Veri yönetiminin planlanması

Araştırma verisini yönetmek ne demektir?

Veri yönetimi konusunun gündeme gelmesindeki en önemli etken veri miktarındaki hızlı artış olmuştur. Veri artışının bu kadar hızlı olduğu bir ortamda verinin yeniden kullanımının sağlanmak üzere paylaşılması, anlaşılır ve iyi düzenlenmiş olması, bir diğer ifadeyle verinin iyi yönetilmesi ile mümkün olabilmektedir [1]. Veri yönetimi, verinin nasıl elde edileceği, nasıl toplanacağı ve kullanılacağı, verinin sürdürülebilirliği sağlanacak şekilde nerede depolanacağı ve arşivleneceği ile verinin yeniden kullanımını sağlamak üzere dağıtım ve paylaşımının nasıl yapılacağının planlanmasıdır [2]. Özetle, veri yönetimi, mevcut ve gelecekteki araştırma ve kullanıcılar düşünülerek veri ile ilgili olarak gerçekleştirilen tüm süreç ve işlemlerdir [3].

Araştırma verisinin yönetimi neden önemlidir?

Veri yönetimi doğal afetler, altyapı ile ilgili sorunlar/arızalar, depolama hatası, yazılım hatası, format eskimesi, insandan kaynaklı hatalar, kötü niyetli saldırılar gibi nedenlerden dolayı veri kaybı yaşanmasını önlemesi açısından önemlidir [1]. Bilimsel araştırmalarda kullanılan araştırma verilerinin iyi yönetimi, aynı sonuçların yeniden üretilmesini ve bilimsel çalışmaların tekrarlanabilirliğini sağlaması açısından büyük öneme sahiptir [1, 4]. Araştırma verileri yönetilerek verilerin daha sonraki çalışmalar için güvenli bir biçimde saklanması, çalışmaların daha kolay ve sistematik bir biçimde gerçekleştirilmesi, veriyi üreten kişiye kredi (atıf) verilmesi, verilerin yeniden kullanılmak üzere paylaşılması ve böylelikle aynı veriyi üretmek için başkaları tarafından da zaman harcanması önlenerek bilimin daha hızlı bir biçimde ilerlemesine katkı sağlanmış olmaktadır [1].

Fon sağlayıcı kuruluşlar araştırma verilerinin yönetimini nasıl sağlıyor?

Araştırma verilerinin yönetimi konusu uluslararası anlamda uzun zamandır gündemde olan bir konu olmakla birlikte, Avrupa Komisyonu 2016 yılından bu yana “Araştırma Verilerinin Yönetimi” konusundan ziyade “Açık Araştırma Verileri” konusuna odaklanmaktadır. 2017 yılı itibariyle Avrupa Komisyonu tarafından fonlanan tüm Ufuk 2020 projelerinde kullanılan verilerin açık olması zorunludur [5]. National Institute of Health (NIH), Royal Society, Wellcome Trust gibi adı yaygın olarak bilinen birçok araştırma fonlayıcı kuruluş fonladığı projelerdeki araştırma verilerinin yönetimi konusunda politikaya sahiptir ve bu politikalarda özellikle kamu tarafından fonlanan araştırmalar kapsamında üretilen verilerin kamu malı olduğu ortak vurgusu yapılmaktadır [6]. Ülkemizde de TÜBİTAK bünyesinde konu ile ilgili çalışmalar yapılmaya başlanmıştır. TÜBİTAK Kurumsal Arşivi Aperta‘nın kapsamında TÜBİTAK tarafından fonlanan projelere ait araştırma veriler, Uluslararası Yayınları Teşvik Programı (UBYT) kapsamında teşvik verilen yayınlara ait veriler, TÜBİTAK ve alt bilimlerince üretilmiş yayınlara ait veriler ve TÜBİTAK akademik dergilerinde yayınlanan makalelere ait verilerin de yer alması amaçlanmıştır [7].

