Essentials 4 Data Support (Nederlands) - Public
Sentitzen dugu, jarduera hau ezkutuan dago
Atalaren laburpena
-
Missie
De cursus Essentials 4 Data Support wil een bijdrage leveren aan de professionalisering van en afstemming tussen data supporters. Onder data supporters verstaan wij de diverse partijen die onderzoekers ondersteunen bij het opslaan, beheren, archiveren en delen van hun onderzoeksdata.
Doelgroep
De cursus richt zich op iedereen die onderzoekers wil ondersteunen bij het opslaan, beheren, archiveren en delen van onderzoeksdata: de data supporter. Denk bijvoorbeeld aan bibliotheekmedewerkers, data librarians, data stewards, IT-medewerkers en onderzoekers met taken op het gebied van datamanagement in hun pakket.
Meer informatie over het volgen van deze cursus? Cursusvarianten en inschrijving (RDNL website)
-
-
In dit hoofdstuk schetsen we in het kort de geschiedenis van een inmiddels onmisbaar gebied van onderzoeksondersteuning: research data management support. We laten zien hoe datamanagement ingezet kan worden om integriteit en reproduceerbaarheid van wetenschappelijk onderzoek vorm te geven. Tot slot belichten we een aantal begrippen - zoals de research lifecycle, open science en FAIR data - en staan we stil bij diverse typen van data supporters.
Leerdoelen
Na dit hoofdstuk:
- Kun je aangeven welke gegevens we onder onderzoeksdata scharen;
- Begrijp je hoe open science, datamanagement en FAIR data vorm geven aan de integriteit en reproduceerbaarheid van wetenschappelijk onderzoek;
- Kun je uitleggen dat de betekenis die onderzoeksdata hebben, verschilt per doelgroep en per fase in de levenscyclus (research lifecycle);
- Heb je een globaal overzicht van de diverse typen data supporters;
- Ken je een aantal informatiebronnen die je verder kunnen helpen om up-to-date te raken in het werkveld.
-
De planfase is de fase die voorafgaat aan het verzamelen van nieuwe data of aan het (her)gebruiken van bestaande onderzoeksdata. In deze fase treffen onderzoekers voorbereidingen voor het doen van integer en reproduceerbaar onderzoek: integrity and reproducibility by design. In deze paragraaf kijken we naar een aantal hulpmiddelen - datamanagementplanning en preregistratie - die bij kunnen dragen aan integer en reproduceerbaar onderzoek waarvan de output zo FAIR mogelijk is.
Leerdoelen
In dit hoofdstuk:
- Maak je kennis met het principe van integriteit en reproduceerbaarheid by design;
- Leer je de voordelen van planmatig werken met het oog op hergebruik;
- Maak je kennis met preregistratie als middel om integriteit en reproduceerbaarheid te vergroten;
- Leer je welke onderdelen deel uitmaken van een datamanagementplan
-
In dit hoofdstuk behandelen we een aantal zogeheten good practices om onderzoeksdata op te slaan, veilig, vindbaar en leesbaar te houden. Ook kijken we naar tools en omgevingen waarbinnen onderzoekers samen kunnen werken aan gedeelde data.
Leerdoelen
Na dit hoofdstuk:
- Heb je een globaal overzicht van de verschillende manieren om onderzoeksdata op te slaan, te backuppen, te organiseren en te documenteren;
- Kun je aangeven welke dataformaten zich lenen voor langetermijnopslag van onderzoeksdata;
- Heb je zicht op de overlap en verschillen tussen voorzieningen om data op te slaan, datamanagementsystemen en virtuele onderzoeksomgevingen.
-
Hoe en waar archiveer of publiceer je data? Wat is er nodig voordat (toekomstige) anderen onderzoeksdata kunnen hergebruiken? In dit hoofdstuk staat het plukken van de vruchten van datamanagement centraal.
Leerdoelen
Na dit hoofdstuk:
- Weet je wat een data-archief is en ken je een aantal ingangen om data-archieven en datasets te vinden;
- Kun je de selectiecriteria benoemen die bepalen of een dataset voor opname in een data-archief in aanmerking komt;
- Kun je het belang van certificering voor data-archieven benoemen;
- Kun je diverse vormen van datapublicatie benoemen;
- Weet je wat datacitatie is, wat de voordelen zijn, welke partijen een rol spelen bij het mogelijk maken van datacitatie, wat een DOI is en hoe je deze kunt registreren.
-
Onderzoekers krijgen tijdens het verzamelen, delen en archiveren van onderzoeksdata onherroepelijk te maken met ethische overwegingen en wettelijke verplichtingen. Wat zegt de auteurswet over onderzoeksdata? Hoe verhouden de wet en de praktijk zich tot elkaar? Wat kun je onderzoekers adviseren en/of naar wie kun je ze doorsturen bij vragen over de AVG, consent, anonimiseren, de DPIA? In dit hoofdstuk komt dit soort vragen aan de orde.
Leerdoelen
Na dit hoofdstuk:
- Kun je benoemen welke wetten er een rol spelen bij de omgang met onderzoeksdata en kun je aangeven wat die wetten ongeveer inhouden;
- Heb je handvatten om onderzoekers te adviseren bij het balanceren tussen wet en praktijk;
- Heb je zicht op de implicaties van de privacywetgeving op het delen van onderzoeksdata;
- Heb je een overzicht van diverse typen van databeleid;
- Weet je wat de rol van licenties is bij het delen van onderzoeksdata en kun je verschillende typen licenties benoemen.
NB De richtlijnen en adviezen binnen dit hoofdstuk vormen geen juridisch advies. Bij twijfel is het zaak professioneel juridisch advies in te winnen.
-
Binnen welk krachtenveld beweeg je je als data supporter/data steward? Hoe zijn andere instellingen met data stewardship bezig? Hoe ga je het gesprek met onderzoekers aan? Hoe kun je data support organiseren? In dit hoofdstuk leer je daar meer over.
Leerdoelen
Na dit hoofdstuk:
- Ben je je bewust geworden in welk krachtenveld je je als data supporter/data steward beweegt;
- Heb je handvatten gekregen om de betrokkenheid van onderzoekers bij het datamanagement en het delen van onderzoeksdata te vergroten;
- Kun je uitleggen hoe het frontoffice - backoffice model van RDNL kan dienen als één van de manieren om data support te organiseren;
- Heb je zicht op een aantal voor testimonials en wetenschappelijke bewijsstukken waaruit blijkt wat het doen van reproduceerbaar onderzoek en het delen van onderzoeksdata andere onderzoekers heeft opgeleverd.
-
-