Planera dataanvändningen

God datahantering är en central del av god forskningssed. Därför är det viktigt att i ett tidigt skede identifiera vilken data som behövs för att besvara forskningsfrågan och upprätta en datahanteringsplan. Forskningshuvudmän och forskningsinfrastrukturer erbjuder ofta stöd i arbetet.

Identifiera vilka data som behövs för att besvara frågeställningen

I det inledandet skedet i forskningsdatacykeln är frågeställningen central och styr den kommande datahanteringen. Vilka frågeställningar som forskningen ämnar besvara kommer att avgöra behovet av de data som ska beställas. En tydligt formulerad frågeställning underlättar för datainnehavaren att guida i vilka data som behövs för det specifika projektet och i det kommande arbetet med att beställa data från aktuella datainnehavare och att säkerställa efterlevnad av regler och vägledande principer. Att urvalet blir rätt från början sparar tid och resurser.

Ta stöd i en datahanteringsplan

En datahanteringsplan är ett stöd i att planera och säkerställa att datahanteringen görs enligt gällande lagstiftning och följer de riktlinjer och rutiner för informationshantering, arkivering och gallring som gäller där forskningen genomförs. En datahanteringsplan som tydligt visar hur informationssäkerhet och skydd av personuppgifter ska hanteras kan underlätta utlämnande av data, då datainnehavare ofta kräver denna information vid beställning av data, men även vid återanvändning av data i ny forskning. Säkerställ därför redan i planeringsskedet att det finns kompetens och resurser för en god och säker datahantering.

Datahanteringsplanen bör ses som ett levande dokument som kan utvecklas och revideras under hela projektets livscykel.

FAIR datahantering

För att möjliggöra återanvändning av forskningsdata är planering och god datahantering av stor vikt. FAIR datahantering innebär att forskningsdata ska vara strukturerade och dokumenterade så att de är:

• sökbara (Findable)
• tillgängliga (Accessible)
• interoperabla (Interoperable)
• återanvändbara (Reusable).

Dessa principer bör beaktas i planering av projektets datahantering, i datahanteringsplanen och under projektets genomförande.

Ta del av stöd hos forskningshuvudmän och infrastrukturer

Forskningshuvudmän erbjuder ofta stöd under hela forskningsdatacykeln. Omfattningen och inriktningen av stödet, liksom hur det är organiserat, varierar mellan olika forskningshuvudmän. Det är vanligen uppdelat kring olika steg i forskningsprocessen och det brukar finnas stöd och information kring att:

• planera datahantering
• samla in, dokumentera och lagra forskningsdata
• analysera och dela data
• publicera eller tillgängliggöra data enligt principen ”så öppet som möjligt, så stängt som nödvändigt”, samt arkivera data vid projektets slut.

Information finns bland annat på lärosätenas webbplatser och förmedlas ofta via lokala enheter som arbetar med hantering av forskningsdata, så kallade Data Access Units, DAU. Dessa finns samlade i ett nationellt nätverk som drivs av Svensk nationell datatjänst, SND, där även vissa myndigheter ingår.

SND erbjuder också stöd kring att hitta och hantera forskningsdata. Webbportalen researchdata.se innehåller bland annat:

• checklista för datahanteringsplaner
• beskrivning av datastandarder och metadatahantering
• information kring filformat, datalagring och datadelning
• viss juridisk vägledning kring hantering av personuppgifter i forskning
• olika tjänster för att hitta och dokumentera data.

Även forskningsinfrastrukturer, såsom exempelvis NAISS vid Linköpings universitet, MONA hos Statistikmyndigheten SCB och Svensk nationell datatjänst, SND, erbjuder olika typer av stöd till forskare beroende på vilken data som genereras. På Vetenskapsrådets webbplats listas de forskningsinfrastrukturer som myndigheten finansierar, uppdelade efter olika ämnesområden, inklusive digital infrastruktur.

Ta reda på om det finns krav från forskningsfinansiärer eller forskningshuvudmän avseende datahantering

Vid projektstart är det bra att kontrollera om forskningsfinansiären eller forskningshuvudmannen har särskilda krav som kan påverka planeringen av datahanteringen. Flera forskningsfinansiärer, däribland Vetenskapsrådet, kräver att en datahanteringsplan tas fram inom projekt som de finansierar. Det är forskningshuvudmannens ansvar att säkerställa detta och oftast krävs att det finns en plan redan när projektet påbörjas.

Vetenskapsrådet, andra forskningsfinansiärer och flera svenska universitet rekommenderar till exempel att forskningsdata hanteras enligt FAIR-principerna. Inom ramen för Horisont Europa är hantering av forskningsdata enligt FAIR-principerna ett krav. Flera forskningsfinansiärer som kräver att en datahanteringsplan ska upprättas för finansierade projekt tillåter att projektrelaterade kostnader för FAIR datahantering tas upp i ansökan om finansiering.

Praktiskt stöd och vägledning för datahantering

Stödfunktioner vid lärosäten, forskningsinfrastrukturer, domänspecifika och internationella initiativ och organisationer har ofta mallar för datahanteringsplaner. Dessa kan vara gratis eller erbjudas som betaltjänster. Vissa forskningsinfrastrukturer har tagit fram eget stödmaterial för datahanteringsplaner. Materialet kan skilja sig åt vad gäller exempelvis utseende och formulering, men utgår ifrån Science Europe:s baskrav och vägledning.

Vetenskapsrådets stöd och vägledning

Vetenskapsrådet rekommenderar forskningsprojekt att använda den mall som utvecklats i samarbete med Sveriges universitets- och högskoleförbund, SUHF. Mallen grundas på Science Europe:s baskrav. Vetenskapsrådet erbjuder också en digital tjänst för datahanteringsplan, via Sunet, som anslutna lärosäten kan använda mot en kostnad.

SciLifeLab:s verktyg

SciLifeLab ger stöd i datahantering inom life science som täcker hela forskningens livscykel. De rekommenderar att använda verktyg som tillhandahålls av det lärosäte där forskaren är verksam, vilket oftast är DMPOnline, eller Data Stewardship Wizard som erbjuds av SciLifeLab.

Consortium of European Social Science Data Archives, CESSDA, guide

CESSDA:s datahanteringsplan (på engelska Data Management Expert Guide), går på ett strukturerat sätt igenom forskningsdatahanteringens olika delar. Även om fokus är på samhällsvetenskapliga data kan forskare inom andra områden ha nytta av guiden.