Üniversitelerde durum

Araştırma verilerinin yönetimi konusu, araştırma fonlayıcı konumundaki kuruluşlar kadar araştırmayı gerçekleştiren üniversiteleri de ilgilendirmektedir. Birçok üniversite kurumlarında üretilen araştırmaların nasıl yönetileceği ile ilgili ilke ve kuralların yer aldığı veri yönetim politikalarını oluşturmuştur. 2010 yılında üniversite akademik kurulunun onayladığı Queensland Teknoloji Üniversitesi Araştırma Verilerinin Yönetimi Politikası [3], 2011 yılında üniversite yönetimi tarafından onaylanan Edinburgh Üniversitesi Araştırma Verilerinin Yönetimi Politikası [8] ile 2012 yılından beri var olan Southampton Üniversitesi Araştırma Verilerinin Yönetimi Politikası [9] ve Oxford üniversitesi Araştırma Çıktılarını Destekleyen Verilerin Yönetimi Politikası [10] örnek olarak verilebilir. Türkiye’de araştırma verilerinin yönetimi konusunda politikası olan herhangi bir üniversite bulunmamaktadır.

Veri yaşam döngüsü

Verinin nasıl yönetileceğini veriyi üreten/kullanan araştırmacılara anlatmak için veri yaşam döngüleri kullanılmaktadır [11]. Veri genellikle üretildiği/kullanıldığı araştırmanın/projenin ömründen daha uzun bir ömre sahiptir. Verinin iyi yönetilmesi, konu olduğu araştırma tamamlandıktan sonra başka araştırmalarda ve başka kişiler tarafından kullanılmasını mümkün kılar. Veri yönetimini kolaylaştırmak için 2000’li yılların başlarında ortaya çıkmış olan veri yaşam döngüleri genel olarak veri keşfi ve planlama, veri toplama, veri işleme ve veri analizi, veriyi yayınlama ve paylaşma, verinin uzun vadede yönetimi ve yeniden kullanımı konularını kapsamaktadır. Veri yaşam döngüsü oluşturma konusundaki ilk girişimi DDI (Data Documentation Initiative) yapmıştır [12]. DDI’nın Şekil 1’de gösterilen güncel veri yaşam döngüsünde verinin başka bir amaç için yeniden kullanımına yapılan vurgu dikkat çekmektedir [13].

Veri yönetim sürecini sekiz adımda tanımlayan DataONE (Data Observation Network for Earth) tarafından geliştirilmiş veri yaşam döngüsü planlama (plan), veri toplama (collect), veri doğrulama (assure), üst veri tanımlama (describe), koruma (preservation), veri keşfi (discover), verinin entegrasyonu (integrate) ve veri analizi (analyze) aşamalarından oluşmaktadır [14].

UK Data Service, veri yaşam döngüsünü altı adım ile anlatmıştır [15]: Verinin yaratılması (creating data), veri işleme (processing data), veri analizi (analysing data), verinin korunması (preserving data), veriye erişim sağlama (giving access to data), verinin yeniden kullanımı (re-using data).

Her birinin amacı aynı olan çok sayıda veri yaşam döngüsü kullanılmakta olup, bu kısımda son olarak iki veri yaşam döngüsünden bahsedilecektir. Bunlardan ilki DCC (Data Curation Center) tarafından geliştirilen ve Şekil 4’te görülebileceği gibi sürecin oldukça ayrıntılı bir biçimde ele alındığı DCC kürasyon yaşam modeli [16], diğeri ise Jisc tarafından geliştirilen araştırma veri yaşam döngüsüdür [17]. DCC kürasyon yaşam modelinde veri kürasyonunun ve veri korumanın başarılı bir biçimde yapılabilmesi için gerekli olan adımlar görsel olarak anlatılmaktadır [16].

Jisc tarafından geliştirilen interaktif yapıdaki araştırma veri yaşam döngüsü planlama ve tasarım (plan and design), veri toplama (collect and capture), veri analizi (collaborate and analyze), verinin depolanması ve korunması (manage, store and preserve), veriyi paylaşma ve yayınlama (share and publish) ile son adım olarak verinin keşfi, yeniden kullanımı ve veri atıfı (discover, reuse and cite) adımlarından oluşmaktadır [17].

