بهترین روش ها برای مدیریت داده ها و اشتراک گذاری در انتشارات تحقیقات مهندسی

شیوه های داده خوب تأیید نتایج را امکان پذیر می سازد، از متاآنالیز ها، مجموعه های آموزش ماشین آلات سوخت پشتیبانی می کند و نوآوری را با اجازه دادن به دیگران برای ساخت در کار موجود، آنها همچنین با الزامات آژانس های بودجه، سیاست های نهادی و بسیاری از مجلات علمی که در حال حاضر دستور دسترسی به داده ها را می دهند، هماهنگ می کنند.

اهمیت مدیریت داده ها در مهندسی

تحقیقات مهندسی اغلب شامل مجموعه داده های بزرگ و پیچیده تولید شده از آزمایش های فیزیکی یا مدل های محاسباتی است.[۵] بدون یک رویکرد ساختار یافته، داده ها می توانند به سرعت غیر سازمان یافته شوند، که منجر به هدر رفتن زمان، خطا و یافته های غیر قابل بازیابی می شود.[۱۰] این الزامات را تسهیل می کند مانند مدیریت داده ها.

فراتر از انطباق، داده های مدیریت شده یک کاتالیزور برای کشف است. دیگر محققان می توانند تجزیه و تحلیل های خود، فرضیه های جایگزین آزمایش، یا ترکیب داده های خود را با خود برای رسیدن به بینش های جدید است.در زمینه هایی مانند مهندسی مکانیک، مهندسی عمران و مهندسی برق، داده های مشترک پیشرفت در زمینه های طراحی مواد به سیستم های بهینه سازی انرژی.

بهترین روش ها برای مدیریت داده ها

پیاده سازی مجموعه ای از شیوه های مدیریت داده های سازگار در گروه تحقیقاتی شما می تواند به طور چشمگیری بهبود بهره وری و قابلیت اطمینان در زیر اجزای کلیدی است.

سازمان داده ها به وضوح

برای مثال، اتخاذ یک ساختار پوشه منطقی و کنوانسیون های نام گذاری سازگار با آن، از یک پوشه سطح بالا برای پروژه، زیر پوشه ها برای آزمایش ها یا شبیه سازی ها، و زیر پوشه ها برای داده های خام، داده های پردازش شده و اسکریپت های تجزیه و تحلیل استفاده کنید. File باید شامل پروژه، تاریخ و اطلاعات نسخه (به عنوان مثال، باشد که این کار را برای هر کسی آسان می کند - بدون اینکه فایل های خاص خود را پیدا کند.

از فایل های ReadME در هر پوشه برای توضیح محتویات، متغیرهای داده ها و هرگونه اختصار یا کد استفاده شده استفاده کنید.A به خوبی ساختار یافته ReadME به عنوان یک برگه داده، صرفه جویی در زمان و کاهش سوء تفاهم عمل می کند.

بایگانی برچسب ها: Thoroughly

مستندات فراتر از سازمان پوشه است.ایجاد متاداده جامع که شرح می دهد:

• چه چیزی اندازه گیری یا شبیه سازی شده بود
• چگونه داده ها جمع آوری شده (تنظیمات سخت، نسخه های نرم افزاری، جزئیات کالیبراسیون)
• تاریخ و زمان جمع آوری
• واحدها و دقت
• هرگونه مراحل پردازش اعمال شده
• ارتباط بین فایل ها

ابزارهایی مانند دفترچه های آزمایشگاه الکترونیکی (ELNs) یا استانداردهای اختصاصی متاداده (به عنوان مثال، اصول می توانند این فرایند را ساده کنند.هدف این است که داده های شما بدون نیاز به توضیحات کلامی قابل تفسیر باشد - بنابراین یک محقق آگاه در زمینه شما می تواند آن را درک و استفاده کند.

اطمینان از کیفیت داده ها

به طور منظم داده های خود را برای دقت، تکمیل و سازگاری اعتبار می دهد. اسکریپت های خودکار می توانند برای خارج شدن، ارزش های از دست رفته یا ناسازگاری فرمت بررسی کنند. انجام چک های متقابل در برابر استانداردهای شناخته شده یا اندازه گیری های تکراری برای تأیید دقیق. سند هر گونه ناهنجاری و چگونگی حل آنها.

در نظر بگیرید که یک چک لیست تضمین کیفیت را اجرا کنید که تمام مجموعه داده ها باید قبل از استفاده برای تجزیه و تحلیل، عبور کنند، این امر به ویژه در زمینه های حساس ایمنی مانند مهندسی ساختاری یا هوافضا مهم است.

پیاده سازی نسخه Control

پیگیری تغییرات در مجموعه داده ها و اسکریپت های تجزیه و تحلیل با استفاده از سیستم های کنترل نسخه مانند Git (برای کد و فایل های کوچک) یا ابزارهای نسخه سازی داده مانند DVC. این یک تاریخ کامل از تغییرات را حفظ می کند، اجازه می دهد تا به حالت های قبلی بازگردد و از همکاری بین چندین محقق پشتیبانی کند.

برای مجموعه داده های باینری بزرگ که به خوبی برای Git مناسب نیستند، استفاده از سیستم عامل های مدیریت داده را در نظر بگیرید که از نسخه برداری (به عنوان مثال، Dataverse، Zenodo) یا چک کردن فروشگاه در یک مخزن Git برای تأیید یکپارچگی پشتیبانی می کنند.

