Be able to distinguish between various types of research data.
Recognise the importance of managing ancillary research materials.
Be able to use the information featured in the course to contribute to research data management best practice.
Understand the general rules of appropriate data management in accordance with responsible conduct of research.
Be aware of good practice in managing research data in general and apply it within your own work context.
Use the information featured in the unit to draw up a data management plan and maintain it through the course of your research.
Understand why research data organisation or housekeeping is important.
Recognise the importance of managing data file versioning, naming and re-naming conventions.
Be able to use the information featured in the course to contribute to research data management best practice.
Understand why research data formatting and transformation is important.
Know how to make decisions about data file formatting, compression, normalisation and other transformations.
Use the information featured in the course to contribute to research data management best practice.
Understand why documenting your research data is important.
Know why and when to use metadata.
Use the information featured in this unit to contribute to research data management best practice.
Be aware of the options available to you to safely store your data.
Recognise the importance of data backups.
Use the information featured in the unit to secure your data through the course of your research.
Be aware of ethical requirements that apply to the collection and management of data involving human subjects.
Understand the difference between privacy and confidentiality and how they apply to the management of research data.
Be aware of the UK Data Protection Act and its consequences for research.
Know what IPR is and how it applies to your research data.
Know how Freedom of Information and related legislation affects legitimate access to your da
Point de vue d'une chercheur sur le partage de données : l'exposition des données serait une opportunité pour améliorer leur qualité, pour valoriser les résultats non exploités dans les publications. La réutilisation des données représente un énorme potentiel mais si les chercheurs ne sont pas opposés au principe de partage, ils sont encore réticents à sa mise en pratique. La solution qu'il préconise : une obligation de partage imposé par les agences de financement de la recherche.
Article de 2008
Dans cet article, les auteurs plaident pour la formalisation du partage des données , à l'image de ce qui existe pour la publication des résultats de recherche. L'objectif est de proposer un système de Peer Review pour la publication de larges jeux de données en agriculture. A cette fin, ils proposent la mise en place de critères permettant d'évaluer l'intérêt de la publication de jeux de données : l'originalité, l'utilité et l'importance, la qualité et le caractère « réutilisable » . Ils abordent également le dispositif de déploiement des données qui doit assurer leur identification , leur accessibilité à long terme, dans le respect de la propriété intellectuelle, et permettre éventuellement certaines modifications.
Rapport de 40 p., mis à jour en 2011. Il s'agit d'un guide de bonnes pratiques orienté sur les besoins du chercheur. Les différentes étapes sont décrites : pourquoi partager ses données, comment ? - le plan de management des données, l'indexation des données, le formatage, le stockage, les aspects éthiques ...
Lien vers les présentations :
- Aims and Introduction - Jonathan Tedds, University of Leicester/ PREPARDE
- Data Centre workflows for publication - Sarah Callaghan, BADC/ PREPARDE
- Geoscience Data Journal: developing a workflow for cross-linking between dataset and Data Paper - Tim Roberts, Wiley/PREPARDE
- Data aggregations for facilities science - Vasily Bunakov, STFC
- Linking datasets with user commentary, annotations and publications: the CHARMe project - Jon Blower, University of Reading
- The OpenAIRE Scholarly Communication Infrastructure: On Interlinking Datasets, Literature, Fundings, and Research Initiatives - Paolo Manghi, OpenAIREplus
- Interlinking Articles & Data in the Article of the Future - Bethan Keall, Elsevier
- Data citation and persistent identifiers: the DataCite approach - Elizabeth Newbold, British Library
PARSE.Insight est un projet de deux ans (2008-2010) co-financé par la Commission européenne au titre du septième programme-cadre.
Ce rapport décrit les résultats des sondages menés par PARSE.Insight afin de mieux comprendre la conservation numérique des résultats de la recherche en Europe.
De grandes enquêtes ont été menées auprès de trois types d'intervenants : les chercheurs, les éditeurs, les gestionnaires de données (+ Infos également concernant les financeurs) concernant leur perception et l'état de l'art de la conservation des données de la recherche.
Les données des enquêtes sont disponibles dans le rapport : http://www.parse-insight.eu/downloads/PARSE-Insight_D3-4_SurveyReport_final_hq.pdf
Les données de ces enquêtes sont reprises dans d'autres rapports, comme par ex. "Report on integration of data and publications"... Voir en particulier les recommandations (p. 44-48)
Plusieurs contributions intéressantes sur les enjeux de la citation et de l'attribution. Des exemples de "styles" de citation à explorer et peut être à adapter au(x) contexte(s) de l'INRA. Quelques idées aussi sur le thème de l'identification des données, certes plus global que les DOIs mais intéressantes à prendre en considération dans le sujet de la mise en oeuvre des DOIs.
Portail d'accès aux données de la recherche des organismes et institutions australiennes. Designed to provide rich connections between data, projects, researchers and institutions, and promote visibility of Australian research data collections in search engines.
Projet financé par la communauté européenne (FP7) : ODE = Opportunities for Data Exchange
3 points de vue sont présentés : celui des chercheurs, celui des éditeurs, celui des bibliothèques et des centres de gestion de données
Rapport de 87 pages publié en 2011 avec un résumé synthétique intégrant des tableaux reprenant les intérêts et opportunités respectifs des 3 groupes considérés sur 7 critères :
- availability
- findability
- interpretability
- reusability
- citability
- curation
- preservation
Projet Européen d'infrastructure collaborative. 25 partenaires. The EUDAT vision is to support a Collaborative Data Infrastructure which will allow researchers to share data within and between communities and enable them to carry out their research effectively. EUDAT aims to provide a solution that will be affordable, trustworthy, robust, persistent and easy to use.
Lesson 01: Why Data Management
Lesson 02: Data Sharing
Lesson 03: Data Management Planning
Lesson 04: Data Entry and Manipulation
Lesson 05: Data Quality Control and Assurance
Lesson 06: Data Protection and Backups
Lesson 07: Metadata
Lesson 08: How to Write Good Quality Metadata
Lesson 09: Data Citation
Lesson 10: Analysis and Workflows