Základy práce s výzkumnými daty

Co jsou výzkumná data

Výzkumná data jsou jakékoliv informace, které byly shromážděny, pozorovány, či vytvořeny za účelem zjištění nebo ověření výsledků výzkumu. Mohou mít různou podobu a formu. Při jejich zveřejňování rozlišujeme doprovodná data k publikaci a samostatné datové sady. Digitální výzkumná data v humanitních oborech mohou být digitalizovaná i born digital (původně digitální).

Příklady výzkumných dat

mediální data (audio a video nahrávky, fotografie, skeny, 3D modely)
přepisy rozhovorů, odpovědi z dotazníků
terénní poznámky, deníky
software, skripty

Cyklus správy výzkumných dat

Vznik dat: plán výzkumu, Data Management Plan, sběr dat a jejich uložení, generování některých metadat
Zpracování dat: digitalizace, vyčištění, validace, anonymizace, popis dalšími metadaty, uložení zpracovaných dat
Analýza dat: interpretace a analýza dat, vizualizace, tvorba závěrů, příprava publikace
Ochrana dat: archivní uložení, zálohování, migrace formátů, dokumentace
Sdílení dat: řízení přístupu, vlastnictví a copyright, licence
Opakované využití dat: nový výzkum, partnerství, inovativní znovuvyužití dat, výuka a vzdělávání

Správa dat a DMP

Data Management Plan

Data Management Plan (DMP, plán správy dat) je dokument popisující nakládání s daty v průběhu výzkumného projektu. Vzniká v počáteční fázi výzkumu a průběžně se aktualizuje. Bývá vyžadován ze strany poskytovatelů financí (např. Horizon Europe, TA ČR, GA ČR).

Konkrétní formulace otázek se liší podle poskytovatele podpory, základními oblastmi jsou:

sběr dat,
popis dat (dokumentace a metadata),
právní a etické otázky,
způsob uchování a přístupu,
plán pro smazání nebo dlouhodobé uchování dat,
plán pro sdílení dat,
určení odpovědnosti za jednotlivé oblasti.

Konzultace k DMP Záznam přednášky o DMP

Doporučené nástroje

Data Stewardship Wizard: nástroj pro podporu správy výzkumných dat nabízí sady otázek ke všem fázím výzkumného procesu; umožňuje export DMP (Data Management Plan) v různých šablonách (včetně Horizon Europe), spolupráci v týmu se sledováním provedených změn nebo také propojení s projekty v INETu
DMPonline: méně robustní nástroj pro tvorbu DMP; umožňuje institucionální přihlášení, obsahuje nápovědu k jednotlivým polím a nabízí export v různých formátech

FAIR data

FAIR principy při práci s daty

Zkratka FAIR označuje čtyři principy, které by data měla splňovat, především při jejich sdílení. Otevřený přístup není podmínkou – ne všechna data je možné zpřístupnit, například pokud jde o citlivá data. Důležitou zásadou je také právo prvního využití náležející výzkumníkovi nebo týmu, který data nasbíral. Data mohou mít různou míru otevřenosti, zpřístupnění dat dle FAIR principů neznamená automatické zpřístupnění komukoli. Východiskem je princip „As open as possible, as close as necessary.“

Findable – snadno nalezitelná lidmi i stroji, uložena ve vhodném repozitáři a popsána kvalitními metadaty
Accessible – jsou uvedeny jasné informace o podmínkách a možnostech využití dat
Interoperable – data jsou uložena v otevřeném a standardizovaném formátu a popsána pomocí řízených slovníků
Reusable – metadata dostatečné popisují kontext dat: jejich licenci, původ, způsob sběru, vysvětlení zkratek, pojmenování a struktura souborů, použitý SW a další relevantní informace

FAIR principy podrobně FAIR checklist

Vznik a uložení dat

Vznik dat

Při sběru a ukládání dat je důležitá vhodná volba uložiště a pečlivá organizace a dokumentace.

