Page tree
Skip to end of metadata
Go to start of metadata

Updated 23.8.2021.

The Finnish DMP guidance have been updated on August 23, 2021. The key changes compared with the previous version (2020) are marked with orange font color. The guidance is updated by the annually called guidance group. The members of the group come from the Finnish universities, research institutions and The Academy of Finland. The work was coordinated by the Tuuli office, which was funded by the Ministry of Education and Culture in Finland, during 2015-2018.

The questions and guidance have been modified based on the user feedback to make them more explicit and easier to understand. The questions and guidance will be updated annually. From 2019 the Finnish national guidance follows the Core Requirements for Data management Plans launched by Science Europe. (1)

The guidance is in English, Finnish and Swedish.

Cite as: Tuuli-project. (2021, August 23). General Finnish DMP guidance (Version 2021). Zenodo.  http://doi.org/10.5281/zenodo.5242629

References

(1) Science Europe, (2018) Practical Guide to the International Alignment of Research Data Management, https://www.scienceeurope.org/wp-content/uploads/2018/12/SE_RDM_Practical_Guide_Final.pdf


Section
0. Introdution (English)
0. Johdanto (Suomi)0. Introduktion (Svenska)

Motivation

Motivointiosio

Motivation

Your DMP is a living document where you describe how you will manage your data throughout the research life cycle. Update the plan when your project progresses. 

To avoid redundancy, refer to your research plan in your DMP and vice versa. The research plan describes the scientific, analytical and methodological processing of data, whereas the DMP describes the technical and administrative management of data.

In the DMP context, ‘data’ is understood as a broad term. Data covers all the information and research material your results are based on.


How do I write a DMP? - READ THIS FIRST!

  • Read all of the questions first! Answer the questions where applicable and at least the main categories – if a certain question is not applicable in your case, justify why not.
  • Include background information such as the name of the applicant and the project, the project number, the funding programme and the version of the DMP. Demonstrate your data management and version control skills, for example, when considering the name of the DMP file.
  • Use the DMP as a risk evaluation document – it shows that you can recognise, anticipate and handle the risks related to your data management workflow.
  • The DMP should be drawn from your own research project – do not copy from somewhere else and write only sentences you understand.
  • Follow the organisation’s or funder’s requirements.


Why should you manage your research data and write a data management plan (DMP)?

  • It is good research practice and helps you to save time and money!
  • You will reduce the risk of losing your data.
  • You will be able to anticipate complex ownership and user rights issues in advance.
  • DMP supports making your data FAIR: Findable, Accessible, Interoperable and Re-usable. This will increase data reuse as well as visibility of your project. 
  • You will meet your funder’s requirements.
  • Your DMP reflects your researcher skills.

Aineistonhallintasuunnitelmasi (DMP) on elävä dokumentti, jossa kuvailet kuinka hallitset tutkimusaineistosi ja -datasi koko tutkimuksen elinkaaren ajan. Päivitä suunnitelma projektisi edetessä.

Päällekkäisyyksien välttämiseksi voit viitata aineistonhallintasuunnitelmassasi tutkimussuunnitelmaasi ja päinvastoin. Tutkimussuunnitelma kuvaa aineiston ja datan tieteellistä, analyyttistä ja metodologista käsittelyä, kun taas DMP kuvaa niiden teknistä ja hallinnollista käsittelyä.

Aineistonhallintasuunnitelman yhteydessä aineisto (data) ymmärretään laajasti. Tutkimusaineisto ja -data kattavat kaikki tiedot ja resurssit, joihin tutkimustuloksesi perustuvat.


Miten laadin aineistonhallintasuunnitelma? LUE AINAKIN NÄMÄ ENSIN.

  • Tutustu ensin kaikkiin kysymyksiin! Vastaa kysymyksiin soveltuvin osin ja ainakin pääryhmiin - jos tietty kysymys ei ole sovellettavissa tapauksessasi, perustele miksi näin.
  • Sisällytä suunnitelmasi alkuun taustatiedot, kuten hakijan ja projektin nimi, projektin numero, rahoitusohjelma ja DMP-versio. Osoita aineiston- ja versionhallintataitosi nimeämällä myös aineistonhallintasuunnitelmasi asianmukaisesti.
  • Käytä aineistonhallintasuunnitelmaa riskinarvioinnin kuvauksena. Osoita, että pystyt tunnistamaan, ennakoimaan ja hallitsemaan aineistonhallintaprosessiin liittyviä riskejä.
  • Laadi aineistonhallintasuunnitelma oman tutkimushankkeesi näkökulmasta. Älä kopioi esimerkkejä muualta.
  • Noudata organisaation tai rahoittajan vaatimuksia.


Mihin tutkimusaineistojen hallinnointia ja aineistonhallintasuunnitelmaa tarvitaan?

  • Tutkimusaineistojen hallinta ja aineistonhallintasuunnitelman laatiminen kuuluvat hyviin tieteellisiin käytäntöihin. Ne auttavat sinua säästämään aikaa ja rahaa!
  • Etukäteen laadittu aineistonhallintasuunnitelma vähentää aineistojen häviämisen tai tuhoutumisen riskiä.
  • Suunnitelman avulla pystyt ennakoimaan ja hallitsemaan omistajuuteen ja käyttöoikeuksiin liittyviä yksityiskohtia.
  • DMP:n kirjoittaminen ohjaa noudattamaan FAIR-periaatteita (Findable, Accessible, Interoperable ja Re-usable), mikä lisää tutkimusaineistojen ja -datan uudelleenkäyttöä sekä lisää projektisi näkyvyyttä.
  • Suunnittelu auttaa seuraamaan rahoittajien linjauksia.
  • Aineistonhallintasuunnitelma kertoo osaamisestasi hankkeen johtajana.


Din datahanteringsplan (DMP) är ett levande dokument som beskriver hur forskningsdata kommer att hanteras genom forskningens hela livscykel. Uppdatera datahanteringsplanen när ditt forskningsprojekt framskrider.

För att undvika upprepningar kan du hänvisa till din forskningsplan i datahanteringsplanen och vice versa. I forskningsplanen beskrivs de vetenskapliga metoderna och analysen av datamaterialet. I datahanteringsplanen beskrivs teknisk och administrativ behandling av datamaterialet.

Data är ett brett begrepp inom DMP-kontexten. Data inbegriper all information och allt forskningsmaterial som dina forskningsresultat grundar sig på.


Hur man skriver en datahanteringsplan (data management plan, DMP) - LÄS DETTA FÖRST!

