Datamanagementplan

Effectief datamanagement

Datamanagement legt het fundament voor onderzoek, waarbij gestructureerd beheer van data zorgt voor transparantie, efficiënt hergebruik, en naleving van onderzoeksorganisatievoorwaarden en ethische richtlijnen.

Fundament van onderzoeksdata

Je zorgt voor een solide basis voor onderzoek door gestructureerd beheer van onderzoeksdata. Je biedt transparantie en traceerbaarheid van verzamelde gegevens, waardoor de betrouwbaarheid van het onderzoek wordt versterkt.

Efficiënt (her)gebruik van data:

  • Je faciliteert efficiënt hergebruik van data voor toekomstige analyses of vervolgonderzoek.
  • Je minimaliseert verlies van waardevolle informatie door gestructureerde opslag en documentatie.

Voldoen aan voorwaarden van onderzoeksorganisaties

  • Je voldoet aan de eisen en normen van onderzoeksorganisaties en subsidieverstrekkers, wat de geloofwaardigheid van het onderzoek bevordert.
  • Je vergemakkelijkt het naleven van ethische richtlijnen, wetgeving en gedragscodes met betrekking tot gegevensbeheer.

Onderzoek wijst uit dat publicaties waarbij de achterliggende data in welke vorm dan ook (via appendices, URL’s of contactinformatie) beschikbaar zijn gesteld, gemiddeld meer geciteerd worden dan publicaties waarbij de achterliggende data niet beschikbaar zijn gesteld.

Inhoud

Een datamanagementplan is dynamisch. In de beginfase van je onderzoek is het niet altijd mogelijk om alle details in te vullen, pas het aan bij belangrijke veranderingen in je onderzoek die datamanagement beïnvloeden. Update het plan minstens jaarlijks, bewaar oude versies, en documenteer vanaf wanneer welk plan geldt. Het datamanagementplan maakt onderdeel uit van de onderzoeksprojectdocumenten, sla deze documenten op in Research Drive zodat elk projectlid toegang heeft tot de laatste versie van het datamanagementplan.

Globaal bestaat het datamanagementplan uit de onderstaande acht onderdelen, de online HHs training research datamanagement biedt uitgebreider uitleg per onderdeel. 

Projectgegevens

Generieke informatie over je onderzoek zoals het doel en de gegevens van de onderzoekers(s), samenwerkingspartners en subsidieverstrekkers.

Data verzamelen

Datakarakteristieken als datatypes, dataformaten en de verwachte grootte van de data en de methoden en technieken die je gaat toepassen bij het verzamelen en organiseren van je data zoals mappenstructuur, naamgeving, standaarden en normen, en versiebeheer.

Documentatie en metadata

Welke data over je data en begeleidende documentatie zijn nodig om anderen te helpen om je data te begrijpen en te (her)gebruiken, denk daarbij aan gebruik van een metadatastandaard en een README.txt-bestand.

Ethische en juridische aspecten

Je aanpak bij kwesties die om extra zorgvuldigheid vragen waaronder databescherming, privacy, auteursrechten en intellectuele eigendomsrechten.
Voor meer informatie bekijk de pagina’s Wetenschappelijke integriteit en de Ethische Commissie en wetgeving.

Opslag en back-up

Geef antwoord op vragen rondom het opslaan, delen met andere onderzoekers en data back-up tijdens het onderzoeksproces, denk daarbij aan de opslagruimte voor zowel het bewaren als de data back-up, de frequentie van de data back-up en een (herstel)plan bij dataverlies of een datalek. Een veilige dataopslag bij de Haagse is Research Drive.

Selectie databehoud

Beschrijf en verantwoord je beslissing over of je wel of niet je data (of een deel daarvan) zal bewaren voor de lange termijn en of er legale redenen zijn om (een deel van) de data direct na afronden van je onderzoek te vernietigen.

Data delen

Beschrijf je beoogde doelpubliek voor de data die je gaat behouden en op welke wijze je de data vindbaar maakt voor je doelpubliek, de datarepository die je daarvoor gaat inzetten, de condities waaronder je doelpubliek de data mag raadplegen en wanneer de data beschikbaar zullen zijn. Neem daarbij minimale eisen in acht die wellicht ook zijn opgelegd door je subsidieverstrekker: gebruik van persistent identifier, openbare beschikbaarheid van informatie, toegangsprotocollen, data-licenties en waarborgen voor duurzame beschikbaarheid. De pagina archiveren en delen van onderzoeksdata bevat aanvullende informatie. 

Verantwoordelijkheden en middelen

Geef aan wie verantwoordelijk is voor het datamanagementplan en de activiteiten die je in de vorige onderdelen hebt beschreven en welke financiële en andere middelen zoals specialistische kennis en hardware of software je nodig hebt om deze activiteiten te realiseren. 

Templates

Voor het opstellen van een datamanagementplan zijn verschillende templates beschikbaar. Wellicht hanteert de subsiedieverstrekker van je onderzoek een eigen template.

De template van de Nederlandse Organisatie voor Wetenschappelijk Onderzoek (NWO) kun je onder aan deze pagina downloaden. Het NWO template wordt ook gebruikt voor interne HHs onderzoeksprojecten zonder subsidie. Het template voor ZonMw kun je hier downloaden.

