Teaching best practices in research data management
Emiel van Loon (FNWI)
Trefwoorden: open science, reproducibility, data curation, re-use, portfolio, RDM
Er is veel wetenschappelijke en politiek/maatschappelijke activiteit rond de onderwerpen ‘open wetenschap’ en ‘verantwoordelijke wetenschap’. Het is een ingewikkelde discussie met veel spelers, veel terminologie (waarover vaak geen consensus is) en snelle technische ontwikkelingen. Terwijl het nog onduidelijk is welke impact al deze ontwikkelingen precies zullen hebben op de manier waarop wetenschap wordt bedreven, is duidelijk dat de duurzame opslag, beheer, beschrijving en publicatie van onderzoeksgegevens steeds belangrijker zal worden (deze activiteiten worden soms aangeduid met ‘Research Data Management’, afgekort RDM). Dit leidt ertoe dat er veel aandacht is voor het trainen van (zowel startende als ervaren) onderzoekers – vaak gericht op technische vaardigheden. Mijn visie is dat voor de verantwoordelijke en adequate omgang met wetenschappelijke gegevens behalve de juiste technische vaardigheden ook theoretische kennis en de juiste attitude van groot belang zijn. Dit kan niet in een ‘post-academische’ cursus even bijgeleerd worden. Om deze redenen zal RDM op een of andere manier onderdeel moeten gaan uitmaken van ons BSc en MSc onderwijs. En dit Grassroots voorstel is bedoeld om enkele concrete hulpmiddelen te ontwikkelen tbv RDM training in een BSc curriculum.
De Grassroot wordt uitgevoerd bij vakken waar methoden van onderzoek & kwantitatieve analyse worden geleerd en gegevens worden verzameld. Er wordt gebruik gemaakt van het Github. Iedere student krijgt een eigen domein en tijdens een computerpracticum wordt een data-blog opgezet. De studenten krijgen uitleg over de werking van Github en ook het gebruik van de technieken (Markdown en R) om tekst en gegevens aan de blog toe te voegen.
Vervolgens gaan studenten met enkele kleine opdrachten tijdens dit practicum de eerste datasets op hun blog zetten en documenteren. Hierna krijgen studenten tijdens VVA en ook de vervolgvakken opdrachten om nieuwe data (soms met analyses) toe te voegen aan hun blog. Er wordt een aggregatie-tool gemaakt om vanuit alle studenten-blogs de gegevens mbt tot 1 opdracht te combineren en te kunnen bekijken. Deze aggregatie-tool is vooral bedoeld voor een docent (maar kan e.v. ook bij onderwijs gebruikt worden als studenten verschillende deel-datasets verzamelen en dan de totale dataset moeten analyseren).
Cookie Consent
De UvA gebruikt cookies voor het meten, optimaliseren en goed laten functioneren van de website. Ook worden er cookies geplaatst om inhoud van derden te kunnen tonen en voor marketingdoeleinden. Klik op ‘Accepteer alle cookies’ om akkoord te gaan met het plaatsen van alle cookies. Of kies voor ‘Weigeren’ om alleen functionele en analytische cookies te accepteren. Lees ook het UvA Privacy statement.