Klargjøre forskningsdata for arkivering

Alle digitale formater kan arkiveres, men SPSS/.sav-filer anbefales 

1: Sjekk variabelnavn på alle variabler 

Vi anbefaler at variabelnavn i datafil samsvarer med variabelnavn i kodebok, spørsmålsnavn i spørreskjema eller variabelreferanser i annen dokumentasjon. 

Variabelnavn bør ikke overstige 32 tegn. Dette er fordi lenger variabelnavn kuttes ved konvertering til noen dataformat. 

2: Legg på forklarende variabel label på alle variabler 

Alle variabler i datafilen må ha en label som gir mening 

3: Legg på value labels på alle svarkategorier i diskrete/kategoriske variabler 

Kodeverdier bør ha forklarende tekst slik at en kan forstå hva verdiene representerer 

Missingverdier: Hvis en har tallverdier som representerer ugyldige svar, bør disse defineres som missing 

4: Ta bort alle unødvendige variabler fra datasettet, slik som: 

• Tomme variabler 
• Dummy-variabler 
• Duplikatvariabler 
• Konstruerte analysevariabler 
  (Hvis en ønsker å beholde disse for replikasjonsformål anbefaler vi sterkt at fremgangsmåte er godt beskrevet.)

5: Se gjerne over variablenes frekvenstabeller og sjekk at de ser fornuftige ut 

• Legg ved kodebok og/eller spørreskjema slik at variabelnavn kan kobles til dokumentasjon  
• Legg ved dokumentasjonsrapport og andre dokumenter tilknyttet datasettet Artikler, bokkapitler eller bøker tilknyttet datamaterialet (Pdf-dokument eller persistent lenke/DOI) 
• Fyll ut arkiveringsskjemaet slik at mest mulig informasjon om metode, utvalg, innsamlingsperiode og så videre for datasettet kan dokumenteres 

Hvis datasettet skal være anonymt, må du ta en ekstra titt på følgende:

• Tekstvariabler med åpne svar, finnes det personidentifiserende informasjon her? 
• Eventuelle bakgrunnsvariabler, kan det fremkomme indirekte personidentifiserende informasjon ved sammenstilling av disse?  
• Ta vekk eller omkod eventuelle variabler som muligens kan identifisere enkeltindivider i datasettet.

Ved arkivering vil vi kontrollere datasettet for anonymitet og bistår gjerne med forslag til anonymisering dersom det er aktuelt. Ta kontakt ved eventuelle spørsmål.  

Legg ved dokumentasjon på at datasettet kan arkiveres og deles med indirekte/direkte personopplysninger.

Dette kan være informasjonsskriv, samtykkeskjema, eller dokumentasjon fra Sikts Personverntjenester, Datatilsynet eller REK.

Dersom data inneholder personidentifiserende informasjon, må det også utarbeides en databehandleravtale.

Her skal det fremkomme informasjon om:

• Type materiale som skal arkiveres  
• Hvor lenge materialet skal arkiveres  
• Formålet med arkiveringen  
• Hvem som kan få tilgang til materialet

Vi kan arkivere alle typer digitale format.

• Gi filen(e) navn som gir mening og som er selvforklarende.  
• Skriv en innholdsfortegnelse over filene/materialet som skal arkiveres 

Legg ved all relevant informasjon om prosjektet, slik som:

• Intervjuguide 
• Dokumentasjonsrapport eller andre dokumenter tilknyttet datamaterialet  
• Liste over data/dokumenter/filer i prosjektet slik at en har en oversikt over datamaterialet 
• Artikler, bokkapitler eller bøker tilknyttet datamaterialet (Pdf-dokument eller persistent lenke/DOI)  

Legg ved dokumentasjon på at datamaterialet kan arkiveres og deles med enten indirekte eller direkte personopplysninger (vi tar per nå ikke imot kvalitative data som er anonymisert). 

Dette kan være informasjonsskriv, samtykkeskjema, eller dokumentasjon fra Sikts personverntjenester, Datatilsynet eller REK.  

For kvalitative data som skal arkiveres med personidentifiserende informasjon (enten direkte eller indirekte) må en databehandleravtale utarbeides.

Her skal det fremkomme informasjon om:   

• Type materiale som skal arkiveres  
• Hvor lenge materialet skal arkiveres  
• Formålet med arkiveringen  
• Hvem som kan få tilgang til materialet