Mall för datahanteringsplaner

Vetenskapsrådet och Sveriges universitets- och högskoleförbund, SUHF, har tagit fram denna mall med sex centrala delar som en datahanteringsplan bör redogöra för. Innehållet är en delvis omarbetad svensk översättning av Science Europe:s mall ”Core Requirements for Data Management Plans”.

Mallens innehåll

Förutom den centrala dokumentationen nedan bör en datahanteringsplan även innehålla grundläggande administrativa uppgifter såsom projekttitel, projektledare, diarienummer eller motsvarande, datum och version av datahanteringsplanen.

1. Beskrivning av data – återanvändning av befintliga data och/eller produktion av nya data

  • Hur kommer data samlas in, skapas eller återanvändas?
  • Vilka typer av data kommer skapas och/eller samlas in, vad gäller dataformat och mängd/volymer data?

2. Dokumentation och datakvalitet

  • Hur kommer materialet att dokumenteras och beskrivas med tillhörande metadata om struktur, standarder och format för beskrivningar av innehållet, insamlingsmetod m.m.?
  • Hur kommer kvalitet hos data säkerställas och dokumenteras (till exempel repeterade mätningar, validering av datainmatning, m.m.)?

3. Lagring och säkerhetskopiering

  • Hur säkerställs lagring och säkerhetskopiering av data och metadata under forskningsprocessen?
  • Hur säkerställs datasäkerhet och kontrollerad tillgång till data avseende till exempel hantering av känsliga data och personuppgifter?

4. Rättsliga och etiska aspekter

  • Hur säkerställs att data hanteras enligt de rättsregler som gäller till exempel hantering av personuppgifter, sekretess och immaterialrätt?
  • På vilket sätt säkerställs det att data hanteras på rätt sätt utifrån etiska aspekter?

5. Tillgängliggörande och långtidsbevarande

  • Hur, när och var kommer forskningsdata eller information om data (metadata) att tillgängliggöras? Finns det eventuella villkor, embargon och begränsningar kring tillgång till och återanvändning av data att ta hänsyn till?
  • På vilket sätt säkerställs långsiktigt bevarande och av vem? Hur kommer urval av data för långtidsbevarande att göras?
  • Kommer det att krävas särskilda system, mjukvaror, källkod eller andra typer av tjänster för att kunna förstå, ta del av eller använda/analysera data långsiktigt?
  • På vilket sätt säkerställs användning av beständiga identifierare (PID) till exempel DOI?

6. Ansvar och resurser

  • Vem ansvarar för datahanteringen och eventuellt stödjer arbetet med detta under arbetet med forskningsprojektet? Vem har ansvar för datahantering, fortsatt förvaltning, och långtidsbevarande efter projektavslut?
  • Vilka resurser (kostnad, arbetsinsats eller annat) kommer att krävas för datahantering (inklusive lagring, säkerhetskopiering, tillgängliggörande och hantering för långtidsbevarande)? Vilka resurser kommer behövas för att tillse att data uppfyller FAIR-principerna?

Publicerad 26 november 2020

Uppdaterad 30 november 2020

Mer inom samma ämne

  1. Öppen tillgång till forskningsdata –utmaningar och möjligheter

    Öppen tillgång till forskningsdata skapar större möjligheter att använda forskningens resultat, både inom och utanför forskarsamhället. Men vilka utmaningar och möjligheter innebär övergången till öppen tillgång? Väkommen att diskutera detta på ett w...

  2. Den svenska covid-19-dataportalen växer

    Sverige var först i Europa med att lansera en nationell dataportal för forskning om covid-19. Portalen har växt i takt med att fler forskningsprojekt har tillgängliggjort sina data, nya projekt har startat och nya datatjänster etablerats. Scilifelab ...

  3. European Open Science Cloud – EOSC

    European Open Science Cloud, EOSC, är tänkt att bli en öppen virtuell miljö med tjänster för lagring, hantering, analys och återanvändning av forskningsdata. Här kan du läsa om hur Sverige och Vetenskapsrådet är engagerade i utvecklingen av EOSC.