Forskningsdata og datahåndteringsplaner

En datahåndteringsplan beskriver hvordan forskningsdata skal håndteres gjennom hele forskningsprosjektet. Det forventes at alle forskningsprosjekter som mottar offentlig støtte skal ha en datahåndteringsplan.

Norges Forskningsråd beskriver datahåndteringsplaner slik:
Planen er et levende dokument som skal følge forskningsprosjektet. Den skal vise

• hvilke data som vil bli generert
• hvordan dataene skal beskrives
• hvor dataene skal lagres
• om og eventuelt hvordan de kan deles

Hensikten er å planlegge for hvordan dere skal sikre forskningsdataene, både underveis i prosjektet, og for fremtidig gjenbruk. En datahåndteringsplan er også nyttig for å vise kostnader knyttet til datahåndtering og lagring, og i planleggingen av hvordan dere kan dekke disse kostnadene.

Vi anbefaler at du bruker datahåndteringsplanen fra Sikt (tidligere NSD). Denne oppfyller kravene til Norges Forskningsråd og EU-kommisjonen. Alternativt kan du bruke UiS sin mal for datahåndteringsplan. Denne er kun for prosjekter som ikke behandler persondata. Malen er en tilpasning av UiT sin mal.

Sjekk ut UiTs oversikt over eksempel på ferdigutfylte datahåndteringsplaner.

Ta kontakt med universitetsbiblioteket dersom du trenger hjelp med utformingen av din datahåndteringsplan.

Det er ønskelig at forskningsdata blir gjort tilgjengelige for å øke forskningens synlighet og etterprøvbarhet. Forskningsdata ligger til grunn for vitenskapelige framskritt som formidles gjennom tidsskriftartikler, bøker eller andre publikasjoner. Ved å gjøre data lett tilgjengelig legges det til rette for deling og gjenbruk, slik at andre forskere kan benytte eksisterende data i sin forskning.

Det vil ofte være et krav fra finansiør om at offentlig finansiert forskning skal inneholde en datahåndteringsplan, og at både forskningsdata og vitenskapelige publikasjoner skal gjøres offentlig tilgjengelig.

UiS bruker løsningen DataverseNO for arkivering av forskningsdata, og har sitt eget arkiv.

• Forbered dine data: Før du kan arkivere dine data må du sørge for at de er i tråd med gjeldende retningslinjer. Les om hvordan du forbereder datasett for arkivering.
• Arkiver dine data: Når dine data er klare for arkivering skal de registreres. Se veiledning til arkivering av forskningsdata i DataverseNO. Vi har også laget en kort video som viser hvordan du fyller ut obligatoriske felt og laster opp filer. (NB! Husk å trykke på "Submit for review" etter at du har valgt "Save Dataset"). Vi anbefaler at du fyller inn flere felt enn kun de obligatoriske. Det vil gjøre datasettet ditt mer søkbart. Se video om hvordan du gjør dette.

I tillegg til DataverseNo finnes det andre arkiv for tilgjengeliggjøring av forskningsdata.

Forskningsdata skal behandles på en måte som samsvarer med Fair-prinsippene (Findable, Accessible, Interoperable, Reusable). Det vil si at data skal være gjenfinnbare eller søkbare, tilgjengelige, interopable og gjenbrukbare. Det handler i all hovedsak om å håndtere og beskrive data på en måte som setter andre i stand til å forstå og bruke dem i framtiden.

Dette innebærer også at data og metadata skal være maskinvennlige i den forstand at maskiner ideelt sett skal kunne finne og bruke dem uten manuell tilrettelegging. Dette innebærer blant annet konsistente identifikatorer (for eksempel DOI), tilstrekkelige metadata, tydelige lisenser og bruk av aksepterte standarder og formater. Det er viktig å være klar over at data i svært få tilfeller vil være fullstendig FAIR. Målet er å øke potensialet for gjenbruk, og i mange tilfeller kan selv små grep øke graden av FAIR betraktelig.

Det finnes en rekke tjenester for å søke etter forskningsdata fra institusjoner over hele verden. Her er noen av de mest brukte søkemotorene for å søke etter forskningsdata:

• DataverseNo: Arkiv med datasett fra norske institusjoner.

• Norsk senter for forskningsdata: NSD sin database med norske forskningsdata.

• DataCite: Søkemotor for datasett.

• Bielefeld Academic Search Engine: Søkemotor for forskningsresultater. Velg avansert søk og avgrens på datasett.

• Google Dataset Search: Søkemotor for datasett.

• Zenodo: Arkiv og søkemotor for forskningsresultater. Etter et enkelt søk kan du avgrense på datasett.

• Oria: Bibliotekets egen katalog. Velg materialtype Forskningsdata.

En oversikt over arkiv med forskningsdata fra hele verden finner du på re3data.