  • Läs igenom alla frågor först! Svara på frågorna i det fall att de är relevanta för ditt forskningsprojekt. Om en fråga inte är relevant, motivera varför.
  • Lägg till bakgrundsinformation såsom exempelvis den sökandes och projektets namn, projektnummer, finansieringsprogram och datahanteringsplanens version. Visa din förmåga till datahantering och dokumentation exempelvis genom att namnge datahanteringsplanens olika versioner på ett tydligt sätt.
  • Använd datahanteringsplanen som ett riskbedömningsdokument: visa att du kan identifiera, förutse och hantera eventuella risker i anknytning till datahanteringen inom ditt forskningsprojekt.
  • Skriv datahanteringsplanen utgående från ditt forskningsprojekt. Kopiera inte in exempel från andra texter.
  • Följ din organisations eller finansiärens anvisningar.


Varför är datahantering och att skriva en datahanteringsplan (DMP) viktigt?

  • Det är god forskningspraxis! Du sparar tid och pengar.
  • Risken att förlora forskningsdata minskar.
  • I planen kan du redan i förväg ta ställning till eventuella komplicerade frågor som gäller ägande- och nyttjanderätt.
  • Rutinerna för hantering av forskningsdata ska följa FAIR-principerna, vilket innebär att forskningsdata ska vara sökbara (Findable), tillgängliga (Accessible), interoperabla (Interoperable) och återanvändbara (Re-usable).

  • Du bemöter krav från finansiärerna.
  • Datahanteringsplanen visar dina projektledarfärdigheter.



1. General description of the data1. Aineiston yleiskuvaus
1. Allmän beskrivning av datamaterialet

1.1 What kinds of data is your research based on? What data will be collected, produced or reused? What file formats will the data be in? Additionally, give a rough estimate of the size of the data produced/collected.

1.1 Millaiseen aineistoon tutkimuksesi perustuu? Millaista aineistoa kerätään, tuotetaan tai käytetään uudelleen? Missä tiedostomuodossa aineisto on? Esitä myös karkea arvio tuotettavan/kerättävän aineiston koosta.

1.1 Vilka slags data baserar sig forskningen på? Hurdana data samlas in, produceras eller återanvänds? Vilka filformat används? Ge även en grov uppskattning av hur mycket data som kommer att produceras eller samlas in.

Briefly describe what types of data you are collecting or producing. In addition, explain what kinds of already existing data you will (re)use. List, for example, the types of texts, images, photographs, measurements, statistics, physical samples or codes.

Categorise your data in a table or with a clear list, for example:

A) previously collected existing data which is being reused in this project,

B) data collected for this project,

C) data produced as an outcome of the research process.

The categorisation can form a general structure for the rest of the DMP.

List the file formats for each data set. In some cases, the file formats used during the research project may differ from those used in archiving the data after the project. List both. The file format is a primary factor in the accessibility and reusability of your data in the future.

In the DMP, what is important is to describe the required disk space, not how many informants participated in the project. A rough estimation of the size of the data is sufficient, for example, less than 100 GB, approx. 1 TB or several petabytes.

Tips for best practices

  • Use a table or bullet points for a concise way to present data types, file formats, the software used and the size of the data.
  • Examples of file formats are .csv, .txt, .docx, .xslx and .tif.
  • Make sure to describe any special or uncommon software necessary to view or use the data, especially if the software is coded in your project.
  • You can also estimate the increase in data production or collection during the project for a specific time period: "The project is producing/collecting approximately 100 GB of data per week."


AVOID OVERLAPS WITH THE RESEARCH PLAN! Data analysis and methodological issues related to data and materials should be described in your research plan.


Kuvaa lyhyesti, millaista aineistoa olet keräämässä tai tuottamassa. Selitä, millaista jo olemassa olevaa aineistoa aiot (uudelleen)käyttää. Luetteloi esimerkiksi tekstityypit, kuvat, valokuvat, mittaukset, tilastot, fyysiset näytteet tai koodit.

Luokittele aineistosi taulukossa tai selkeällä luettelolla esimerkiksi seuraavasti:

A) aiemmin kerätty aineisto, jota käytetään tässä hankkeessa uudelleen,

B) tätä hanketta varten kerätty aineisto,

C) tutkimusprojektissa tuotettu aineisto.

Kohdassa 1.1 muotoilemasi luokittelu muodostaa luontevan jäsentelyn, johon voit viitata aineistonhallintasuunnitelman muissa kysymyksissä.

Kuvaa käyttämäsi tiedostomuodot. Joissain tapauksissa tutkimushankkeen aikana käytettävät tiedostomuodot voivat erota tiedostomuodoista, joita käytetään hankkeen jälkeen aineiston arkistoinnissa. Mainitse tällöin molemmat tiedostomuodot. Tiedostomuoto vaikuttaa oleellisesti aineiston saavutettavuuteen ja uudelleenkäytettävyyteen.

Sisällytä aineistonhallintasuunnitelmaan kuvaus tarvittavasta levytilasta, ei siitä, kuinka monta tiedonantajaa hankkeeseen osallistui. Aineiston koon arviointi summittaisesti riittää (esim. alle 100 Gt, noin 1 Tt tai useita petatavuja).

Vinkkejä hyvistä käytännöistä

  • Käytä taulukkoa tai luetteloa esittämään tietotyypit, tiedostomuodot, käytettävät ohjelmat ja aineiston koko tiiviissä muodossa.
  • Mahdollisia tiedostomuotoja ovat .csv, .txt, .docx, .xslx ja .tif.
  • Muista mainita tietojen tarkasteluun tai käyttämiseen tarvittavat erityiset tai epätavalliset ohjelmat varsinkin, jos ne koodataan tai tuotetaan hankkeessasi.
  • Voit myös arvioida, kuinka paljon hankkeessa tuotetaan tai kerätään aineistoa esimerkiksi viikossa: ”Hankkeessa tuotetaan/kerätään viikoittain noin 100 Gt aineistoa.”

VÄLTÄ PÄÄLLEKKÄISYYTTÄ TUTKIMUSSUUNNITELMAN KANSSA! Aineiston analysointiin ja tutkimusmenetelmiin liittyvät yksityiskohdat ja prosessit kuvataan tutkimussuunnitelmassa.

Beskriv kort vilka slags data som samlas in eller produceras. Ange också vilka slags befintliga data som kommer att (åter)användas. Till exempel texter, bilder, fotografier, mätningar, statistik, fysiska prover eller koder.

Kategorisera dina data genom att dela in dem på ett åskådligt sätt, till exempel:

A) befintliga data som insamlats tidigare och återanvänds i detta projekt

B) data som samlas in för detta projekt

C) data som produceras inom detta projekt

Kategoriseringen kan utgöra en generell struktur för resten av datahanteringsplanen.

Ange filformat för alla data. I vissa fall kan formatet som används under forskningsprojektet vara ett annat än det format som används vid arkiveringen av datamaterialet. Ange båda formaten. Filformatet är av central betydelse för framtida tillgänglighet och återanvändbarhet av data.

