科学网 › 标签 › 研究数据

标签: 研究数据

相关帖子	版块	作者	回复/查看	最后发表

没有相关内容

相关日志

自然科研推出研究数据培训线上课程，快来报名试听吧！: NatureResearch 2020-9-24 12:00; 在疫情新常态下，自然科研现已推出线上科研培训服务。其中，自然科研讲堂（Nature Research Academies）是自然科研内部专家开发和提供的一系列培训课程，旨在帮助科研人员在当今竞争激烈的学术环境中取得成功。课程内容包含作者讲堂（论文写作与发表策略）、科学传播、申请研究职位、临床研究方法、系统综述与元分析、期刊编辑培训和研究数据培训等。尽管越来越多的资助机构和出版商要求研究者共享数据，但是很多研究者表示自己并不确定如何才能恰当地管理并分享他们的数据。为了满足这一日益增长的需求，自然科研推出了研究数据培训的线上课程，旨在让研究人员了解数据管理和共享的全球背景，包括对整个科研以及他们自己的工作有哪些益处，并训练他们掌握数据管理和共享所需的实践技能，以及如何让这方面的付出得到认可。想要了解我们能如何帮助您或您的研究人员管理研究数据，并最大化数据的可重复利用价值？那么就来报名参加我们的线上试听课程吧！在线试听课程自然科研讲堂——研究数据培训 01 时间 2020年9月30日，17:15 – 17:35 02 课程讲师 Rebecca Grant，施普林格·自然研究数据经理 Rebecca是一位经验丰富的数据培训专家，获得过英国开放数据研究所（ODI）颁发的资质证书，并教授过数字保存、元数据管理、数字库和数据管理等课程内容。 03 课程形式在线直播课程，讲授结合互动问答 04 试听课程内容全球公认的研究数据共享框架：FAIR数据原则试听部分摘取自研究数据培训线上课程中的一个模块，该模块涵盖了如何进行研究数据管理和共享的方方面面，包括元数据创建、数字库选择、数据使用许可和数据引用等。扫描以下二维码免费报名试听或网页端输入报名链接： https://register.gotowebinar.com/register/5800554265907128332 为您的机构举办自然科研讲堂 1）如果您是机构、院所、实验室或企业的负责人：您可以申请与自然科研合作举办自然科研讲堂线上培训班，助力科研人员掌握论文写作和发表技能，并提升机构的科研产出质量和学术影响力。自然科研讲堂线上班不仅保持线下培训一贯的特色与品质，还增加更加多样化的互动形式，课程结束后，我们还将颁发课程结业证书，并提供课程的录制视频（30天内可回看）；机构还可获得学员反馈报告。点击此处申请机构合作，并与我们取得联系（进入表单后，请选择机构合作服务-科研培训） 2）如果您是科研人员或学生：想参加自然科研的线上培训班，欢迎点击此处，向您所在的机构推荐我们（自然科研培训班暂不单独对个人开放报名）。合作案例北京理工大学联合自然科研讲堂，举办论文写作线上培训班第二届南京大学“自然科研讲堂”成功举办为科研人员举办培训课程，2019年自然科研讲堂表现如何？ © 2020Springer Nature Limited.All Rights Reserved; 个人分类: 科研培训|2235 次阅读|0 个评论

