Anvisningarna kan anpassas till den egna organisationens behov och kan användas fritt som stöd för forskning.
Arbetsgruppen "Tillämpning av FAIR-principerna", som grundats av expertgruppen för öppna forskningsmaterial, har publicerat anvisningar för god datahantering. Kvalitet och genomslag i forskningsarbete med hjälp av datahantering riktar sig till forskare och hjälper dem att följa FAIR-principerna under hela forskningsprocessen. Att följa FAIR-principerna stöder reproducerbarhet och verifiering av resultaten i efterhand. Anvisningarna förklarar också grundläggande begrepp för hantering av forskningsdata.
Fokus är på på återanvändbarhet, kvalitet och värdet av data, som alla kan bedömas ur olika perspektiv. Anvisningarna ger olika perspektiv på att bedöma kvalitet och värde, och de uppmanar forskare att beakta livscykeln för data ur ett återanvändningsperspektiv. Hur beskriver man data så att de kan återanvändas? Hur tar man hänsyn till specifika egenskaper hos data, såsom dynamiskhet eller sensitivitet, vid beskrivning och publicering? Hur sammanställer man data för publicering? Vilken typ av data är värdefulla?
Forskningsdata är informationsmaterial som genereras eller används i forskning. Livscykeln för data omfattar alla existensskeden för digital information, från skapande till långtidslagring eller förstöring. Hanteringen av digitalt material kräver planering och kompetens, eftersom illa hanterade data kan skadas, blandas ihop eller gå förlorade.
Datahanteringen börjar redan när ett forskningsprojekt planeras, och FAIR-principerna tillämpas genom hela undersökningen. Forskaren bör inkludera hela livscykeln för data och ta hänsyn till både tekniska och juridiska aspekter. Ansvarsfull forskning innefattar även processens transparens, vilket innebär att det ska framgå tydligt vad som gjorts med data och hur slutresultatet har uppnåtts.
FAIR-principerna som vägledning för god datahantering
FAIR står för hittbar (Findable), tillgänglig (Accessible), interoperabel (Interoperable) och återanvändbar (Reusable), och FAIR-principerna är mål som främjer god datahantering och forskningens kvalitet och genomslag – många finansiärer och organisationer kräver att de följs. Principerna gäller alla data, oavsett om de är kvantitativa eller kvalitativa och syftar till att uppnå maskinläsbarhet och interoperabilitet. Samma gäller för metadata, som beskriver data och gör dem sökbara.
FAIR-data är begripliga för människor och kan hanteras maskinellt. Välstrukturerade data kan kombineras med andra data av samma format, och man kan göra sökningar i dem. Forskaren bör överväga hur en annan forskare skulle kunna upprepa det arbete som utförts. Det är också viktigt att se till att data och metoder är begripliga och tillgängliga för andra. Forskningsfinansiärer och vetenskapliga förlag kan också förutsätta att FAIR-principerna efterlevs och att data förvaltas.
Kvalitet och genomslag i forskningsarbete med hjälp av datahantering – hur dina data blir FAIR kan också tillämpas i den egna organisationen och användas fritt för att stödja forskningsverksamhet. Läs och ladda ner anvisningarna på finska, svenska och engelska på Zenodo!
Text: Sonja Sipponen
Bild: Alexander Sinn / Unsplash
Du kan också vara intresserad av
