Ein Beispiel für ein Flussdiagramm eines Datenmanagementplans

Ein Datenmanagementplan ( DMP) ist ein formales Dokument, das die Handhabung von Daten während und nach einem Forschungsprojekt beschreibt . [ 1 ] Ziel eines Datenmanagementplans ist es, die vielfältigen Aspekte des Datenmanagements , der Metadatengenerierung , der Datensicherung und der Datenanalyse bereits vor Projektbeginn zu berücksichtigen ; [ 2 ] dies trägt zu einer optimalen Datenverwaltung in der Gegenwart und zur Vorbereitung der späteren Archivierung bei. [ 2 ]

Datenmanagementpläne (DMPs) wurden ursprünglich 1966 zur Verwaltung der Datenerfassung und -analyse in der Luft- und Raumfahrt sowie im Ingenieurwesen eingesetzt und fanden in den 1970er und 1980er Jahren breite Anwendung in anderen Ingenieur- und Naturwissenschaften. Bis Anfang der 2000er Jahre wurden DMPs „für technisch hochkomplexe Projekte und für die begrenzte Datenerfassung und -verarbeitung während der Projektlaufzeit“ verwendet. [ 3 ] In den 2000er Jahren und später förderten E-Research und wirtschaftspolitische Maßnahmen die Entwicklung und Verbreitung von DMPs. [ 3 ]

Bedeutung

Die Erstellung eines Datenmanagementplans vor der Datenerhebung soll sicherstellen, dass die Daten im korrekten Format vorliegen, gut organisiert und besser annotiert sind. [ 4 ] Dies kann langfristig Zeit sparen, da eine erneute Organisation, Formatierung oder das Erinnern von Details entfällt. Zudem soll dies die Forschungseffizienz steigern, da sowohl der Datenerheber als auch andere Forschende gut annotierte Daten später leichter verstehen und nutzen können. Ein Bestandteil eines Datenmanagementplans ist die Datenarchivierung und -sicherung. Durch die frühzeitige Festlegung eines Archivs kann der Datenerheber die Daten bereits während der Erhebung formatieren, um die spätere Übermittlung an eine Datenbank zu vereinfachen. Gesicherte Daten sind relevanter, da sie von anderen Forschenden wiederverwendet werden können. Außerdem kann der Datenerheber Anfragen an die Datenbank richten, anstatt sie einzeln zu bearbeiten. Ein häufiges Argument für die Sicherung ist, dass gesicherte Daten das Potenzial für neue, unerwartete Entdeckungen bergen und die Duplikation bereits durchgeführter wissenschaftlicher Studien verhindern. Die Datenarchivierung bietet dem Datenerheber zudem Schutz vor Datenverlust.

In den 2010er Jahren [ 3 ] forderten Förderinstitutionen zunehmend Datenmanagementpläne als Teil des Antrags- und Bewertungsprozesses [ 5 ] , obwohl es kaum oder gar keine Belege für deren Wirksamkeit gab. [ 3 ]

Hauptkomponenten

„Es gibt keine allgemeine und abschließende Liste von Themen, die in einem Datenmanagementplan für ein Forschungsprojekt behandelt werden sollten“ [ 6 ] , und Forscher sind oft auf sich allein gestellt, wie sie einen Datenmanagementplan ausfüllen sollen. [ 2 ]

Informationen zu Daten und Datenformat

  • Eine Beschreibung der im Rahmen des Projekts zu erzeugenden Daten. [ 7 ] Dies kann (ist aber nicht beschränkt auf) folgende Daten umfassen:
  • Wie werden die Daten erhoben? Wann und wo werden sie erhoben?
  • Wie werden die Daten nach der Erfassung verarbeitet? Bitte geben Sie folgende Informationen an:
  • Die verwendeten Dateiformate werden aufgeführt, ihre Auswahl begründet und die verwendeten Namenskonventionen beschrieben. [ 8 ]
  • Qualitätssicherungs- und Qualitätskontrollmaßnahmen, die während der Probenentnahme, -analyse und -verarbeitung getroffen werden.
  • Falls bereits vorhandene Daten verwendet werden, woher stammen diese? Wie werden die erhobenen Daten mit den vorhandenen Daten kombiniert? In welchem ​​Verhältnis stehen die erhobenen Daten zu den vorhandenen Daten?
  • Wie werden die Daten kurzfristig verwaltet? Beachten Sie Folgendes:
    • Versionskontrolle für Dateien [ 9 ]
    • Datensicherung und Datenprodukte
    • Sicherheit und Schutz von Daten und Datenprodukten
    • Wer wird für die Leitung verantwortlich sein?