超详细！研究数据收集的有效技巧: Charlesworth 2020-6-11 13:46; 作者：查尔斯沃思作者服务翻译：查尔斯沃思中国办公室数据收集是一种基于既定的、系统的方式进行收集和衡量相关变量信息的过程。无论在什么学科领域，数据收集都是必不可少的。本期我们邀请查尔斯沃思英国编辑团队成员中有着丰富数据收集经验的专家，教授大家一些有效的技巧，帮助大家更好的理解与提高此方面的能力。译文如下： Q：该如何敲定回答下一个研究问题所需的数据类型？这个问题非常关键，你需要考虑下列几项因素：你的假设是什么？你该如何让编辑、同行评议审稿人和读者都相信你的假设是正确的？你想要收集何种数据？你该花费多长时间？- 多少数据足以支撑你的假设？明确地说，数据收集是一种基于既定的、系统的方式进行收集和衡量相关变量信息的过程。数据收集可以帮助你回答提出的研究问题，检验研究假设并评议研究结果。数据收集环节常出现于物理、社会科学、人文科学和商业等所有研究领域。换言之，无论你专攻何种学科领域，数据收集是必不可少的。尽管研究方法因学科而异，但保证数据精确且真实始终是数据收集不渝的原则。以下为可供思考的几点内容：确保数据收集准确恰当的重要性；无论在何种研究领域，无论是否喜欢给数据下定义（定性数据、定量数据），准确的数据收集都是保持研究完整性的基本要求。选择恰当的数据收集工具（现有的、改良的或新开发的）和准确介绍正确用法的说明书均可以减少出现错误的可能性。请明确数据收集的重要性，数据收集不当会带来以下后果：无法准确回答研究问题；无法重复和验证研究；结果失真导致资源浪费；误导其他调查人员进行无效调查；损害公共政策的决策；对人类受试者和动物受试者造成伤害。尽管错误的数据收集造成的影响会因学科和调查性质而异，但当研究结果被用作公共政策的建议时，将有可能造成巨大损失。关于保障数据完整性的问题：保持数据完整性的基本原理是支持数据收集过程中的错误检测，明确错误是否为有意造成（故意篡改或系统错误和随机错误）。 Most、Craddick、Crawford、Redican、Rhodes、Rukenbrod和Laws于2003年将“质量保证”和“质量控制”阐述为两种保持数据完整性和确保研究结果科学有效性的两种方法。这两种方法分别被用于研究时间表中的不同时间点（Whitney, Lind, Wahl, 1998）: 质量保证在数据收集开始之前进行的活动；质量控制在数据收集期间和之后进行的活动。质量保证由于质量保证先于数据收集，因此其主要侧重于“预防”（即预防数据收集中出现的问题）。预防是确保数据收集完整性最具成本效益的活动。全面详细的数据收集程序手册中制定的标准化方案可以最好的诠释这一积极措施的意义。手册编写不当会增加在研究过程中未能及早发现问题和错误的风险。这可能会导致如下问题：时间、方法和确定数据审查人员的不确定性；需收集项目列表的不完整；数据收集工具的模糊描述（缺少用于管理测试的详细步骤说明）；无法确定培训或再培训数据收集工作人员的具体内容和方法；混淆使用、调整和校准数据收集工具的说明书（若适用）；无确定机制用于记录可能在调查研究过程中出现的变化。质量保证中的一个重要环节就是制定严格且详细的招聘和培训计划。在培训过程中，需要向受训者有效传达准确数据收集的价值（Knatterud, Rockhold, George, Barton, Davis, Fairweather, Honohan, Mowery, O'Neill, 1998）。培训环节对于解决无意间偏离原始方案的员工这一潜在问题尤为重要。上述现象被称作“漂移”，受训者需要接受额外培训加以改正。同时，程序手册中也应对这点作出相应规定。基于定性研究方法的范围（非参与/参与观察、个人访谈、归档、现场观察、人种志、内容分析、口述历史、传记、无干扰研究），很难对于为保证质量如何建立研究方案作出统一的陈述。因此，对于那些进行非参与/参与观察的研究人员来说，可能只有最广义的研究问题可为其初始研究工作提供指导。研究人员是研究中的主要衡量工具，很多时候几乎很难找到其他数据收集工具。同时，数据收集工具可能需要现场开发以适用于意外的发现。质量控制尽管质量控制（检测/观察和操作）在数据收集期间和之后进行，但也应在程序手册中记录详细的信息。一个明确定义的交流结构是建立观察系统的必要先决条件。在发现数据收集中的错误后，主要调查人员与工作人员之间的信息流应该不存在任何不确定性。交流结构不完善会导致观察松懈，限制错误检测。检测/观察可以采取现场访问，电话会议等直接检查员工的形式，或者采取对数据报告定期且频繁评审以识别不一致，极值或无效代码的形式。尽管现场访问可能不适用于所有学科，但无法定期审核记录不论对于定性还是定量的数据收集来说，都不利于调查人员验证现行的程序与手册中的既定程序是否一致。此外，如果在程序手册中未明确规定交流结构，程序中出现任何变化都不利于转达给工作人员。质量控制还可以确认必要响应或行动，用于纠正错误的数据收集方法并在最大程度上减少未来发生错误的几率。如果数据收集程序手册编写不清晰，且未在反馈和教学内容中提到减少错误复发的必要步骤，则无法起到上述作用（Knatterud, etal, 1998）。需要立即采取行动的数据收集问题示例包括：个体数据项目中出现错误；系统错误；违反协议；单个员工或现场表现存在问题；欺诈或学术不端行为。在社会和行为科学中，一旦数据收集涉及人类受试者，研究人员则会被培训以一种或多种次要措施用于验证从人类受试者中收集信息的质量。例如，进行调查的研究人员可能想对年轻人中危险行为的发生以及增加这些危险行为发生可能性和频率的社会条件有更深入的见解。为了验证数据质量，受访者可能会在调查中的不同时间点以不同的方式被询问相同的信息。“社交满意度”的衡量标准也可以用于衡量回答的真实度。在这里有两点内容需要说明：数据收集过程中的交叉检查；数据质量既是一个观察阶段问题，又是一个完整的数据集问题。因此，数据质量应通过个体衡量、个体观察和完整数据集而获得。每个研究领域都有其首选的数据收集工具集。实验室科学的标志是实验室笔记的详细记录，而社会科学（例如社会学和文化人类学）可能更倾向于使用详细的现场笔记。无论何种学科，在数据收集之前、期间和之后，全面记录收集过程都是保障数据完整性的基本要求。论文润色 | 学术翻译 | 其他发表支持服务 | 英国编辑团队介绍; 4145 次阅读|0 个评论

