fortæl kort, hvilken type studie, der er tale om, sådan så andre kan forstå formålet med at skabe dine forskningsdata: | Forskningsspørgsmål: Hvordan har .dk domænet udviklet sig over tid fra 2005-2015 | | Hvilken type forskningsprojekt er der tale om? | internet-forskning, digital humaniora | | Med hvilket formål bliver data skabt? | For at analysere dem, og besvare forskning-spørgsmål | | Reference til projekt-ansøgning, hvis den er tilgængelig | links | Primærforsker | Navnet på projektets primærforsker(e) | Niels i samarbejde med Ditte , JanneNiels Brügger, Associate Professor, Head of the Centre for Internet Studies, and of NetLab/DigHumLab Janne Nielsen, PhD fellow, NetLab/DigHumLab Ditte Laursen, Senior Researcher, SB/Netarkivet | ForskerID | F.eks. ORCID | | Kontaktperson | Navn (hvis andet end primærforskere), tlf.nummer, e-mailadresse | Niels Brügger | Organisationer | Involverede organisationer | Netlab, AU, IKK, Center for Internetforskning, SB, Netarkivet | Version | Projektets tidsmæssige længde | open-ended, lige nu med finansiering til udgangen af 2016 | | Dato for den første version af projektets datamanagementplan | 14/9-2015 | | Dato for senest ændrede version af projektets datamanagementplanen | 14/3-2016 | | Dato for næste planlagte version af projektets datamanagementplanenen | IFT. DMP projektet 8/4-2016. | Relaterede politikker | Hvis der stilles krav til din datamanagement plan - fra bevillingsgivere, institutioner, dataejere, samarbejdspartenere osv. kan du angive dem her: | | Bygger datamanagementplanen på eksisterende standarder eller procedurer? Hvis ja, hvilke? | Ja, den bygger på den Tjekliste, som SB opbygger i forbindelse med DMiP-projektet. | | Har den institution, som projektet hører under, særlige regler for. datasikkerhed? Hvis ja, hvilke (evt.som links)? | Der er en række involverede institutioner. Netarkivet stiller særlige krav for datasikkerhed, da der er tale om potentielt personfølsomt og ophavsret-beskyttet data. Her skal vi nok have en reference. Stiller SB nogen krav i forbindelse med brug af Kulturarvscluster? | | Stiller samarbejdspartnere, bevillingsgivere eller andre krav til. datamanagement? Hvis ja, hvilke (evt. som links)? | Nej. | Data Management | Anslået pris for data management gennem og efter projektet. Eksempelvis pris for opbevaring af data. | 0 |
Data |
---|
Hvilke eksisterende data tænkes anvendt? | Digitale data (samlinger) der eksisterer før forskningsprojektet går i gang. | | Samlingens navn | Netarkivet | | Hvad påtænkes disse data anvendt til ? (uddybende beskrivelse af forskningsspørgsmål og -mål) | 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 | | Hvem har ansvaret for disse data? | Original-data bor hos Netarkivet på SB og KB, som er data-ansvarlige. | | Er der særlige juridiske forhold? (personfølsomme oplysninger, patenter, ophavsret...) | Data i Netarkivet kan være personfølsomme og det er ophavsret-beskyttet, og der er derfor meget begrænset adgang. | | Hvem kan få adgang til data? (betingelser) | Man skal have en individuelt udstedt tilladelse for at kunne få adgang. | | Hvor befinder disse data sig? | SB og KB | | Hvor store datamængder tænkes behandlet (fx antal Gb / Tb samt antal objekter/filer) | Der skal behandles meget store mængder data (10 x 5-30Tbytes) - måske 200 Tbytes
| | Hvilke filformater indgår i samlingen? (TEI, JP2, MP3, …) | Principielt kan samlingen indeholde alle kendte fil-formater- pga. Internettets natur er det ikke til at sige. 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)? | Per / Kulturarvscluster | Hvilke forsknings-data tænkes genereret som en del af projektet? | 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) | | Skal alle datasæt bevares? | Indeks skal bevares. Procedurebeskrivelse skal bevares + beskrivelse af anvendte værktøjer.Output indeholder kun afledte data. | | Hvad påtænkes de nye data anvendt til ? (uddybende beskrivelse af forskningsspørgsmål og tilgangsvinkel) | De nye data skal bruges til at lave deskriptiv statistik af indholdet i netarkivet. I projektet laver vi 4 probes. Vi henviser til dokumentet “Probes — The Cook Book” for en teknisk forklaring af disse probes. Vi forventer også at data skal danne grundlag for yderligere