Diğer veri yaşam döngüsü örnekleri için bkz. [11, 12, 18, 19, 20, 21]

Veri yönetim politikası ve veri yönetim planı

Veri yönetim planı ve veri yönetim politikası, veri yönetiminin nasıl yapılacağını anlatan iki farklı doküman türüdür. Aralarındaki farklılık veri yönetim planının araştırmayı yapan kişiler tarafından ve genellikle fon sağlayıcı kurumun ya da araştırmacının mensubu olduğu kurumun talebiyle hazırladıkları bir doküman, veri yönetim politikasının ile fon sağlayıcı kurumlar ya da üniversiteler tarafından oluşturulan bir doküman olmasıdır.

Veri yönetim politikasında kurumun beklentileri ve kimin hangi faaliyetten sorumlu olduğuna ilişkin bilgiler yer almaktadır [22]. Araştırma verilerinin yönetimindeki paydaşlar ve bu paydaşların görev ve yetkileri kurumun veri yönetim politikası ile netlik kazanabilir. Nihai amaç, veriye erişimin ve verinin tekrar kullanımının sağlanmasıdır. Bu konudaki belirleyici, kurumun ihtiyaçları olduğundan, veri yönetim politikası geliştirmek için standart bir format bulunmamakta ancak veri yönetim politikası geliştirilirken yardımcı olabilecek dokümanlar [23, 24, 25, 26] ve model politikalar bulunmaktadır [26, 27].

Politika dokümanında net olarak yanıtlanması gereken sorular aşağıdaki gibidir [24]:

• Verinin sahibi kim?
• Birden fazla kurumun ortak olduğu çalışmalarda uygulanacak hükümler nasıl olacak?
• Hangi veriler tutulacak? (Hangi verilerin tutulmaya değer olduğuna kim karar verecek ya da nasıl karar verilecek? Hangi verilerin gelecekte tekrar kullanımı mümkün görünüyor? Bulguların diğer kişiler tarafından doğrulanmasını sağlayacak veriler hangi durumlarda tutulacak? Hangi verilerin yeniden oluşturulması ciddi maliyet gerektirir?)
• Veriler ne kadar süre için tutulmalı? (Veri saklama süreleri nasıl ve kimler tarafından izlenecek? Veri saklama sürelerinin yeniden değerlendirilmesi nasıl ve kimler tarafından yapılacak? Saklama sürelerinin değerlendirilmesi otomatik hale getirilebilir mi? Hangi ölçümler uzun süreli saklama için verilerin yeniden değerlendirilmesine yardımcı olur? Birincil araştırmacı, kurumdan ayrıldığında ne olacak? Bir veri setinin artık saklanmaya değer olmadığına karar verildiğinde kimler bilgilendirilecek? İşlenmemiş veri setleri başkalarına sunulacak mı?)
• Dijital veriler nasıl korunmalı? (Verilerle birlikte veri yönetim planı da tutulmalı ve herkesin erişimine açık olmalı mı? Başka hangi bilgiler sağlanmalı? Veriye ait dosya formatları arşiv tarafından destekleniyor mu? Hangi tanımlayıcılar ve standartlar (üst veri standardı, atıf standardı gibi) uygulanmalı?)
• Dikkate alınması gereken etik konular var mı? (Kurum fikri mülkiyet haklarını ve gizlilik konularını nasıl işletecek? Hassas veriler nasıl tanımlanacak ve içerilecek? Uygulanması gereken erişim kısıtlamaları var mı? Öneri aşamasında onay formlarının geliştirilmesini gerektirecek etik konular nasıl belirlenebilir? Araştırma verileri için ne tür bir risk yönetimi gerekmektedir? Güvenlik önlemleri araştırma sırasında, araştırma sonrasına göre daha farklı bir şekilde uygulanacak mı?)
• Veriye nasıl erişim sağlanacak? (Veri dosyalarına bağlantılarla yalnızca üst verilerin keşfedilebilir olması yeterli mi? Hangi indeks ve kataloglar verinin kullanılabilirliğine atıfta bulunmalıdır? Kısıtlamaların uygulanmasını sağlamak için erişim arşiv tarafından nasıl izlenecek? Veri erişimini izlemenin etkileri nelerdir? Erişimi ölçmenin olası yöntemleri nelerdir? Bu bilgiler etki, terfi ve işe alımda nasıl rol oynayabilir? Erişimin ölçüsü nedir (tıklama mı, indirme sayısı mı, atıf mı)?
• Veriler ne kadar açık olmalı?
• Maliyetler nasıl yönetilecek? (Gerekli fonlar nereden gelecek? Fon sağlayıcı hibe başvurusuna veri yönetim maliyetlerinin eklenmesine izin veriyor mu? Uzun dönem koruma maliyeti nasıl sağlanacak? Hibe desteği olmadığı durumlarda üniversite nasıl finansman sağlayacak?)
• Verinin depolanabileceği alternatif ortamlar nelerdir?

