Zarządzanie danymi badawczymi
Marta Hoffman-Sommer
Platforma Otwartej Nauki, ICM, Uniwersytet Warszawski
Warszawa, 22.04.2015
Co to są dane badawcze?
Rezultaty badań naukowych
Publikacje naukowe
(artykuły i książki)
K
TH
 B
ib
li
o
te
ke
t,
 C
C
-B
Y-
SA
h
tt
p
s:
//
w
w
w
.fl
ic
kr
.c
om
/p
ho
to
s/
kt
h
bi
bl
io
te
ke
t/
44
7
26
4
04
2
3/
Dane badawcze
„Dane badawcze to dane zebrane, zaobserwowane lub wytworzone jako 
materiał do analizy,  w celu uzyskania oryginalnych wyników naukowych.”
„…’dane badawcze’ definiujemy jako zapisy faktów (wartości liczbowe, zapisy
tekstowe, obrazy i dźwięki), które służą jako źródła pierwotne w badaniach
naukowych, i które są powszechnie uznawane przez społeczność naukową za
niezbędne do oceny wyników naukowych. Zbiór danych badawczych stanowi
usystematyzowaną, częściową reprezentację badanego zjawiska.”
Różne definicje danych badawczych
„…zarejestrowane materiały o charakterze faktograficznym 
powszechnie uznawane przez społeczność naukową za niezbędne 
do oceny wyników badań naukowych.”
Co zaliczamy do danych badawczych?
Dokumenty tekstowe, notatki
Dane liczbowe
Kwestionariusze, ankiety, wyniki badań ankietowych
Nagrania audio i video, zdjęcia
Próbki, artefakty, obiekty
Zawartość baz danych (video, audio, teksty, obrazy)
Modele matematyczne, algorytmy
Oprogramowanie (skrypty, pliki wejściowe…)
Wyniki symulacji komputerowych
Protokoły laboratoryjne, opisy metodologiczne
Co to jest zarządzanie danymi 
badawczymi?
Wytworzenie
danych
Opisanie,
przetwarzanie
Analiza i
wykorzystanie
Przechowywanie
Udostępnianie
Ponowne
wykorzystanie
cykl życiowy 
danych 
badawczych
…aktywne podejście do danych badawczych na 
wszystkich etapach ich cyklu życiowego. 
Jakie aspekty należy uwzględnić w ZDB?
1. Pozyskiwanie danych, dobór formatów plików, nazewnictwo plików, 
metadane, dokumentacja
2. Krótko- i długoterminowe przechowywanie danych: selekcja danych, 
bezpieczna archiwizacja
3. Zasady dostępu do danych, możliwości ich ponownego wykorzystania
4. Prawne i etyczne aspekty rozporządzania zbiorem danych
5. Zasoby potrzebne do zarządzania danymi (np. finansowe, kompetencje)
Jakie korzyści daje świadome ZDB?
1. ułatwienie dla własnych przyszłych badań
2. możliwość udostępnienia innym zainteresowanym
3. poprawa jakości uprawianej na świecie nauki
4. więcej współpracy w nauce
5. szybszy postęp w badaniach
6. oszczędność środków finansowych w nauce
Jakie wymagania dotyczące zarządzania 
danymi mogą nas dotyczyć?
• Wymagania nakładane przez wydawców naukowych: konieczność 
udostępniania danych.
Nature, PLoS, Amer. Economic Review…
• Wymagania nakładane w umowach grantowych: konieczność 
tworzenia Planów Zarządzania Danymi i/lub udostępniania danych.
Komisja Europejska, brytyjskie RCUK, amerykańska NSF…
Sytuacja w Polsce
Dokument MNiSW (październik 2015):
Kierunki rozwoju otwartego dostępu do publikacji i wyników badań 
naukowych w Polsce
„…zaleca, aby krajowe podmioty finansujące badania naukowe ze
środków publicznych (…) stosowały i upowszechniały zasady, zgodnie z
którymi publikacje i dane badawcze powstające w wyniku
finansowanych lub współfinansowanych przez nie badań znajdą się w
otwartym dostępie.”
