UKB Werkgroep Research Data, bijeenkomst 30-04-2015 Thema-sessie: Expertiseontwikkeling en expertisebehoud op het gebied van research data management (RDM)

Presentatie over: "UKB Werkgroep Research Data, bijeenkomst 30-04-2015 Thema-sessie: Expertiseontwikkeling en expertisebehoud op het gebied van research data management (RDM)"— Transcript van de presentatie:

1 UKB Werkgroep Research Data, bijeenkomst 30-04-2015 Thema-sessie: Expertiseontwikkeling en expertisebehoud op het gebied van research data management (RDM) PROGRAMMA 12:30 – 13:00: Hoe krijg je het management mee? Presentatie Madeleine: over TU Delft Presentatie Paul: over EUR Presentatie Leon: over TUe Discussie 13:00 – 13:40: hoe school je je collega’s van de UB? Presentatie Mariëtte: casus UBA Presentatie Madeleine: casus TU Delft Library Discussie aan de hand van stellingen 13:40 – 14:00: hoe bouw je je eigen expertise uit? Voorstel kennis uitbouwen en delen

2 UKB Werkgroep Research Data, bijeenkomst 30-04-2015 Thema-sessie: Expertiseontwikkeling en expertisebehoud op het gebied van research data management (RDM) PROGRAMMA 12:30 – 13:00: Hoe krijg je het management mee? Presentatie Madeleine: over TU Delft Presentatie Paul: over EUR Presentatie Leon: over TUe Discussie 13:00 – 13:40: hoe school je je collega’s van de UB? Presentatie Mariëtte: casus UBA Presentatie Madeleine: casus TU Delft Library Discussie aan de hand van stellingen 13:40 – 14:00: hoe bouw je je eigen expertise uit? Voorstel kennis uitbouwen en delen

3 3 Open Your Mind Rector Magnificus Prof.ir. Karel Luyben “TU Delft is dedicated in making a significant contribution to finding responsible solutions to societal problems, at both a national and international level. Our mission is to deliver Science to Society. Open Science is an important way to spread our mission around the world.” From faculty meetings to policy and implementation

4 4 Roadmap naar Open Science Opstellen van roadmap 'Open Research as a Stepping stone towards Open Science’ Instellen van beleidsgroep, klankbordgroep en werkgroep Schrijven voorstel Data stewardship ondersteuning Organiseren van roadshow Open Science Schrijven van een ‘Open Research: How to-guide’ Creëren van specifiek trainingsmateriaal voor verschillende doelgroepen.

5 5 Road show Open Science 2014: via maandelijkse faculty meetings van/met rector naar hoogleraren en U(H)D-ers (Lunch)meetings bij afdelingen via faculteits- en afdelingssecretarissen Op aanvraag van groep Via subsidie-adviseurs bij Valorisation Center bij H2020 workshops Via Graduate School : RDM training voor PhD-ers

6 6 Road show Open Science H2020 NWO

7 UKB Werkgroep Research Data, bijeenkomst 30-04-2015 Thema-sessie: Expertiseontwikkeling en expertisebehoud op het gebied van research data management (RDM) PROGRAMMA 12:30 – 13:00: Hoe krijg je het management mee? Presentatie Madeleine: over TU Delft Presentatie Paul: over EUR Presentatie Leon: over TUe Discussie 13:00 – 13:40: hoe school je je collega’s van de UB? Presentatie Mariëtte: casus UBA Presentatie Madeleine: casus TU Delft Library Discussie aan de hand van stellingen 13:40 – 14:00: hoe bouw je je eigen expertise uit? Voorstel kennis uitbouwen en delen

8 Hoe krijg je management mee? 30 April 2015 Paul Plaatsman Erasmus University Library Rotterdam /EDSC

9 Opzet presentatie Modellen / Theorie Voorlopige conclusie Theorie versus Praktijk Stelling

10 Alles moet kloppen In het algemeen: Knoster.T.(1991) Presentation in TASH conference. Washington DC

11 Volwassenheidsmodel 0.3 Research Data Management Maturity Levels 0.3.1 Level 1: Initial 0.3.2 Level 2: Managed 0.3.3 Level 3: Defined 0.3.4 Level 4: Quantitatively Managed 0.3.5 Level 5: Optimizing CMM for RDM; Jiang Qin; 2014

