Project_algemene_introductie

Leeruitkomsten

De student is in staat om:

• De onderzoekscyclus (zie figuur 108) toe te passen om een onderzoeksvraag te beantwoorden:
  • Informatie te verzamelen om de context/achtergrond van de onderzoekvraag te begrijpen
    
  • Uitleggen hoe een experiment is ontworpen
    
  • De data op een correcte te organiseren en te labbelen op de server (data-management)
    
  • Het data analyse stappenplan toe te passen op een aangeleverde dataset
    
  • De data samen te vatten met een volledig en informatief figuur
    
  • De data te presenteren met een conclusie

Figure 98: De onderzoekscyclus

Wat gaan we doen

In het tweede gedeelte van deze cursus ga je de opgedane kennis van de reader toepassen om drie onderzoekvragen te beantwoorden. Je wordt per klas (willekeurig) verdeeld in een groep van 4 studenten. Met deze groep werk je in de les (van drie uur) aan de onderzoeksvraag. Er is een verplichte aanwezigheid voor de project lessen. Je mag maximaal 1 les missen. Als je een les mist is er een vervangende (individuele) opdracht in les5. Als je 2 of meer lessen mist dan wordt er een NA ingevuld in Osiris en moet je het volgend jaar overdoen. Bij een onvoldoende is er de mogelijkheid om te herkansen in les7.

Project indeling

Er zijn in totaal 3 projecten. Project 1 is formatief (telt niet mee voor het cijfer) maar moet wel afgerond worden. Project 2 en 3 zijn summatief en bepalen het eindcijfer.

De verdeling van de projecten over de lessen is als volgt:

Project1 (formatief)
Les1:
Introduction -> 30 min.
Assignment -> 60 min. -> upload in Canvas
Feedback -> 90 min.

Project2 (summatief)
les2: Introduction -> 30 min.
Assignment -> 150 min. -> upload in Canvas

les3:
Feedback -> 90 min (ongeveer 10-15 minuten per groep)
Improvement -> 90 min. -> upload in Canvas

Project3 (summatief)
les4:
Introduction -> 30 min.
Assignment -> 150 min. -> upload in Canvas

Inhaalproject (summatief):
les5:
Vervangende opdracht -> 180 min. -> upload in Canvas

Inzage project2/3
les6: Op afspraak met de docent

Herkansing (na de kerstvakantie)
les7:
Introduction -> 30 min.
Assignment -> 150 min. -> upload in Canvas

Project beoordeling

De volgende vier criteria zijn een voorwaarde om een eindcijfer te verkrijgen:
1. Aanwezigheidsplicht (met uitzondering van een legitieme reden zoals ziekte. Werk en vakantie zijn geen legitieme redenen)
2. Inspanningsplicht: alle projecten zijn afgerond. Bij geen inspanning, wordt de student als niet aanwezig beschouwd. Twee keer afwezig betekent dat het project volgend jaar herkanst moet worden
3. Data-management (zie hieronder paragraaf data-management voor verdere instructies)
4. Op tijd klaar zijn (= efficient de taken verdelen en samenwerken)

Om de onderzoeksvraag te beantwoorden wordt de onderzoekscyclus doorlopen. Voor ieder onderdeel van de onderzoekcyclus zijn er vragen en of opdrachten die uitgevoerd moeten worden (dit is per project verder toegelicht). Dit leg je vast in een rapport (word document) waarin je dezelfde structuur aanhoudt als de onderzoekscyclus. In het rapport wordt ieder onderdeel uitgewerkt. Voor ieder onderdeel zijn verschillende punten te verdienen.

LET OP: Het is belangrijk dat in het verslag de originele bronvermelding staat waar de informatie vandaan komt (bijvoorbeeld een link naar een informatie pagina van een NCBI databank of onderzoeksartikel).Zonder duidelijke herleidbare bronvermelding wordt het verslag als onvoldoende beoordeeld!!