Wymagania Komisji Europejskiej 
w programie Horyzont 2020
Pilotaż Otwartych Danych w H2020
Pilotaż Otwartych Danych Badawczych:
„Od finansowanych projektów wchodzących w zakres objęty
Pilotażem Otwartych Danych Badawczych jest wymagane
korzystanie ze szczegółowego planu zarządzania danymi,
odnoszącego się do poszczególnych zbiorów danych.”
„Pilotaż Otwartych Danych obejmuje dwa rodzaje danych:
1) dane (…) niezbędne do weryfikacji wyników prezentowanych w
publikacjach naukowych należy udostępniać tak szybko, jak tomożliwe;
2) inne dane (…) wymienione w planie zarządzania danymi należy
udostępniać zgodnie z ustalonymi w planie terminami.
(…) Projekty objęte pilotażem są zobowiązane do deponowania opisanych
powyżej danych badawczych, najlepiej w repozytoriach danych
badawczych.”
„Na ile to możliwe, projekty są zobowiązane do podjęcia działań 
umożliwiających osobom trzecim dostęp do danych badawczych, 
ich analizę maszynową, ponowne wykorzystanie, kopiowanie i 
rozpowszechnianie (bez opłat ze strony użytkowników).
Prostą i skuteczną metodą osiągnięcia powyższego celu jest 
dołączenie do deponowanych danych licencji Creative Commons
(CC-BY lub oświadczenia CC0).”
• Pilotaż obejmuje projekty z 7 wybranych obszarów tematycznych.
• Można się włączyć do pilotażu (opt-in), można się też wyłączyć 
(opt-out).
Kiedy można się wyłączyć z pilotażu?
• Gdy planowane jest komercyjne lub przemysłowe wykorzystanie danych
• Gdy uczestnictwo stoi w sprzeczności z wymogami poufności, związanymi z 
bezpieczeństwem
• Gdy stoi w sprzeczności z obowiązującymi zasadami ochrony danych osobowych
• Gdyby udział w pilotażu uniemożliwiał osiągnięcie głównego celu naszych działań
• Jeżeli w ramach projektu nie zostaną wytworzone ani zebrane żadne dane naukowe
• Gdy występują inne uzasadnione przyczyny by nie uczestniczyć w pilotażu
Można się wyłączyć zarówno na etapie wniosku grantowego, jak i w trakcie trwania 
projektu. Powody wyłączenia należy wyjaśnić w Planie Zarządzania Danymi. 
Slajd na podstawie: Sarah Jones, Kevin Ashley, DCC, CC-BY
Zarządzanie danymi badawczymi
Kroki do wykonania
1. Identyfikacja danych w projekcie
2. Bieżące zarządzanie danymi
3. Selekcja danych
4. Przygotowanie danych do archiwizacji 
5. Deponowanie danych
1. Zidentyfikowanie danych
Skąd się biorą dane w naszym projekcie?
Jak często pojawiają się nowe dane?
Jak dużo danych powstaje w projekcie?
W jakich formatach są gromadzone dane?
Na podstawie: Workbook for Writing a Data Management Plan, 
http://www.dcc.ac.uk/training/digital-curation-101/dmp-workshop-uct
2. Zarządzanie w trakcie projektu
Jakie stosujemy nazewnictwo plików i folderów?
Jakie dodatkowe informacje mogą być potrzebne do korzystania 
z tworzonych danych (dokumentacja)?
Gdzie przechowujemy nasze dane na bieżąco?
W jaki sposób je zabezpieczamy (backupy, regulacja dostępu)?