Bir üniversitede veri yönetim politikasının geliştirilmesi aşamasındaki paydaşlar üniversite, araştırma ofisi, bilgi teknolojileri departmanı, araştırmacılar, akademik birimler ve kütüphanedir [24].

Veri yönetim planı, yeni bir araştırmaya başlamadan önce araştırmacı tarafından çalışmada kullanılacak verilerin çalışma süresince ve çalışma tamamlandıktan sonra nasıl yönetileceğinin, diğer bir ifadeyle veri yaşam döngüsündeki her bir adımın nasıl gerçekleştirileceğinin anlatıldığı dokümandır [28]. Veri yönetiminin planlanması, sonrasında veri yönetim planının oluşmasına önayak olacak, aşağıdaki sorulara yanıt aranan veri planlama kontrol listesi ile başlar [28, 29].

• Ne tür veri toplanacak ya da üretilecek? Nasıl ve ne amaçla üretilecek?
• Etik konular nasıl yönetilecek? Telif hakkı ve entelektüel mülkiyet hakları ile ilgili konular nasıl yönetilecek?
• Hangi dosya formatları kullanılacak? Bu formatlar özel olmayan, şeffaf ve sürdürülebilir formatlar mı?
• Hangi dizin ve dosya adlandırma kuralı kullanılacak? Kabul edilecek herhangi bir resmi standart var mı? Verilere hangi belgeler (dokümantasyon) ve üst veriler eşlik edecek?
• Araştırma sırasında veriler nasıl depolanacak ve yedeklenecek? Veri erişim ve güvenliği nasıl yönetilecek? Veri yönetiminden kim sorumlu olacak?
• Yaklaşım için esas alınan prosedürler var mı? Örneğin, uyulması gereken kurumsal veri koruma ya da güvenlik politikaları, departman ya da grup veri yönetim kuralları ya da kurum ya da fon sağlayıcı tarafından tanımlanmış dikkate alınması gereken araştırma verileri yönetim politikaları var mı?
• Verinin uzun vadeli korunmasına yönelik plan nedir? Örneğin, hangi veriler muhafaza edilmeli, paylaşılmalı ve/veya korunmalıdır? Veri nasıl paylaşılacak ve veri paylaşımında herhangi bir kısıtlama gerekli mi?
• Planın uygulanması için hangi kaynaklara ihtiyaç olacak? Örneğin, verileri oluşturmak, işlemek veya görselleştirmek için gereken araçlar ya da yazılımlar var mı?

NSF (National Science Foundation), NASA, Avrupa Komisyonu, RCUK (Research Councils UK), Wellcome Trust gibi birçok önemli fon sağlayıcı hibe başvuruları için veri yönetim planının hazırlanmasını zorunlu tutmaktadır. Veri yönetim planlarında yer alan başlıklar genellikle aşağıdaki gibi olmaktadır [28].