Metadateninhalt und -format

Metadaten sind Kontextinformationen, einschließlich aller für die Datennutzung wichtigen Angaben. Dazu gehören Beschreibungen von zeitlichen und räumlichen Details, Instrumenten, Parametern, Einheiten, Dateien usw. Metadaten werden häufig als „Daten über Daten“ bezeichnet. [ 10 ] Folgende Aspekte sind zu berücksichtigen:

  • Wie detailliert müssen die Metadaten sein, damit die Daten aussagekräftig sind?
  • Wie werden die Metadaten erstellt und/oder erfasst? Beispiele hierfür sind Laborbücher , GPS-Handgeräte, automatisch gespeicherte Dateien auf Instrumenten usw.
  • Welches Format wird für die Metadaten verwendet? Welche Metadatenstandards sind in der jeweiligen wissenschaftlichen Disziplin üblich? Die Wahl des Formats sollte begründet werden.

Richtlinien für Zugriff, Weitergabe und Wiederverwendung

  • Beschreiben Sie alle Verpflichtungen zur Weitergabe der erhobenen Daten. Dies können Verpflichtungen von Förderorganisationen, Institutionen, anderen Berufsverbänden und gesetzliche Vorgaben sein.
  • Fügen Sie Informationen darüber hinzu, wie die Daten weitergegeben werden, einschließlich wann die Daten zugänglich sind, wie lange die Daten verfügbar sind, wie der Zugriff erlangt werden kann und welche Rechte sich der Datensammler für die Nutzung der Daten vorbehält.
  • Klären Sie alle ethischen oder datenschutzrechtlichen Probleme im Zusammenhang mit der Datenweitergabe.
  • Klären Sie Fragen des geistigen Eigentums und des Urheberrechts . Wem gehören die Urheberrechte? Welche Richtlinien gelten für Institutionen, Verlage und/oder Förderorganisationen in Bezug auf geistiges Eigentum? Gibt es Sperrfristen aus politischen, wirtschaftlichen oder patentrechtlichen Gründen?
  • Beschreiben Sie die beabsichtigten zukünftigen Verwendungszwecke/Nutzer der Daten.
  • Geben Sie an, wie die Daten von anderen zitiert werden sollen. Wie wird das Problem der dauerhaften Zitierung gelöst? Wird dem Datensatz beispielsweise, wenn er in einem öffentlichen Archiv hinterlegt wird, ein dauerhafter Identifikator (z. B. ARK , DOI , Handle , PURL , URN ) zugewiesen?

Langzeitspeicherung und Datenverwaltung

  • Forschende sollten ein geeignetes Archiv für die Langzeitarchivierung ihrer Daten auswählen. Durch die frühzeitige Festlegung des Archivs im Projekt können die Daten entsprechend den Anforderungen des Archivs formatiert, transformiert und dokumentiert werden. Forschende sollten Kolleginnen und Kollegen sowie Fachgesellschaften ihres Fachgebiets konsultieren, um die am besten geeignete Datenbank zu ermitteln, und ein Backup-Archiv in ihren Datenmanagementplan einbeziehen, falls das ursprünglich gewählte Archiv nicht mehr existiert.
  • Zu Beginn des Projekts sollte der Hauptforscher festlegen, welche Daten archiviert werden sollen. In der Regel ist es wünschenswert, die Daten in ihrer ursprünglichsten Form zu erhalten, obwohl auch abgeleitete Daten und Produkte archiviert werden können.
  • Es sollte eine Person als primäre Kontaktperson für archivierte Daten benannt werden, und es muss sichergestellt werden, dass die Kontaktinformationen stets aktuell sind, falls Anfragen zu Daten oder Informationen über Daten eingehen.

Budget

Die Kosten für Datenmanagement und -archivierung können je nach Art des Projekts erheblich sein. Durch die frühzeitige Kostenkalkulation stellen Forschende sicher, dass die Daten ordnungsgemäß verwaltet und archiviert werden. Folgende potenzielle Ausgaben sollten berücksichtigt werden:

  • Personalabteilung und Mitarbeiter bei der Datenaufbereitung, -verwaltung, -dokumentation und -archivierung
  • Für Datenverwaltung, Datensicherung, Sicherheit, Dokumentation und Datenarchivierung benötigte Hardware und/oder Software.
  • Kosten, die im Zusammenhang mit der Übermittlung der Daten an ein Archiv entstehen

Der Datenmanagementplan sollte auch Angaben darüber enthalten, wie diese Kosten gedeckt werden.