12 Voorlopige conclusie Er zijn verschillende methoden voor betrokkenheid van management bij verschillende fases voor verschillende belanghebbenden (bestuurders, onderzoekers, ondersteuners)

13 Vraag? In welke fase zitten we nu? En welke methode zou hier het beste bij passen per belanghebbenden?

14 Betrokkenheid management EUR in theorie Research data management: Governance The Rector Magnificus and the Executive Board The deans and directors of research University Library and ICT De verschillende belanghebbenden zijn goed gedefinieerd en de verantwoordelijkheden zijn duidelijk belegd Uit aanbevelingen Taskforce Scientific Integrity 2013

15 “stellingen” RDM als model/theorie is omarmd door het management maar we moeten niet naief zijn en knokken voor de uitvoering. We moeten onze communicatie rondom RDM per fase aanpassen en afstemmen per doelgroep

16 UKB Werkgroep Research Data, bijeenkomst 30-04-2015 Thema-sessie: Expertiseontwikkeling en expertisebehoud op het gebied van research data management (RDM) PROGRAMMA 12:30 – 13:00: Hoe krijg je het management mee? Presentatie Madeleine: over TU Delft Presentatie Paul: over EUR Presentatie Leon: over TUe Discussie 13:00 – 13:40: hoe school je je collega’s van de UB? Presentatie Mariëtte: casus UBA Presentatie Madeleine: casus TU Delft Library Discussie aan de hand van stellingen 13:40 – 14:00: hoe bouw je je eigen expertise uit? Voorstel kennis uitbouwen en delen

17 Technische Universiteit Eindhoven  Adviesraad Wetenschappelijke Integriteit  TU/e Gedragscode Wetenschapsbeoefening : TU/e Gedragscode Wetenschapsbeoefening “Als ze wetenschappelijke resultaten publiceren, presenteren ze hun onderzoek zodanig dat de resultaten ervan in principe gerepliceerd kunnen worden. “Na publicatie maken ze onderzoeksgegevens toegankelijk voor hergebruik door vakgenoten.”  ICT Governance Board  Visie-document ‘IT for Research’:IT for Research “The organization of training courses and workshops will be important for all key areas for consideration.”

18 18 Management of scientific data Improvement Steps Improve Current level Initial target level Optimum level Plateau planning Flow based data management: - Integration of workflows and data management - Platforms that handle data, workflows and applications - Connected to global communities: EUDAT, … The basics: - Disaster recovery (backup, archive) - Access control: Authentication and authorization - Preservation: archiving for long term use Initial data management: - Data stewardship defined at all projects - Data about the data is available (metadata and annotation) - Handling Data privacy is in place - Training and workshops are available Reuse and sharing: (Data can be used across projects) - Curation: stored and indexed in searchable data repositories - Data Life Cycle management is in place - Data standards in place, (e.g. from naming conventions to ontologies) - High level data interfaces (XML, etc.) TUE Research Data Office FAIR: Findable, Accessible, Interoperable and Re-useable Bron: Kaizer, A., Kuiper, T., IT for research, TUe, December 2014 (Version 4.2 Final)

19 Data science related training fields 19 Statistics Data cleansing Data integration Data analytics Interpretation Visualisation Large volumes data Unstructured data Noisy data Dynamic data Multiple form data “Best practices” Hands-on workshops http://www.lib.cam.ac.uk/dataman/ Data science and complex systems How to use spreadsheet programs (e.g. Excel) more effectively, and the limitations of such programs. Getting data out of spreadsheets and into more powerful tools (R/Python). Using databases, including managing and querying data in SQL. Workflows and automating repetitive tasks, using the command line shell. Data Carpentry http://datacarpentry.org/ Bron: Kaizer, A., Kuiper, T., IT for research, TUe, December 2014 (Version 4.2 Final)

