Datamanagementplan

Waarom?

Bij effectief datamanagement moet je rekening houden met:

  • De aard van de data die je verzamelt
  • Hoe je de data veilig opslaat
  • Hoe je versie beheer gaat aanpakken
  • Wie toegang heeft tot de data en welke data anderen wel/niet mogen aanpassen
  • Hoe je de data kunt documenteren zodat anderen deze kunnen begrijpen en hergebruiken

Datamanagementplanning houdt in dat je nadenkt over het verhaal van je onderzoeksdata, van het creëren ervan tot en met 'ze leefden nog lang en gelukkig'. Bij het opstellen van het onderzoeksontwerp denk je na over de data die je wilt gaan verzamelen, hoe je ze gaat opslaan, en hoe je ze gaat delen met je huidige en toekomstige collega's.  Bekijk hier een inleidende video over het wat, waarom en hoe van datamanagementplanning (in het Engels).

Een manier om systematisch na te denken over het dataverzamelingsproces is het invullen van een datamanagementplan (DMP).  Je legt het verhaal van je onderzoeksdata vast. Zo een plan met bijbehorende activiteiten bevordert de integriteit en verhoogt de impact van je onderzoek(*) en je komt tegemoet aan de eisen van wetgeving en gedragscodes, financiers en uitgevers.

(*) 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.

Wat?

Globaal bestaat een datamanagementplan uit de volgende onderdelen:

  1. Generieke informatie over je onderzoek zoals het doel, de gegevens van de onderzoeker(s), samenwerkingspartners en financiers.
  2. Datakarakteristieken: de types, de formats, de software die je nodig hebt, geschatte datagrootte, of het om geanonimiseerde data gaat, etc.
  3. Data opslag: het opslagmedium en de locatie en de back-uplocatie en -frequentie van al je data tijdens het uitvoeren van je onderzoek.
  4. Data over data (oftewel metadata): het beschrijven van data en de begeleidende documentatie om anderen te helpen om je data te begrijpen en te hergebruiken.
  5. Data toegang: hoe je de toegang tot je data gaat organiseren tijdens het uitvoeren van je onderzoek.
  6. Data-uitwisseling en -hergebruik: hoe en onder welke voorwaarden je je data gaat delen met anderen of ze beschikbaar gaat stellen voor hergebruik na je onderzoek.
  7. Data-behoud en -archivering [Link naar pagina Data-behoud en archivering, zie verder]: welke data je waar gaat archiveren na je onderzoek.

Een datamanagementplan is een levend document. In het begin van het onderzoeksproces zal je nog niet alles gedetailleerd kunnen invullen. Ook kan gedurende je onderzoek het nodig zijn om zaken anders aan te pakken dan je aanvankelijk van plan was. Maak een nieuwe versie van je datamanagementplan telkens wanneer er belangrijke wijzingen plaatsvinden in je onderzoek die betrekking hebben op je data management. Aan te raden is om in ieder geval één keer per jaar je datamanagementplan up te daten.

Let wel op: oude versies van je datamanagementplan moeten bewaard blijven en je moet duidelijk documenteren vanaf wanneer welk plan geldt.

Hoe?

Voor het opstellen van een datamanagementplan zijn verschillende templates beschikbaar. Wellicht hanteert de financier van je onderzoek een eigen template. Indien dat niet het geval is, kun je gebruik maken van de onderstaande algemene templates en tools.

Kosten?

Goed datamanagement brengt kosten met zich mee, in uren en in geld. In dit overzicht zijn de mogelijke kosten per activiteit van het onderzoeksproces zichtbaar gemaakt. Het overzicht is gebaseerd op 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.

Meer info

  • Datamanagementplanning: hoofdlijnen, cases en de diepte in
  • Tien onderdelen van een goed datamanagementplan
  • Tien tips voor het schrijven van een datamanagementplan
  • HBO Vraagwijzer Onderzoeksdata: alhoewel dit document in eerste instantie bedoeld is voor onderzoeksondersteuners, helpt het door als onderzoeker jezelf deze vragen te stellen om met alle aspecten van onderzoeksdata rekening te houden

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 Bibliotheek. Stel je vraag via research@hhs.nl.