Управління даними — Модуль 1: MOOC
У цьому розділі ви дізнаєтеся, чому управління дослідницькими даними (RDM) є важливим для науки й суспільства, а також які переваги воно дає вам як досліднику-початківцю. Ви також ознайомитеся з базовими поняттями RDM, необхідними для повноцінного засвоєння матеріалу цього курсу.
Опрацювавши цей розділ, ви зможете:
- Розуміти передумови та обґрунтування ефективного управління дослідницькими даними (RDM), а також його зв’язок із прозорістю, відтворюваністю та можливістю повторного використання наукових результатів.
- Пояснити, чому відкрите архівування вважається пріоритетним підходом і чому в деяких випадках воно є неможливим.
- Пояснити потенційні переваги та перешкоди, пов’язані з обміном даними.
- Розуміти вимоги щодо доступності даних, встановлені відповідними організаціями, що фінансують дослідження, установами та науковими журналами.
- Ознайомитися із життєвим циклом управління дослідницькими даними.
- Описати принципи FAIR.
1.1 Важливість управління дослідницькими даними
Чому варто звертати увагу на методи роботи з дослідницькими даними? Чому варто витрачати час, необхідний для такої роботи? У цьому відео ви познайомитеся з Кеннетом Рудом — професором теоретичної та обчислювальної хімії, колишнім проректором з наукової роботи Арктичного університету Норвегії (UiT). Як досвідчений науковець, щиро зацікавлений у розвитку відкритої науки, він розмірковує про значення дослідницьких даних для науки та пояснює, чому прозорість процесів управління ними є вирішальною.
Засвоєні уроки
Прозорість досліджень передбачає відкритість інформації про дані та методи їх збору чи генерування, про програми, використані для їх аналізу, а також про те, чи можуть інші особи отримати до них доступ і яким саме чином.- Маючи доступ до даних і програмного коду, використаного для аналізу, ви як читач наукових статей можете відтворити дослідження й перевірити, чи дійдете ви до тих самих висновків, що й автори оригінальної роботи.
- Нині у світі спостерігаються значні зміни щодо відкритості наукових даних.
- Наука може стати ефективнішою завдяки культурі обміну даними, адже одні й ті самі дані можна використовувати для різних цілей.
- Наукові дані слід зберігати у форматі, сумісному з різними комп’ютерними архітектурами. Ми не знаємо, які можливості відкриються в майбутньому. Тому варто ширше дивитися на те, що саме становить ваші дані, і забезпечувати доступ до них.
- Інвестиції у створення високоякісних наборів даних можуть підвищити ваш науковий авторитет і посилити вплив вашої докторської дисертації.
- Установи, що підписали Декларацію DORA, зобов’язуються оцінювати всі ваші внески в науку, а не лише наукові статті.
1.2 Прозорість і відкритість: вимоги та очікування
Чому організації, що фінансують дослідження, та наукові установи вимагають від нас складати плани управління даними й архівувати дослідницькі дані у відкритому доступі? Чому наукові журнали вимагають — або принаймні очікують, — щоб ми повідомляли рецензентів і читачів наших статей не лише про те, як отримати доступ до даних, а й про методологію, використану під час їх збору та аналізу? У цьому відео ви дізнаєтеся, чим зумовлені ці очікування та вимоги.
Засвоєні уроки
- Прозорість є передумовою відтворюваності та повторюваності наших досліджень.
- Будь-яке дослідження може бути прозорим, але не кожне з них може бути повністю відкритим — наприклад, якщо дані містять конфіденційну інформацію.
- Наукові журнали, організації, що фінансують дослідження, наукові установи, національні уряди та некомерційні організації співпрацюють задля формування більш здорової системи досліджень і публікацій.
- Як представник наукової спільноти, ви зобов’язані здобути компетентності та навички, необхідні для роботи відповідно до належних дослідницьких практик..
Привід замислитися
Ознайомтеся з вимогами та очікуваннями щодо дослідницьких даних, які стосуються вашої докторської роботи. Ретельно підготуйтеся: перевірте, чи містять внутрішні правила вашої установи щодо підготовки докторських дисертацій положення про дослідницькі дані, а також чи затверджено в установі політику щодо управління такими даними. Якщо ваш проєкт фінансується ззовні, з’ясуйте відповідні вимоги організації-донора.
Також перегляньте вимоги до авторів у 2–3 фахових журналах вашої галузі, щоб дізнатися, чого вони вимагають під час подання рукопису наукової статті.
1.3 Життєвий цикл управління дослідницькими даними
Управління дослідницькими даними є невід’ємною частиною дослідницького процесу; фактично, про аспекти, пов’язані з даними, слід думати від самого початку й до завершення — від етапу планування проєкту до публікації результатів дослідження. У цьому відео ви ознайомитеся з так званим життєвим циклом управління дослідницькими даними, що охоплює всі теми, які ви детальніше вивчатимете в межах цього онлайн-курсу.
Засвоєні уроки
- Життєвий цикл управління дослідницькими даними охоплює всі етапи роботи з даними в межах дослідницького проєкту.
