De kunst van het aansluiten

Als data supporter achterhaal je waar de klant behoefte aan heeft, weet je zorgen te weerleggen en kansen te belichten. In deze paragraaf gaan we in op de kunst van het aansluiten. 

De vraag als kapstok voor data support

Afhankelijk van het stadium waarin het onderzoek zich bevindt, leven er verschillende vragen, zoals:

  • Ik heb oude tapes in de kast liggen en nu wil ik die digitaliseren en archiveren. Kun je me helpen?
  • We willen onze onderzoeksdata makkelijker kunnen delen met andere onderzoeksgroepen. Zijn daar oplossingen voor? 
  • Kun je me helpen bij het schrijven van een datamanagementplan?
  • Kunnen jullie toegang regelen tot extern verzamelde datasets? 
  • Hoe anonimiseer ik mijn data? 
  • Hoe maak ik een data package voor het opslaan van mijn onderzoeksdata op Zenodo? (Neylon, 2017)  

I have data from a set of interviews. I have audio and I have notes/transcripts. I have the interview prompt. I have decided this set of around 40 files is a good package to combine into one dataset on Zenodo. So my next step is to search for some guidance on how to organise and document that data. What you don’t get is set of instructions that says “this is the best way to organise these” or good examples of how other people have done it..... | From the blogpost As a researcher…I’m a bit bloody fed up with Data Management. (Neylon, 2017)

De vraag van de onderzoeker is de kapstok voor data support. Uit het citaat hierboven kun je aflezen dat deze onderzoeker niet zoekt naar algemene informatie over datamanagement. Het gaat om praktische informatie die een antwoord geeft op een vraag die hij/zij nu heeft over zijn/haar onderzoeksdata. Vaak zijn vragen praktisch van aard en dan sta je voor de uitdaging om de beschikbare informatie te vertalen naar hapklare brokken.

Voordat je in de verleiding komt een antwoord te geven, is het zaak altijd even door te vragen. In een vraag zit namelijk vaak al impliciet een oplossing verborgen. Neem bijvoorbeeld de vraag "Hoe anonimiseer ik mijn data?". De onderzoeker wil data anonimiseren om daar een bepaald probleem mee op te lossen. Hij/zij wil de data bijvoorbeeld publiceren in een data-archief en tegelijkertijd aan de AVG voldoen. Na doorvragen blijkt wellicht dat het pseudonimiseren van data en het ter beschikking stellen in restricted access voor deze dataset een betere keuze is.     

Verzamelde vragen

Bij het inventarisen van de vragen voor data support, leg je je oor vanzelfsprekend te luister bij de onderzoekers zelf. Daarnaast kan je er de wetenschappelijke literatuur op naslaan om te bekijken wat andere onderzoekers zoal voor verzamelde vragen hebben. Een onderzoek uit 2018 (Springer Nature, 2018) laat bijvoorbeeld zien dat onderzoekers - in afnemende mate - de volgende uitdagingen zien bij het delen van data: 

  • Het organiseren van data op een nuttige manier;
  • Onzekerheid over auteursrechten en licenties;
  • Onzekerheid over het meest geschikte data-archief;
  • Tijdsgebrek;
  • Kosten; 
  • Gevoeligheid van de data;
  • Databeleid en cultuur binnen de instelling;
  • Angst voor misbruik van de data.

 

Soms gaat het bij data support niet zozeer om het aanspreken van de drijfveren of redenen om iets wél te doen, maar om het wegnemen van de barrières of misverstanden om iets níet te doen. Ter inspiratie zie je hieronder een video waarin een aantal zorgen die onderzoekers kunnen hebben bij het delen van data in beeld worden gebracht. Het filmpje is gebaseerd op een blogpost van UC3 (2013). 

RDNL-video over antwoorden op mogelijke zorgen die onderzoekers hebben over het delen van hun onderzoeksgegevens. Selecteer HD-kwaliteit voor de beste kijkervaring.

Moving targets

Data supporters staan voor de uitdaging om steeds weer te achterhalen waar de klant nu behoefte aan heeft en wat hem/haar motiveert of tegenhoudt. De zorgen, onduidelijkheden en wensen van onderzoekers zullen blijven verschuiven. Neem FAIR datamanagement. In 2018 (Digital Science, 2018) is 15% van de onderzoekers bekend met de FAIR dataprincipes, heeft 25% er wel eens van gehoord en heeft 60% er nog nooit van gehoord. Dit laat zien dat er nog heel wat nodig is om ervoor te zorgen dat dit beeld er over een aantal jaren heel anders uitziet. Voor het succes als data supporter kan de kunst van het aansluiten wel eens net zo belangrijk blijken als het hebben van inhoudelijke kennis over datamanagement.   

In de spotlight


Gespreksgereedschap

In het filmpje hierboven probeert de data supporter de klant te inspireren en te overtuigen. Dat is niet altijd een vruchtbare tactiek. Als de klant blijft 'ja, maren' dan is het zaak van strategie te veranderen. In de regel kun je stellen dat er weerstand in het spel is zodra een gesprek zich herhaalt. Blijkbaar past jouw aanbod niet bij de vraag en inhoudelijke argumenten helpen je dan niet verder. Dan is het zaak om de zorg achter de zorg boven tafel te krijgen, bijvoorbeeld met LSD (luisteren, samenvatten, doorvragen):

  1. Stop met praten en luister.
  2. Vat samen wat de klant zegt en benoem wat je opvalt
    'Als ik u goed begrijp zegt u dat ...'
  3. Vraag door.

