In DataScienceILC/tlsc-dsfb26v-20_workflows: Bookdown site for workflows course

knitr::opts_chunk$set(echo = TRUE)

Les 2: data management

• folder structure
• meta data

• more on tidy data

• Guerrilla Analytics Principles als kapstok

file management in general

knitr::include_graphics(
  here::here(
    "images",
    "phd_final1.png"
    )
)

file management in general

knitr::include_graphics(
  here::here(
    "images",
    "phd_final2.png"
    )
)

file management in general

knitr::include_graphics(
  here::here(
    "images",
    "phd_final3.png"
    )
)

Data management

Maar gaat met data niet heel anders. wat kan je doen om dat te voorkomen?

FAIR data

knitr::include_graphics(
  here::here(
    "images",
    "EC_FAIR_data.png"
    )
)

folder structure

projectnaam
│   README.md
│   metadata.txt    
└───analyse
│   │   analyse_projectnaam.R
│   └───data
│   |   │   datalog.txt
│   |   │   data295834.csv
│   |   └───v1
│   |   │   | data295834.csv
│   └───data_raw
│       │   originaldatafile1.txt
│       │   originaldatafile2.txt
│   
└───verslag
    │   paper_projectnaam.docx

Hoe dan?

knitr::include_graphics(
  here::here(
    "images",
    "open_data_challenges.png"
    )
)

Licensing

• net als alles wat je maakt kan je aan je data een kaartje hangen met uitleg over wat mensen er van jou wel en niet mee mogen doen.

  • commercial
  • creative commons
  • public domain

creative commons

knitr::include_graphics(
  here::here(
    "images",
    "Understanding-Creative-Commons-Licenses-20.png"
    )
)

This course: open or not?

• Van wie is deze cursus?

  • van de docenten, omdat wij hem gemaakt hebben?
  • van de HU, omdat die betaald heeft?
  • van iedereen, want de HU krijgt overheidsgeld?

• It's complicated, maar ga niet zomaar akkoord met "niet open, want we hebben er niet over nagedacht en het klinkt eng"

Metadata

Maar alleen de data delen is niet genoeg.

knitr::include_graphics(
  here::here(
    "images",
    "laderast_metadata.png"
    )
)

image credit: I got this slide from Ted Laderas

Examples metadata:

• date experiment was done
• time of measurements
• who did the data collection
• who did the analysis
• who paid for the research
• etc etc

Discuss metadata:

Stel je voor: we willen twee datasets combineren van twee instellingen die hetzelde experiment hebben uitgevoerd: A) Theme hospital B) bejaardentehuis Avondrood.

In het experiment werd getest of een bepaald medicijn ervoor zorgt dat mensen afvallen, in vergelijking met een placebo. Deelnemers zijn gewogen voor en na behandeling.

Discuss metadata:

| patient | locatie | gewicht_voor | gewicht_na | |---------|----------------|--------------|------------| | A | Theme Hospital | 64 | 62 | | B | Theme Hospital | 71 | 70 |

Welke metadata zou je willen hebben als je de datasets wilt combineren?

Denk aan details op experiment-niveau, niet deelnemer-niveau (dus bijvoorbeeld: wat was de tijd tussen de twee meetpunten? Was dat op beide locaties hetzelfde?)

(dank aan Ted Laderas voor de opdracht)

bijvoorbeeld

| metadata | should be in data | |-------------------------------|------------------------| | tijdpad experiment | leeftijd participanten | | afgenomen door wie | andere medicijnen? | | soort weegschaal | | | dosis medicijn | | | naam project | | | welke variabelen zijn gemeten | | | waar is de data? | | | protocol | | | informed consent formulieren | |

Les 2: planning vandaag

• 9:00 introductie en aan het werk + error_of_the_day
• 10:45 pauze
• 11:00 “waar wil ik naartoe?” + aan het werk
• 12:15 pauze
• 12:45 ruim-je-laptop-op-half-uur
• (13:30-17:00 opdrachten en portfolio-opdrachten)

DataScienceILC/tlsc-dsfb26v-20_workflows documentation built on July 4, 2025, 5:49 a.m.