Preskoči na glavni sadržaj

Upravljanje istraživačkim podacima

ISVU: 295547•2 ECTS•Zimski semestar

Osnovne informacije

Organizacijska jedinica
Odsjek za psihologiju
Satnica
  • Vježbe u praktikumu: 15 sati

Nastavnici

Cilj

Cilj kolegija je osposobiti studente za sustavno i odgovorno postupanje s istraživačkim podacima tijekom prikupljanja, obrade, pohrane i dijeljenja podataka. Studenti će steći praktične vještine kontrole kvalitete podataka, rada s različitim formatima datoteka, organizacije, imenovanja i verzioniranja datoteka s podacima te izrade dokumentacije i metapodataka. Upoznat će izvore postojećih podataka koji se mogu korisititi u istraživačke svrhe te razumjeti uvjete korištenja takvih podataka. Poseban naglasak stavlja se na etičke i pravne aspekte zaštite osobnih i osjetljivih podataka te na sigurno pohranjivanje, arhiviranje i dijeljenje podataka.

Sadržaj

  1. Uvod u kolegij. Vrste podataka u društvenim znanostima prema izvoru, formatu i opsegu. Zašto je važno upravljati podacima?
  2. Kontrola kvalitete podataka u fazi prikupljanja na primjeru online ankete.
  3. Kontrola kvalitete podataka u fazi prikupljanja primjenom dobrih praksi za organiziranje podataka u tablične strukture.
  4. Različiti formati datoteka s podacima, učitavanje datoteka u softver za obradu podataka (npr.
  5. Konvencije imenovanja datoteka s podacima i organiziranje datoteka u mape.
  6. Preporuke i alati za praćenje verzija datoteka s podacima.
  7. Izrada dokumentacije o podacima (informacije potrebne za interpretaciju podataka) i metapodataka (strojno čitljiva dokumentacija).
  8. Etičke smjernice i zakonska regulativa o zaštiti osobnih i osjetljivih podataka u istraživanjima s ljudima.
  9. Osnove anonimizacije kvantitativnih podataka.
  10. Osnove anonimizacija kvalitativnih podataka.
  11. Sustavi za pohranu podataka. Tehničke metode zaštite podataka (prava pristupa, enkripcija). Izrada sigurnosnih kopija.
  12. Pristup postojećim istraživačkim, statističkim i otvorenim vladinim podacima.
  13. Uređivanje kvantitativnih podataka uz pomoć alata OpenRefine, 1. dio.
  14. Uređivanje kvantitativnih podataka uz pomoć alata OpenRefine, 2. dio.
  15. Arhiviranje i dijeljenje istraživačkih podataka: osiguravanje reproduktibilnih rezultata istraživanja i potencijali za upotrebu postojećih podataka u novim istraživanjima.

Ishodi učenja

  1. Objasniti što su istraživački podaci u društvenim znanostima, razlikovati vrste podataka te argumentirati važnost sustavnog upravljanja podacima za kvalitetu i vjerodostojnost istraživanja.
  2. Planirati i provoditi osnovnu kontrolu kvalitete kvantitativnih podataka u fazi prikupljanja i pripreme za obradu.
  3. Primijeniti dobre prakse organizacije datoteka s podacima, uključujući konzistentne konvencije imenovanja, logičnu strukturu mapa i primjeren način praćenja verzija datoteka.
  4. Izraditi dokumentaciju o podacima koja omogućuje ispravnu interpretaciju podataka.
  5. Objasniti ključna etička načela i zakonsku regulativu o postupanju s osobnim i osjetljivim podacima u istraživanjima s ljudima.
  6. Primijeniti osnovne tehnike anonimizacije kvantitativnih i kvalitativnih podataka.
  7. Odabrati primjeren sustav za pohranu podataka i osmisliti strategiju tehničke zaštite, uključujući definiranje prava pristupa, po potrebi primjenu enkripcije te izradu sigurnosnih kopija.
  8. Pronaći postojeće baze podataka koje se mogu koristiti u istraživačke svrhe i objasniti načine njihovog odgovornog korištenja, što uključuje razumijevanje licencija i posebnih uvjeta korištenja.

Metode podučavanja

Vježbe

Metode ocjenjivanja

Boduju se 2 pisana kolokvija tijekom semestra i završni samostalni praktični zadatak na kraju. Konačna ocjena oblikuje se na usmenom ispitu.

Obavezna literatura

  1. Akers, K. G., & Borghi, J. A. (2023). Research data management and sharing. In H. Cooper, M. N. Coutanche, L. M. McMullen, A. T. Panter, D. Rindskopf, & K. J. Sher (Eds.), APA handbook of research methods in psychology: Data analysis and research publication (2nd ed., pp. 563–577). American Psychological Association. https://doi.org/10.1037/0000320-025
  2. Broman, K. W., & Woo, K. H. (2018). Data organization in spreadsheets. The American Statistician, 72(1), 2-10. https://doi.org/10.1080/00031305.2017.1375989
  3. Celjak, D., Dorotić Malič, I., Matijević, M., Poljak, Lj., Posavec, K. i Turk, I. (2020). Istraživački podaci – što s njima? : priručnik o upravljanju istraživačkim podacima. https://urn.nsk.hr/urn:nbn:hr:102:810090
  4. CESSDA Training Team. (2020). CESSDA Data Management Expert Guide. CESSDA ERIC. https://doi.org/10.5281/zenodo.3820473

Dopunska literatura

  1. Wickham, H. . (2014). Tidy Data. Journal of Statistical Software, 59(10), 1–23. https://doi.org/10.18637/jss.v059.i10
  2. Horstmann, K. T., Arslan, R. C., i Greiff, S. (2020). Generating codebooks to ensure the independent use of research data. European Journal of Psychological Assessment, 36(5), 721-729. https://doi.org/10.1027/1015-5759/a000620