Udrulning af FAIR data management i AGRO

I de fleste projekter laves der nu Data Management Planer, som ikke mere er en sur pligt, men mere et levende dokument som skal understøtte en effektiv, struktureret og synlig måde at håndtere og dokumentere FAIR data, modeller og metoder på.   

Anbefalinger fra udvalget til ledelsen om udrulning af FAIR data management omfatter disse punkter:

1. Vi bør kommunikere og implementere brugen af de FAIR data management services og support, som stilles til rådighed fra DeiC, AU, fakultetet og vores eget institut (DeiC DMP, ERDA, SIF, Dataverse og Support-funktioner på alle niveauer).
2. Vi vil uddanne superbrugere i ERDA/SIF and Dataverse, så de kan bidrage til implementering af disse dataplatforme på sektionsniveau – med hjælp fra AU og fakultetets supportfunktioner.
3. Vi vil lave workshops og uddannelse af alle medarbejdere i mindre grupper, hvor vi tager udgangspunkt i jeres egne data og projekter.
4. AGRO bør ansætte mere personale med ekspertise i Research Data management, databaser og data science.
5. Der bør udvikles en generisk IT-infrastruktur, som på tværs af sektioner og projekter kan understøtte fx håndteringen af store datamængder, integration af diverse data fra forskellige platforme, brug af AI, machine learning og Digital Twin-teknologier.
6. Vi bør også engagere os i data science-projekter, hvor man anvender vores projekter og data som “use cases”.    

Ministeriet har udfærdiget en strategi for data management baseret på FAIR-principperne, som har givet anledning til, at der under AU, Open Science Forum er nedsat en koordinationsgruppe, som skal medvirke til at FAIR-principperne udrulles på AU-niveau. For at fokusere indsatserne har AU formuleret syv strategiske mål, som har fokus på hhv. de nødvendige ændringer af forskernes praksis i forhold til data management og de nødvendige tiltag på universitetsniveau. Målene er, at alle forskerne på AU: 

1. forholder sig til FAIR-principperne for data såvel som for andre af forskningens output som koder og metoder. 
2. integrerer data management i forskningsprocesserne og derigennem sikrer transparens og integritet af forskningens resultater. 
3. bidrager til god praksis og klare standarder for håndtering af såvel data som metadata gennem hele forskningens livscyklus, herunder bl.a. dataindsamling, kuratering og opbevaring både under og efter projekters gennemførelse, inklusive valg af licenser og brug af persistente identifikatorer.  

 
Aarhus Universitet understøtter disse mål ved at sikre, at: 

1. den nødvendige tekniske infrastruktur står til rådighed (jf. anbefaling 1)
2. den nødvendige ekspertise er tilgængelig, samt at der tilbydes kursus- og efteruddannelsesforløb på relevante niveauer (jf. anbefaling 2 og 3). 
3. arbejdet med at dele data og andet relevant output anerkendes som forskningsrelevante aktiviteter 
4. der defineres kriterier for datas værdi ift. genanvendelighed og langtidsopbevaring, og der formuleres en strategi for langtidsbevaring af data, som ikke i sin helhed er afleveret til Rigsarkivet. 

Arbejdet i Data Management-koordinationsgruppen har fokus på punkterne 1-4 samt B.  

Vi er netop ved at ansætte en ny Data Steward i AGRO, og vedkommende skal bidrage til udrulningen af de anbefalinger, som er kommet fra udvalget (efter godkendelse og konkretisering af ledelsen). ERDA og SIF er nu klar til brug, men Dataverse vil være tilgængelig til sommer. Vi vil hurtigst muligt kommunikere en plan for workshops og support om disse platforme, når den nye Data Steward starter.