Beskriv i datahanteringsplanen hur mycket lagringsutrymme som behövs för dina data – inte hur många informanter som deltagit i projektet. Det räcker med en grov uppskattning av storleken på dina data, till exempel mindre än 100 GB, ungefär 1 TB, eller flera PB.

Rekommendationer för bästa praxis

  • Använd tabeller eller punktuppställningar för att koncist presentera typer av data, filformat, programvara, och storlek på data.
  • Exempel på filformat: .csv, .txt, .docx, .xslx, .tif.
  • När du listar vilka filformat som kommer att användas ska du komma ihåg att nämna all slags särskild eller ovanlig programvara som krävs för att läsa eller använda data, i synnerhet om programvaran kodas inom ramen för projektet.
  • Du kan även uppskatta ökningen av data under projektets gång, exempelvis per vecka: ”Projektet producerar/samlar in cirka 100 GB data per vecka.”


UNDVIK ÖVERLAPPNING MED FORSKNINGSPLANEN! Dataanalysen och metodologiska frågor som gäller projektets data ska beskrivas i forskningsplanen.

1.2 How will the consistency and quality of data be controlled?

1.2 Miten aineiston yhtenäisyys ja laatu varmistetaan?

1.2 Hur kontrolleras datamaterialets enhetlighet och kvalitet?

Explain how the data collection, analysis and processing methods used may affect the quality of the data and how you will minimise the risks related to data accuracy.

Data quality control ensures that no data is accidentally changed and that the accuracy of the data is maintained over its entire life cycle. Quality problems can emerge due to the technical handling, converting or transferring of data, or during its contextual processing and analysis.

Tips for best practices

  • Adopt and enforce formal version control processes. This can mean e.g. simply shared and documented file naming conventions, or everyone in team working in Git repositories. 
  • Transcriptions of audio or video interviews should be checked by someone other than the transcriber.
  • Analog material should be digitised in the highest resolution possible for accuracy.
  • In all conversions, maintaining the original information content should be ensured.
  • Organise training sessions and set guidelines to ensure that everyone in your research group can implement quality control and anticipate the risks related to the quality of the data.

AVOID OVERLAPS WITH THE RESEARCH PLAN! Issues related to data analysis, methods and tools should be described in your research plan, that is, do not include, for example, instrument calibration descriptions here.

Selitä, miten aineiston keruun, analysoinnin ja käsittelyn menetelmät voivat vaikuttaa aineiston laatuun, ja miten turvaat aineiston virheettömyyden.

Aineiston laadunhallinnalla varmistetaan, että aineisto ei epähuomiossa muutu ja että aineisto pysyy virheettömänä koko sen elinkaaren ajan. Laatuongelmia voi syntyä tietojen teknisen käsittelyn, muuntamisen tai siirron vuoksi tai sisällön käsittelyn ja analyysin aikana.

Vinkkejä hyvistä käytännöistä

  • Hyödynnä jo käytössä olevia versionhallintaprosesseja - esimerkiksi yleisesti käytössä olevia tiedostojen nimeämiskäytäntöjä tai Git-alustojen tarjoamia työkaluja.
  • On suositeltavaa, että haastattelujen ääni- tai videotaltiointien litteroinnit tarkistaa joku muu kuin litteroija.
  • Virheiden ja epätarkkuuksien välttämiseksi analoginen aineisto on syytä digitoida mahdollisimman korkealla resoluutiolla.
  • Alkuperäisen tietosisällön säilyminen on aina varmistettava tietoja ja tiedostoja muunnettaessa.
  • Tarjoa koulutusta ja ohjeita varmistaaksesi, että kaikki tutkimusryhmäsi jäsenet pystyvät huolehtimaan laadunvalvonnasta ja ennakoimaan laatuun liittyvät riskit.


VÄLTÄ PÄÄLLEKKÄISYYTTÄ TUTKIMUSSUUNNITELMAN KANSSA! Aineiston analysointiin, menetelmiin ja työvälineisiin liittyvät seikat kuvataan tutkimussuunnitelmassa. Aineistonhallintasuunnitelmassa ei siis kuvata esimerkiksi tutkimuslaitteiden kalibrointia.

Beskriv hur metoderna som används för att samla in, analysera och bearbeta data kan påverka kvaliteten på projektets data och hur du ämnar minimera riskerna.

Kvalitetskontroll av data säkerställer att data inte ändras av misstag och att kvaliteten upprätthålls under hela livscykeln. Kvalitetsproblem kan uppstå i samband med den tekniska hanteringen, konverteringen eller överföringen eller i samband med kontextuell hantering och analys.

Rekommendationer för bästa praxis

  • Dra nytta av  versionskontrollprocesser. Detta kan betyda t.ex. användande av  filnamnskonventioner eller Git verktyg. 

  • Rekommendationen är att transkriptioner av ljud- eller videoupptagningar kontrolleras av någon annan än den som transkriberat dem.

  • Analogt material ska digitaliseras med så hög resolution som möjligt för precision.
  • Vid alla konverteringar ska det ursprungliga informationsinnehållet säkerställas.
  • Ordna övningssessioner och skriv anvisningar för att säkerställa att alla i din forskningsgrupp är insatta i kvalitetskontroll och kan förutse risker i anknytning till kvaliteten på data.


UNDVIK ÖVERLAPPNING MED FORSKNINGSPLANEN! Detaljer i anknytning till dataanalys, metoder och verktyg ska beskrivas i forskningsplanen. Du ska till exempel inte inkludera beskrivningar av instrumentens kalibrering i datahanteringsplanen.

2. Ethical and legal compliance2. Eettisten periaatteiden ja lainsäädännön noudattaminen2. Iakttagande av etiska principer och lagstiftning

2.1 What legal issues are related to your data management? (For example, GDPR and other legislation affecting data processing.)

2.1 Mitä juridisia seikkoja liittyy aineiston hallintaan (esim. EU:n yleinen tietosuoja-asetus ja muu aineiston käsittelyyn liittyvä lainsäädäntö)?

2.1 Vilka juridiska frågor är relevanta för datahanteringen? (Till exempel GDPR och annan lagstiftning som påverkar behandling av data.)

All types of research data involve questions of rights and legal and ethical issues. If you are handling personal or sensitive information, describe how you will ensure privacy protection and data anonymisation or pseudonymisation.