پشتیبان گیری داده ها امن

از دست دادن داده ها می تواند فاجعه بار باشد.حداقل سه نسخه از داده های شما را حفظ کند: یک نسخه اولیه، یک پشتیبان محلی (به عنوان مثال هارد دیسک خارجی)، و یک پشتیبان گیری از سایت (به عنوان مثال، ذخیره سازی ابری یا سرور سازمانی) از ابزارهای پشتیبان خودکار برای اطمینان از سازگاری استفاده می کند.

به طور منظم فرآیند بازسازی پشتیبان خود را آزمایش کنید.یک پشتیبان تنها زمانی مفید است که شما بتوانید داده ها را در صورت نیاز بازیابی کنید.

اشتراک گذاری داده ها در انتشارات مهندسی

هنگامی که داده های خود را به صورت داخلی مدیریت کردید، گام بعدی آن را با جامعه گسترده تر به اشتراک می گذارد.به اشتراک گذاری موثر شامل انتخاب مخزن مناسب، احترام به حریم خصوصی و اخلاق، و ارائه اطلاعات مجوز و نقل و نقل و نقل و انتقالات شفاف است.

انتخاب حق

یک مخزن را انتخاب کنید که:

• [[۱] [۱۰] [۱] [۱۰] [۱] [[۱۰]] [[۱۰]]] [[۱۰]]] [[۱۰]]] [۱]] [۱]] [۱۰]] [۱۰]]] ، مخازن نهادی و پایگاه های داده های خاص انضباطی مانند جمع آوری داده [FLT5: [۱۰]
• سازگاری با انواع داده ها: اطمینان حاصل کنید که مخزن از فرمت های فایل و اندازه داده هایی که نیاز دارید پشتیبانی می کند. برخی از مخازن متخصص در مجموعه داده های مهندسی بزرگ (به عنوان مثال، خروجی شبیه سازی، ابر نقطه).
• که توسط موتورهای جستجو قابل شناسایی است: Repositories که توسط جستجوی Google Dataset نمایه شده اند یا ابزارهای مشابه قابلیت کشف داده های شما را افزایش می دهد.

استفاده از داده ها از موافقت نامه ها یا مجوزهای برای مشخص کردن استفاده های مجاز استفاده کنید. مجوزهای عمومی (CC0، CC BY 4.0) برای داده های باز محبوب هستند؛ یکی را انتخاب کنید که با اهداف اشتراک گذاری شما هماهنگ باشد.

مجوز داده ها و استناد

درخواست مجوز شفاف به داده های خود را برای جلوگیری از ابهام قانونی CC0 (تعهد عمومی دامنه) به حداکثر رساندن استفاده مجدد، در حالی که CC BY 4.0 نیاز به ارجاع دارد، اگر داده های شما از منابع دیگر مشتق شده اند، اطمینان حاصل کنید که شما با مجوز خود مطابقت دارید.ارائه یک فرمت توصیه شده در داده های داده خود، از جمله نویسندگان، عنوان، مخزن، نمودار، نمودار، نمودار، WI، و تاریخ، این دیگران را به درستی تشویق می کند تا کار اعتباری خود را.

بسیاری از مخازن به طور خودکار متن استناد را تولید می کنند؛ آن را برای دقت بررسی کنید.

نوشتن بیانیه دسترسی داده ها

اکثر مجلات مهندسی در حال حاضر نیاز به یک بیانیه دسترسی به داده در دست نوشته خود دارند: "داده هایی که از یافته های این مطالعه حمایت می کنند، به طور آشکار در [Repository Name] در [DOI]، شماره مرجع [X] در دسترس هستند، اگر برخی از داده ها نمی توانند به اشتراک گذاشته شوند، توضیح دهید (به عنوان مثال، محدودیت های اختصاصی) و هر گونه شرایط دسترسی را توصیف می کنند.

چالش ها و راه حل ها در مدیریت داده ها

پیاده سازی این شیوه ها بدون چالش نیست.

• {\displaystyle time and Education: تخصیص زمان برای مدیریت داده ها در جلو؛ درمان آن به عنوان بخش اصلی فرآیند تحقیق خود را.
• انواع داده های Heterogened: از یک ساختار دایرکتوری انعطاف پذیر و طرح متاداده استفاده کنید که می تواند فرمت های مختلف داده را در بر بگیرد.
• اندازه فایل های بزرگ: فایل های فشرده در صورت امکان، یا ذخیره داده های خام در یک مخزن و داده های پردازش شده در دیگر. برخی از مخازن فایل های بزرگ را قبول می کنند (به عنوان مثال، Zenodo تا 50 گیگابایت در هر مجموعه داده).
• در مورد کاهش حجم: شما می توانید داده ها را برای یک دوره (اغلب 12 ماه) تحریم کنید تا زمان انتشار نشریات اولیه را مجاز کنید، در حالی که هنوز آن را با یک رکورد متاداده می کنید.

به یاد داشته باشید که بسیاری از این چالش ها با تمرین و با حمایت دفتر مدیریت داده موسسه یا کتابخانه شما آسان تر می شوند.

مسیر های آینده: FAIR و Open Science

جامعه مهندسی در حال حرکت به سمت اصول FAIR (قابل دسترسی، قابل دسترسی، Interoperable، قابل دسترس، قابل تنظیم) به عنوان یک معیار برای مدیریت داده های خوب است.