• Yönetsel bilgiler: Projenin adı ve ID numarası, proje ile ilgili açıklama, fon sağlayıcı kuruluş, proje yürütücüsü ve ID’si, projenin veri konusundaki iletişim kişisi, ilgili politikalar, ilk sürüm tarihi, son güncelleme tarihi
• Veri toplama: Öngörülen biçim, tür ve veri hacmi dahil veri tanımı, yeniden kullanılacak mevcut veri setleri, verinin toplanması ya da üretilmesi için kullanılacak yöntemler, klasörler ve dosyalar için yapılar, isimlendirme ve versiyonlama sistemi, kalite güvence süreçleri
• Dokümantasyon ve üst veriler: Verinin gelecekte anlaşılması ve yorumlanması için gerekli bilgilerin listesi, belgelerin ve üst verilerin nasıl toplanacağı ve üretileceğinin planlandığı, kullanılacak üst veri standartları
• Etik ve yasal uygunluk: Verinin korunması ve paylaşılması için gerekli onay bilgileri, gerekliyse katılımcı kimliğinin saklı tutulması için alınacak önlemler, gerekliyse hassas verilerin güvenli şekilde saklanıp aktarılmasını sağlamak için alınacak önlemler, veri sahibinin adı, yeniden kullanım lisansı, üçüncü kişilerin kullanımına yönelik kısıtlamalar, patent başvurusu ya da bir derginin ambargo süresi gibi veri paylaşımında söz konusu olabilecek herhangi bir gecikme
• Depolama ve yedekleme: Verinin fiziksel olarak nerede saklanacağı, yedekleme koşulları, yedeklemeden sorumlusu kişi veya ekip, veri kurtarma prosedürleri, güvenlik riskleri ve bu risklerin nasıl yönetileceği, erişim düzenlemeleri, gerekiyorsa, sahada toplanan verilerin güvenli ve emniyetli bir şekilde aktarımına yönelik gerekli düzenlemeler
• Seçme ve koruma: Sözleşmeye bağlı yasal veya düzenleyici gerekliliklere atıfta bulunarak hangi verilerin saklanması, paylaşılması veya korunması gerektiği ile ilgili ayrıntılar, veriler için öngörülebilir araştırma kullanımları, verilerin proje ömrü tamamlandıktan sonra tutulacağı / tutulması gereken süre, verilerin tutulacağı arşiv ve eğer varsa buna ilişkin masraflar, verinin korunması ve paylaşımı için harcanacak zaman ve çaba
• Veri paylaşımı: Verinin keşfedilebilirliğini en üst düzeye çıkarmak için alınacak önlemler, veri paylaşımı ile ilgili koşul ya da kısıtlama, bunun bir veri paylaşım sözleşmesi ile düzenlenip düzenlenmeyeceği, veri paylaşım mekanizması (bir arşiv, doğrudan yazışma ya da başka bir düzenleme ile), veri yayınlamanın zamanlaması, veri için kalıcı bir tanımlayıcı elde etmek için varsa düzenlemeler
• Sorumluluklar ve kaynaklar: Veri yönetim planının uygulanmasından sorumlu olan kişinin ismi, her bir veri yönetim faaliyetinden sorumlu olan kişinin ismi, gerekli donanım ve yazılım (mevcut kurumsal hükme ek olanlar), gerekli ek konu uzmanlıkları ve eğitimler, veri arşivleri tarafından uygulanacak ücretler

Veri yönetim planı oluşturmak için geliştirilmiş çevrimiçi araçlar mevcuttur. Bunlara örnek olarak DCC [29] tarafından geliştirilen DMPOnline [30], Kaliforniya Üniversitesi tarafından geliştirilen DMPTool [31] ve OpenAIRE projesi kapsamında geliştirilen Argos [32] verilebilir. TÜBİTAK ULAKBİM, 2021 Eylül ayında araştırmacıların veri yönetim planı hazırlamalarını kolaylaştırmak adına DMPOnline alt yapısını kullanarak Türkçe bir platform oluşturmuştur [33].

