Gå till huvudinnehållet
Det verkar som att du använder Internet Explorer 11 eller en äldre version. Den här webbplatsen fungerar bäst med moderna webbläsare som de senaste versionerna av Chrome, Firefox, Safari och Edge. Om du fortsätter med den här webbläsaren kan du få oväntad

Datahantering

Vad är hantering av forskningsdata (Research Data Management RDM)?

Med hantering av forskningsdata (Research Data Management, RDM) menas hur forskningsmaterialet beskrivs, organiseras, förvaras och delas under hela forskningsprocessen. Den här guiden är avsedd att ge en översikt över praxis och processer för att hantera dina forskningsdata.

Datahantering och att skriva en datahanteringsplan är en integrerad del av god vetenskaplig praxis. Forskare och studerande på Arcada ansvarar för att följa god praxis för datahantering, vilket inkluderar Arcadas riktlinjer för hantering och delning av forskningsdata, datasäkerhet och dataskydd i enlighet med lagstiftning och forskningsintegritet. Institutioner och handledare ska göra studenter och forskare förtrogna med god datahanteringspraxis. Följ stegen och checklistan som beskrivs i Datahanteringsprocesser på Arcada. Här finns allmänna instruktioner och steg-för-steg-anvisningar som du som forskare eller studerande kan följa genom hela datahanteringsprocessen

Vad är forskningsdata och varför hantera dina data?

I princip kan forskningsdata vara vilket material som helst (fysiskt eller digitalt) som ett forskningsprojekt använder och producerar som grund för forskningsresultaten från forskningens början (hypotes, forskningsfrågor) till den avslutande punkten (forskningsresultat). 

I hantering av forskningsdata (RDM) förstås forskningsdata i allmänhet som digitala dataset som genereras, bearbetas och används i vetenskaplig forskning och kan inkludera: 

  • data som samlas in med olika metoder (t.ex. undersökningar, intervjuer, video, bilder) 

  • data som produceras under forskningen (t.ex. analysresultat) 

  • forskningskällor (t.ex. att arkiverat material återanvänds) 

  • källkod och programvara

  • information som beskriver datas sammanhang, innehåll och struktur (readme-filer och metadata). -Behöver utvecklas på Arcada, instruktioner etc. 

 

Fördelar med att hantera forskningsdata är att det: 

  • blir lättare att hitta, förstå, citera och återanvända dina data, vilket ökar genomslaget för din forskning 

  • främjar forskningens transparens, validitet, reliabilitet och kvalitet 

  • underlättar samarbete när data kan delas inom och mellan olika discipliner 

  • främjar nya upptäckter 

  • uppfyller forskningsfinansiärernas krav 

  • följer tidskrifters policy för forskningsdata 

  • säkerställer dataintegriteten 

  • främjar arkivering och långtidsbevaring 

  • blir lättare att sammanställa forskningsresultat för publicering då forskningsdata är väl hanterade och dokumenterade. 

Tilläggsinformation och källor

Tillgänglighetsutlåtande