Best er að ganga frá gagnaskrám þannig að aðrir eigi auðvelt með að skilja og vinna með gögnin. Gagnaskrá ætti að vera merkt skilmerkilega og breytur ættu ekki að þarfnast frekari útskýringa. Eyða skal óþarfa breytum og gefa öðrum breytum lýsandi heiti sem auðvelda notendum að átta sig á þeim. Við mælum með því að styðjast við einhvers konar útgáfustýringu þegar gagnaskrá er hreinsuð, þannig að allar breytingar séu skjalfestar og auðvelt að rekja sig til baka að eldri útgáfum.
Til er mikill fjöldi skráarsniða fyrir ólíkar tegundir gagna. Til að styðja við langtímavarðveislu ættu rannsakendur að notast við útbreidd opin skráarsnið á borð við csv, odt, xlsx, txt, rdf, html, og md fyrir töflur og texta; tiff, png, jpeg, og svg fyrir myndir; og ogg vorbis fyrir hljóð, sem dæmi. Dataverse-kerfið getur sjálft birt gögn á tilteknum sniðum, á borð við sav (SPSS) og dta (Stata), R, csv og xlsx (að hluta). Það birtir líka myndir og texta. Hægt er að varðveita gögn á hvaða skráarsniði sem er þótt Dataverse bjóði ekki upp á forsýn fyrir það.
Gátlisti fyrir hreinsun gagnaskrár
- Eru stafsetningar- eða innsláttarvillur í skránni?
- Er búið að eyða öllum beinum persónuauðkennum (nöfnum, kennitölum, netföngum o.s.frv.)?
- Er búið að yfirfara skrána með tilliti til óbeinna auðkenna og leggja mat á hættu á rekjanleika vegna þeirra?
- Er samræmi í notkun dulnefna og staðgengilsheita?
- Eru kóðar auðskiljanlegir og aðgengilegir?
- Fylgir kóðaskrá gögnunum?
- Er einhver endurtekning í gögnunum sem ekki á að vera?
- Eru breytur í rökréttri röð?
- Hafa breytur verið flokkaðar eftir inntaki eða áherslum þar sem margar breytur eru í skránni?
- Er búið að fjarlægja allar breytur sem ekki eiga að vera í skránni?
- Er búið að gefa öllum breytum skýr og lýsandi heiti?
- Innihalda lýsingarnar viðeigandi upplýsingar (t.d. spurningu í heild sinni eða stutta lýsingu á inntaki)?
- Er búið að gefa gildum skýr og lýsandi heiti (t.d. 1=Aldrei, 2=Stundum, 3=Oft, 4=Alltaf, 99=Vantar)?
- Eru brottfallsgildi (missing values) kóðuð rétt?
- Eru óvenju há/lág gildi í gögnunum sem eru ósennileg (t.d. of mörg „0“ í launatölu)?
- Eru gögnin vigtuð (er vigtarbreyta í skránni)?