Na podstawie: Workbook for Writing a Data Management Plan, 
http://www.dcc.ac.uk/training/digital-curation-101/dmp-workshop-uct
Struktura i nazwy folderów Przykład
• Hierarchiczna struktura – nie za głęboka, nie za szeroka
• Możliwe też tagowanie plików
Różne przykłady:
http://www.vukovicnikola.info/folder-structure-for-research/
http://pgbovine.net/research-directory-structure.htm
https://www.ukdataservice.ac.uk/manage-data/format/organising
Nazewnictwo plików – po co się tym zajmować?
Czy za 3 lata będziemy wiedzieli, co jest w tych plikach?
Na podstawie slajdu:
Yvonne Creba, Veronica Philips, Claire Sewell, Marta Teperek, Univ. of Cambridge, CC-BY
http://www.data.cam.ac.uk/files/gdl_tilsdocnaming_v1_20090612.pdf
Przykład:
Nazewnictwo plików
• Jakie informacje potrzebujemy zawrzeć w nazwie?
(rodzaj danych, inicjały badacza, numer próbki, data, numer wersji, etc.)
• Czy nasze nazwy są unikalne?
• Jak będziemy chcieli sortować pliki?
Informujemy gdzieś w dokumentacji co oznaczają nasze nazwy.
Darmowe oprogramowanie do zarządzania backupami 
(przykładowe):
http://www.2brightsparks.com/download-syncbackfree.html
Co najmniej 2 backupy, w tym jeden off-site:
każdy poniedziałek rano
codziennie rano 
- automatycznie
• Regularność
• Automatyzacja
Na podstawie slajdu:
Y. Creba, V. Philips, C. Sewell, M. Teperek, 
University of Cambridge, CC-BY
Więcej na temat bieżącego zarządzania:
http://libraries.mit.edu/data-management/services/workshops/
a w szczególności o organizowaniu danych:
http://libraries.mit.edu/data-management/files/2014/05/FileOrg_20160121.pdf
albo tu:
https://www.ukdataservice.ac.uk/manage-data/format/organising
http://datalib.edina.ac.uk/mantra/organisingdata/
https://library.stanford.edu/research/data-management-services/data-best-
practices/best-practices-file-naming
Narzędzia ułatwiające bieżące zarządzanie danymi
1. EUDAT – projekt europejski tworzący otwartą dla wszystkich e-infrastrukturę, 
m.in. do przechowywania danych badawczych i zarządzania nimi: B2DROP.
2. OSF.io – serwis stworzony przez amerykańską organizację non-profit Center 
for Open Science – służy do bieżącego zarządzania prowadzonymi badaniami. 
Pozwala na integrację z innymi serwisami, np. Dropbox, Google Drive, GitHub, 
FigShare, Mendeley.
3. GitHub – przechowywanie i wersjonowanie oprogramowania; 
wykorzystywane również dla innych rodzajów plików.
https://www.eudat.eu/services/b2drop
Jakie dane chcemy przechowywać po zakończeniu projektu?
Gdzie zdeponujemy dane do przechowywania długoterminowego?
Jak długo będziemy je przechowywać?
Kto będzie miał do nich dostęp i na jakich zasadach?
3. Selekcja danych do archiwizacji:
co przechowywać, co wyrzucać
Na podstawie: Workbook for Writing a Data Management Plan, 
http://www.dcc.ac.uk/training/digital-curation-101/dmp-workshop-uct
1. Wymagania prawne zobowiązujące nas do archiwizacji danych.
2. Wartość naukowa lub historyczna: tu musimy rozważyć potencjalne zainteresowanie w przyszłości.
3. Wyjątkowość: czy nasze dane duplikują się z innymi istniejącymi zbiorami danych?
4. Możliwość replikacji: czy można takie dane ponownie zebrać? (wysokie koszty, jednorazowe 
wydarzenie)
5. Możliwość wykorzystania: jakość i używalność danych (czy formaty są od strony technicznej dobrze 
dobrane? czy kwestie praw własności intelektualnej są wyjaśnione?)
