3TU.Datacentrum Experience with Front- & Back- Offices By
Jeroen Rombouts,
[email protected] Leon Osinski,
[email protected]
Inhoud • Goedemorgen /Inleiding • Presentatie Jeroen: Model & Processen – Research – Support – Data Services TUD – 3TU.Data-labs, Data-archives, Data-services, Data-R&D – Taakverdeling & Ervaringen
• Presentatie Leon: Data Coach TUe – Front-office bij TU/e – Back-office bij TU/e
• Vragen 3TU.Datacentrum
2
Research - Support - Data
Acquisition
Training
Recognition Credits
Enhanced Publications Promotion Awareness
Business models
Research Integrity
Valorisation
Ethics
… Everything you always wanted to know about… 3TU.Datacentrum
3
‘Doelgroep(en)’- Acties
+ Able
Promotion, Tools, Consultancy
+ Willing
+ Training
Ready
+ ‘Acquisition’
Other
…
Everything you always wanted to know about… 3TU.Datacentrum
4
TUD Research Support • Eén ingangspunt, één portal: eenvoudig, overzichtelijk, inzichtelijk, aantrekkelijk, voor alle ondersteunende diensten. Eigen url. • • • • •
Find information, experts, … Find funding, partners, … Get tools, platforms, support, … Publishing, patents, … Training, advice, …
• ‘one-stop-shop’ vs ‘jump-off’.
3TU.Datacentrum, Education Support, DataCite NL, …
TU Delft Library
5|8
Inhoud • Goedemorgen /Inleiding • Presentatie Jeroen: Model & Processen – Research – Support – Data Services TUD – 3TU.Data-labs, Data-archives, Data-services, Data-R&D – Taakverdeling & Ervaringen
• Presentatie Leon: Data Coach TUe – Front-office bij TU/e – Back-office bij TU/e
• Vragen 3TU.Datacentrum
6
3TU.Datacentrum doelen • Long term access to valuable research data* • Discoverable and usable data collections
• Reskilling researchers and support staff • Access to tools for management of research data • Offering support services for research data management
Data-labs,archive,services Data-labs Collaboration platforms for research data (management) to enable exchange of data and other research material for collaboration and e.g. early review. improve standardization & documentation and lower archiving threshold. Data-archive Multi disciplinary, multi institutional data archive to ‘freeze’ research data and data descriptions for future use. improve long-term accessibility, usability and discoverability. Data-services Training, dissemination and research on data management topics. improve data management and data-sharing practice. Data-R&D Procedures, licensing, businessmodels, training and technology for RDM. adopt, adopt, adopt & develop best practices 8
Producten, diensten, … Data-labs Basic DataVerse Geo (OpenEarth) Software … Data-archive Standard sets Special collections Data-services Training: Support staff, Researchers, Students. Support: Consultancy (data-model, dmp, formats, …) and assistance. Data-R&D Procedures, licenses, business models, training, awareness and technology for RDM. 3TU.Datacentrum
9
Inhoud • Goedemorgen /Inleiding • Presentatie Jeroen: Model & Processen – Research – Support – Data Services TUD – 3TU.Data-labs, Data-archives, Data-services, Data-R&D – Taakverdeling & Ervaringen
• Presentatie Leon: Data Coach TUe – Front-office bij TU/e – Back-office bij TU/e
• Vragen 3TU.Datacentrum
10
Model
Frontoffice
Backoffice
Datalabs
Centrale Research Data Organisatie
Intermed.
Dataarchives
Local dataoffices 3TU.Datacentrum
11
11
3TU.Datacentrum organisatie Local Front offices
Labs
Local Back offices
Central Front office
Central Back office
Acquisition
Tools
Acquisition
Infrastructure Support Tools
Archive
Acquisition Dissemination
Pre-ingest
Acquisition Dissemination Fundraising
Infrastructure Pre-ingest Curation
Services
Promotion Support
Training Consultancy
Promotion Support
R&D
Acquisition Dissemination
Research
Acquisition Dissemination
Training ,, support staff Consultancy Research Development (IT, Training, …)
Ervaringen (algemeen)
Back office
• Wide array of skills required (legal, it, management, digital curation, research tools, training, …) • Trade-off between long term preservation and (re-)use • Balancing generic and ‘discipline’ specific • Focus at early stages of development! • …
Data labs
• Value for acquisition and standardization • Wide range of needs •
…
Ervaringen verdeling • Verschillend per instelling, bijv. – TU/e voorop met PhD’s, UT met DVN, TUD in data omvang
• Verschillend per activiteit, bijv. – Training ondersteuners vs. researchers, opstellen RDM inst. Beleid vs. Preservation strategy, speciale collecties vs. self upload
• Verschillend per community, bijv. – Event logs, WFN, IDRA, Darelux, …
Everything you always wanted to know about… 3TU.Datacentrum
14
Inhoud • Goedemorgen /Inleiding • Presentatie Jeroen: Model & Processen – Research – Support – Data Services – … – 3TU.Data-labs, Data-archives, Data-services, Data-R&D – Ervaringen met taakverdeling
• Presentatie Leon: Data Coach TUe – Front-office bij TU/e – Back-office bij TU/e
• Vragen 3TU.Datacentrum
15
Data Coach
ervaringen van het onderzoeksdata-frontoffice van de TU/e
• Data acquisitie (voorlichting, presentaties, bewustwording, promotie, twitter, overtuigen) • Data diensten (training, advies door middel van helpdesk) • Pre-ingest van data
Data acquisitie
de meest gehoorde argumenten om data niet te archiveren en hoe deze gepareerd kunnen worden
• Het documenteren van mijn data kost mij veel tijd en inspanning – Tijdsbesparing bij (later) hergebruik van data door jezelf; onderzoeksdatamanagement = structureren van je onderzoek – Credits geven aan data-verstrekker (co-auteur); data als volwaardig wetenschappelijk object (citeerbaar)
Data acquisitie
de meest gehoorde argumenten om data niet te archiveren en hoe deze gepareerd kunnen worden
• Mijn data zijn vertrouwelijk – Data anonimiseren (gevoelige en identificerende informatie verwijderen)
Data acquisitie
de meest gehoorde argumenten om data niet te archiveren en hoe deze gepareerd kunnen worden
• Mijn data moeten nog renderen (publicaties opbrengen, ook voor toekomstige promovendi) – Data publiceren onder embargo – Data publiceren = data claimen (“One of the strongest arguments for publishing your data as early as possible is to establish priority.” [ F1000 ]
Data acquisitie
de meest gehoorde argumenten om data niet te archiveren en hoe deze gepareerd kunnen worden
• Mijn data kunnen misbruikt worden – Gedragsregels instellen – ‘the best defence against malicious use is to refer to an archival copy of the data which is guaranteed exactly as you mean it to be’
Data acquisitie
de meest gehoorde argumenten om data niet te archiveren en hoe deze gepareerd kunnen worden
• Mijn data zijn alleen voor mijzelf interessant – Plicht van onderzoeksfinancier, tijdschrift of beroepscode – Validatie / replicatie van onderzoeksresultaten – Integratie data met publicatie ; [ UPSIDE ]
Data diensten • Trainingen / cursussen / tools voor datamanagement • Helpdesk (website + data librarian) • Pre-ingest van onderzoeksdata
Pre-ingest van data
Pre-ingest van data • Taak bibliotheek of onderzoeker? • Indien bibliotheek – Samenwerking tussen frontoffices (vakspecifieke kennis) – Vroeg betrokken zijn bij data workflow van onderzoeker – Rol datalabs
Questions & Discussion
