Handleiding en tools

U bent hier

Research data management is de moeite waard, zeker op lange termijn. Onderzoekers die regelmatig stilstaan bij de workflow van hun dataverwerking en die een data management plan (DMP) opstellen en wijzigen, zijn beter in staat om de veiligheid van hun gegevens te waarborgen, dataverlies of -corruptie te voorkomen, de kosten van gegevensopslag in te schatten, de impact van hun onderzoeksgegevens te vergroten én te anticiperen op problemen die zich kunnen voordoen. Hieronder vindt u enkele nuttige handleidingen en onmisbare tools voor een efficiënt beheer van onderzoeksgegevens tijdens alle fasen van een onderzoeksproject.

Handleidingen

In de nabije toekomst zullen hier meer handleidingen worden toegevoegd. In tussentijd is het raadzaam dat u deze extra bronnen verkent: OpenAIRE, Digital Curation Centre, FOSTER Open Science (Managing and Sharing Research Data), GO-FAIR RDM-startpakket.

Tools

Geen enkele vakman kan efficiënt werken zonder de juiste tools! Van elektronic lab notebooks en electronic data capturing systemen tot anonimisering- en encryptietools: onderzoekers beschikken over een hele reeks tools om te werken aan een state-of-the-art research data management.

  • Het schrijven van een data management plan is één van de eerste stappen naar een goed RDM. UHasselt onderzoekers kunnen inloggen op DMPonline.be met hun institutionele login of met hun ORCID-ID en gebruik maken van de beschikbare templates (ERC, H2020, FWO, …) om een verplicht DMP op te stellen. Indien nodig is ondersteuning van het RDM-team zeker mogelijk.
  • Een kostentool en checklist voor data management kan worden gebruikt om de impact van RDM op uw onderzoeksbudget te berekenen.
  • Versiebeheer kan eenvoudiger worden gemaakt met GitHub, SVN of open-source tools zoals OSF.
  • Elektronic lab notebooks (ELN) zijn softwaretools die worden gebruikt om waarnemingen, experimenten en procedures te documenteren. De voornaamste voordelen van een ELN zijn het gebruikersgemak, de geautomatiseerde gegevensbackup, het gebruik van gestandaardiseerde metadataschema’s en de mogelijkheid om samenwerkingen op te zetten in een specifieke omgeving. De integratie met labinstrumenten maakt de geautomatiseerde toepassing van discipline-specifieke metadatastandaarden mogelijk in plaats van het handmatig genereren van metadata met behulp van generieke of discipline-specifieke tools. Het Open Science Framework (OSF), Jupyter, DataVerse en iRods zijn veelgebruikte open-source ELN’s. Voor een volledig overzicht van ELN’s en hun specificaties, raadpleegt u best de Harvard Medical School ELN matrix en ELN voor toekomstige gebruikers Cambridge. Om u te helpen bij uw keuze voor een ELN kan u ook de lijst van vereisten raadplegen die samengesteld is door JISC en de Universiteit van Glasgow.
  • Electronic Data Capturing (EDC) systems worden specifiek ontworpen en gebruikt voor de verzameling van klinische data (bijvoorbeeld in de farmaceutische, medische en biotechnologische context). Populaire softwarepakketten omvatten, maar zijn niet beperkt tot REDCap, Castor EDC, OpenClinica.
  • Anonimisering (bijvoorbeeld door gebruik te maken van Amnesia of ARX) en encryptie van datasets laten de veilige verwerking van persoonlijke gegevens toe. Hoewel de gegevens worden gecodeerd op Google Drives van de Universiteit Hasselt en de meeste besturingssystemen (Bitlocker (Windows) of FileVault (OSX)) voorzien zijn van volledige encryptie, kunnen onderzoekers ook 256-bits AES-encryptie toepassen op een specifieke dataset met behulp van veelgebruikte toepassingen zoals 7-zip of VeraCrypt.
  • Gebruik de Licence chooser van Creative Commons om een aangepaste licentie toe te voegen aan uw datasets.

Extra bronnen

Top