Forschungsdatenlebenszyklus
Als Wissenschaftlerin oder Wissenschaftler arbeiten Sie täglich mit einer Vielzahl von Forschungsdaten, die im Laufe eines Projekts verschiedene Phasen des sogenannten Forschungsdatenlebenszyklus durchlaufen, bis sie in Ihre Publikation münden, selbst veröffentlicht und langfristig archiviert oder planmässig gelöscht werden.
Links zu Hilfsmaterial, welches zu einzelnen Phasen passt
Daten – Ein Lebenslauf
Am Anfang Ihrer wissenschaftlichen Arbeit steht die Projektidee, der sich die Planung der Durchführung anschliesst. Die nun folgenden Schritte beinhalten die Datenmanagementplanung sowie die Erstellung, Analyse und Synthese bis hin zur Publikation Ihrer Forschungsdaten. Diese werden, abhängig von Ihrer jeweiligen Forschungsdisziplin, in unterschiedlichsten Dateiarten, -formaten und -grössen verarbeitet und in Form von Text, Codes, Grafiken, Tabellendaten oder auch audiovisuellem Material vorliegen.
Um die Daten langfristig verfügbar zu halten, werden sie gemäss den entsprechenden Formaten und Standards bereitgestellt, einem Repositorium oder Archiv hinzugefügt und damit für eine gut recherchierbare Nachnutzung gesichert.
Strukturierte Datenbeschreibung
Eine wissenschaftliche Nachnutzung der Daten ist nur dann möglich, wenn Sie Ihre Daten zu jedem Zeitpunkt im Lebenszyklus sorgfältig sichern, benennen und mit ausreichenden Metadaten versehen. Diese müssen die notwendigen Informationen und den Kontext zur Herkunft der Forschungsdaten und zum sachgemässen Umgang mit diesen Daten beinhalten.
Datensichtbarkeit erhöhen
Die Phase des aktiven Datenmanagements umfasst die Erzeugung und Sammlung von Rohdaten sowie deren Analyse. In dieser Phase sollten Sie die Gewinnung der Primärdaten sowie die Analyseprozesse sorgfältig dokumentieren. So können Sie eine spätere Nachnutzung durch Sie selbst oder durch Dritte ermöglichen und einen Informationsverlust verhindern.
Eine sorgfältige Datenmanagementplanung zu Beginn eines Forschungsprojekts ist hilfreich.
- Legen Sie Forschungsdaten strukturiert ab und benennen Sie diese sinnvoll.
- Versehen Sie die Datensätze mit Metadaten.
- Stellen Sie sicher, dass Sie zu jedem Zeitpunkt im Datenlebenszyklus nachvollziehen können, wie Sie zu den bisherigen Daten und Resultaten gelangt sind.