De FAIR-principes vereisen dat onderzoeksgegevens worden gepubliceerd met volledige metadata en idealiter worden gedeeld op verschillende belangrijke mijlpalen tijdens het onderzoek. Momenteel gebeurt het publiceren en delen van gegevens echter meestal aan het eind, en missen gepubliceerde gegevens meestal belangrijke aanvullende informatie en metagegevens, waardoor de herbruikbaarheid ervan wordt beperkt. Aan de andere kant kost het regelmatig publiceren van gegevens van hoge kwaliteit tijd en vereist handmatige interactie met de gegevensopslagplaatsen.
fairly Toolset heeft tot doel deze kloof te overbruggen door eenvoudige publicatie van onderzoeksgegevens rechtstreeks vanuit uw digitale onderzoeksomgeving mogelijk te maken. De toolset, die een JupyterLab-extensie, een opdrachtregeltool en een Python-bibliotheek omvat, maakt snel klonen van onderzoeksgegevens, lokaal gegevens- en metadatabeheer, onbeheerd uploaden van grote datasets en slimme synchronisatie met externe gegevensopslagplaatsen met minimale inspanning mogelijk. Tijdens de training leert u hoe u datasets kunt openen en downloaden met behulp van de toolset, en hoe u uw eigen onderzoeksdatasets kunt maken en uploaden naar populaire onderzoeksdatarepository's, zoals Zenodo, figshare en 4TU.ResearchData.
De workshop behandelt de volgende aspecten:
- Grondbeginselen van onderzoeksdatamanagement
- Populaire opslagplaatsen voor onderzoeksgegevens: Zenodo, Figshare, Dataverse, 4TU.ResearchData
- Toegang tot en downloaden van onderzoeksdatasets met een redelijke toolset
- Onderzoeksdatasets maken en beheren met een redelijke toolset
Voor meer informatie en aanmelding kunt u terecht op de evenementenpagina.