Data management

Tijdens de opdrachten verkrijgen jullie ruwe data, die (wel of niet) opgeschoond moet worden voordat de daadwerkelijke analyse uitgevoerd kan worden. De bestanden die gegenereerd worden tijdens het project moeten worden gearchiveerd op de server volgens bepaalde data management principes. Op deze pagina wordt beschreven hoe je de data management voor het project moet uitvoeren. Zorg ervoor dat jullie als groep bij één van de groepsleden in de home directory de bestanden voor het project opslaan, op de manier zoals hieronder wordt beschreven. Geef in het verslag duidelijk aan in welke home directory de tutor de bestanden kan vinden, zodat de tutor de uitvoering van de data management kan beoordelen.

---

LET OP: de manier van data management die hieronder wordt beschreven is ook buiten het DAS project van toepassing. Deze manier van data management is gebaseerd op best practices uit het werkveld.

---

Folderstructuur

Om de organisatie van de bestanden overzichtelijk te houden, houd je de volgende folderstructuur aan:

Figure 99: Each student has its own workspace on the server

De folderstructuur is opgebouwd uit de volgende folders:

Alle analyses, data en het verslag die bij het project horen worden opgeslagen in een projectfolder. In dit geval heet die folder ‘project_DAS3V’.

De raw_data folder bevat alle originele databestanden. Dit is de data zoals je die van ons hebt gekregen of de data die je van het internet hebt gedownload. Belangrijk: verander de namen van deze bestanden niet! Zorg ervoor dat de bestanden de naam behouden zoals je het bestand ooit ontvangen of gedownload hebt. Op die manier is het makkelijker te traceren waar de file oorspronkelijk vandaan komt.

Als je een data bestand wilt bewerken (bijvoorbeeld omdat je de kolommen wilt veranderen), dan maak je een kopie van het originele bestand (het bestand dat in de raw_data folder staat) en zet je dat bestand in de folder data. Je kunt nu ook een andere naam geven aan het bestand. Je kunt zo de data bewerken, zonder dat je de originele data verliest (want die staat nog steeds in de raw_data folder).

De analyses folder bevat alle bestanden die betrekking hebben op de analyses. In jullie geval zullen dit vooral JASP en Excel bestanden zijn, maar het kunnen ook (Bash) scriptjes zijn.

De folder verslag bevat het verslag dat je voor het project schrijft, inclusief eventuele bijlagen.

Naam van een bestand

Geef ieder bestand een consistente informatieve naam. Een bestandsnaam moet niet te lang zijn en verschillende elementen van een bestandsnaam kan je aan elkaar koppelen met een underscore. Gebruik geen speciale karakters en witte ruimte in een bestandnaam. De bestandsnaam moet aangeven wat er in het bestand te vinden is. De verdere details kan je kwijt in de READ ME (zie omschrijving hieronder)

Voorbeeld:

slecht: opdracht1 vraag1.txt ->witte ruimte in bestandsnaam en nietszeggende bestandsnaam
goed : opdracht1_vraag1_gennaam_transcript1.txt

slecht: opdracht3qpcranalyse.xlsx -> aan elkaar en daarom niet makkelijk te lezen
goed: opdracht3_qPCR_analyse.xlsx

slecht: opdracht3&versie3.jasp -> special karakter (&) in de bestandsnaam en nietszeggende bestandsnaam
goed: opdracht3_tnfalpha_outlier_removed.JASP

README file

Het is belangrijk dat er in de projectfolder ook een README file aanwezig is. Deze file bevat informatie over de inhoud van de projectfolder. Bij voorkeur bevat de README file informatie over alle files en folders in de projectfolder. Concreet betekent dit voor jullie project dat de volgende informatie in de README aanwezig moet zijn:

De README file geeft aan waar de ruwe data uit de raw_data folder vandaan komt.

De README file geeft aan op welke ruwe data (dus welke bestanden in de raw_data folder) de data in de data folder is gebaseerd en wat er met die ruwe data is gebeurd om tot de nieuwe data te komen.

De README file beschrijft voor de verschillende analyse files welke analyses er zijn uitgevoerd in deze files en op welke data (dus op welk bestand in de data folder) deze analyses zijn uitgevoerd.