forskning indenfor Digital Humaniora. | | Hvor store mængder nye data er der tale om ? (størrelse og antal objekter/filer) | Under 5 TB | | Har forskningsdata værdi efter projektets afslutning, således at de bør bevares? (i givet fald hvilken værdi og for hvem) | Da projektet bruger mange ressourcer på at udvikle udtræks-algoritmer mm. tænkes de nye datasæt at repræsentere en stor værdi for fremtidige forskere der vil kigge på nogle af de samme afgrænsninger (hele tværsnit af .dk-domænet) | | Hvilke kendte værktøjer tænkes anvendt på de nye data? (gerne link til værktøjet) | R, til deskriptiv statistik (https://www.r-project.org) | | Overvejes udvikling af nye værktøjer? | Ja, det påtænkes at udvikle et værktøj, der kan udstille data på clusteret, hvilket sørger for ETL-processen (Extract-Transfer-Load). Værktøjet/værktøjerne ejes af??? Open Source??? | Filformat af forskningsdata | Filformater bør opfylde følgende kriterier: - Godkendt som en international eller national standard
- Almindelig brugt
- Accepteret som best practice indenfor fagområdet
| | | Hvilke filformater tænkes de nye data at blive lagret i ? | 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? | Nej, de kan processeres af alm. software/hardware. | Organisation af forskningsddata under projektet | Hvilke standarder og metoder vil du anvende? | Uafklaret | | Hvordan vil du strukturere og navngive dine mapper og filer? | Uafklaret | | Hvordan vil du håndtere versionering (f.eks. benytte versionsstyringsværktøj)? | Uafklaret | | Hvordan vil du kvalitetssikre dine data (f.eks. review hos kollega)? | Uafklaret | Ikke digitale data | Hvor opbevares evt. ikke digitale forskningsdata sikkert? | Der er ingen ikke-digitale forskningsdata. | | Hvor lang tid vil ikke digitale forskningsdata blive bevaret sikkert? | Se ovenstående. | 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? | Beskrivelsen af index-filen og beskrivelse af procedure for, hvordan man viser data. | | Hvordan vil du skabe den nødvendige dokumentation og metadata? | Dokumentationen vedligeholdes løbende på NetLabs wiki på SBProjects, hvor projektet har sit eget område. De dokumenter, som hører til metadata skal til sidst lægges i et passende format (e.g. en readme-fil) og gemmes sammen med metadata. | | Hvilke metadatastandarder vil du bruge og hvorfor? | Uafklaret | | Beskriv den type dokumentation der vil følge dine data, sådan at udenforstående kan forstå og genanvende dine data. Som minimum skal der være nogle grundlæggende oplysninger, som vil hjælpe med at finde data, inklusive hvem der har skabt data, en titel, en dato og evt. adgangsbegrænsninger. Dokumentationen skal også gerne inkludere oplysninger om metode, analyse, variabeldefinitioner, vokabularer, målingsenheder, antagelser samt format- og filtype. Overvej hvordan og hvor du vil redegøre for disse oplysninger. Det er en god idé at følge eksisterende standarder. | Tekstbehandlingsdokumenter, artikler etc. Disse opdateres løbende på projektets wiki-sider. |
Etiske og lovgivningsmæssige forhold |
---|
Hvordan vil du håndtere etiske overvejelser? | Etiske spørgsmål kan have betydning for hvordan du håndterer dine data. Både i forhold til hvordan de opbevares, hvem der har adgang til dem og hvor længe de er bevaret. Du bør vise, at du er opmærksom på evt. etiske problemstillinger, og at du har taget hensyn til retningslinjer udstukket af din institution (også dem der går ud over de rent lovmæssige forhold) | | Har du tilladelse til at gemme og dele data?: | Ja vi må gemme data, men ikke dele data. Se ovenfor. Deling af data og resultater skal overholde persondata- og ophavsret. | | Hvordan vil du sikre anonymitet for evt. deltagere i forskningsprojektet? | Målet er ikke at behandle følsomme data. Skulle det ske, skal disse data ikke trækkes ud. | | Hvordan vil du håndtere personfølsomme oplysninger, så du sikrer at de er opbevaret sikkert? | | Hvordan vil du håndtere evt. spørgsmål om copyright og intellektuel ejendomsret? | Hvem skal spørges om lov, hvis data skal genanvendes? | | | Er der nogen adgangsbegrænsninger i forhold til genanvendelse af tredjepart? | | | Vil datadeling blive forsinket på grund af publikationer eller patenter? | | | Beskriv hvem og hvor mange