Identification of core elements for a machine-actionable Data Management Plan metadata schema in the NFDI

From 28 to 30 October 2024, ZB MED Information Centre for Life Sciences organized a hackathon in Cologne within the scope of NFDI4DataScience with the purpose of identifying core elements for a machine-actionable Data Managemnt Plan (maDMP) across the German National Research Data Infrastructure (NFDI). We used as starting/reference point the maDMP application profile from the Research Data Alliance DMP Commons Working Group. Here we report on the activities and findings. The dataset corresponding to crosswalks can be found at DOI:10.5281/zenodo.15129830 Abstract: The interoperability of data management plans (DMPs) across platforms and application profiles plays a key role in the implementation of good scientific practice and of the FAIR data principles. The application profile for "machine-actionable DMPs" published by the Research Data Alliance (RDA) marks an important step in this direction. More recently, networking initiatives such as the German National Research Data Infrastructure (NFDI) are collecting and generating templates for DMPs based on the needs of different subject-related communities and implemented in different DMP software tools. In a two-day hackathon we analyzed the RDA maDMP application profile, discussed the meaning and applicability of the proposed elements and aligned them to selected community-driven schemas and platforms for DMPs and for metadata. The results are available in the form of crosswalks and are intended to pave the way towards an maDMP based on schema.org to improve information exchange between DMP platforms and other research data services, and alignment between DMPs and Software Management Plans. Data availability: DOI:10.5281/zenodo.15129830 Keywords: data management plans, machine-actionability, metadata, crosswalks, NFDI

Domino's Pizza share price

Domino's Pizza (ASX:DMP) is an asset listed on the ASX, and part of the Consumer Discretionary sector. Grafa’s asset page shows Domino's Pizza ’s share price,

Le plan de gestion de données du projet de recherche (PGD) | Bibliothèque Diderot de Lyon

Data management for chemistry - NFDI4Chem

NFDI4Chem provides first chemistry-specific Template for Data-Management-Plans on the RDMO-Platform.

Automated Semantic Annotation of Data Management Plans: A Systematic Review | Data Science Journal

Events - OSTrails

OSTrails

OSTrails Mentorship Programme on DMPs, SKGs and FAIR Assessment: Open Call for mentees - OSTrails

OSTrails

Introducing OSTrails: Your Companion to Streamline Planning, Tracking, and Assessing Research Practices

This session is an introduction to the OSTrails project, aimed at informing the broader research community of its main objectives and preliminary results, and involving them in the co-creation of...

Plan de gestion des données CO-LOcATION Version Finale

Le plan de gestion des données (PGD) du projet CO-LOcATION a été initié dès le lancement du projet. C'est un des livrables de la tâche 0, dédiée à la coordination du projet. La première version, dite initiale, est rendue à 6 mois après la décision attributive de l'aide. Le PGD décrit l'ensemble des données, produits de la recherche, associées au projet CO-LOcATION. Sur la base du type de données collectées, produites, stockées ou partagées au cours de ce projet, le PGD est structuré en 5 grands types de données: 1/ Sélection des échantillons pour les objectifs du projet, 2/ Données de séquençage RNAseq, 3/ Données de métabolomique (RMN H+), 4/ Données de lipidomique et 5/ Analyses statistiques des différents types de données du projet. Résumé du projet: Chez le porcelet, la mortalité néonatale affecte la durabilité de la filière et est essentiellement liée à un manque de maturité à la naissance. Cette maturité dépend des interactions fœto-maternelles qui régulent la répartition des ressources entre la mère et le fœtus, impactant le développement fœtal et la santé du nouveau-né. Pour aborder cette question, le projet CO-LOcATION propose une approche intégrative combinant différents niveaux d’information (transcriptome, métabolome, lipidome, phénotypes de maturité). Il utilisera les échantillons provenant du projet ANR PORCINET, qui a généré des génotypes purs et des croisés réciproques caractérisés par une robustesse contrastée à la naissance. La complexité des phénotypes de maturité sera abordée par l’étude du compromis entre croissance et survie en se focalisant sur les interactions placenta-endomètre avec des approches tout génome. Ce projet proposera de nouvelles hypothèses ou stratégies à évaluer en sélection génétique et/ou en nutrition pour améliorer la maturité et la survie des porcelets