Strukturer og dokumenter

dine forskningsdata

Philipp Conzett

Universitetsbiblioteket

Tirsdag 5. september 2017

Lær å håndtere forskningsdataene dine etter beste praksis!

The Lifecycle of Research Data Management

Phases:

Collecting

Processing

Læringsmål for denne modulen

• Forstå hvorfor det er viktig med god strukturering og dokumentasjon av

forskningsdata

• Vite hvordan strukturere og dokumentere forskningsdata på en

bevaringsverdig måte

• Vite hvor du kan finne mer informasjon og få hjelp

Avbryt og spør underveis dersom du lurer på noe, eller ønsker å

kommentere noe!

Hvorfor?

Hvordan?

Tommelfingerregel: Andre, inkludert deg selv, skal kunne forstå og

anvende dataene dine mange år fra nå.

Tips: Tenk strukturering og dokumentasjon av data fra dag 1 i

datainnsamlings- og planleggingsfasen. Omstrukturering og omformatering i

ettertid kan være tidkrevende og kjedelig.

Hjelp: Bruk UiT Open Research Dataset Guidelines

(site.uit.no/opendata/kom-i-gang/)

De viktigste elementene:

• Datalagring

• Navngivning av filer og mapper

• Filformat

• Beskrivelse av filer og deres innhold

Datalagring

Gode lagringsrutiner

Unngå tap av data ved å etablere gode lagringsrutiner:

• Regelmessige sikkerhetskopier

• Flere sikkerhetskopier:

– «Here»: f.eks. på datamaskinen din

– «Near»: f.eks. på hjemmeområdet ditt på UiT (\\homer.uit.no)

– «Far»: f.eks. i en skytjeneste som myDoc/OneDrive på UiT

(https://mydoc.uit.no/)

• På et delingsområde, f.eks. uDoc på UiT (https://udoc.uit.no/)

• Versjonering = holde rede på endringer

Se Forskingsdataportalen under «Arbeida med aktive forskingsdata»:

https://uit.no/forskningsdata.

Navn på filer og mapper

Noen grunnleggende råd for navngiving:

• Bruk konsistente filnavn

• Filnavn bør fortelle noe om innholdet, men likevel være korte (< 25 tegn)

• Bruk “underscores” ( _ ) i stedet for mellomrom

• Unngå spesialtegn som “ / \ : * . ? ‘ < > [ ] ( ) & $ æÆ øØ åÅ ...

• Bruk internasjonalt format på datoer: ÅÅÅÅ-MM-DD

Mulige struktureringsstrategier:

• Sortert etter dato

• Sortert etter innhold

• Sortert etter filtype

• Tvungen sortering med hjelp av nummerering

Mappenavn og -struktur:

• Hovedstrukturen bør gjenspeiles i filnavna

• Velg konsistent struktur, og dokumenter den i ei ReadMe-fil

Dokumentasjon / metadata: ReadMe-filer

ReadMe-fil = beskrivelse av datasettet, veiledning til data

Anbefalinger for ReadMe-filer:

• Start å dokumentere tidlig

• Beskriv

– kontakt informasjon

– hva datasettet handler om

– filstruktur og regler for navngiving

– hvor en finner hvilke data = oversikt over filene

– metode og framgangsmåte

– kolonneoverskrifter i tabeller

– forkortelser

– måleenheter

– ...

• Lagre som Unicode UTF-8-tekstfil (.txt) eller PDF/A

• Avklar spesifikke metadatakrav (fag, arkiv, finansiør ...)

Eksempel på ReadMe-fil

Project: Kristin’s important chemistry project

Date: June 2013-April 2014

Description: Description of my awesome project here

Funder: Department of Energy, grant no: XXXXXX

Contact: Kristin Briney, kristin@myemail.com

ORGANIZATION

All files live in the ‘ImportantProject’ folder, with content organized into subfolders as follows:

• ‘RawData’: All raw data goes into this folder, with subfolders organized by date

• ‘AnalyzedData’: Data analysis files

• ‘Documentation’: Scanned copies of my written research notes and other research notes

• ‘Miscellaneous’: Other information that relates to this project

(Tilpassa fra README.txt, http://dataabinitio.com/?p=378)

Eksempel på ReadMe-fil (forts.)

COLUMN HEADINGS AND ABBREVIATIONS

Explanation of column headings used in DataFile01

• H1 contains ...

• H2 contains ...

Explanation of abbreviations used in DataFile01:

• A1 means ...

• A2 means ...

NAMING

Raw data files will be named as follows:

“YYYY-MM-DD_experiment_sample_ExpNum”

(ex: “2014-02-24_UVVis_KMnO4_2.txt”)

(Tilpassa fra README.txt, http://dataabinitio.com/?p=378)

Klargjøring for arkivering

Gjør dataene klare for arkivering:

• Utvalg

• Ikke ta bort negative data

• Ta med råversjon og behandla data

• Både originalfila og i arkivverdig filformat

Arkivverdige (persistente) filformat er vanligvis

• ikke-proprietære,

• åpne, og følger dokumenterte internasjonale standarder,

• brukt av store deler av forskningsmiljøet,

• bruker standard tegnkoding (f.eks. ASCII, UTF-8), og

• er ikke komprimerte

Arkivering: Arkivverdige filformat

Arkivverdige filformat for vanlige dokumenttyper:

Mer informasjon i våre UiT Open Research Dataset Guidelines

Dokumenttype Ikke-arkivverdig format (eksempler)

Arkivverdig format

Tekst MS Word (.docx) PDF/A

Regneark MS Excel (.xlsx) TabulatorseparertUnicode-UTF-8-tekst (.txt)

Bilde Windows Bitmap (.bmp) Ukomprimert TIFF

Lyd AAC (.m4a) WAV

Video Quicktime (.mov) MPEG-4

Databaser MS Access (.accdb) XML ellertabulatorseparertUnicode-tekst (.txt)

Konvertering til arkivverdig filformat

Fra .xlsx til .txt i Excel 2016:

• (Ev. på bærbar maskin: Klikk først på Flere alternativ rett under filtypefeltet, der det står Excel-arbeidsbok (*.xslx))

• Velg Fil > Lagre som > Velg mappe

• I feltet Lagre som filtype velg Tekst (tabulatordelt) (*.txt)(NB! Ikke velg Unicode-tekst (*.txt))

• Under verktøy velg Nettalternativ

• Velg fana Koding

• I feltet Lagre dette dokumentet som velg Unicode (UTF-8), og klikk på OK

• Velg fana Skrifter

• I ruta Tegnsett velg Flerspråklig/Unicode/annet skript, og klikk på OK

• Klikk på Lagre

• Bekreft med Ja

Oppgave/diskusjon

• Hva slags data og filtyper bruker du i forskinga di?

• Hvordan kan datafilene dine konverteres til arkivverdig(e) format?

Ta en titt på våre retningslinjer for datasett:

http://site.uit.no/opendata/kom-i-gang/

10 min.

16

Mer info og hjelp:

Forskningsdatapotalen på UiT:

https://uit.no/forskningsdata

E-post:

research-data@support.uit.no

Klar for arkivering!

Kursmodulen Del dine forskningsdata

18

Fyll ut evalueringsskjemaet vårt!

bit.ly\ubevalno

Navn på underviser: Datagruppa

Dato: 5.9.2017

Tittel på kurs: Forskningsdata

TAKK OG LYKKE TIL!

research-data@support.uit.no