Tips for best practices

  • Check your institutional ethical guidelines, data privacy guidelines and data security policy, and prepare to follow the instructions that are given in these guidelines.
  • If your research is to be reviewed by an ethical committee, outline in your DMP how you will comply with the protocol (e.g., how you will remove personal or sensitive information from your data before sharing data to ensure privacy protection).
  • Will you process personal data? If you intend to do so, please detail what type of personal data you will collect.
  • All data related to an identified or identifiable person is personal data. Information such as names, telephone numbers, location data and information on the congenital diseases of the individual's grandparents is personal data.
  • Office of the Data Protection Ombudsman (https://tietosuoja.fi/en/processing-of-personal-data)

AVOID OVERLAPS WITH THE RESEARCH PLAN! Details of the ethical issues, the ethical committee statements and the use of laboratory animals should be described in the research plan.

Jokaiseen tutkimusaineistoon liittyy oikeuksia, lainsäädäntöä ja tutkimusetiikkaa koskevia kysymyksiä. Osoita, että tunnet aineiston käsittelyyn liittyvän lainsäädännön. Jos käsittelet henkilötietoja tai arkaluonteisia tietoja, kerro, miten suojaat tutkittavien yksityisyyden ja anonymisoit tai pseudonymisoit aineiston.

Vinkkejä hyvistä käytännöistä

  • Tutustu organisaatiosi eettisiin ohjeisiin, yksityisyyttä koskeviin ohjeisiin ja tietoturvaperiaatteisiin ja valmistaudu noudattamaan kyseisten asiakirjojen ohjeistusta.
  • Jos eettinen toimikunta antaa lausunnon tutkimuksestasi, kerro aineistonhallintasuunnitelmassa, miten noudatat toimintaohjeita (ts. miten henkilökohtaiset tai arkaluonteiset tiedot poistetaan aineistosta ennen sen jakamista, jotta yksityisyydensuoja voidaan varmistaa).
  • Jos käsittelet henkilötietoja, yksilöi, millaisia henkilötietoja keräät.
  • Kaikki tunnistettua tai tunnistettavaa henkilöä koskevat tiedot ovat henkilötietoja. Myös nimet, puhelinnumerot, sijaintitiedot ja henkilön isovanhempien synnynnäisten sairauksien kaltaiset tiedot ovat henkilötietoja.
  • Lisätietoja ks. mm. Tietosuojavaltuutetun toimisto (https://tietosuoja.fi/henkilotietojen-kasittely)


VÄLTÄ PÄÄLLEKKÄISYYTTÄ TUTKIMUSSUUNNITELMAN KANSSA!  Yksityiskohtaiset tutkimuseettiset seikat, eettisten toimikuntien lausunnot ja koe-eläinten käyttö ym. kuvataan tutkimussuunnitelmassa.

Frågor i anknytning till rättigheter samt juridiska och etiska aspekter omfattar all forskningsdata. Visa att du känner till relevant lagstiftning i anknytning till behandlingen av dina forskningsdata. Om du hanterar personuppgifter eller känsliga uppgifter ska du beskriva hur deltagarnas identitet kommer att skyddas och hur du kommer att anonymisera eller pseudonymisera data.

Rekommendationer för bästa praxis

  • Bekanta dig med din organisations etiska riktlinjer och datasäkerhetspolicy och var beredd att följa bestämmelserna i dem.
  • Om en etikprövningsnämnd ger ett utlåtande om din forskning ska du i datahanteringsplanen ange hur du ämnar följa direktiven (t.ex. hur deltagarnas identitetsskydd tryggas genom att man avlägsnar känsliga eller personliga uppgifter ur data innan de görs tillgängliga).
  • Om du kommer att behandla personuppgifter, ange vilken typ av data du ämnar samla in.
  • Med personuppgifter avses alla uppgifter som anknyter till en identifierad eller identifierbar person. Personuppgifter är till exempel namn, telefonnummer, positionsuppgifter och uppgifter om far- och morföräldrars genetiska sjukdomar.
  • Dataombudsmannens byrå (https://tietosuoja.fi/sv/behandling-av-personuppgifter)


UNDVIK ÖVERLAPPNING MED FORSKNINGSPLANEN! Detaljer gällande etiska frågor, liksom utlåtanden från etiska kommittéer och användning av försöksdjur ska beskrivas i forskningsplanen.

2.2 How will you manage the rights of the data you use, produce and share?

2.2 Miten hallinnoit käyttämäsi, tuottamasi ja jakamasi aineiston oikeuksia?

2.2 Hur hanteras rättigheterna till det datamaterial du använder, producerar och delar?

Describe how you will agree upon the rights of use related to your research data – including the collected, produced and (re)used data of your project. Here, you can employ your categorisation in the first question. Each of these categories involves different rights and licenses. Describe the transfer of rights procedures relevant to your project. Describe confidentiality issues if applicable in your project.

License your data!

Tips for best practices

  • Agreements on rights of use should be made as early as possible in the project life cycle.
  • Have you gained consent for data preservation and sharing?
  • Follow the funder's or publisher's policies.
  • It is recommended to make all of the research data, code and software created within a research project available for reuse, e.g., under a Creative Commons (
https://creativecommons.org/choose/), GNU (https://www.gnu.org/licenses/gpl-3.0.en.html) or MIT license (https://opensource.org/licenses/MIT), or under another relevant license.

Kuvaa, miten sovit hankkeessa kerätyn, tuotetun ja (uudelleen)käytetyn tutkimusaineiston käyttöoikeuksista. Voit käyttää luokittelua, joka esitetään edellä kohdassa 1. Kuhunkin kysymyksessä 1.1 luokiteltuun ryhmään liittyy erilaisia oikeuksia ja lisenssejä. Kuvaa oikeuksien siirtämiseen liittyvät menettelyt, jotka koskevat hankettasi. Kuvaa hankettasi koskevat salassapitokäytännöt.

Lisensoi aineistosi ja datasi!

Vinkkejä hyvistä käytännöistä

  • Omistajuutta ja käyttöoikeuksia koskevat sopimukset tehdään mahdollisimman varhaisessa vaiheessa hankkeen elinkaarta.
  • Tarkista, että olet saanut luvat aineiston säilyttämiseen ja jakamiseen.
  • Noudata rahoittajan linjauksia.
  • Tutkimusaineiston sekä kaikkien tutkimushankkeessa luotujen koodien ja ohjelmistojen tarjoaminen uudelleen käytettäviksi on suositeltavaa. Käytä tähän tarkoitukseen esimerkiksi Creative Commons - (https://creativecommons.org/choose/), GNU- (https://www.gnu.org/licenses/gpl-3.0.en.html) tai MIT-lisenssiä (https://opensource.org/licenses/MIT) tai muuta asianmukaista lisenssiä. 

Ange hur ni kommer överens om nyttjanderätten för projektets data, såväl insamlat, producerat som (åter)använt datamaterial? Här kan du använda kategoriseringen du gjort upp under punkt 1. Varje kategori inbegriper olika rättigheter och licenser. Beskriv de processer i anknytning till överföring av nyttjanderätter som är relevanta för ditt projekt. Beskriv frågor i anknytning till konfidentialitet om det är relevant för ditt projekt.

