Skip to content
Priročnik o načrtovanju ravnanja z raziskovalnimi podatki logotip

Kazalo

Zbiranje oz. ustvarjanje podatkov

Zadnja sprememba:

Zbiranje in ustvarjanje raziskovalnih podatkov sta osrednja koraka v znanstvenem procesu, ki postavita temelje za smiselno analizo in zanesljive rezultate. Ne glede na to, ali gre za eksperimentalna opazovanja, ankete ali ponovno uporabo obstoječih nizov podatkov (glej stran ISKANJE PODATKOV), postopek zbiranja podatkov zahteva skrbno načrtovanje, ukrepe za nadzor kakovosti in temeljito dokumentacijo, da se zagotovi ponovljivost in transparentnost raziskav. Pred zbiranjem občutljivih podatkov je nujno pridobiti dovoljenja ali privolitve in zagotoviti skladnost z zakonodajo o varstvu podatkov (glej stran ZAŠČITA PODATKOV).

Raziskovalna zasnova

Raziskovalna ali eksperimentalna zasnova (angl. experimental design) je osnova vsakršne raziskovalne dejavnosti, zato jo moramo upoštevati pri pripravi načrta za ravnanje z raziskovalnimi podatki (glej stran NAČRT RAVNANJA Z RAZISKOVALNIMI PODATKI). Pred začetkom zbiranja podatkov je treba opredeliti raziskovalne cilje. Določiti je treba jasna raziskovalna vprašanja in hipoteze, potencialne pozitivne in negativne kontrole, protokole in uporabljeno opremo (opredelitev raziskovalnih postopkov po korakih), ključne parametre (na primer število ponovitev eksperimenta ali število sodelujočih v raziskavi, ki so ključni za poznejšo statistično analizo podatkov) in druge specifične vidike raziskav, značilne za posamezna znanstvena področja. Na tak način zagotovimo optimalno uporabo virov in skladnost raziskave z etičnimi standardi, npr. Evropski kodeks ravnanja za raziskovalno integriteto ali drugi, uveljavljeni na različnih področjih (glej stran ZAŠČITA PODATKOV).

Zbiranje metapodatkov

Dobro strukturirana raziskovalna oziroma eksperimentalna zasnova je temelj za zanesljive ugotovitve, zbiranje metapodatkov hkrati s podatki pa zagotavlja sledljivost in razlago podatkov. Za vse vidike odgovorne odprte znanosti velja, da so metapodatki enako pomembni kot podatki sami. Zbiranje metapodatkov hkrati s podatki zagotavlja, da je vsak podatek sledljiv, razložljiv in uporabljiv. Ključni vidiki vključujejo dokumentiranje vzorcev in uporabljenih orodij ali instrumentov, podrobnosti o eksperimentalnih oziroma raziskovalnih pogojih, nastavitvah kalibracije in podatkovnih formatih, pri čemer uporaba standardov in metapodatkovnih shem, usklajenih s standardi za posamezno področje, zagotavlja poznejšo združljivost z repozitoriji in olajšuje izmenjavo in objavo podatkov. Zbiranje metapodatkov hkrati s podatki zagotavlja, da so po koncu zbiranja oz. ustvarjanja podatkov na voljo vse informacije, ki jih potrebujemo za vse nadaljnje korake ravnanja s podatki v skladu z načeli odprte znanosti (od organizacije do objave). Več o dokumentaciji raziskave v poglavju 4. Dokumentiranje raziskovalnih rezultatov v Spoznaj FAIR. Priročnika o odprti znanosti v Sloveniji.

Umetna inteligenca

Pri uporabi umetne inteligence (UI) za zbiranje podatkov damo prednost načelom etične UI (Ethics guidelines for trustworthy AI), zagotavljanju razložljivosti postopkov UI ter preverjanju ustreznosti in točnosti uporabljenih informacij.

