研究数据管理与整理

根据FAIR原则——可发现、可访问、可互操作、可重用——审计研究数据集和存储库。识别差距并提供优先修复路线图。

获取关于敏感研究数据匿名化以进行共享和发布的专家指导。涵盖假名化、k-匿名性、差分隐私以及符合GDPR的披露控制。

获取关于选择合适数据存储库及准备数据集存放的专业指导。涵盖Zenodo、Figshare、Dryad、学科特定档案库及资助方要求。

为存储库和研究团队设计端到端的数据策展工作流，涵盖数据摄取、质量检查、元数据丰富、格式迁移及长期管理流程。

生成格式正确的数据引用，并就数据引用标准、持久标识符以及如何在出版物和数据可用性声明中引用数据集的最佳实践提供建议。

起草机构研究数据政策和开放数据授权。使治理框架与资助方要求、GDPR及国际开放科学标准保持一致。

绘制并优化从数据采集到归档的完整研究数据生命周期。识别规划、活跃研究及保存阶段的风险、瓶颈与治理缺口。

为研究资助项目生成符合资助方要求的数据管理计划（DMP），涵盖FAIR原则、存储、共享及长期保存策略。

为研究数据集创建全面的README文件、数据字典和代码簿。确保数据集具备自解释性、可复现性，并准备好进行公开共享。

为研究数据集设计和记录自定义元数据模式。遵循都柏林核心、DataCite、DDI和ISO 19115等领域标准，以实现最大互操作性。