Licensiera ditt datamaterial!

Rekommendationer för bästa praxis

  • Avtal om äganderätten och nyttjanderätten bör ingås i ett så tidigt skede av projektets livscykel som möjligt.
  • Har du fått samtycke för förvaring och tillgängliggörande av data?
  • Följ finansiärens policy och riktlinjer
  • Det rekommenderas att all data, alla koder och all programvara görs tillgängliga för återanvändning t.ex. genom Creative Commons (
https://creativecommons.org/choose/), GNU (https://www.gnu.org/licenses/gpl-3.0.en.html), MIT (https://opensource.org/licenses/MIT) eller en annan ändamålsenlig licens.

3. Documentation and metadata3. Dokumentointi ja metatiedot3. Dokumentation och metadata

3. How will you document your data in order to make the data findable, accessible, interoperable and re-usable for you and others?  What kind of metadata standards, README files or other documentation will you use to help others to understand and use your data?

3. Miten dokumentoit aineistosi, jotta se on löydettävissä, saavutettavissa, yhteentoimiva ja uudelleen käytettävissä sekä itseäsi että muita varten?  Mitä metatietostandardeja, README-tiedostoja ja muuta dokumentaatiota käytät, jotta muut voivat ymmärtää ja käyttää aineistoasi?

3. På vilket sätt dokumenterar du ditt datamaterial så att det är sökbart, tillgängligt, interoperabelt och återanvändbart?  Vilka metadatastandarder, README-filer eller annan dokumentation kommer att användas för att andra ska kunna förstå och återanvända datamaterialet?

Data documentation enables data sets and files to be discovered, used and properly cited by other users (human or computer). Without sufficient documentation the data cannot be reused.

Documentation includes essential information regarding the data, for example a) core metadata (for discovery and identification) where, when, why and how the data were collected as well as b) descriptive information how the data is interpreted correctly using metadata standards, vocabularies and e.g. readme-files. 

Tips for best practices

  • Describe all the types of documentation (README files, metadata standards, vocabularies etc.) you will provide to help secondary users to understand and reuse your data. Repositories often require the use of a specific metadata standard. Check whether a discipline-specific metadata schema or standard exists that can be adopted.
  • Consider how the data will be organised during the project. Describe, for example, your file-naming conventions, version control and folder structure.
  • Use research instruments, which create standardised metadata formats automatically.
  • Identify the types of information that should be captured to enable other researchers to discover, access, interpret, use and cite your data. See for example Qvain requirements (https://www.fairdata.fi/en/user-guides/qvain-user-guide/#QvainDataset



Aineistoa koskeva dokumentaatio mahdollistaa sen, että muut käyttäjät (sekä ihmiset että tietokoneet) voivat löytää ja käyttää tietoaineistoja ja tiedostoja sekä viitata niihin asianmukaisesti. Ilman asianmukaista dokumentaatiota aineiston jatkokäyttö on mahdotonta.

Aineiston ja datan dokumentaatio sisältää olennaisia ​​tietoja, esimerkiksi a) metadata (löytämistä ja tunnistamista varten) missä, milloin, miksi ja miten tiedot kerättiin, sekä b) kuvailevaa tietoa siitä, miten aineistoa ja dataa tulkitaan oikein metadatastandardien, sanastojen ja esimerkiksi readme-tiedostojen avulla.

Vinkkejä hyvistä käytännöistä

  • Kuvaa kaikki tarjoamasi dokumentaatiotyypit (esim. README-tiedostot ja metatiedot), jotka auttavat jatkokäyttäjiä löytämään, ymmärtämään ja uudelleen käyttämään aineistoa. Arkistot edellyttävät usein tietyn metatietostandardin käyttöä. Tarkista, onko olemassa tieteenalakohtaista metadatamallia tai -standardia, jonka voisit ottaa käyttöön.
  • Pohdi, miten tiedot järjestetään projektin aikana. Kuvaile esimerkiksi tiedostojen nimeämiskäytäntöjä, versionhallintaa ja kansiorakennetta.
  • Käytä välineitä ja laitteita, jotka tuottavat standardoitua metadataa.
  • Tunnista ne vähimmäistason kuvailutiedot, jotka tulee tallentaa, jotta muut tutkijat voivat löytää, tarkastella, tulkita ja käyttää aineistoasi sekä viitata siihen. Lisätietoja aineiston dokumentaation vähimmäisvaatimuksista on esimerkiksi täällä: (https://www.fairdata.fi/qvain/qvain-light-kayttoopas/).


Dokumentationen av data möjliggör att andra (både människor och datorer) kan hitta, använda och citera dataset och filer. Utan ändamålsenlig dokumentation kan ditt datamaterial inte återanvändas.

Dokumentationen av data innehåller  väsentlig information, till exempel a) metadata (för upptäckt och identifiering) var, när, varför och hur datamaterialet samlades in, samt b) beskrivande information om hur man tolkar datamaterialet korrekt med metadatastandarder, ordförråd och till exempel readme-filer.

Rekommendationer för bästa praxis

  • Beskriv alla dokumentationstyper som kommer att användas (t.ex. README-filer, metadata o.d.) för att andra ska kunna hitta, förstå och återanvända ditt datamaterial. Arkiv förutsätter ofta användning av en viss metadatastandard. Ta reda på om det finns en metadatamodell eller -standard inom ditt forskningsområde, som du kunde använda dig av. 
  • Tänk på hur informationen kommer att organiseras under projektet. Beskriv till exempel konventioner om filnamn, versionskontroll och mappstruktur.

  • Använd sådana forskningsverktyg som automatiskt skapar metadata i standardiserade format.
  • Identifiera vilken slags information som ska sparas för att andra forskare ska kunna hitta, få tillgång till, tolka, använda och citera dina forskningsdata. Minimikrav för dokumentation av datamaterial, se t.ex. Qvain Light (https://www.fairdata.fi/en/qvain/qvain-light-user-guide/).



4. Storage and backup during the research project4. Tallentaminen ja varmuuskopiointi tutkimushankkeen aikana 4. Lagring och säkerhetskopiering under forskningsprojektet

4.1 Where will your data be stored, and how will the data be backed up?

4.1 Minne aineistosi tallennetaan, ja miten se varmuuskopioidaan?

4.1 Var kommer datamaterialet att lagras och hur sker säkerhetskopieringen?

Describe where you will store and back up your data during your research project. Consider who will be responsible for backup and recovery. If there are several researchers involved, create a plan with your collaborators and ensure safe transfer between participants.

Show that you are aware of the storing solutions provided by your organisation. Do not merely refer to IT services. In the end, you are responsible for your data, not the IT department or the organisation.

