Beskriva forskningsdata

Beskriv så att andra kan förstå din forskning

När du beskriver forskningsdata i ett repositorium möjliggör du för andra att förstå sammanhanget för den forskning du har genomfört. På så sätt kan andra forskare bygga vidare på ditt arbete och göra liknande studier, även när forskningsdata inte finns fritt tillgängliga.

Data som beskriver forskningsdata

Forskningsdata beskriver du med hjälp av metadata (data om data), som till exempel berättar om hur forskningsdata samlades in. En utförlig metadatabeskrivning kan bland annat innehålla information om följande delar:

Innehåll och struktur

Information som beskriver forskningsdatas innehåll. Det kan till exempel vara

• nyckelord
• sammanfattning eller abstract
• innehållsförteckning
• relationer mellan material och data som bygger på varandra, till exempel kodnycklar och databaser.

Upphov

Metadata som beskriver forskningsdatas upphov. Till exempel information om

• skapare eller upphovspersoner
• lärosäte eller forskningshuvudman
• forskningsinfrastrukturer
• samarbeten
• kontaktuppgifter
• finansiärer.

Uppkomst

Metadata som ger information om och beskriver forskningsdatas uppkomst och härkomst. Till exempel information om

• insamlingsmetod
• process
• datakälla
• sammanhang, eller faktorer som kan ha påverkat utfallet
• tidpunkten när data skapades och senast uppdaterades
• andra datakällor som har använts.

Administrativa uppgifter, åtkomst och begränsningar

Administrativa och tekniska metadata om tillgång till forskningsdata, till exempel information om

• när metadata skapades och senast uppdaterades
• rättigheter och licenser
• tillgång till materialet och hur åtkomstbegäran går till
• teknisk åtkomst.

Dokumentera data från början 

Du sparar mycket tid om du lägger grunden för en bra organisering av filer redan innan data börjar samlas in. 

Så kan du organisera data när du forskar

Ta hjälp av en metadatastandard

En metadatastandard hjälper dig att beskriva forskningsdata på ett entydigt sätt, så att forskningsdata blir sökbara för både människor och maskiner. Du kan till exempel ofta välja nyckelord från kontrollerade vokabulärer. Metadatastandarden kan också ha regler för hur olika typer av metadata hänger ihop. Det finns många olika metadatastandarder som är anpassade för behoven i olika forskningsområden.

Du har stor nytta av att du redan vid start funderar över vilken metadatastandard du troligen kommer att använda dig av. Metadatastandarden kan visa vilken information som kommer att behövas så att du fortlöpande kan samla, dokumentera och sammanställa underlag till metadata.

Metadata i SND:s verktyg Doris

När du använder SND:s verktyg Doris för att beskriva forskningsdata via portalen Researchdata.se så finns det på förhand definierade fält för metadata. Dessa bygger på metadatastandarden Data documentation initiative (DDI).

Fler metadatastandarder i Doris

För att underlätta för forskare från olika ämnesområden att beskriva forskningsdata finns det ämnesspecifika metadataprofiler i Doris. Dessa ämnesprofiler bygger på SND:s allmänna profil men kan ha andra metadatafält som bättre fångar in forskningsämnet ifråga. Idag har SND metadataprofiler inom dessa ämnen:

• lantbruksvetenskap
• medicin och hälsovetenskap
• naturvetenskap
• samhällsvetenskap
• teknik
• lantbruksvetenskap och veterinärmedicin
• historia och arkeologi
• geovetenskap och miljövetenskap
• språkresurser.

Utveckling av en metadataprofil för Humaniora och konst pågår.

Läs mer om att beskriva forskningsdata i Doris (SND)

Fler metadatastandarder

Det finns även andra resurser som du kan använda för att hitta en metadatastandard som passar för ditt forskningsfält.

Resurser för metadatastandarder i urval

• Förteckning över metadatastandarder och -typer sorterade efter forskningsfält från Digital Curation Centre, DCC: 
  Disciplinary metadata (DCC)
• Research Data Alliance öppna samarbete för att ta fram en metadataförteckning på GitHub: 
  RDA Metadata Directory
• Dublin Core är en väl etablerad metadatastandard som passar flertalet forskningsdomäner. Den är även utformad för att stödja metadatabeskrivningar av tvärvetenskapliga resurser:
  Dublin Core

Att beskriva forskningsdata med känsliga uppgifter

Forskningsdata som innehåller personuppgifter eller sekretessbelagda uppgifter får inte publiceras med öppen tillgång. Däremot kan du publicera beskrivningar av sådana forskningsdata i ett öppet repositorium. När du gör det måste du vara noggrann med hur du utformar metadata så att beskrivningen inte kan användas för att identifiera de ursprungliga uppgifterna eller en enskild individ. 

Du behöver inte informera forskningspersonerna om att du publicerar beskrivningar av forskningsdata som innehåller personuppgifter, eftersom det inte anses vara en personuppgiftsbehandling.

Läs mer om forskningsdata med högt skyddsvärde

Förbered data för publicering 

Om du ska publicera forskningsdata i ett repositorium finns det några saker du behöver tänka på för att data ska bli hållbara på lång sikt.

• Använd lämpliga filformat för att möjliggöra användning i framtiden.
• Se till att dina data är dokumenterade på ett tydligt sätt så att andra kan tolka dem.
• Det är endast stabila dataset som är färdigarbetade som du kan publicera.

Du hittar mer information om hur du förbereder data inför publicering här: 

Ready to deposit your data? (Oxford University)

Filformat (Researchdata.se)

Tillgängliggör data enligt FAIR-principerna 

FAIR-principerna beskriver centrala riktlinjer för datahantering. För att du ska uppfylla FAIR-principerna är det viktigt att du beskriver forskningsdata tydligt och maskinläsbart, samt att du publicerar beskrivningen i ett öppet tillgängligt repositorium. Om tillgången till data är begränsad på något sätt ska du ange det i beskrivningen. 

Mer information om att tillgängliggöra data

För att uppfylla FAIR-principen “findable” (hittbara) behöver du bland annat koppla en unik beständig identifierare till data. Inom forskningsdata används ofta DOI, “Digital Object Identifier”. 

Läs mer om FAIR-principerna på Researchdata.se