3TU.Datacentrum : experiences with front- and back-offices / Jeroen Rombouts, Leon Osinski
Click here to load reader
-
Upload
leon-osinski -
Category
Education
-
view
113 -
download
1
description
Transcript of 3TU.Datacentrum : experiences with front- and back-offices / Jeroen Rombouts, Leon Osinski
3TU.Datacentrum Experience with
Front- & Back- Offices By
Leon Osinski, [email protected] & Jeroen Rombouts, [email protected]
Data Coach ervaringen van het onderzoeksdata-frontoffice van de TU/e
• Data acquisitie (voorlichting, presentaties, bewustwording, promotie, twitter, overtuigen)
• Data diensten (training, advies door middel van helpdesk)
• Pre-ingest van data
Data acquisitie de meest gehoorde argumenten om data niet te archiveren en hoe deze gepareerd kunnen worden
• Het documenteren van mijn data kost mij veel tijd en inspanning – Tijdsbesparing bij (later) hergebruik van data door
jezelf; onderzoeksdatamanagement = structureren van je onderzoek
– Credits geven aan data-verstrekker (co-auteur); data als volwaardig wetenschappelijk object (citeerbaar)
Data acquisitie de meest gehoorde argumenten om data niet te archiveren en hoe deze gepareerd kunnen worden
• Mijn data zijn vertrouwelijk – Data anonimiseren (gevoelige en identificerende
informatie verwijderen)
Data acquisitie de meest gehoorde argumenten om data niet te archiveren en hoe deze gepareerd kunnen worden
• Mijn data moeten nog renderen (publicaties opbrengen, ook voor toekomstige promovendi) – Data publiceren onder embargo – Data publiceren = data claimen (“One of the
strongest arguments for publishing your data as early as possible is to establish priority.” [ F1000 ]
Data acquisitie de meest gehoorde argumenten om data niet te archiveren en hoe deze gepareerd kunnen worden
• Mijn data kunnen misbruikt worden – Gedragsregels instellen – ‘the best defence against malicious use is to refer to
an archival copy of the data which is guaranteed exactly as you mean it to be’
Data acquisitie de meest gehoorde argumenten om data niet te archiveren en hoe deze gepareerd kunnen worden
• Mijn data zijn alleen voor mijzelf interessant – Plicht van onderzoeksfinancier, tijdschrift of
beroepscode – Validatie / replicatie van onderzoeksresultaten – Integratie data met publicatie ; [ UPSIDE ]
Data diensten
• Trainingen / cursussen / tools voor datamanagement • Helpdesk (website + data librarian) • Pre-ingest van onderzoeksdata
Pre-ingest van data
Pre-ingest van data
• Taak bibliotheek of onderzoeker? • Indien bibliotheek
– Samenwerking tussen frontoffices (vakspecifieke kennis)
– Vroeg betrokken zijn bij data workflow van onderzoeker
– Rol datalabs