Explain the methods for preserving and sharing your data after your research project has ended in more detail in Section 5.

Tips for best practices

  • The use of a safe and secure storage provided and maintained by your organisation’s IT support or other reliable IT provider such as CSC is preferable.
  • Do NOT USE external hard drives as the main storing option.
  • Follow your institution's data security requirements

Kuvaa, minne aineisto tallennetaan ja varmuuskopioidaan tutkimushankkeen aikana. Pohdi, kuka vastaa tietojen varmuuskopioinnista ja palauttamisesta. Jos mukana on useita tutkijoita, tee suunnitelma yhteistyökumppaniesi kanssa ja varmista tietojen turvallinen siirto osallistujien välillä.

Osoita, että tunnet organisaatiosi säilytysratkaisut. Älä viittaa ainoastaan tietotekniikkapalveluihin. Perimmäinen vastuu aineistosi käsittelemisestä on sinulla, ei tietotekniikkaosastolla tai organisaatiolla.

Kuvaa kohdassa 5 yksityiskohtaisesti menetelmät, joita käytetään aineiston säilyttämiseen ja jakamiseen tutkimushankkeen päätyttyä.

Vinkkejä hyvistä käytännöistä

  • On suositeltava käyttää oman organisaatiosi tai muun luotettavan IT-tarjoajan (kuten CSC) tarjoamaa ja ylläpitämää tietoturvallista tallennusratkaisua.
  • ÄLÄ KÄYTÄ ulkoisia kovalevyjä pääasiallisena säilytysratkaisuna.
  • Noudata organisaatiosi aineiston turvallisen tallentamisen vaatimuksia.

Ange var datamaterialet lagras och säkerhetskopieras under forskningsprojektet. Fundera över vem som ska ansvara för säkerhetskopiering och återställande. Om flera forskare är involverade ska du göra upp en plan med dina samarbetspartner och säkerställa en trygg överföring mellan de medverkande.

Visa att du känner till vilka lagringsmöjligheter din organisation erbjuder. Det räcker inte med att hänvisa till IT-tjänster. Slutligen är det du – inte IT-avdelningen eller din organisation – som ansvarar för ditt datamaterial.

Beskriv metoderna för bevaring och tillgängliggörande av datamaterialet efter att forskningsprojektet har avslutats utförligare i avsnitt 5.

Rekommendationer för bästa praxis

  • Det rekommenderas att du använder dig av en säker förvaringsplats som erbjuds och förvaltas av din egen organisations IT-avdelning eller annan betrodd IT-leverantör (såsom CSC).
  • ANVÄND INTE externa hårddiskar som primär lagringsplats.
  • Följ din institutions krav på datasäkerhet.

4.2 Who will be responsible for controlling access to your data, and how will secured access be controlled?

4.2 Kuka valvoo pääsyä aineistoon, ja miten suojattua pääsyä aineistoon valvotaan?

4.2 Vem reglerar åtkomsten till datamaterialet och hur övervakas skyddad åtkomst?

It is essential to consider data security issues, especially if your data include sensitive data, personal data, politically sensitive information or trade secrets. Describe who has access to your data, what they are authorised to do with the data, or how you will ensure the safe transfer of data to your collaborators.

Tips for best practices

  • Access controls should always be in line with the level of confidentiality involved.

Tietoturvasta huolehtiminen on oleellista varsinkin, jos aineisto on arkaluonteista (esim. sisältää henkilötietoja tai poliittisesti arkaluonteisia tietoja tai liikesalaisuuksia). Kerro, kenellä on pääsy aineistoosi, mitä kyseiset henkilöt voivat tehdä aineistolle ja miten varmistat aineiston turvallisen siirron yhteistyökumppaneillesi.

Vinkkejä hyvistä käytännöistä

  • Aineistoon pääsyä tulee aina valvoa luottamuksellisuustason mukaan.

Det är ytterst viktigt att trygga datasäkerheten, i synnerhet om datamaterialet innehåller känsliga data,  t.ex.personuppgifter, politiskt känslig information eller affärshemligheter. Ange vilka som har tillgång till ditt datamaterial, vad de har rätt att göra med det och hur du säkerställer att data tryggt överförs till dina samarbetspartner.

Rekommendationer för bästa praxis

  • Åtkomsten till datamaterialet ska regleras och övervakas enligt graden av konfidentialitet.

5. Opening, publishing and archiving the data after the research project5. Aineiston avaaminen, julkaiseminen ja arkistointi tutkimushankkeen päätyttyä5. Öppna, publicera och arkivera data efter avslutat forskningsprojekt

5.1 What part of the data can be made openly available or published? Where and when will the data, or its metadata, be made available?

5.1 Mikä osa aineistosta voidaan asettaa avoimesti saataville tai julkaista? Missä ja milloin aineisto tai siihen liittyvät metatiedot asetetaan saataville?

5.1 Vilken del av datamaterialet kan göras öppet tillgängligt eller publiceras? Var och när kommer datamaterialet eller dess metadata att göras tillgängliga?

Describe how you will make data available and findable for reuse. If your data or parts of the data cannot be opened, explain why you publish only metadata.

In the case of sensitive data, which cannot be opened, describe the opening of its metadata. Describe the secured preservation procedure of sensitive data in Section 5.2.

The openness of research data promotes its reuse.

Tips for best practices

  • You can publish a description (i.e., the metadata) of your data without making the data itself openly available, which enables you to restrict access to the data.
  • Publish your data in a data repository or a data journal.
  • Check re3data.org (https://www.re3data.org/) to find a repository for your data.
  • Prefer repositories or publishers, which provide persistent identifiers (PID) to enable access and citation to the data via a persistent link (e.g. DOI, URN).
  • Remember to check the funder, institutional, disciplinary or national recommendations for data repositories.
  • It is recommended to make all of the research data, code and software created within a research project available for reuse, for example, under a Creative Commons (https://creativecommons.org/choose/), GNU (https://www.gnu.org/licenses/gpl-3.0.en.html) or MIT license (https://opensource.org/licenses/MIT), or under another relevant license.


AVOID OVERLAPS WITH THE PUBLICATION PLAN! The research article publication does not equal data publication. The data journal is a publication forum specialised in publishing research data.

Kuvaa, miten saatat aineistosi löydettäväksi ja saataville jatkokäyttöä varten. Jos aineistoa tai osaa siitä ei voi julkaista, perustele, miksi julkaiset ainoastaan metadatan.

Jos kyse on arkaluonteisista tiedoista, joita ei voi avata, kuvaa niihin liittyvien metatietojen avaaminen. Kuvaa arkaluonteisen aineiston turvallinen säilytysmenettely seuraavassa kohdassa 5.2.

Tutkimusaineiston avoimuus edistää aineiston uudelleenkäyttöä.

