Výzkumná data ****************************************************************************************** * Co jsou výzkumná data? ****************************************************************************************** Výzkumná data lze charakterizovat jako jakékoli informace, které byly shromážděny, pozorov nebo vytvořeny za účelem ověření či reprodukování výsledků výzkumu. Výzkumná data mohou mí mohou být jak digitální, tak nedigitální. Některé příklady výzkumných dat mohou zahrnovat:  • Tabulky, dokumenty • Audio a video nahrávky • Obrázky, fotografie • Dotazníky, odpovědi na testové otázky, přepisy rozhovorů • Software, skript • Laboratorní deníky, terénní poznámky, diáře • Vzorky, exempláře, artefakty ****************************************************************************************** * Management výzkumných dat ****************************************************************************************** Managementem výzkumných dat (Research Data Management, RDM) se rozumí především organizová dlouhodobé uchovávání dat získaných během výzkumného projektu. Přestože efektivní správa dat může být náročná, přináší mnoho výhod nejen vám, ale také ši patří k příkladům dobré vědecké praxe. Zde nabízíme výčet několika příkladů: • Ukázka integrity výzkumu, zlepšení vaší reputace čestného a pečlivého vědce, což může ná vyšší citovanosti • Váš výzkum je robustní a replikovatelný • Pomáhá vám předvídat potenciální problémy, které se mohou během výzkumného procesu vysky • Usnadňuje psaní článků a jejich revize • Pomáhá vám – a ostatním – najít vaše data • Snížení rizika nutnosti stažení článku z důvodu pomíchání dat nebo jejich špatného označ • Snížení rizika ztráty dat • Pokud někdo napadne výsledky vašeho výzkumu, můžete se o svá data opřít a výsledky obháj dokázat, že jste výsledky uvedli v dobré víře • Zajištění kontinuity dlouhodobých projektů, kde se např. střídají doktorandi, a konziste kterých je zapojeno více vědeckých pracovníků • Ujištění, že váš výzkumný projekt splňuje všechny podmínky stanovené poskytovateli finan • Pokrok v celosvětovém výzkumu díky možnosti opakovaného využití dat ****************************************************************************************** * Data management v rámci výzkumného projektu ****************************************************************************************** *========================================================================================= * 1. Před začátkem projektu *========================================================================================= Práci s daty je třeba začít řešit ještě před začátkem samotného projektu. Ve fázi plánován projektu byste se měli zamyslet nad tím, jaká data budete ke svému výzkumu potřebovat, jak (budete vytvářet vlastní data, nebo můžete použít již existující?), kde je budete skladova bude starat a tak dále. Ještě před začátkem projektu či v jeho počáteční fázi byste si tak Data Management Plan [ URL "OSCI-63.html "] (DMP), nebo-li plán pro správu výzkumných dat. *========================================================================================= * 2. V průběhu projektu *========================================================================================= Poté, co začnete data sbírat, ať už budete generovat svá vlastní data, nebo využijete již třeba dbát na jejich zpracování, skladování a zabezpečení. Je důležité, aby data byla pečl popsána (např. jakým způsobem data vznikala, co jednotlivé údaje znamenají, přehledné verz byste si měli dát pozor, kde data během výzkumu skladujete a zálohujete a zda je toto úlož zabezpečené, obzvláště pak pokud pracujete s citlivými údaji. *========================================================================================= * 3. Na konci projektu *========================================================================================= Když se blíží konec projektu, měli byste zvážit, co se s daty stane po jeho skončení. Rozm data je možné smazat a která by naopak měla být dlouhodobě uchována (tento návod [ URL "OS může pomoci v rozhodování), a zvažte možnost data sdílet. Pokud se rozhodnete svá data zpř na to, aby byla FAIR [ URL "OSCI-64.html#2"] a nezapomeňte na pravidla ochrany osobních úd potřeby, data anonymizujte. K anonymizaci dat můžete využít například nástroj Amnesia [ UR amnesia.openaire.eu/"] dostupný na webu OpenAIRE. Publikujete-li svá data otevřeně [ URL " "] , je vhodné opatřit je licencí [ URL "OSCI-68.html "] , aby uživatelé věděli, jak s vaš mohou nakládat. Ať už se rozhodnete svá data sdílet či nikoli, zvažte možnost uložit svá d repozitáři [ URL "OSCI-67.html "] , abyste zajistili jejich dlouhodobé uchování. ****************************************************************************************** * Potřebujete poradit? ****************************************************************************************** Kontakty pro jednotlivé agendy naleznete v samostatné sekci [ URL "OSCI-45.html "] . ****************************************************************************************** * Užitečné zdroje ****************************************************************************************** CESSDA: Data Management Expert Guide [ URL "https://www.cessda.eu/Training/Training-Resour Management-Expert-Guide"] (zaměřeno na sociální vědy)  MANTRA: Research Data Management training [ URL "https://mantra.edina.ac.uk/"] . Edinburgh of Edinburgh Markowetz, F. 2015. Five selfish reasons to work reproducibly [ URL "https://doi.org/10.11 s13059-015-0850-7"] . Genome Biol 16(274). https://doi.org/10.1186/s13059-015-0850-7 [ URL doi.org/10.1186/s13059-015-0850-7"] OpenAIRE: A research data management handbook [ URL "https://www.openaire.eu/rdm-handbook" Wilkinson et al. 2016. The FAIR Guiding Principles for scientific data management and stew "https://www.nature.com/articles/sdata201618"] . Scientific Data 3, 160018 (2016). https:/ sdata.2016.18 [ URL "https://doi.org/10.1038/sdata.2016.18"]