20 Research Data basic training modules 20 Discovery meta data: Catalogue, Findable e.g. Dublin definition, persistent identifiers Provenance, preservation options Meta data to support re-use of data sets: Configurations of equipment, measurement settings, annotation, etc. Often discipline specific: provide some discipline specific use cases. Objectives: Reproducability of scientific results (including academic integrity) Common science: building on top of previous results Meta data on legal use and usage restrictions Privacy, lesligation, ownership, usage grants, creative commons Data and meta data standards and structure: consistent, unambiguous, efficient Machine readable data representations, from XML to ontologies and schemas Data standards are often discipline specific! E.g. Dicom, HL7, CDISC, … Provide some discipline specific use cases Importance of platforms, workflow based research data management Provide some discipline specific use cases Bron: Kaizer, A., Kuiper, T., IT for research, TUe, December 2014 (Version 4.2 Final)

21 UKB Werkgroep Research Data, bijeenkomst 30-04-2015 Thema-sessie: Expertiseontwikkeling en expertisebehoud op het gebied van research data management (RDM) PROGRAMMA 12:30 – 13:00: Hoe krijg je het management mee? Presentatie Madeleine: over TU Delft Presentatie Paul: over EUR Presentatie Leon: over TUe Discussie 13:00 – 13:40: hoe school je je collega’s van de UB? Presentatie Mariëtte: casus UBA Presentatie Madeleine: casus TU Delft Library Discussie aan de hand van stellingen 13:40 – 14:00: hoe bouw je je eigen expertise uit? Voorstel kennis uitbouwen en delen

22 Kennisdelen & kennisopbouw team RDS van TU Delft Library

23 Interne organisatie

24 Kennisdelen via Sharepoint

25 Wiki’s voor kennisdelen en kennisopbouw

26 Kennisopbouw Essentials 4 Data Support Bezoek evenementen Twitter, mailing lists ….. Learning by doing!

27 UKB Werkgroep Research Data, bijeenkomst 30-04-2015 Thema-sessie: Expertiseontwikkeling en expertisebehoud op het gebied van research data management (RDM) PROGRAMMA 12:30 – 13:00: Hoe krijg je het management mee? Presentatie Madeleine: over TU Delft Presentatie Paul: over EUR Presentatie Leon: over TUe Discussie 13:00 – 13:40: hoe school je je collega’s van de UB? Presentatie Mariëtte: casus UBA Presentatie Madeleine: casus TU Delft Library Discussie aan de hand van stellingen 13:40 – 14:00: hoe bouw je je eigen expertise uit? Voorstel kennis uitbouwen en delen

28 Ad 2 hoe school je je collega’s van de UB?, stellingen Stelling 1 Niet iedere bibliothecaris is geschikt als data bibliothecaris. Stelling 2 Je kan nieuwe data librarians wel werven maar je moet zelf goed weten wat je wilt. Stelling 3 Onderschat niet dat hoe moeilijk het is de juiste mensen te vinden. Stelling 4 Mensen die vastlopen in een aio traject zijn goede kandidaten voor data support. Stelling 5 Goede data specialisten vragen een behoorlijk inwerktraject en je kan ze ook weer makkelijk kwijtraken. Stelling 4 Met de volgende fases van RDM ontstaat ook differentiatie van rollen, van data librarians naar data stewards? Eén opleiding voor alle facetten romdom RDM bestaat niet.

29 UKB Werkgroep Research Data, bijeenkomst 30-04-2015 Thema-sessie: Expertiseontwikkeling en expertisebehoud op het gebied van research data management (RDM) PROGRAMMA 12:30 – 13:00: Hoe krijg je het management mee? Presentatie Madeleine: over TU Delft Presentatie Paul: over EUR Presentatie Leon: over TUe Discussie 13:00 – 13:40: hoe school je je collega’s van de UB? Presentatie Mariëtte: casus UBA Presentatie Madeleine: casus TU Delft Library Discussie aan de hand van stellingen 13:40 – 14:00: hoe bouw je je eigen expertise uit? Voorstel kennis uitbouwen en delen

30 Ad3 Stages Stages Back Office 3TU Delft, DANS, Surf Sara Stages Front Office (by other UL data librarians but especially within own Univerisity) Training Essentials4datasupport / UBA Basic training course for information specialists