Datová uložiště na MU Doporučení pro užívání uložišť

Organizace a pojmenování

Vhodné pojmenování závisí na typu souboru. Názvy by neměly být příliš dlouhé, ale zároveň by měly obsahovat dostatečné množství informací pro vyhledání a identifikaci obsahu souboru.

Zásady pojmenování souborů

Pro chronologické řazení využijte datum ve formátu YYYYMMDD (nebo obdobném).
Nepoužívejte v názvech speciální znaky jako ! @ # & % * $ (častokrát se využívají pro specifické úkony v různých operačních systémech).
Pokud máte více typů dat, měli byste rozlišit identifikátory (např. dotazník, rozhovor, poznámky).
Pokud máte více účastníků výzkumu, uveďte u názvu souboru jejich iniciály, v případě anonymních respondentů vytvořte každému unikátní kód.
Pokud pracujete v týmu, můžete uvést iniciály autorů souboru nebo toho, kdo naposledy v daném souboru provedl změny.

Tip: Pokud používáte v názvech zkratky či kódy, uchovejte také vysvětlivky.

Tipy pro znovupoužitelnost tabulkových dat

Co dělat

jasný popis sloupců na jednom řádku, začínajícím v buňce A1
název a legenda pro každý list
srozumitelné pojmenování souborů
ukládat každou tabulku a každý list zvlášť

Co nedělat

nevkládat do souboru grafy a komentáře
nepoužívat barvy pro přenos informace (brání strojovému zpracování)
nespojovat buňky
nepoužívat více listů v jednom souboru (v MS Excel), není podporováno ve formátech .csv a .tab

Dokumentace

Kromě samotného pojmenování souborů je důležité data vhodně popsat. Informace obsažené v dokumentaci závisí na typu dat. Může jít o jednoduchý read-me soubor, kde bude vysvětlen kontext výzkumu, někdy poslouží tabulka nebo komentáře uvnitř souboru. Pro označení veškerých „dat o datech“ slouží pojem metadata.

Dokumentace může obsahovat

Čas a místo sběru dat
Data o respondentech
Vysvětlivky zkratek
Číselníky
Informace o nástroji či softwaru, ve kterém byla data zpracována
Vzor informovaného souhlasu
Licenční podmínky pro využití nasbíraných dat

Sdílení dat

Výběr vhodného repozitáře

Existuje množství obecných i oborově specifických datových uložišť, do kterých lze ukládat samostatné datové sady nebo data k publikacím. Volba vhodného repozitáře závisí na typu dat. Může se řídit požadavky poskytovatele nebo časopisu.

Open Science Framework (OSF): platforma pro práci s výzkumnými daty v průběhu celého výzkumného procesu, včetně předregistrace výzkumu a hypotéz a případného zveřejnění výzkumných dat
Digitalia MUNI Arts: výzkumná infrastruktura nabízející dlouhodobé uložení a ochranu platforem (kolekce výzkumných dat s funkcemi pro prohlížení) i datových sad
Zenodo: oborově nespecifický repozitář pro ukládání libovolného typu souboru
Re3data, OpenDOAR: registry repozitářů výzkumných dat; mohou pomoci při výběru vhodného repozitáře
LINDAT: oborově specifický repozitář pro lingvistická data

Co zohlednit při výběru repozitáře

oborové zvyklosti
důvěryhodnost – poskytovatel může vyžadovat certifikovaný repozitář
přidělení perzistentního identifikátoru
poskytnutí otevřeného přístupu k datům
jasné uvedení podmínek využití dat (přidělení licence)
forma prezentace metadat
možnost verzování (nahrání aktualizovaných verzí dat při zachování původních)

Podklady zpracovala Kamila Nehybová v rámci odborné praxe; využity byly materiály připravené OS skupinou na MU. Přehled aktualizace a spravuje Mgr. Pavla Martinková.

Mgr. Pavla Martinková

Informační podpora studia a vědy

telefon:	549 49 4399
e‑mail:	martinkova@phil.muni.cz

Agenda a portfolio

správa webových stránek ÚK
poskytování referenčních a konzultačních služeb
realizace lekcí a workshopů
Open Science metodička

Zobrazit portfolio