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. Datat kan också återanvändas i nya projekt, i undervisning, samt bidra till metodutveckling m.m. Att forskningsdata görs tillgänglig och fri att använda kan inspirera till nya forskningssamarbeten såväl nationellt som internationellt. Att deponera forskningsdata i ett certifierat dataarkiv är också ett sätt att både dela data och samtidigt skydda den, 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 vara ett levande dokument till stöd för datahantering under hela forskningsprocessen och uppdateras vid behov. Att skriva en datahanteringsplan 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.

För att skapa och underhålla datahanteringsplaner för forskningsprojekt vid Chalmers kan verktyget Chalmers DS Wizard användas. Logga in (med ditt CID) och följ instruktionerna för att skapa en ny plan.

Här är några användbara guider, verktyg och mallar för att skapa datahanteringsplaner:

• Checklista för datahanteringsplan (Svensk nationell dataservice, SND)
• Ta fram en datahanteringsplan (Vetenskapsrådet, VR)
• Checklist for a Data Management Plan (Digital Curation Centre, DCC)
• Guidelines on Data Management in Horizon 2020
• Framework for Discipline-specific Research Data Management (Science Europe)

Finansiärskrav

Ta noga 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).

• Horizon 2020 - Projekt inom EUs ramprogram Horizon 2020 omfattas av The Open Research Data Pilot. Information om pilotens krav finns i Participant Portal H2020 Online Manual.
• European Research Council (ERC) ställer liknande liknade krav, se: Guidelines on Implementation of Open Access to Scientific Publications and Research Data.
• Horizon Europe - EUs ramprogam för 2021-2027 omfattas av en övergripande policy för "Open Science"
• Vetenskapsrådet (VR) har krav på DHP för alla beviljade bidrag i utlysningar fr.o.m. 2019. Planen skall finnas på plats vid projektstart
• Formas - har krav på att projekt som beviljats stöd ska ha en datahanteringsplan och att forskningsdata görs öppet tillgängliga.
• Fler finansiärers riktlinjer för tillgängliggörande av forskningsdata hittar du i tjänsten SHERPA/JULIET

Hitta rätt datarepositorium

För hjälp med frågor som rör publicering och lagring av forskningsdata, kontakta Chalmers datakontor: dataoffice@chalmers.se

Chalmers rekommenderar följande tjänster:

• Svensk nationell datatjänst (SND) erbjuder i samarbete med Chalmers datakontor stöd för publicering 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

Genom att publicera och citera dataset skapar man en praxis som ger erkännande till dataproducenter och synlighet för datat. När data citeras kan den lokaliseras och nås för replikering och verifiering av forskningsresultat. Dataset som deponeras i ett Core Certified Repository,  får 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.

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

FAIR data self-assessment tool kan användas för att utvärdera hur FAIR ett dataset är och ger förbättringsförslag. 

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