Dokumentera

Pärmar med dokument

Att dokumentera forskningsdata innebär att du beskriver forskningsaktiviteter, datastrukturer och beslut som du har fattat under forskningsprocessen. Kort sagt dokumenterar du sådant som kan komma att vara av betydelse för att det ska gå att analysera data. Det kan handla om en analys senare i samma forskningsprojekt eller om en analys i ett annat projekt.

Dokumentationen har flera syften:

  • Den kan hjälpa en enskild forskare att komma ihåg förutsättningarna som rådde under datainsamling eller anledningen till att olika beslut fattades. Detta underlättar om det skulle dyka upp behov av att redogöra för varför data och resultat ser ut som de gör även flera år efter att resultaten har publicerats.
  • Den kan hjälpa en forskargrupp att kommunicera inbördes, så att alla har samma förståelse för data.
  • God dokumentation gör data användbara för andra forskare som analyserar dem i kommande projekt, oavsett om dessa ligger fem, tio eller femtio år framåt i tiden.

Datahanteringsplan 

Planering kan göra dokumentationsarbetet enklare. I en datahanteringsplan kan du beskriva till exempel hur mappstrukturen i projektet ser ut, hur filerna namnges och vad som skiljer olika versioner åt. Om du följer planen så behövs ingen ytterligare dokumentation vad gäller detta, det räcker att notera att du följer den. I planen kan du även skriva ned vilken annan dokumentation du behöver, som stöd för minnet och för dina arbetsrutiner.

Gör du enstaka avsteg från datahanteringsplanen bör du dokumentera även detta. Om du gör ständiga förändringar för att din plan inte stämmer med hur saker fallit ut bör du revidera datahanteringsplanen istället för att ständigt dokumentera avvikelser.

Vad ska dokumenteras? 

Datamaterial kan dokumenteras på olika detaljnivåer och dokumentationen kan täcka olika delar av arbetet i projektet. Vilken dokumentation som behövs i ett projekt beror väldigt mycket på ditt forskningsområde. Grundprincipen är att det som behöver dokumenteras är den information som någon annan (eller du själv) behöver känna till för att kunna analysera data på ett korrekt sätt. Denna någon skulle kunna vara hemmahörande i en annan vetenskaplig disciplin.

Viktigt att beskriva är bland annat:

  • hur data har samlats in, skapats eller modellerats
  • hur olika datafiler och versioner organiseras
  • vilka förändringar som görs mellan olika versioner av datafiler
  • vad olika koder, förkortningar, variabelnamn med mera betyder
  • vilka olika definitioner som används för kodning och uppmärkning av material
  • vilka juridiska, etiska och eventuella andra restriktioner som begränsar hur data återanvänds.

Exakt vilken information som är nödvändig är det emellertid du som avgör utifrån din expertis om just din sorts datamaterial.

Dokumentation av data måste ske löpande för att du inte ska glömma bort detaljer. Det bästa sättet att se till att du får med all relevant information om vad du har gjort med data, vilka beslut du har fattat och vilka definitioner du har använt är att skriva ned detta med en gång. I idealfallet har du en strukturerad dokumentation som hela tiden är uppdaterad, men det är bättre med en ostrukturerad fil som ändå innehåller all information än ingen fil alls. Den sämsta datadokumentationen är den du inte har.

När projektet avslutas och data arkiveras och eventuellt görs tillgängliga färdigställer du en slutversion av dokumentationen som är riktad till arkiv och andra forskare. I slutversionen ser du till att dokumentationen är fullständig och förståelig. En arkivarie eller personal vid ditt lärosätes lokala stödfunktion för forskningsdata kan då komma att erbjuda hjälp med eller kommentera din datadokumentation.

Program för dokumentation 

Beroende på vad du använder för att bearbeta och analysera data finns det olika stöd för dokumentation. Går det att under arbetets gång dokumentera i samma program som du utför analysen så kan detta minska motståndet mot att dokumentera. Vissa analysprogram har inbyggda funktioner för dokumentation. Andra verktyg har funktioner som visserligen inte är avsedda för dokumentation men som kan användas ändå, även om resultatet kräver visst efterarbete. Många analysverktyg har ingen inbyggd möjlighet att dokumentera data. Då behöver du ha dokumentationen i en separat fil.

Exempel på möjligheter till dokumentation

  • Inbyggda funktioner: I SPSS, som kan användas för analys av data från surveyundersökningar, och Dedoose, som kan användas för kvalitativ analys av data, följer det med funktioner för att dokumentera variabler.

  • Insticksprogram: För Excel finns insticksprogrammet Colectica for Excel som lägger till funktioner för att dokumentera variabler t.ex. från en surveyundersökning.

  • Dra nytta av existerande funktioner: I Transana (för kvalitativ analys av text-, bild-, ljud- och videofiler) och Kinovea (videoanalys av mänsklig och annan rörelse) finns det kommentarsfunktioner för dokumentation av data. Kommentarerna kan sedan exporteras, men det kan krävas att du sammanställer dokumentationen.
     
  • Inga funktioner: Många analysverktyg saknar funktioner som kan användas för att dokumentera data. Dokumentera med ett annat program istället.