Veri yönetiminde paydaşlar ve verinin sahibi

Yönetilen verinin sahipliği konusu yukarıda da belirtildiği gibi fon sağlayıcı ya da üniversitenin veri yönetim politikasında mümkün olan her farklı durum gözönüne alınarak belirlenmelidir. Verinin sahibinin araştırmayı yapan mı, destekleyen mi, araştırmanın gerçekleştirildiği kurum mu, kamu mu olduğu konusu çoğu zaman tartışmalıdır. Birçok üniversite kendi bünyesinde oluşturulan, fon sağlayıcı kuruluşlar da verdikleri hibe desteği ile oluşturulan verilerin sahipliğini üstlenmektedir. Özellikle araştırmacılar tarafından genel olarak yanlış anlaşılan bu durum, politikalarda sahiplik konusunun net bir biçimde tanımlanması ile aşılabilir [24]. Örnek olarak, Minnesota Üniversitesi veri yönetim politikasında, üniversitede çalışanlar (ya da üniversitede çalışmayanlar ancak eğitim görenler ya da bilim kurulu üyesi olanlar) tarafından üniversitede yapılan ya da üniversite tarafından desteklenen araştırma projeleri kapsamında üretilen tüm araştırma verilerinin sahibinin üniversite olduğu, üniversitede çalışmayan ve üniversite kaynaklarını kullanmayan öğrencilerin ise kendi verilerinin sahibi olduğu, birden çok kurumun ortak olarak gerçekleştirdiği çalışmalarda her bir ortağın araştırma verisinin sahibi olduğu belirtilmektedir [34].

Verinin yönetimindeki paydaşlardan ilki araştırmayı tasarlayan, veriyi toplayan ve analiz eden araştırmacılardır. Veri yönetim politikalarını oluşturan, veri yönetimi konusunda araştırmacılara kaynak ve destek (veri arşivi, eğitim, veri yönetim planı yazımı, verinin arşivlenmesi vb.) sunan üniversiteler ve araştırma kurumları, fon sağlayıcı, verinin son kullanıcıları, yayınlanan çalışmalara konu olan verilerin bir veri arşivinde depolanmasını zorunlu tutan yayıncılar ve dergiler (PLOS gibi) de paydaşlar arasındadır. Paydaşların doğru belirlenmesi ve paydaşlarla sağlıklı bir iletişim kurulması verinin daha iyi yönetilmesini, dolayısıyla daha etkin kullanımını sağlar [35].

Kaynakça

[1] Ross-Hellauer, T. ve Jones, S. (2016). Research data management: An introductory webinar. Erişim adresi: https://webinars.eifl.net/2016-05-26_ResearchDataManagementAnintroductoryWebi1/default.html

[2] OpenAIRE. (2016). Research data management briefing paper: Understanding research data management. Erişim adresi: https://dspace.vsb.cz/bitstream/handle/10084/111436/OpenAIRE_RDM_Briefing_Paper_Master.pdf?sequence=4&isAllowed=y

[3] QUT Manual of Policies and Procedures. (2015). Management of research data. Erişim adresi: http://www.mopp.qut.edu.au/D/D_02_08.jsp

[4] Reality check on reproducibility [Editoryal]. (2016). Nature, 533, 437. doi:10.1038/533437a

[5] European Commission. (2016). H2020 programme: Guidelines on FAIR data management in Horizon 2020 [Version 3.0]. Erişim adresi: http://ec.europa.eu/research/participants/data/ref/h2020/grants_manual/hi/oa_pilot/h2020-hi-oa-data-mgt_en.pdf

[6] University of Cambridge. (2019). Research data, Funders’ policies. Erişim adresi: https://www.data.cam.ac.uk/funders

[7] Aperta, TÜBİTAK Kurumsal Arşivi. (2018). Erişim adresi: https://aperta.ulakbim.gov.tr/

[8] The University of Edinburgh, Information Services. (2018). Research data management policy. Erişim adresi: https://www.ed.ac.uk/information-services/about/policies-and-regulations/research-data-policy

[9] LibGuides@Southampton. (2019). Research data management: University data policy. Erişim adresi: http://library.soton.ac.uk/researchdata/unipolicy

[10] Research Data Oxford. (2013). University of Oxford policy on the management of data supporting research outputs. Erişim adresi: http://researchdata.ox.ac.uk/university-of-oxford-policy-on-the-management-of-data-supporting-research-outputs/

[11] Surkis, A. ve Read, K. (2015). Research data management. Journal of Medical Library Association, 103 (3), 154-156. doi:10.3163/1536-5050.103.3.011