NSF-Datenmanagementplan

Alle bei der National Science Foundation (NSF) eingereichten Förderanträge müssen einen maximal zweiseitigen Datenmanagementplan enthalten. [ 11 ] Dieser Plan ist eine Ergänzung (und nicht Teil des 15-seitigen Antrags) und sollte beschreiben, wie der Antrag den Richtlinien des Award and Administration Guide (siehe unten) entspricht. Er kann Folgendes beinhalten:

  1. Die Arten von Daten
  2. Die Standards, die für Daten- und Metadatenformat und -inhalt verwendet werden sollen
  3. Richtlinien für Zugriff und Weitergabe
  4. Richtlinien und Bestimmungen zur Wiederverwendung
  5. Pläne zur Archivierung von Daten

Die Richtlinie wurde aus dem NSF Award and Administration Guide, Abschnitt 4 (Verbreitung und Weitergabe von Forschungsergebnissen), zusammengefasst: [ 12 ]

  1. Veröffentlichen Sie umgehend mit entsprechender Autorenschaft.
  2. Teilen Sie Daten, Proben, physische Sammlungen und Begleitmaterialien innerhalb eines angemessenen Zeitraums mit anderen.
  3. Software und Erfindungen teilen
  4. Die Ermittler behalten zwar ihre Rechte an ihrem geistigen Eigentum, müssen aber dennoch ihre Ergebnisse, Daten und Sammlungen anderen zugänglich machen.
  5. Die Richtlinien werden umgesetzt über
    1. Angebotsprüfung
    2. Preisverhandlungen und -bedingungen
    3. Unterstützung/Anreize

ESRC-Datenmanagementplan

Seit 1995 verfügt der britische Wirtschafts- und Sozialforschungsrat (ESRC) über eine Forschungsdatenrichtlinie. Die aktuelle ESRC-Forschungsdatenrichtlinie besagt, dass Forschungsdaten, die im Rahmen von ESRC-geförderten Forschungsprojekten entstehen, der wissenschaftlichen Gemeinschaft durch langfristige Archivierung und hochwertiges Datenmanagement so weit wie möglich offen zugänglich gemacht werden sollen. [ 13 ]

ESRC verlangt für alle Forschungsanträge, bei denen neue Daten generiert werden, einen Datenmanagementplan. Diese Pläne sollen ein strukturiertes Datenmanagement über den gesamten Datenlebenszyklus hinweg fördern und so zu qualitativ besseren Daten führen, die für die Archivierung, Weitergabe und Wiederverwendung bereit sind. Der UK Data Service , der wichtigste Datendienst des ESRC, bietet praktische Anleitungen zur Planung des Forschungsdatenmanagements, die für Sozialwissenschaftler in Großbritannien und weltweit geeignet sind. [ 14 ] [ 15 ]

ESRC unterhält eine langjährige Vereinbarung mit dem UK Data Archive an der University of Essex als zentralem Speicherort für Forschungsdaten. Stipendiaten sind verpflichtet, die im Rahmen ihrer Forschungsförderung generierten Daten über den UK Data Service bereitzustellen. [ 16 ] Das Archiv ermöglicht die Wiederverwendung von Daten, indem es diese archiviert und der Forschungs- und Lehrgemeinschaft zugänglich macht.

Vorteile

In der Literatur werden drei Hauptvorteile von Datenmanagementplänen (DMPs) identifiziert: berufliche, wirtschaftliche und institutionelle Vorteile. [ 3 ] Es wird argumentiert, dass DMPs Forschende dabei unterstützen können, ihre Datenkompetenz und ihre Datenmanagementpraktiken zu verbessern, oft mit Unterstützung der Bibliothek. [ 3 ] DMPs tragen außerdem zur Datenorganisation bei, indem sie festlegen, wie Daten während eines Projekts gespeichert, verwaltet und archiviert werden. Sie erleichtern anderen den Zugriff auf die Daten und deren Wiederverwendung und ermöglichen es den Datenerhebenden gleichzeitig, die Daten bei Bedarf zu aktualisieren oder zu ändern. [ 17 ]

In der Praxis

In der Praxis bleiben Datenmanagementpläne (DMPs) jedoch oft hinter ihren formulierten Zielen zurück. Eine Überprüfung der DMP-Richtlinien durch Forschungsförderer aus dem Jahr 2012 ergab, dass in den Richtlinien mehrere Elemente der Kriterienliste des Digital Curation Centre für einen DMP fehlten. [ 18 ] Forschende teilten DMP-Texte. [ 19 ] DMPs werden häufig als „administrative Übung und nicht als integraler Bestandteil“ des Forschungsprozesses betrachtet [ 20 ] , und es ist anerkannt, dass DMPs keine guten Datenmanagementpraktiken garantieren . [ 21 ] Die meisten Förderer fordern nach der Bewilligung von Fördermitteln keinen DMP mehr und berauben damit die Beteiligten des wertvollen Instruments, das ein aktiver DMP sein kann. Bewährte Praxis wäre es, „die Pflege des Datenmanagementplans nach der Bewilligung und während der aktiven Phase einer Studie vorzuschreiben“. [ 6 ] Derzeit sind Datenfreigabepläne für Förderer wichtiger als Datenmanagementpläne. [ 6 ]