📌 Primeri

📌Primer s področja sistemske biologije: metaanalize oz. integrativne analize
Integrativne analize vključujejo sintezo podatkov iz različnih poskusov, platform ali študij za pridobitev širših spoznanj, ki jih posamezni nizi podatkov ne morejo zagotoviti sami. Integrativne analize so odvisne od zmožnosti usklajevanja nizov podatkov, zbranih v različnih pogojih ali z različnimi metodologijami. Pred začetkom obdelovanja podatkov (glej stran OBDELAVA PODATKOV) moramo zagotoviti, da so podatkovne zbirke, iz katerih bomo pridobili nize podatkov, združljive in da izpolnjujejo standarde. To vključuje več ključnih korakov:
📌Primer s področja družboslovja: intervju

V družboslovju podatke zbiramo z različnimi metodami, npr. ankete, intervjuji, fokusne skupine, podatki z družbenih medijev, zapiski s terena, popisi, volilni rezultati, ekonomski indikatorji, pomemben vir predstavljajo različni mediji, pa tudi zgodovinski viri, podjetja, državni registri in podatki javnih služb. Vzemimo za primer, da podatke zbiramo z osebnim intervjujem. Pred zbiranjem moramo:

  • opredeliti, na kateri pravni podlagi bomo zbirali podatke, npr. soglasje za udeležbo ali pogodba o uporabi gradiva, ugotoviti, ali potrebujemo mnenje pristojne komisije za etična vprašanja (glej stran ZAŠČITA PODATKOV),
  • preveriti pogoje uporabe programske opreme oz. spletnih aplikacij za zbiranje podatkov (spletna platforma za avdio in video komunikacijo, orodje za spletno anketiranje 1ka, LimeSurvey), npr. na katerih strežnikih in kje bodo shranjeni podatki, preden jih prenesemo v okolje svoje raziskovalne organizacije,
  • pripraviti informacije, s katerimi bomo zadostno seznanili udeležence ali druge, ki nam bodo posredovali podatke, npr. informacijski list in informirano soglasje za sodelovanje v raziskavi (glej stran ZAŠČITA PODATKOV),
  • pripraviti navodila za zbiralce podatkov, npr. kako zbirati podatke, po potrebi se izvede usposabljanje,
  • pripraviti gradivo za zbiranje, npr. vprašalnik ali drug instrument, napravo za snemanje, seznam udeležencev s kontaktnimi podatki,
  • pripraviti spremno dokumentacijo, s katero se zbirajo metapodatki in druge informacije, pomembne za razumevanje poteka raziskave (glej stran ORGANIZIRANJE IN DOKUMENTIRANJE PODATKOV),
  • pripraviti protokole za ravnanje s podatki in dokumentacijo, od trenutka, ko jih pridobimo, do vnosa v okolje za obdelavo.

Med zbiranjem preverjamo spoštovanje protokolov, izpolnjevanje dogovorjenih pogojev in varno hranjenje surovih podatkov in spremnega gradiva, potrebnega za pripravo metapodatkov.

📌Primer s področja biologije: mikroskopija rastlinskega tkiva

Pri mikroskopiji zajemamo slike vzorcev skupaj z metapodatki, ki omogočajo interpretacijo rezultatov, ponovljivost eksperimenta in skladnost z načeli FAIR.
Eksperimentalna zasnova določa beleženje metapodatkov o pogojih rasti rastlin, njihovi starosti, delu rastline, številu vzorcev ipd., pri čemer uporabljamo nadzorovane besednjake in ontologije (npr. Plant Ontology) ter enolične identifikatorje.
Ločimo lahko metapodatke, ki se nanašajo na pripravo vzorca, metapodatke o mikroskopiji ter metapodatke o sliki. Metapodatki, ki se nanašajo na pripravo vzorca, pogosto vključujejo povezave do standardiziranih protokolov. Metapodatki o sliki vključujejo vse informacije, potrebne za ovrednotenje, interpretacijo in ponovno uporabo slik, medtem ko se metapodatki o mikroskopiji osredotočajo na proces zajema slike z mikroskopom (npr. specifikacije mikroskopa, pogoje mikroskopiranja) ter na metapodatke za kontrolo kakovosti (npr. kalibracijske metrike), ki zagotavljajo doslednost meritev in zanesljivost slikovnih podatkov.
Uporabljajo se standardi minimalnih informacij, ki vključujejo le tiste parametre, za katere se razumno pričakuje, da vplivajo na izid mikroskopskega eksperimenta.
Več nasvetov je na voljo na RDMkit: Bioimaging data in Hammer, M. idr. 2021.

📝 Izpolni svoj NRRP

🕮 Dodatni viri