6. Kwestie ekonomiczne: koszty zarządzania danymi i przechowywania ich są uzasadnione w świetle 
potencjalnych przyszłych zastosowań.
7. Pełna dokumentacja: dokumentacja jest poprawna i kompletna.
Na podstawie: Whyte, A. & Wilson, A. (2010). "How to Appraise and Select Research Data 
for Curation". DCC How-to Guides. Edinburgh: Digital Curation Centre.
Available online: http://www.dcc.ac.uk/resources/how-guides/appraise-select-data
Wskazówki do selekcji danych
Dane, których nie zamierzamy przechowywać
Dokumentować:
Co, dlaczego i kiedy zostało wyrzucone
32
Potrzebuję tych danych 
natychmiast!!!
Nieważne, że nie są wyczyszczone –
sam sobie poradzę!
Zmarnowałem już kawał życia czyszcząc 
i porządkując kiepskie dane od innych. 
Dopóki nie będą wyczyszczone i 
udokumentowane, nie interesują mnie. 
A w ogóle to mam teraz inne sprawy 
na głowie…
Slajd na podstawie: Kevin Ashley, DCC, CC-BY
Jakość danych
Ćwiczenie: Identyfikacja i selekcja danych
Wybieramy w grupie jeden projekt naukowy i dla tego projektu:
1. Określamy, jakie dane naukowe zostaną wytworzone lub zebrane 
(wszystkie!)
2. Zastanawiamy się, które spośród tych danych warto archiwizować (które 
chcemy przechowywać po zakończeniu projektu)
Jakie dane chcemy przechowywać po zakończeniu projektu?
Gdzie zdeponujemy dane do przechowywania długoterminowego?
Jak długo będziemy je przechowywać?
Kto będzie miał do nich dostęp i na jakich zasadach?
3. Selekcja danych do archiwizacji:
co przechowywać, co wyrzucać
Na podstawie: Workbook for Writing a Data Management Plan, 
http://www.dcc.ac.uk/training/digital-curation-101/dmp-workshop-uct
Archiwizacja: przechowywanie długoterminowe
1. Bezpieczeństwo danych – repozytorium/archiwum godne 
zaufania
2. Widoczność – znane wśród badaczy, dobrze widoczne w 
wyszukiwarkach
3. Trwała lokalizacja – stały identyfikator cyfrowy (np. DOI –
digital object identifier)
Cyfrowe repozytoria danych badawczych
• specjalistyczne (wąskie dziedzinowo)
• instytucjonalne
• szeroko zakrojone tematycznie
• ogólne
Repozytoria specjalistyczne
B
e
rm
a
n
, 
K
le
y
w
e
g
t,
 N
a
k
a
m
u
ra
, 
M
a
rk
le
y
(2
0
1
2
) 
h
tt
p
:/
/d
x
.d
o
i.
o
rg
/1
0
.1
0
1
6
/j
.s
tr
.2
0
1
2
.0
1
.0
1
0
Protein Data Bank 
– od roku 1971
Oxford Text Archive 
– od roku 1976
GenBank
– od roku 1982
h
tt
p
:/
/w
w
w
.n
c
b
i.