der skal spørges om lov i tilfælde af, at en tredjepart vil genanvende data | | | Er der dansk copyright på data? | | | Er der udenlandsk copyright på data? | | Ejerskab af data | Ejerskab af kilde-data | | | Ejerskab af data skabt i projektet (f.eks. et indeks) | | | Ejerskab af metadata skabt i projektet | | Tredje parts data | Hvis andre ejer data, hvordan kom projektet i besiddelse af disse data og hvilke vilkår gælder der for tilgang til disse data. | | | Reference nummer til købte eller licenserede data | | | Reference nummer til data, der er opnået gennem en open access licens | | | Beskrivelse af vilkår for data opnået på anden vis | |
5: Backup, bevaring og deling af data |
---|
| 5.1: Hvordan vil du opbevare og sikre backup af data under dit forskningsprojekt? |
---|
Hvordan vil du foretage backup for at sikre mod datatab? | | Under “Active DM” ingen backup af nye forskerskabte data. I øjeblikket er der ingen backup at clusteret. | Hvor er data backup placeret? | | | Er lagerplads til backup tilstrækkelig? | | | Er der sikret mulighed for genskabelse af data i tilfælde af et uheld og hvem er ansvarlig for dette? | Hvis ja, angiv kort hvorledes. | Algoritmer til at hente data fra Netarkivet over på clusteret er under backup og kan køres igen. Algoritmer lagret på forsker-maskiner kan ligeledes køres igen på Kulturarvsclusteret. | 5.2: Hvordan vil du håndtere adgang og sikkerhed? |
---|
Er der foretaget risikoplanlægning i forhold til datasikkerhed? | Hvis ja, beskriv kort. | Nej | Hvorledes vil adgangskontrol blive sikret? | Det gælder både uautoriseret adgang og dine samarbejdspartneres adgang. | Håndteres af Kulturarvsclusteret (SB). | Hvorledes vil indsamlede data blive overført på sikker måde? | | | Hvis dine data er særligt følsomme kan du redegøre uddybende for alle sikkerhedsforanstaltninger og formelle standarder. | | | 5.3: Langtidsopbevaring |
---|
Ofte vil data skulle opbevares i længere tid. Det kan gælde alle data eller kun udvalgte datasæt. I det følgende har du mulighed for at beskrive dette nærmere. | Hvilke data skal bevares og/eller deles? | Vurder hvilke forskningsdata, der har værdi efter projektets afslutning og som derfor bør, bevares. Overvej også gerne hvilke genanvendelsesmuligheder dine data har, både i forhold til at validere dine resultater, til at frembringe nye videnskabelige resultater og til brug i forbindelse med undervisning. | Procedurer for at skabe indeks, altså algoritmer skal bevares og deles. Korpus metadata i CSV-format skal bevares og deles. Beskrivelsen af index-filen og beskrivelse af procedure for, hvordan man viser data skal bevares og deles. | Hvilke data skal bevares eller slettes på grund af lovmæssige, kontraktmæssige eller andre lignende forhold? | | Indekser over korpus vil kunne indeholde personhenførbare informationer, og kan derfor ikke deles. Indekser skal i stedet slettes. | Hvor længe skal data bevares? | | 10 år | Stilles der særlige krav om klargøring af data til langtidsbevaring? | Angiv kort. | | 5.4: Datadeling |
---|
Du bør overveje betingelser for datadeling, både med hvem, internt og eksternt, i hvilket omfang og hvorledes anerkendelsen af dig som ophav til data kan sikres. | Deling: | Vil du dele dine data? Ja/nej. | Ja. Nogle data kan deles, også eksternt. | Er der restriktioner på deling af data? | Hvis ”ja” til datadeling, hvilke problemer og hvilke løsninger ser du? . | Nej. De data som er udvalgt til bevaring kan også deles. | Hvis der er et ønske om eneadgang, hvor længe har du behov for eneadgang til data og hvorfor? | | | Eksisterer der en formel aftale om deling af data? | Ja/nej. | Hvis nej: er der behov for en sådan aftale? | Hvordan vil mulige brugere af dine data kunne finde og dele dem? | Vil du eksempelvis dele data gennem et repository, eller vil du selv stå for delingen? | Deling forventes at foregå gennem SB's “Research Data Repository” | Vil du søge at få en persistent identifikation (F.eks. DOI) til dine data? | | Ja, tildeles af repository. | Delingsmetode | Hvordan vil andre modtage/kunne hente og evt. dele dine data? | Data vil kunne downloades fra repository. | Datakontrol | Hvordan vil du kontrollere adgang til data? | Adgang til data administeres af repository. |
|