Vinkkejä hyvistä käytännöistä

  • Voit julkaista aineistosi kuvauksen (ts. metatiedot) asettamatta aineistoa avoimesti saataville ja näin rajoittaa pääsyä aineistoon.
  • Julkaise aineistosi data-arkistossa (data repository) tai datajulkaisuissa (data journal).
  • Voit etsiä sopivaa data-arkistoja osoitteesta re3data.org (https://www.re3data.org/).
  • Suosi sellaisten arkistojen tai julkaisijoiden käyttämistä, jotka tarjoavat pysyvän tunnisteen (PID). Näin varmistat, että aineisto on käytettävissä pysyvän linkin (esim. DOI, URN) kautta.
  • Muista tarkistaa rahoittajan omat, alakohtaiset tai kansalliset suositukset data-arkiston valintaan liittyen.
  • Tutkimusaineiston sekä kaikkien tutkimushankkeessa luotujen koodien ja ohjelmistojen tarjoaminen uudelleen käytettäviksi on suositeltavaa. Käytä tähän tarkoitukseen esimerkiksi Creative Commons - (https://creativecommons.org/choose/), GNU- (https://www.gnu.org/licenses/gpl-3.0.en.html) tai MIT-lisenssiä (https://opensource.org/licenses/MIT) tai muuta asianmukaista lisenssiä.


VÄLTÄ PÄÄLLEKKÄISYYTTÄ JULKAISUSUUNNITELMAN KANSSA! Tutkimusartikkelin julkaiseminen ei ole sama asia kuin aineiston julkaiseminen. Datajulkaisut (data journal) ovat tutkimusaineistojen julkaisuun erikoistuneita foorumeita.

Beskriv huruvida du har för avsikt att göra ditt material upptäckbart och tillgängligt för vidare användning. Om datamaterialet delvis eller i sin helhet inte kan göras öppet ska du motivera varför.

Om ditt projekt innehåller känsliga data som inte kan öppnas, beskriv hur projektets metadata kommer att öppnas. Beskriv hur känsliga uppgifter lagras på ett säkert sätt under punkt 5.2.

Öppen tillgänglighet främjar återanvändningen av forskningsdata.

Rekommendationer för bästa praxis

  • Du kan publicera en beskrivning av datamaterialet (dvs. metadata) utan att göra själva datamaterialet öppet tillgängligt. På så sätt kan du begränsa tillgängligheten.
  • Publicera datamaterialet i ett dataarkiv/ repositorium eller i en datapublikation.
  • Sök lämpliga arkiv/repositorier på re3data.org (https://www.re3data.org/).
  • Föredra arkiv/repositorier eller förläggare som ger permanenta identifikationer ( t.ex. DOI, URN) till ditt datamaterial.
  • Kom ihåg att kontrollera finansiärens vetenskapsområdets eller de nationella rekommendationerna för dataarkiv/repositorier. 
  • Det rekommenderas att all data och alla koder och all programvara som skapats i projektet, görs tillgängliga för återanvändning.  till exempel genom Creative Commons (https://creativecommons.org/choose/), GNU (https://www.gnu.org/licenses/gpl-3.0.en.html), MIT (https://opensource.org/licenses/MIT) eller en annan ändamålsenlig licens.


UNDVIK ÖVERLAPPNING MED FORSKNINGSPLANEN! Publikation av en vetenskaplig artikel är inte samma sak som publikation av datamaterial. Datapublikationer är specialiserade forum för publikation av forskningsdata.

5.2 Where will data with long-term value be preserved, and for how long?

5.2 Missä pitkällä aikavälillä arvokas aineisto säilytetään ja kuinka pitkään?

5.2 Var bevaras datamaterial av långsiktigt värde och hur länge?

Briefly describe what part of your data you will preserve, where it is preserved, and for how long. Long term preservation means that data is preserved for as long as necessary, for several decades or even centuries.

You can categorise your data sets according to the anticipated preservation period:

A) Data to be destroyed upon the ending of the project
B) Data to be archived for a verification period, which varies across disciplines, e.g., 5–15 years
C) Data to be archived for potential re-use, e.g., for 25 years
D) Data with long-term value to be archived by a curated facility for future generations for tens or hundreds of years

You will need to decide which of your research data to preserve and dispose of. Data that is unique or difficult to replicate might have long-term value and be fit for preservation. Special long term data repositories should be used for digital preservation. 

Tips for best practices

  • Decisions about preserving data should begin during the data management planning stage, and should take into account e.g. institutional guidance and requirements.
  • Use data repositories with a commitment to long-term curation, e.g. Fairdata Digital Preservation Service is dedicated for research datasets that have significant value to the organization or on a national level currently and especially also in the future. Contact your home organisation for further information.

Kuvaa lyhyesti, mitkä osat aineistostasi aiot säilyttää, missä ja kuinka pitkään. Pitkäaikaissäilytys tarkoittaa, että aineisto ja data säilytetään niin pitkään kuin on tarpeellista - jopa useiden vuosikymmenten tai -satojen ajaksi.

Voit luokitella aineistosi ennakoidun säilytysajan mukaan:

A) Hankkeen päättyessä tuhottava aineisto
B) Aineisto, joka arkistoidaan verifioinnin ajaksi (tieteenalan mukaan esim. 5–15 vuotta)
C) Mahdollista uudelleenkäyttöä varten arkistoitava aineisto (esim. 25 vuotta)
D) Pitkällä aikavälillä arvokas aineisto, joka arkistoidaan kuratoidussa ympäristössä kymmeniksi tai sadoiksi vuosiksi tulevia sukupolvia varten

Sinun on päätettävä, mitkä aineistot ja data säilytetään ja mitkä hävitetään. Ainutlaatuisella tai vaikeasti toistettavalla datalla voi olla pitkäaikaista arvoa ja se on syytä säilyttää. Digitaaliseen säilyttämiseen tulisi käyttää erityisiä pitkäaikaiseen säilyttämiseen erikoistuneita arkistoja ja data repositorioita​.

Vinkkejä hyvistä käytännöistä

  • Aineistojen ja datan säilyttämistä koskevat päätökset tulisi tehdä jo aineistonhallinnan suunnitteluvaiheessa, ja niiden tulisi ottaa huomioon mm. organisaatioiden ohjeet ja vaatimukset.
  • Käytä arkistoja, jotka ovat sitoutuneet aineistojen ja datan pitkäaikaiseen kuratointiin. Esimerkiksi Fairdata PAS-palvelu on erikoistunut tutkimusaineistoihin, joilla on merkittävää arvoa organisaatiolle tai kansallisella tasolla sekä tällä hetkellä että erityisesti tulevaisuudessa. Lisätietoa PAS-palvelusta - ota yhteyttä kotiorganisaatiosi datatukeen.