n
lm
.n
ih
.g
o
v/
g
e
n
b
a
n
k
/s
ta
ti
s
ti
c
s
Repozytoria tematyczne
Repozytorium danych biologicznych, 
dostępne dla wszystkich 
Repozytorium danych z nauk 
społecznych i humanistycznych
Repozytorium danych społecznych 
prowadzone przez ISS UW i IFIS PAN
Repozytoria instytucjonalne
Repozytorium uczelniane
Repozytorium tematyczne prowadzone przez 
brytyjską instytucję finansującą badania: 
Natural Environment Research Council
Repozytoria ogólne
Krajowe repozytorium danych: Holandia
Krajowe repozytorium danych: Polska
Repozytorium ogólnodostępne
(publikacje + dane)
Repozytorium ogólnodostępne
(publikacje + dane)
• Artykuły opisujące dane (data descriptors)
• Dane są deponowane w repozytoriach
• Niektóre czasopisma dopuszczają też możliwość dołączania danych w 
postaci Supplementary Material
 Uzupełnienie systemu repozytoryjnego, nie alternatywa
Czasopisma publikujące dane (data journals)
re3data.org – wyszukiwarka repozytoriów
4. Przygotowanie danych
Przygotowanie plików (ew. anonimizacja danych)
Metadane
Dokumentacja
Dobór formatów plików do archiwizacji
Preferowane są formaty:
• Bez kompresji
• Nie wymagające komercyjnego 
oprogramowania
• Otwarte, z dostępną dokumentacją
• Wykorzystujące standardowe 
kodowanie (ASCII, Unicode)
Type Recommended Non-preferred
Tabular data CSV, TSV, SPSS portable Excel
Text Plain text, HTML, RTF
PDF/A only if layout matters
Word
Media Container: MP4, Ogg
Codec: Theora, Dirac, FLAC
Quicktime
H264
Images TIFF, JPEG2000, PNG GIF, JPG
Structured data XML, RDF RDBMS
Na podstawie: UK Data Archive (nauki społeczne i humanistyczne)
http://www.data-archive.ac.uk/create-manage/format/formats
Slajd: Kevin Ashley, DCC, CC-BY
• Na bieżąco pracujemy w formatach, które nam najbardziej pasują – natomiast 
przed archiwizacją przenosimy pliki do standardowych, otwartych formatów.
• Niektóre repozytoria zachęcają do deponowania dwóch wersji tych samych 
danych:
(1) w formacie przeznaczonym do długotrwałej archiwizacji,
(2) w formacie najpowszechniej wykorzystywanym w danym środowisku.
Dobór formatów plików do archiwizacji
Dokumentacja i metadane
Metadane katalogowe: podstawowe informacje stanowiące opis całego zbioru danych 
(autor, tytuł, data powstania, nadana licencja, etc.)
Dokumentacja: informacje metodologiczne, kontekst powstania, dodatkowe 
informacje i pliki potrzebne do skorzystania z danych (w tym skrypty), wykorzystane 
standardowe słowniki, etc.
www.dcc.ac.uk/resources/metadata-standards
Metadata standards: na stronach 
Digital Curation Centre
Slajd na podstawie: Kevin Ashley, DCC, CC-BY
Dokumentacja: na poziomie projektu
• opis celu i kontekstu badań
• opisy metodologiczne sposobów pozyskania danych
• struktura plików z danymi, relacje między plikami
• linki do publikacji powiązanych z danymi
• formularze zgody na udział w badaniu
• zastosowane metody kontroli lub walidacji danych
• informacje o różnych wersjach zbiorów danych
• informacje o zbiorach danych, których z przyczyn prawnych nie można udostępnić
Na podstawie: http://www.data-archive.ac.uk/create-manage/document/data-level
Dokumentacja: na poziomie zbioru danych
• nazwy i opisy zastosowanych zmiennych, rekordów, wartości; jednostki pomiarowe
• opisy zastosowanych schematów klasyfikacyjnych
• informacje o urządzeniach pomiarowych (linki), informacje o zastosowanych 
ustawieniach, metodach kalibracji
• oznaczenia brakujących wartości oraz wyjaśnienie, dlaczego ich brakuje
• dane przetworzone, wraz z oprogramowaniem lub algorytmami zastosowanymi do 
ich uzyskania
• lista wszystkich opisanych przypadków lub obiektów (dla badań jakościowych)
• jeżeli sprawdzamy w jakikolwiek sposób jakość naszych danych: wyniki tych testów
Na podstawie: http://www.data-archive.ac.uk/create-manage/document/data-level
Gdzie umieszczamy dokumentację?