[12] Corti, L., van den Eynden, V., Bishop, L. ve Woollard, M. (2014). The research data lifecycle. Managing and sharing research data: A guide to good practice (s.17-22) içinde. Erişim adresi: http://www.sagepub.com/sites/default/files/upm-binaries/61019_Corti__Managing_and_sharing_research_data.pdf

[13] DDI. (2018). Why use DDI. Erişim adresi: https://www.ddialliance.org/training/why-use-ddi

[14] DataONE. (t.y.). Data life cycle. Erişim adresi: https://www.dataone.org/data-life-cycle

[15] UK Data Service. (2019). Research data management, Data lifecycle. Erişim adresi: https://ukdataservice.ac.uk/learning-hub/research-data-management/

[16] DCC. (2021). DCC curation lifecycle model. Erişim adresi: https://www.dcc.ac.uk/guidance/curation-lifecycle-model

[17] Jisc. (2019). Research data management toolkit, Research data lifecycle. Erişim adresi: https://www.jisc.ac.uk/guides/rdm-toolkit

[18] USGS. (2019). Data management, Data Lifecycle. Erişim adresi: https://www.usgs.gov/products/data-and-tools/data-management/data-lifecycle

[19] ICPSR. (2019). Guide to social science data preparation and archiving. Erişim adresi: https://www.icpsr.umich.edu/icpsrweb/content/deposit/guide/#cycle

[20] University of Virginia Library, Research Data Management. (2021). Research data lifecycle. Erişim adresi: https://guides.lib.virginia.edu/c.php?g=515290&p=3522215

[21] Humphrey, C. (2015). e-Science and the life cycle of research. Erişim adresi: https://era.library.ualberta.ca/items/3334684b-fa6a-4c9d-a74b-559fecd42f9f/view/79b064d6-7b51-4d18-8e4e-3d42b9faa81f/Lifecycle-science060308.pdf

[22] SMU Libraries Research Guides. (2018). Research data management: Data management policies. Erişim adresi: http://researchguides.smu.edu.sg/c.php?g=422021&p=2881976

[23] NNLM. (2021). Data thesaurus, Data management policy. Erişim adresi: https://nnlm.gov/guides/data-thesaurus

[24] Erway, R. (2013). Starting the conversation: University-wide research data management policy. OCLC Research. Erişim adresi: https://www.oclc.org/content/dam/research/publications/library/2013/2013-08.pdf

[25] UK Data Service. (2013). UK Data Service – Data management costing tool and checklist. Erişim adresi: https://data-archive.ac.uk/media/247429/costingtool.pdf

[26] DCC. (2019). Policy tools and guidance. Erişim adresi: http://www.dcc.ac.uk/resources/policy-and-legal/policy-tools-and-guidance/policy-tools-and-guidance

[27] ASERL-SURA. (2013). Model language for research data management policies. Erişim adresi: http://www.aserl.org/wp-content/uploads/2013/01/ASERL-SURA_Model_Language_RDM_Policy_Language_FINAL.pdf

[28] MANTRA Research Data Management Training. (2018). Data management plans. Erişim adresi: https://mantra.edina.ac.uk/datamanagementplans/

[29] DCC. (2013). Checklist for a data management plan. Erişim adresi: http://www.dcc.ac.uk/sites/default/files/documents/resource/DMP_Checklist_2013.pdf

[30] DMPOnline. (2019). Erişim adresi: https://dmponline.dcc.ac.uk/

[31] DMPTool. (2019). Erişim adresi: https://dmptool.org/

[32] Argos. (2021). Erişim adresi: https://argos.openaire.eu/splash/

[33] TÜBİTAK ULAKBİM VYP. (2021). Erişim adresi: https://vyp.ulakbim.gov.tr/

[34] University of Minnesota, University Policy Library. (2018). Administrative policy, Research data management: Archiving, ownership, retention, security, storage, and transfer. Erişim adresi: https://policy.umn.edu/research/researchdata

[35] Coursera. (2019). Data management stakeholders, Research data management and sharing [Çevrimiçi ders videosu]. Erişim adresi: https://www.coursera.org/learn/data-management/lecture/oypEa/data-management-stakeholders