Navigation Huvudinnehåll Logga in Sök

Forskningsdata


Forskningsdata kan bestå av siffror eller text, bilder, video eller ljudinspelningar. Den kan vara digital eller analog (exv. laborationsrapporter) och även programmeringskod kan räknas som forskningsdata. När man talar om forskningsdata i kontexten 'Open Science' avses digitala data som samlats in eller producerats i vetenskapligt syfte.

Dela data

Tillgänglig forskningsdata möjliggör för andra forskare att validera de vetenskapliga resultaten. Data kan också användas i nya forskingsprojekt, i undervisningen samt bidra till metodutveckling m.m. Att forskningsdata görs tillgänglig och fri att använda kan inspirera till nya forkningssamarbeten såväl nationellt som internationellt.
Att deponera forskningsdata i certifierat dataarkiv är också ett sätt att både dela data och samtidigt skydda det, genom att spara på säkra servrar, vilket ger backup för den egna lagringen.
Krav på tillgänglig data har blivit vanligare, forskningsfinansiärer kan ha krav på datapublicering och en del tidskrifter kräver att även data tillgängliggörs tillsammans med artikeln (t ex Nature).

Skriv en datahanteringsplan

En datahanteringsplan definierar vad som skall ske med forskningsdata under och efter ett forskningsprojekt. Planen skall helst vara ett levande dokument som uppdateras under projektets gång. Att skriva en DHP kan vara en god idé även när det inte finns något externt krav på att göra det. Väl organiserade, strukturerade och dokumenterade data gör det lättare att validera, återanvända, tillgängliggöra och bevara dem. Dessutom är det viktigt att ha klargjort alla juridiska frågor kring ägande och tillgängliggörande helst redan vid projektstart.

Här är några användbara guider och mallar för att skapa DHP:er:

Finansiärskrav

Ta reda på vilka krav forskningsfinansiären ställer på data som genereras inom ditt projekt. Flera finansiärer efterfrågar datahanteringsplaner och några kräver att både publikationer och data publiceras med öppen tillgång (open access).

  • Inom EUs ramprogram Horizon 2020 finns krav på datapublicering för projekt som omfattas av Open Research Data Pilot.
  • Nästa ramprogam Horizon Europe (2021-2027) kommer att omfattas av en mer övergripande policy för "Open Science".
  • Vetenskapsrådet (VR) har krav på DHP för alla beviljade bidrag i utlysningar fr.o.m. 2019.
  • Webbtjänsten SHERPA/JULIET listar fler finansiärers riktlinjer för tillgängliggörande av forskningsdata.

Hitta rätt datarepositorium

För hjälp att hitta en lösning för datapublicering- och lagring, kontakta institutionen för Vetenskaplig kommunikation och lärande (CLS): research.lib@chalmers.se

Chalmers rekommenderar följande tjänster:

  • Svensk nationell datatjänst (SND) riktar sig till svenska lärosäten/forskare och erbjuder stöd för publicering och lagring av forskningsdata
  • Zenodo (European Commission’s OpenAIREplus project) erbjuder publicering och lagring av dataset oberoende av storlek och format
  • re3data.org är ett internationellt register över datarepositorier, generella och ämnesspecifika 

Citera forskningsdata

Praxis att publicera och citera data skapar ett system för erkännande och belöning för dataproducenter. När data citeras kan den lokaliseras och nås för replikering och verifiering av forskningsresultat.

När ett dataset deponeras i ett Core Certified Repository,  får det en permanent identifierare (PID) som du kan referera till i din publikation. En PID gör datasetet både citerbart och sökbart, även om setet byter webbadress. Det finns många typer av identifierare, varav Digital Object Identifier (DOI) används i störst utsträckning.

Data ska citeras enligt samma stil som övriga informationskällor. Citeringen bör innehålla följande; upphovsman, titel, publikations år, version, dataarkiv och DOI: 

Barber, L.B., Weber, A.K., LeBlanc, D.R., Hull, R.B., Sunderland, E.M., and Vecitis, C.D., 2017, Poly-and perfluoroalkyl substances in contaminated groundwater, Cape Cod, Massachusetts, 2014-2015 (ver. 1.1, March 24, 2017): U.S. Geological Survey data release, https://doi.org/10.5066/F7Z899KT.

FAIR data

FAIR-principerna skapades för att forskningsdata ska kunna göras sökbara, tillgängliga, integrerade och kunna återanvändas av såväl människor som maskiner. De har antagits av flertalet stora förlag, datarepositorier och finansiärer, inklusive EU.

fair_data_principles-768x261.jpg (1)

Bild: Sangya Pundir, Wikimedia Commons CC BY-SA 4.0

 

ANDS-Nectar-RDS FAIR data self-assessment tool kan användas för att utvärderar hur FAIR ett dataset är och ger förslag på hur det kan göra med FAIR.

Verktyget ställer frågor relaterade till principerna Findable, Accessible, Interoperable och Reusable. Utifrån svaren görs en bedömning av datasetets grad av FAIR för respektive princip.  

 


                                                    

Chalmers