Wpisana w same pliki z danymi
np. informacja o jednostkach pomiarowych w nagłówku kolumny w tabeli
 Dołączona do zbioru danych w osobnym pliku / plikach
często w postaci pliku ReadMe.txt
(jeden dla całego zbioru danych albo po jednym dla każdego pliku)
http://data.research.cornell.edu/sites/default/
files/SciMD_ReadMe_Guidelines_v4_1_0.pdf
Autorka: Wendy Kozlowski,
Research Data Management Service Group, 
Cornell University Libraries
CC-BY
Guidelines to writing
„readme” style metadata
Dane osobowe
• Anonimizacja danych – żeby niemożliwe było zidentyfikowanie 
uczestników badania
• lub: Zgoda osób badanych na udostępnienie / nadanie licencji
Darmowe narzędzie do anonimizacji danych badawczych 
(niegotowe): https://www.openaire.eu/anonymizing-your-data
• Być może musimy wprowadzić ograniczenia dostępu – trzeba 
sprawdzić, czy wybrane przez nas repozytorium jest w stanie je 
zaimplementować
Slajd (częściowo): Kevin Ashley, DCC, CC-BY
5. Deponowanie danych
Surowe dane: .txt
Analizy danych:
.xls, .pdf
Dokumentacja w 
osobnym pliku
Pictures: tylko do weryfikacji wzrokowej, nie do analizy, 
opisy częściowo wpisane w pliki
Reports: oryginalne pliki z 
urządzenia pomiarowego, 
opisy w osobnym pliku
Dane przetworzone: .jpeg
Dane:
(1) badawcze
(2) otwarte
RepOD - serwis dla polskiej społeczności 
akademickiej
➞ ze wszystkich dziedzin nauki
➞ wszystkie formaty plików
repod.pon.edu.pl
(1) metadane Zbiór danych
(2) pliki
Metadane
• Tytuł, autor(autorzy), rok wydania, krótki opis…
• Link do powiązanej publikacji naukowej
• Informacje o finansowaniu badań
• Licencja prawna
Repozytorium przydziela numer 
 cytowanie danych
Pliki
• Dowolnie wiele plików w zbiorze
• Różnorodność formatów
Kwestie prawne
• Kto ma prawo decydować o udostępnieniu danych badawczych?
 Komu przysługują prawa do zbioru danych?
• Jakie inne ograniczenia prawne nas obowiązują przy udostępnianiu 
danych?
• Co wolno użytkownikowi danych? Kto i w jaki sposób o tym decyduje?
 Jakie prawa przysługują użytkownikowi na podstawie zasad 
dozwolonego użytku i jak można je rozszerzyć za pomocą licencji?
Prawa związane ze zbiorem danych badawczych
• Prawa autorskie – związane z kreatywnością wykonanej pracy (fakty 
nie podlegają ochronie prawnoautorskiej)
• Prawa do baz danych – związane z inwestycjąwłożoną w utworzenie
danej bazy (w krajach UE)
• Prawa osób trzecich – związane z innymi osobami zaangażowanymi w 
powstanie danych (twórcy zawartości, uczestnicy badania, …)
• Różne systemy prawne w różnych krajach
• Może się zdarzyć tak, że pewne prawa do danych naukowych przysługują 
pracodawcy („Regulamin nabywania, korzystania i ochrony własności 
intelektualnej” uczelni)
Co trzeba ustalić, by udostępnić dane?
Musimy ustalić, kto dysponuje prawami do zbioru danych:
1. Kontaktujemy się ze (współ)autorami.
2. Sprawdzamy regulacje między autorami a pracodawcą.
3. Rozważamy, czy występują prawa osób trzecich.
Uwzględniamy inne ograniczenia prawne:
1. Czy występują dane osobowe?
2. Na co wyrazili zgodę uczestnicy badania?
3. Inne sytuacje, gdy nie wolno nam publikować danych:
bezpieczeństwo kraju, gatunki chronione, tajemnica przedsiębiorstwa, etc.
anonimizacja
formularz zgody
Prawny status udostępnionych danych
Dane w repozytorium możemy udostępnić:
• bez licencji: na zasadach dozwolonego użytku
• z licencją (np. na otwartej licencji Creative Commons)
• z oświadczeniem o zrzeczeniu praw (np. Creative Commons Zero)
Dozwolony użytek
…obowiązuje automatycznie – na mocy ustawy – gdy nie dołączymy 
żadnych dodatkowych oświadczeń prawnych.