美国高校图书馆数据管理与服务: terahertz 2017-11-14 08:28; 2017 年 11 月 13 日下午，美国伊利诺伊大学阮炼教授来图书馆做报告，报告的题目是：“美国高校图书馆数据管理与服务”。报告首先由研究数据管理概念、数据管理计划、数据生命周期等引出，主要讲述了 3 个方面的问题。一是高等教育和高校图书馆的发展动态，回答了为什么图书馆要开展数据管理服务的问题；二是研究数据管理和服务概论，回答了研究数据管理服务内容的问题；三是研究数据管理和服务的案例，选取了伊利诺伊大学、哥伦比亚大学、耶鲁大学、加州大学伯克利分校四个典型案例，系统回答了图书馆怎样更好的开展研究数据管理服务的问题。在报告提问环节，就机构知识库、数据馆员培训、数字人文等当前热点问题与师生进行了互动交流。阮炼，伊利诺州消防服务培训学院图书馆馆长 / 教授。研究专长：数据管理。伊利诺伊大学厄巴那－香槟分校图书信息学博士，美国华人图书馆员协会主席，美国华人图书馆员协会执行董事长，国际图联信息素养委员会成员。现任伊利诺州消防服务培训学院图书馆馆长和该院中国国际合作项目负责人，伊利诺伊大学图书信息学院兼职教授。; 个人分类: 图书情报|2368 次阅读|0 个评论

BioMed Central将CC0适用于研究数据: OPENRESOURCES 2013-10-12 16:10; 来源系统/资源/机构： BioMed Central URL ： http://blogs.biomedcentral.com/bmcblog/2013/08/21/opening-up-the-data-an-update-to-biomed-centrals-copyright-and-license-agreement/ 知识共享 CC0协议将于 9 月 3 日成为 BioMed Central 版权与许可协议的一部分，从此日期起提交的文章， CC0 将适用于由 BioMed Central 或化学核心期刊发布的所有论文的数据。已更新的版权和许可协议意味着，知识共享 CC0 将应用于数据（例如表和附加文件、图形数据点、数目数据）。 CC0 是数据特有的，并且知识共享署名协议（CC-BY）将继续适用于发表在 BioMed Central 中的文章。这个对标准版权协议的改变将会使发表的数据清晰地、明确地用于共享、集成和复用，而没有任何法律限制。署名许可已被科学数据强烈地阻止，因为它们可能妨碍未来大规模数据的共享和集成，比如人类基因组计划所需的数据。在 BioMed Central 中，我们相信在已发表的文献中有许多有价值的数据，对于数据挖掘和许多其他应用程序来说，它应被视为一种科学资源。; 2526 次阅读|0 个评论

更多...

帐号		自动登录	找回密码
密码			注册

关闭 安全验证

标签: 研究数据

相关帖子

相关日志

关闭安全验证