Siehe auch

Referenzen

  1. ^ „Datenmanagementplan“ . Universitätsbibliothek von Virginia . Archiviert vom Original am 9. November 2012.
  2. ^ a b c Burnette, Margaret; Williams, Sarah; Imker, Heidi (16. September 2016). „Vom Plan zur Umsetzung: Erfolgreiche Implementierung eines Datenmanagementplans in einem multidisziplinären Projekt“ . Journal of eScience Librarianship . 5 (1) e1101. doi : 10.7191/jeslib.2016.1101 .
  3. ^ a b c d e f Smale, Nicholas; Unsworth, Kathryn; Denyer, Gareth; Barr, Daniel (17. Oktober 2018). „Geschichte, Befürwortung und Wirksamkeit von Datenmanagementplänen“. bioRxiv 10.1101/443499 . 
  4. ^ „Warum Daten verwalten und teilen? – Datenmanagement“ . libraries.mit.edu .
  5. ^ „Häufig gestellte Fragen (FAQs) zur Datenverwaltung und -freigabe“ . Archiviert vom Original am 11.07.2017 . Abgerufen am 06.04.2018 .
  6. ^ a b c Williams, Mary; Bagwell, Jacqueline; Nahm Zozus, Meredith (Juli 2017). „Datenmanagementpläne: Die fehlende Perspektive“ . Journal of Biomedical Informatics . 71 : 130–142 . doi : 10.1016/j.jbi.2017.05.004 . PMC 6697079. PMID 28499952 .  
  7. ^ „Elemente eines Datenmanagementplans“ . www.icpsr.umich.edu . Abgerufen am 30.09.2015 .
  8. ^ „Archivierte Kopie“ (PDF) . libraries.mit.edu . Archiviert vom Original (PDF) am 4. Mai 2018. Abgerufen am 12. Januar 2022 .{{cite web}}: CS1 Wartung: Archivierte Kopie als Titel ( Link )
  9. ^ Guns, Raf. „Tools for version control of research data“ (PDF) . Universität Antwerpen .
  10. ^ Michener, WK und JW Brunt. 2000. Ökologische Daten: Design, Management und Verarbeitung . Blackwell Science, 180 S.
  11. ^ „GPG Kapitel II“ . www.nsf.gov .
  12. ^ „Verbreitung und Austausch von Forschungsergebnissen – NSF – National Science Foundation“ . www.nsf.gov .
  13. ^ ESRC-Forschungsdatenrichtlinie 2010
  14. ^ Daten aufbereiten und verwalten: Leitfaden des britischen Datendienstes
  15. ^ „Verwaltung und Weitergabe von Forschungsdaten – SAGE Publications Inc“ . www.sagepub.com . Archiviert vom Original am 7. April 2014. Abgerufen am 1. April 2014 .
  16. ^ „UK Data Archive – WER KANN DATEN EINHÄNGEN?“ . www.data-archive.ac.uk .
  17. ^ Pham, Ngoc-Minh; Moulaison-Sandy, Heather; Bishop, Bradley Wade; Gunderman, Hannah (2023). „Datenmanagementpläne: Auswirkungen auf automatisierte Analysen“ . Data Science Journal . 22 2. doi : 10.5334/dsj-2023-002 .
  18. ^ Dietrich, Dianne; Adamus, Trisha; Miner, Alison; Steinhart, Gail (2012). „Die Anforderungen von Forschungsförderern an das Datenmanagement verständlich gemacht“. Issues in Science and Technology Librarianship . 70 (70). doi : 10.5062/F44M92G2 .
  19. ^ Parham, Susan Wells; Doty, Chris (Oktober 2012). „NSF DMP-Inhaltsanalyse: Was sagen die Forscher?“. Bulletin of the American Society for Information Science and Technology . 39 (1): 37–38 . doi : 10.1002/bult.2012.1720390113 . hdl : 1853/44391 .
  20. ^ Miksa, Tomasz; Simms, Stephanie; Mietchen, Daniel; Jones, Sarah (28. März 2019). „ Zehn Prinzipien für maschinenlesbare Datenmanagementpläne“ . PLOS Computational Biology . 15 (3) e1006750. Bibcode : 2019PLSCB..15E6750M . doi : 10.1371/journal.pcbi.1006750 . PMC 6438441. PMID 30921316. S2CID 85563774 .   
  21. ^ Donelly, Martin (2012). „Datenmanagementpläne und -planung“. In: Pryor, Graham (Hrsg.). Managing research data . London: Facet Publishing. S.  83–104 . ISBN 978-1-85604-891-0Die

Weiterführende Literatur

Pryor, Graham (2014). Bereitstellung von Forschungsdatenmanagementdiensten . Facet Publishing. ISBN 978-1-85604-933-7Die