Licencjonowanie
• Zalecane jest korzystanie ze standardowych licencji
• Międzynarodowe licencje – tak konstruowane, by (na ile się da) 
prowadziły do tych samych skutków w różnych systemach prawnych
• Od restrykcyjnych po bardzo liberalne (otwarte licencje)
„Na ile to możliwe, projekty są zobowiązane do podjęcia działań 
umożliwiających osobom trzecim dostęp do danych badawczych, ich 
analizę maszynową, ponowne wykorzystanie, kopiowanie i 
rozpowszechnianie (bez opłat ze strony użytkowników).
Prostą i skuteczną metodą osiągnięcia powyższego celu jest dołączenie 
do deponowanych danych licencji Creative Commons (CC-BY lub CC0).”
Pilotaż Otwartych Danych w H2020
?
Co to są licencje Creative Commons (CC)?
Co oznaczają ikony licencji CC?
BY – Attribution
/Uznanie autorstwa
SA – Share Alike
/Na tych samych warunkach
NC – Non-commercial
/Użycie niekomercyjne
ND – No derivatives
/Bez utworów zależnych
Znak domeny 
publicznej
Przekazanie do 
domeny publicznej
gdy wiemy, że dzieło 
nie jest chronione
gdy chcemy, by nasze dzieło 
nie było chronione
Domena publiczna – dzieła nieobjęte ochroną 
związaną z autorskimi prawami majątkowymi 
www.dcc.ac.uk/resources/how-guides/license-research-data
Jak licencjonować dane – poradnik
Dlaczego CC0 jest zalecane dla danych?
BY: Zbiory danych są szczególnie podatne na tzw. nawarstwianie atrybucji
(attribution stacking) – gdy w zbiorze pochodnym musimy zaznaczyć autorstwo 
wszystkich danych, z których skorzystaliśmy, nawet bardzo już odległych. 
SA: Licencje „Na tych samych warunkach” (tzw. copyleft) utrudniają łączenie 
zbiorów danych z innymi zbiorami, które mogą mieć inne licencje typu SA.
NC: Niejasne: według niektórych interpretacji prawnych licencje niekomercyjne 
nie pozwalają nawet na wykorzystanie do wytworzenia artykułu naukowego, który 
jest potem sprzedawany (jako część czasopisma naukowego).
Na podstawie:
Ball, A. (2014). ‘How to License Research Data’.
DCC How-to Guides. Edinburgh: Digital Curation Centre. Dostępne online: 
http://www.dcc.ac.uk/resources/how-guides/license-research-data#x1-4000
CC0 jest łatwe w użyciu
• Nie musimy ustalać, jakie prawa i do jakich elementów zbioru nam 
przysługują (autorskie, do baz danych).
• Bierzemy pod uwagę tylko prawa osób trzecich.
Czy wszystkie dane powinny być otwarte? Nie.
Ale informacja o istnieniu danych zawsze powinna być publicznie dostępna:
• Inni mogą się dowiedzieć o danych i negocjować z nami dostęp
• Pozwala to uniknąć duplikacji badań
Slajd na podstawie: Kevin Ashley, DCC, CC-BY
Dane osobowe
Bezpieczeństwo narodowe
Komercjalizacja wyników badań
Ochrona gatunków zagrożonych, itp.
