Forschungsprojekte bestehen in der Regel aus drei oder mehr kleineren, aber hochkomplexen Projekteinheiten, die parallel laufen und mehrere Datensätze erzeugen. Die Bereitstellung dieser Daten nach der Veröffentlichung gemäß den vier Grundprinzipien – Findability, Accessibility, Interoperability und Reusability (FAIR-Prinzipien) – ist eine Standardanforderung und fester Bestandteil des Forschungsworkflows. Dieser Kurs gibt eine Einführung in das Forschungsdatenmanagement (RDM), die Kontextualisierung von Datensätzen durch Hinzufügen relevanter Metadaten, die Theorie und praktische Anwendung der FAIR- und CARE-Prinzipien (People & Purpose) sowie einen Überblick über geeignete Repositories für Forschungsdaten und die dabei zu berücksichtigenden rechtlichen und ethischen Aspekte.
FAIR-Prinzipien
Die ‘FAIR Guiding Principles for scientific data management and stewardship’ (FAIR-Leitprinzipien für die Verwaltung und Verwaltung wissenschaftlicher Daten) bieten Richtlinien zur Verbesserung der Auffindbarkeit, Zugänglichkeit, Interoperabilitätund Wiederverwendungdigitaler Daten durch Maschinenfähigkeit.
CARE-Grundsätze
Die ‘CARE-Prinzipien für indigene Datenverwaltung’ ergänzen die bestehenden FAIR-Prinzipien, indem sie sich an den Menschen und dem Zweck orientieren und die entscheidende Rolle von Daten bei der Förderung von Innovation und Selbstbestimmung der Indigenen widerspiegeln.
Module
I) Einführung und der Plan für das Management von Forschungsdaten und (RDM)
- Die Kunst der Tabellenkalkulation: csv, aufgeräumte Daten, Interoperabilität, maschinelle und menschliche Lesbarkeit
- Datenbestand, Ordnerorganisation, Dateinamen, Backups
- Offene & FAIR-Daten: Repositories, Lizenzen, FAIR-Prinzipien
- die CARE-Grundsätze #BeFAIRandCARE
- Vom Versuchsplan bis zur Veröffentlichung >> der Forschungs-(Daten-)Managementplan
II) Reproduzierbarkeit und Datenanalyse
- Metadaten: Breite des Experiments und der Probe, Inhalt, Zeitpunkt
- Versionskontrolle und Hilfswerkzeuge (git, Rstudio, Github)
- Kombinieren Sie Daten aus verschiedenen Quellen
- Datenbearbeitung, Analysedokumentation mit MS Excel, R und Rstudio
- Machen Sie Ihre Analyse für Menschen lesbar – Codekommentierung: Konventionen und Beispiele, dplyr-Paket
III) Design Thinking und agile Methoden, Datenvisualisierung
- Digitale Tools für das wissenschaftliche Projektmanagement
- Agiles Kanban für die Wissenschaft
- Die Projektplanungsübersicht
- Projektüberwachung und -bewertung
- Verwandeln Sie Ihre Datensätze in Diagramme und Bilder
Leseempfehlungen & Ressourcen
Gregory K, Khalsa SJ, Michener WK, Psomopoulos FE, de Waard A, Wu M (2018) Elf schnelle Tipps zum Finden von Forschungsdaten. PLoS Comput Biol 14(4): e1006038. doi.org/10.1371/journal.pcbi.1006038
Wilkinson, MD. et al., (Dez 2016), Die FAIR-Leitprinzipien für die Verwaltung und Betreuung wissenschaftlicher Daten. nature.com/scientificdata
Die Data FAIRport-Initiative ist eine offene Bewegung, die als praktische Folge eines Lorentz-Workshops in Leiden, Niederlande, im Januar 2014, ins Leben gerufen wurde: Gemeinsame Gestaltung eines Daten-FAIRports. Ihre Vision ist es, bestehende Gemeinschaften zusammenzuführen und zu unterstützen, die versuchen, eine Situation zu realisieren und zu ermöglichen, in der wertvolle wissenschaftliche Daten ‘FAIR’ im Sinne von auffindbar, zugänglich, interoperabel und wiederverwendbar sind. | datafairport.org
DMPonline hilft Ihnen bei der Erstellung, Überprüfung und Weitergabe von Datenmanagementplänen, die den Anforderungen von Institutionen und Geldgebern entsprechen. Es wird vom Digital Curation Centre (DCC) bereitgestellt.| dmponline.dcc.ac.uk
Ein tiefer Einblick in FAIR-Daten: https: //howtofair.dk/ – Präsentiert vom Danish National Forum for Research Data Management, mit Unterstützung der Danish e-Infrastructure Cooperation (DeiC).