Templates van overige subsidieverstrekkers zijn te vinden in de onderstaande tools en templates.

  • DMPonline: online tool voor het schrijven, bewerken, delen en bewaren van een datamanagementplan waarvan het gebruik ook door een aantal financiers wordt voorgeschreven of aangeraden (kies bij het aanmaken van een account voor je subsidieverstrekker als organisatie, indien je voor je onderzoek geen gebruikmaakt van een subsidieverstrekker kies dan voor ‘DMPonline – Tutorials’ als organisatie). 
  • ERC Data Management Plan Template: template van de Europese Onderzoeksraad.

Kosten

Goed datamanagement brengt kosten met zich mee, in uren en in geld. Voor een overzicht in de mogelijke kosten per activiteit van het onderzoeksproces zie de UK Data Service Data management costing tool and checklist.

FAIR data

Uiteindelijk gaat het bij de inspanningen die je verricht op het gebied van datamanagement om het verifieerbaar maken van je onderzoeksresultaten en om de onderliggende data herbruikbaar te maken. Hiervoor moeten de data FAIR zijn: Findable, Accessible, Interoperable, Reusable. Met andere woorden, je data moeten vindbaar, toegankelijk, uitwisselbaar, herbruikbaar en duurzaam opgeslagen zijn.

Datamanagementparagraaf

Bij het indienen van een subsidieaanvraag kan de subsidieverstrekker verzoeken om in de aanvraag al een aantal zaken rond datamanagement te benoemen. Dit wordt de datamanagementparagraaf genoemd. We hebben de vragen die in een datamanagementparagraaf aan bod kunnen komen op een rijtje gezet met een advies hoe deze te beantwoorden.

Wat is research software? 

Software is een reeks instructies die de computer vertelt wat hij moet doen. In onderzoek worden verschillende soorten software ingezet, maar niet alle software die in onderzoek wordt gebruikt, is research software. Research software is software die wordt ontwikkeld tijdens het onderzoeksproces of voor onderzoeksdoeleinden. Deze software helpt bij het oplossen van wetenschappelijke problemen of ondersteunt het functioneren van onderzoeksinstrumenten. 

Softwaremanagementplan  

Een Software Management Plan (SMP) is een document dat vergelijkbaar is met een Data Management Plan, maar waarin je beschrijft hoe je de research software die je wilt ontwikkelen, beheert. Je beschrijft onder andere waarom het belangrijk en noodzakelijk is om deze software te ontwikkelen en hoe andere onderzoekers hiervan kunnen profiteren. Om de software reproduceerbaar en herbruikbaar te maken, denk je na over technische aspecten zoals programmeertalen en besturingssystemen, maar ook over metadata en documentatie. Kernelementen van een SMP zijn onder andere: het doel van de research software, versiebeheer, software-repository waar de software gepubliceerd zal worden, gebruikersdocumentatie, inzet en ontwikkeling, softwarelicenties en softwarecitatie. 

Heb je hulp nodig bij je softwaremanagementplan? Dan kun je gebruikmaken van de gids die is geschreven door NWO en het Nederlands eScience Center. Wil je meer weten over het publiceren van Research Software, dan kun je de training materialen van het Nederlands eScience Center raadplegen. 

Het publiceren en hergebruiken van research software 

De Open Science-beweging moedigt onderzoekers aan om hun research software reproduceerbaar en herbruikbaar te maken. Wanneer er al een research software bestaat die toepasbaar is in je eigen onderzoek, is het duurzamer om deze software uit te breiden zodat deze voldoet aan de behoeften van het onderzoeksproject, in plaats van een nieuwe research software te ontwikkelen. 

Preregistratie van onderzoeksprojecten 

Preregistratie is één van de opkomende Open Science-praktijken. Met preregistratie bedoelen we het publiekelijk delen van een alleen-lezen versie van een onderzoeksplan op daarvoor bestemde platforms. Dit onderzoeksplan wordt geschreven vóór de gegevensverzameling en bevat hypotheses, procedures voor gegevensverzameling, variabelen en een analyseplan. 

Het doel van preregistratie is om vooringenomenheid en dubieuze onderzoekpraktijken te beperken, zoals HARKing (hypothesizing after results are known). Preregistratie vergroot de kwaliteit van het onderzoek en de resultaten.  

Er zijn verschillende platforms waar je je onderzoek kunt registreren, onder andere: 

- Open Science Framework (aanbevolen) 

- AsPredicted.org 

Je kunt meer lezen over preregistratie op de website van het Center for Open Science. 

Hulp

Als onderzoeker ben je zelf verantwoordelijk voor goed datamanagement. Maar kom je er even niet uit? Of heeft je datamanagementparagraaf of -plan een check nodig? Dan staat er binnen De Haagse Hogeschool een team voor je klaar bestaande uit medewerkers van verschillende afdelingen, ieder met zijn/haar eigen specialisme: Team Onderzoek, Subsidiedesk, IT, Functionaris Gegevensbescherming en de Bibliotheek. Stel je vraag via [email protected].