Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
3TU.Datacentrum
Experience with
Front- & Back- Offices
By
Leon Osinski, l.osinski@tue.nl &
Jeroen Rombouts, j.p.rombouts@t...
Data Coach

ervaringen van het onderzoeksdata-frontoffice van de TU/e

• Data acquisitie (voorlichting, presentaties,
bewu...
Data acquisitie

de meest gehoorde argumenten om data niet te archiveren en hoe deze
gepareerd kunnen worden

• Het docume...
Data acquisitie

de meest gehoorde argumenten om data niet te archiveren en hoe deze
gepareerd kunnen worden

• Mijn data ...
Data acquisitie

de meest gehoorde argumenten om data niet te archiveren en hoe deze
gepareerd kunnen worden

• Mijn data ...
Data acquisitie

de meest gehoorde argumenten om data niet te archiveren en hoe deze
gepareerd kunnen worden

• Mijn data ...
Data acquisitie

de meest gehoorde argumenten om data niet te archiveren en hoe deze
gepareerd kunnen worden

• Mijn data ...
Data diensten
• Trainingen / cursussen / tools voor datamanagement
• Helpdesk (website + data librarian)
• Pre-ingest van ...
Pre-ingest van data
Pre-ingest van data
• Taak bibliotheek of onderzoeker?
• Indien bibliotheek
– Samenwerking tussen frontoffices (vakspecifi...
Upcoming SlideShare
Loading in …5
×

3TU.Datacentrum : experiences with front- and back-offices / Jeroen Rombouts, Leon Osinski

296 views

Published on

Presentation Surf Master Class Research Data Management, Wageningen, 22-04-2013

Published in: Education
  • Be the first to comment

  • Be the first to like this

3TU.Datacentrum : experiences with front- and back-offices / Jeroen Rombouts, Leon Osinski

  1. 1. 3TU.Datacentrum Experience with Front- & Back- Offices By Leon Osinski, l.osinski@tue.nl & Jeroen Rombouts, j.p.rombouts@tudelft.nl
  2. 2. 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
  3. 3. 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)
  4. 4. 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)
  5. 5. 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 ]
  6. 6. 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’
  7. 7. 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 ]
  8. 8. Data diensten • Trainingen / cursussen / tools voor datamanagement • Helpdesk (website + data librarian) • Pre-ingest van onderzoeksdata
  9. 9. Pre-ingest van data
  10. 10. 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

×