Datahanteringsplan

För många forskare ingår ansökningar om forskningsbidrag i de centrala arbetsuppgifterna och redan i samband med ansökningsprocessen är det dags att börja planera hur data ska hanteras under projektets gång. Många internationella forskningsfinansiärer kräver idag att en ansökan ska innehålla en datahanteringsplan (eng. Data Management Plan; DMP). Detta kan komma att bli ett krav även från svenska forskningsfinansiärer. För den enskilde forskaren är datahanteringsplanen ett sätt att redan i ett tidigt skede tänka igenom upplägg, insamling och hantering av forskningsmaterialet. Utförlig och strukturerad beskrivning av data innebär visst merarbete men lönar sig om man skulle behöva gå tillbaka för att verifiera analys och resultat. SND rekommenderar därför forskare att skapa en sådan plan vid projektstart, trots att merparten av de svenska finansiärerna ännu inte kräver det.

Datahanteringsplanen är ett formellt dokument som beskriver hur datamaterialet ska hanteras under forskningsprojektet och vad som ska ske med det efteråt. Planen som skrivs i samband med finansieringsansökan är bara ett första utkast och innehåller bara den information som är relevant vid denna tidpunkt. Ofta finns det instruktioner om innehåll och omfattning i utlysningen. När projektet fått finansiering vidareutvecklar man planen till en fullständig datahanteringsplan genom att definiera policyer och rutiner utifrån de riktlinjer som finns hos forskargruppen, institutionen eller lärosätet. Om nya situationer uppstår som leder till att datahanteringen behöver ändras dokumenteras detta under projektets gång. Datahanteringsplanen är med andra ord ett dokument som utvecklas och uppdateras löpande.

Även efter projektet bidrar datahanteringsplanen till att en organisation som SND kan bevara och katalogisera väldokumenterade forskningsdata. Materialet förvaltas då aktivt och tryggas inför tekniska förändringar, och kan tillgängliggöras och nyttjas för framtida forskning.

 

Källor:

- Inter-university Consortium for Political and Social Research (ICPSR). (2012). Guide to Social Science Data Preparation and Archiving: Best Practice Throughout the Data Life Cycle (5th ed.). Ann Arbor, MI. http://www.icpsr.umich.edu/files/deposit/dataprep.pdf, s. 10-16