Datamanagement is een essentieel onderdeel binnen de onderzoekspraktijk en omvat het plannen, creëren of verzamelen, opslaan, organiseren, onderhouden, langdurig bewaren (preserveren), toegankelijk maken, delen, beschrijven en publiceren van onderzoeksdata. Stakeholders (subsidieverstrekkers en partners) stellen steeds hogere eisen hieraan. Volgens de internationale FAIR principes dienen onderzoeksdata vindbaar (Findable), toegankelijk (Accessible), interoperabel (Interoperable) en herbruikbaar (Re-usable) te zijn (zie tabblad 'FAIR principes'). FAIR bevordert zorgvuldige publicatie, vindbaarheid en toegankelijkheid van onderzoeksdata. FAIR datamanagement is het geheel van beslissingen en maatregelen die tijdens de levenscyclus van onderzoeksdata worden getroffen om onderzoeksdata zo FAIR als mogelijk af te leveren. Belangrijk daarbij is onder andere de keuze voor een bestandsformaat, naamgevingsconventie en datalicentie, het vastleggen van datadocumentatie en metadata, etc. (zie deze LibGuide). Ook de veilige opslag van de onderzoeksdata en projectdocumentatie is een belangrijk onderdeel (zie deze LibGuide).
Om alles in goede banen te leiden en alle aspecten gedurende een onderzoeksproject in kaart te brengen, is een datamanagementplan een onmisbaar hulpmiddel (zie deze LibGuide).
Aandacht besteden aan ethische aspecten (zie deze LibGuide) en AVG-principes (zie deze LibGuide) is noodzakelijk.
Kernwaarden
Binnen datamanagement zijn integriteit en reproduceerbaarheid belangrijke kernwaarden. Integer en reproduceerbaar werken leidt niet alleen tot betrouwbaar maar ook tot (her)bruikbaar onderzoek.
♦ Integriteit
Is gebaseerd op de principes eerlijkheid, zorgvuldigheid, transparantie, onafhankelijkheid en verantwoordelijkheid. Meer hierover en over de Nederlandse gedragscode wetenschappelijke integriteit is te
vinden in deze LibGuide.
♦ Reproduceerbaarheid
Onderzoek is reproduceerbaar als je alle benodigde (meta)data, software en computerscripts verschaft die het mogelijk maken om het onderzoek ofwel opnieuw uit te voeren of om heranalyse van de
onderzoeksdata mogelijk te maken. Dit vergt een goede datadocumentatie, zie deze LibGuide. Het opzetten van reproduceerbaar onderzoek vergt ook een gedegen voorbereiding in de planfase. Zie voor
tips en tools deze LibGuide.
Goed datamanagement heeft veel voordelen: voor jezelf, voor je onderzoeksinstituut, voor je vakgebied en voor de wereld om ons heen.
Kwantitatieve of kwalitatieve gegevens die in het kader van het praktijkgericht onderzoek worden verzameld voor het beantwoorden van een onderzoeksvraag. Het gaat hierbij om zowel primaire data (empirische, waargenomen en/of gemeten data) als secundaire data (data afgeleid uit andere of eerdere bronnen). Onderzoeksdata zijn er in vele vormen en formaten, bijvoorbeeld tekstdocumenten, spreadsheets, audio-opnamen, videoopnamen, foto's, afbeeldingen, 3D-modellen, (field)labresultaten (dit is geen uitputtende opsomming).
Er wordt daarbij onderscheid gemaakt tussen:
Methoden om data te verzamelen:
Zie ook deze LibGuide.
Een onderzoekscyclus is een visuele weergave van de verschillende fases van onderzoek en beschrijft de stappen die een onderzoeker per fase onderneemt, vanaf het plannen van een onderzoek tot aan het afronden ervan.
Brent Lilian Marsha Kenny
Marsha Bokhorst
datasteward
marsha.bokhorst@zuyd.nl
Lilian van de Burgt
datasteward
lilian.vandeburgt@zuyd.nl
Kenny Witjes
datasteward
kenny.witjes@zuyd.nl
Brent Abelshausen
functioneel beheerder onderzoek
brent.abelshausen@zuyd.nl