Achter elke NEE zit een JA. Een JA tegen ongestoord onderzoek doen bijvoorbeeld. Als je bij die JA aan kunt sluiten, dan sluit je aan bij de beleving van je klant. Een term die in dit verband ook veel gebruikt wordt is NIVEA: Niet invullen voor een ander. 

Mocht je je verder willen bekwamen in gespreks- en adviesvaardigheden, volg dan vooral een cursus op dit gebied.  

Casus Aansluiten (Maarten van Bentum, Data librarian bij de University of Twente)

In onderstaande casus lees je hoe Maarten van Bentum, Data Librarian bij de University of Twente (n.d.), aansluit bij de behoefte aan data support van de onderzoeksgroep Water Engineering and Management van de Universiteit Twente:

"Behoefte aan databeheer is vaak latent aanwezig. Wanneer je ernaar vraagt is databeheer in eerste instantie geen probleem. Maar na enig doorvragen komen toch wel kanttekeningen bij het beheer van data naar boven. Zoals de wens om de data die binnen de groep geproduceerd zijn beter te kunnen delen. 

Zo ook bij de groep Water Engineering and Management (WEM) aan de UT. Na een eerste gesprek met de hoogleraar stelde zij voor om het bestaande interne databeheer eens onder de loep te nemen en te kijken hoe er tegen zo laag mogelijke kosten verbeteringen aangebracht konden worden. 

Toen ik het eerste gesprek had met de verantwoordelijke voor het databeheer bij WEM, bleek dat hij nauwelijks noodzaak zag tot verbeteringen in het databeheer van de groep. Het bestaande databeheer beperkte zich tot het verzamelen van datasets op een centrale schijf, zonder nadere beschrijving van deze sets of de mogelijkheid deze schijf te doorzoeken. De data werden dus wel bewaard (hoewel niet systematisch) maar niet of nauwelijks binnen de groep hergebruikt.

We besloten om een inventarisatie te maken van de ideeën over databeheer binnen de groep. Uit interviews met promovendi en onderzoeksmanagers kwam naar voren dat bij PhD-ers databeheer en het (intern) delen van data niet of nauwelijks leeft. Bij de onderzoeksmanagers leefde het echter wel. In overleg met één van hen kwam een concreet idee naar boven voor het implementeren van een tool voor intern databeheer. Op basis van een dergelijke tool worden afspraken gemaakt over het omgaan met data. De kosten van deze verbeteringen beperken zich tot het aanschaffen van een PC waarop de tool geïnstalleerd wordt. Het beheer komt in handen van de huidige verantwoordelijke databeheerder van de groep.

Waarin zit nu het succes van deze casus? Ten eerste in het zoeken naar en werken aan een concrete verbetering van een bestaande databeheerpraktijk. Een verbetering die vanuit de groep naar voren kwam. Ten tweede in de bescheiden omvang, ook wat betreft de kosten, van deze verbetering. Veel groepen hebben te maken met een krap budget dat in de komende jaren ook niet veel ruimer zal worden. Ten slotte zat het succes in de intensieve samenwerking met de databeheerder van de groep.  Als data supporter ben je enerzijds degene die kennis en ervaring inbrengt, anderzijds degene die adviseert over de stappen in een proces van verandering van het databeheer".

Casussen klare taal

In het JISC-project Incremental kwamen projectmedewerkers erachter dat de meeste onderzoekers niet bekend waren met termen zoals data archive, repository, preservation, metadata. De schrijvers van het bijbehorende artikel (Ward, 2011) adviseren om data jargon te vertalen om advies zo laagdrempelig mogelijk te maken. Zo noemen ze preservation nu looking after your data.

Data supporters moeten ook tolken als het gaat om de voorwaarden van onderzoeksfinanciers. In onderzoek naar het H2020 DMP template (European Commission, 2018) bleek bijvoorbeeld dat voor velen begrippen zoals interoperability, metadata, ontologies en data access committee onduidelijk waren. (Grootveld, et al., 2018, pagina 15). 


Bronnen 

Klik om te openen/sluiten

Digital Science et al. (2018). State of Open Data Report. figshare. https://doi.org/10.6084/m9.figshare.7195058.v2

European Commission (2018). H2020 DMP Template. https://ec.europa.eu/research/participants/data/ref/h2020/other/gm/reporting/h2020-tpl-oa-data-mgt-plan-annotated_en.pdf 

Freiman, W.C.; Molly, L.; Jones, S.; Snow, K. (2011). Making sense: talking data management with researchers. International Journal of Digital Curation, 6(2). http://eprints.gla.ac.uk/49201/

Grootveld, M., Leenarts, E., Jones, S., Hermans, E., Fankhauser, E. (2018). OpenAIRE and FAIR Data Expert Group survey about Horizon 2020 template for Data Management Plans (Version 1.0.0) [Data set]. Zenodo. https://doi.org/10.5281/zenodo.1120245

Neylon, C. (2017). As a researcher…I’m a bit bloody fed up with Data Management [blog]. http://cameronneylon.net/blog/as-a-researcher-im-a-bit-bloody-fed-up-with-data-management/

Strasser, C. (2013, April 24). Closed data ... excuses, excuses. [blog]. Data pub. http://datapub.cdlib.org/2013/04/24/closed-data-excuses-excuses/

Stuart, D., Baynes, G., Hrynaszkiewicz, I., Allin, K., Penny, D., Lucraft, M., Astell, M. (2018) Whitepaper: Practical challenges for researchers in data sharing: figshare https://doi.org/10.6084/m9.figshare.5975011.v1

University of Twente (n.d.) LISA. Data Librarian. https://www.utwente.nl/nl/lisa/bibliotheek/hulp-nodig/bentum/