Licencjonowanie
• Wybieramy właściwą licencję
• Upewniamy się, że mamy prawo ją zastosować
• Upewniamy się, że repozytorium, w którym zamierzamy 
zdeponować nasze dane, przyjmie tę licencję
• Umieszczamy informację o licencji w widocznym miejscu w 
dokumentacji oraz informujemy o niej podczas deponowania
Slajd: Kevin Ashley, DCC, CC-BY
Po co udostępniać dane?
…aby umożliwić weryfikację wyników naukowych.
Ćwiczenie: Udostępnianie danych
Zakreślamy 3 największe przeszkody powstrzymujące nas 
przed udostępnianiem danych. Dlaczego są tak istotne?
A w naszym projekcie, co udostępnimy i na jakich zasadach?
Moje dane 
zawierają dane 
osobowe lub 
wrażliwe
Moje dane są 
zbyt 
skomplikowane
Inni użytkownicy 
mogą błędnie 
zinterpretować 
moje dane
Moje dane nie są 
ciekawe
Moje badania są 
finansowane 
przez firmę 
komercyjną, która 
nie zgadza się na 
ich udostępnienie
Może jeszcze 
będziemy chcieli 
skorzystać z tych 
danych w innym 
artykule
Ludzie będą się 
ze mną 
kontaktować i 
zadawać mi 
różne pytania
Dane są poufne/
Wpływają na 
bezpieczeństwo 
kraju
Moje dane są za 
duże
Inni zobaczą, że 
moje dane są 
kiepskiej jakości
Chcę 
opatentować mój
wynalazek
Jestem bardzo 
zajęta/y i to nie 
jest mój priorytet
Nie wiem jak to 
zrobić
Nie jestem 
pewna/y, kto jest 
właścicielem 
moich danych
Ktoś mógłby 
ukraść lub 
splagiatować
moje dane
Instytucja 
finansująca moje 
badania tego nie 
wymaga
Plan Zarządzania Danymi
Krótki plan opisujący:
• Jakie dane zostaną wytworzone i w jaki sposób
• Jak te dane będą zarządzane (przechowywanie, zabezpieczanie, dostęp…)
• W jaki sposób będą archiwizowane i udostępniane innym
Co to jest Plan Zarządzania Danymi (DMP)?
Slajd: Sarah Jones, DCC, CC-BY
Co powinien zawierać plan DMP?
1. Jakie dane zostaną wytworzone lub zebrane?
(co będą zawierać? jakie będą formaty plików? jak dużo będzie danych?)
2. Jak zostaną uporządkowane i opisane?
(metadane, dokumentacja)
3. Kwestie etyczne i prawne
(kwestie związane z ochroną prywatności, dane niejawne, etc.)
4. W jaki sposób dane zostaną udostępnione?
(jak, kiedy, komu)
5. Które dane będą przechowywane długoterminowo? Gdzie, jak długo?
Slajd na podstawie materiałówDCC:
www.dcc.ac.uk/resources/data-management-plans/checklist
Jak napisać dobry plan DMP
• Plan powinien być krótki i prosty, ale konkretny
• Szukajmy wsparcia – konsultujmy się i współpracujmy
• Oprzyjmy nasz plan na dostępnych nam umiejętnościach 
i dostępnym wsparciu
• Plan powinien być realistyczny
• Pamiętajmy: plan może się zmieniać, ewoluować
Slajd na podstawie: Sarah Jones, DCC, CC-BY
Zarządzanie danymi badawczymi
Zaplanowanie badań,
tworzenie planu DMP
Modyfikacja planu DMP
Prowadzenie badań, 
realizacja planu DMP
Zakończenie badań
Wzorzec NSF:
1. Types of data produced
2. Data and metadata standards
3. Policies for Access and Sharing
4. Policies for Re-use, Distribution
5. Plans for Archiving and 
Preservation
https://www.dataone.org/data-management-planning


Dziękuję za uwagę
Kontakt: 
msommer@icm.edu.pl
http://creativecommons.org/
licenses/by/3.0/pl/legalcode