Beskriv kort vilka data som ska arkiveras, var och hur länge. Långvarig bevarande/lagring innebär att data bevaras/lagras så länge som nödvändigt - även i flera decennier eller århundraden.

Du kan kategorisera dina dataset i enlighet med den planerade förvaringsperioden:

A) Data som förstörs när projektet har avslutats.
B) Data som arkiveras under en verifieringsperiod, som kan variera enligt vetenskapsområde; 5–15 år.
C) Data som arkiveras för eventuell återanvändning; i t.ex. 25 år.
D) Data av långvarigt värde som arkiveras i en kuraterad tjänst för framtida generationer i tiotals eller hundratals år.

Du måste bestämma vilka data ska bevaras och vilka data som förstörs. Unik eller svår att reproducera data kan ha ett långsiktigt värde och är skäl att bevaras. För digital bevaring bör man använda särskilda arkiv/repositorier som är avsedda för långvarigt bevarande. 

Rekommendationer för bästa praxis 

  • Beslut om lagring av data bör tas redan i planeringsstadiet för datahantering, och de bör ta hänsyn till t.ex. riktlinjer och krav från organisationer.

  • Använd arkiv/repositorier som är engagerade i långsiktig kurering av datamaterial. Fairdata PAS-tjänsten är till exempel specialiserad på datamaterial som har betydande värde för organisationen eller på nationell nivå, både nu och särskilt i framtiden. Om du vill veta mera om PAS - kontakta din hemorganisations datastöd.



6. Data management responsibilities and resources6. Aineistonhallintaa koskevat vastuut ja resurssit6. Datahanteringens ansvarsområden och resurser

6.1 Who (for example role, position, and institution) will be responsible for data management?

6.1 Kuka (esim. tehtävä ja laitos) vastaa aineistonhallinnasta?

6.1 Vem (t.ex. roll, ställning och enhet) ansvarar för  datahanteringen?

Summarise here all the roles and responsibilities described in the previous answers. Also, consider who will be responsible for the data resulting from your project after your project has ended.

Tips for best practices

  • Outline the roles and responsibilities for data management/stewardship activities, for example, data capture, metadata production, data quality, storage and backup, data archiving, and data sharing. Name the responsible individual(s) where possible.
  • For collaborative projects, explain the co-ordination of data management responsibilities across partners.
  • Indicate who is responsible for implementing the DMP and for ensuring that it is reviewed and, if necessary, revised.
  • Consider scheduling regular updates of the DMP.


Kerro tässä lyhyesti, miten edellisissä vastauksissa kuvatut tehtävät ja vastuut on jaettu. Pohdi myös, kuka vastaa aineistosta, jota hankkeesi tuottaa vielä päätyttyään.

Vinkkejä hyvistä käytännöistä

  • Hahmottele aineistonhallintaan liittyvät tehtävät ja vastuut, jotka liittyvät esimerkiksi tiedonkeruuseen, metatietojen tuottamiseen, aineiston laatuun, säilytykseen ja varmuuskopiointiin sekä aineiston arkistointiin ja jakamiseen. Jos mahdollista, nimeä vastuuhenkilö(t).
  • Yhteistyöhankkeissa kuvaa kumppaneiden aineistonhallintavastuut.
  • Määrittele, kuka vastaa aineistonhallintasuunnitelman toteuttamisesta ja varmistaa, että suunnitelma tarkastetaan ja tarvittaessa korjataan.
  • Harkitse aineistonhallintasuunnitelman säännöllistä päivittämistä.


Här kan du sammanfatta alla ansvarsområden som beskrivits i föregående frågor. Fastställ också vem som är ansvarig för datamaterial från ditt projekt efter att det är avslutat.

Rekommendationer för bästa praxis

  • Beskriv datahanteringens roller och ansvarsområden i fråga om exempelvis insamling av data, produktion av metadata, datakvalitet, lagring och säkerhetskopiering, arkivering och tillgängliggörande av data. Namnge ansvariga personer när det är möjligt.
  • I fråga om samarbetsprojekt, förklara hur datahanteringen koordineras och vilka som är de ansvariga inom de olika samarbetsorganisationerna.
  • Ange vem som ansvarar för genomförandet av datahanteringsplanen, och för att den granskas och uppdateras vid behov.
  • Planera in regelbunden granskning av datahanteringsplanen.

6.2 What resources will be required for your data management procedures to ensure that the data can be opened and preserved according to FAIR principles (Findable, Accessible, Interoperable, Re-usable)?

6.2 Mitä resursseja aineistonhallinta edellyttää, jotta voit varmistaa, että aineisto voidaan avata ja säilyttää FAIR-periaatteiden (ks. edellä) mukaan?

6.2 Vilka resurser behövs för hanteringen av ditt datamaterial för att data ska kunna öppnas och förvaras i enlighet med FAIR-principerna (sökbart, tillgängligt, interoperabelt och återanvändbart)?

Estimate the resources, such as time and financial costs, needed to manage, share and preserve the data. These may include storage costs, hardware, staff time, the costs of preparing data for deposit and repository charges.

Tips for best practices

  • Consider, if there will be additional costs from computational facilities or resources that need to be accessed.
  • Account for resources, time and money, needed to prepare the data for sharing it and preservation (data curation). 
  • Remember to specify your data management costs in the budget, according to funder requirements.

Arvioi resurssit (esim. raha ja aika), joita tarvitaan aineiston hallintaan, säilyttämiseen ja jakamiseen. Tarvittavia resursseja ovat esimerkiksi säilytyskustannukset, laitteet, työaika sekä mahdolliset data-arkiston tallennuskustannukset.


Vinkkejä hyvistä käytännöistä

  • Pohdi, mitä täydentäviä tietoteknisiä tiloja ja resursseja tarvitaan ja mitkä niiden kustannukset ovat.
  • Harkitse tarkkaan, mitä resursseja tarvitaan aineiston jakamiseen, säilyttämiseen ja kuratointiin.
  • Erittele aineistonhallintakustannukset budjetissa rahoittajan vaatimusten mukaisesti.


Uppskatta vilka resurser som behövs (t.ex. tid och kostnader) för hantering, förvaring och tillgängliggörande av data. Dessa kan inkludera kostnader för förvaring, hårdvara, personalresurser (tid), kostnader för beredning av data för förvaring, och kostnader för användning av arkiv/repositorier.

Rekommendationer för bästa praxis

  • Beakta vilken typ av extra IT-tjänster och resurser som behövs, och vilka extra kostnader som dessa inbegriper.
  • Överväg noggrant vilka resurser som behövs för att dela, lagra och kuratera datamaterialet

  • Kom ihåg att specificera datahanteringskostnaderna i budgeten, enligt finansiärens krav.
 


  • No labels