- Етап планування передбачає пошук наявних даних і розробку плану управління даними.
- На етапі активної роботи ви збираєте, зберігаєте, впорядковуєте, документуєте та візуалізуєте дані, а також проводите їх аналіз та інтерпретацію результатів.
- На завершальному етапі ви архівуєте дані у відповідному репозиторії — дотримуючись принципу «настільки відкрито, наскільки це можливо, і настільки закрито, наскільки це необхідно» — та посилаєтеся на них у своїй науковій праці.
Last modified: Tuesday, 20 December 2022, 2:30 PM
1.4 Принципи FAIR щодо даних
В інтерв’ю з Кеннетом Руудомзгадувався термін «принципи FAIR». Ці принципи були сформульовані у 2014 році під час міжнародної зустрічі та опубліковані у 2016 році Вілкінсоном і його колегами. Принципи FAIR — це набір рекомендацій, розроблених для оптимізації можливості повторного використання дослідницьких даних; вони становлять основу належних практик управління дослідницькими даними, що розглядаються в цьому онлайн-курсі. Дізнайтеся більше про зміст абревіатури FAIR із наступного відео:
Засвоєні уроки
- Придатні до пошуку (Findable): Першим кроком до повторного використання даних є їх пошук. Метадані та самі дані мають бути легкодоступними для пошуку як людьми, так і комп’ютерами.
- Доступні (Accessible): Виявлення набору даних не означає автоматичного отримання доступу до них. Посилання на дані має бути постійним, а самі файли даних — доступними.
- Сумісні (Interoperable): Репозитарій повинен підтримувати автоматизоване зчитування даних, а метадані — відповідати встановленим стандартам, що дозволяє поєднувати ці дані з даними з інших репозитаріїв. Репозитарії мають забезпечувати взаємодію з програмним забезпеченням або робочими процесами для зберігання, обробки та аналізу даних.
- Придатні до повторного використання (Reusable): Кінцевою метою принципів FAIR є оптимізація повторного використання та контролю даних, а також забезпечення прозорості. Для цього метадані та дані повинні бути належним чином задокументовані, щоб можна було відтворити аналіз та/або повторно використати дані в інший спосіб.
- CESSDA Training Team. (2017 – 2022). CESSDA Data Management Expert Guide. CESSDA ERIC. https://dmeg.cessda.eu/
- Deutz, D. B., Buss, M. C. H., Hansen, J. S., Hansen, K. K., Kjelmann, K. G., Larsen, A. V., Vlachos, E., & Holmstrand, K. F. (2020). How to FAIR: A Danish website to guide researchers on making research data more FAIR. https://doi.org/10.5281/zenodo.3712065
- OpenAIRE (n.d.). How to make your data FAIR? https://www.openaire.eu/how-to-make-your-data-fair
- Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J., Appleton, G., Axton, M., Baak, A., Blomberg, N., Boiten, J.-W., da Silva Santos, L. B., Bourne, P. E., Bouwman, J., Brookes, A. J., Clark, T., Crosas, M., Dillo, I., Dumon, O., Edmunds, S., Evelo, C. T., Finkers, R., ... & Mons, B. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data, 3, Article 160018. https://doi.org/10.1038/sdata.2016.18
Last modified: Wednesday, 8 January 2025, 7:51 AM
1.6 План управління даними
Ефективне управління даними потребує належного планування. Процес управління даними охоплює низку етапів: від визначення фокусу та обмеження обсягу збору даних до вибору методів збору, забезпечення безпеки, а також аналізу й архівування даних (і не тільки). Усі ці етапи необхідно ретельно спланувати. Саме цим ви й займаєтеся, коли розробляєте план управління даними.
Примітка: це вступ до теми плану управління даними (DMP). Детальніше це питання розглядається в розділі 9: «Як скласти план управління даними».
У наведеному нижче відео ви отримаєте практичні поради щодо створення плану управління даними.
Засвоєні уроки
План управління даними (DMP) слугує орієнтиром і може стати в пригоді протягом усієї роботи над вашим докторським проєктом, допомагаючи уникнути типових помилок.
Не забувайте оновлювати свій DMP у міру просування роботи та отримання нових знань про етапи реалізації проєкту.
Зазвичай до плану управління даними слід включати, зокрема, такі елементи:
- інформацію про необхідні ресурси;
- розподіл обов’язків (у межах команди проєкту);
- методи, які ви плануєте використовувати;
- плани щодо зберігання даних та створення їхніх резервних копій;
- інформацію про те, як отримувати необхідні дозволи на використання даних (якщо це доречно).
Їжа для роздумів
- Подумайте про свій докторський проєкт і завдання, що стоять перед вами. А тепер уявіть, що вас повідомили про значне скорочення фінансування. Як би ви впоралися з цим викликом? Як можна реалізувати проєкт за умов (значно) меншого фінансування? Підказка: перегляньте свій DMP і спробуйте визначити елементи, на яких можна заощадити.
Last modified: Sunday, 21 January 2024, 6:44 PM