Hantering av forskningsdata

Öppen forskningsdata ökar synligheten och genomslaget för forskning, skapar nya forskningsmöjligheter och underlättar tvärvetenskapligt samarbete. Öppna data gör det också lättare att kontrollera kvaliteten på forskningsdata, vilket ökar forskningens transparens och tillförlitlighet. Genom öppenhet demokratiseras och stärks forskningen.

Att publicera forskningsdata kan skapa flera möjligheter för forskare till meritering t.ex. via citeringar eller registrerade nedladdningar. Det blir på så sätt möjligt att få erkännande för flera delar av forskningsprocessen än enbart den publicerade artikeln.

Forskningsdata och publicerade forskningsresultat producerade på Hanken borde publiceras öppet och göras allmänt tillgängliga. Det ska vara möjligt att hitta och referera till datat. Vid återanvändning av data gäller normal referenspraxis.

Tänk på följande frågor när du du funderar på att publicera data:

1. Hur beskriver och publicerar du metadata av din data? Metadata är data om data och beskriver sammanhang, innehåll, struktur, sammanställning och hantering av forskningsdata (Se följande avsnitt om Metadata och datadokumentation på den här sidan). Det är genom metadata som dataset blir synliga, tillgängliga och först utvärderade för nedladdning och återanvändning. Att skapa lämpliga och rika metadata är nyckeln till att göra data öppen, begriplig och återanvändbar. Det rekommenderas starkt att använda Fairdata Qvain-metadataverktyget för att beskriva och publicera dina (meta)data. 

2. Vilken del av data öppnas och publiceras?

• Om du inte kan öppna data, öppna och publicera metadata av din forskningsdata. Observera att metadata för data som innehåller personlig information kan öppnas, även om själva data inte kan vara öppna.
• Data som innehåller personlig information kan endast publiceras anonymiserade. Pseudonymiserade data är fortfarande personuppgifter och därför kan de inte öppnas utan explicit samtycke för ändamålet. Se Anonymisation and Personal Data av Finlands samhällsvetenskapliga dataarkiv (FSD).
• Forskningsdeltagares samtycke krävs för öppnandet av materialet, från vilket forskningsdeltagarna är direkt identifierbara. I vissa fall kan materialet delas för det ursprungligen avsedda syftet. Om du planerar att dela data som innehåller personlig information, kontakta Hankens Dataskyddsombud dpo@hanken.fi.

3. Var publiceras data? Välj lämpliga arkiv för att dela och öppna dina data redan i början av projektet.

• Kriterier för att välja ett arkiv inkluderar:
  • Välj ett arkiv som använder persistenta identifierare (DOI, URN) för metadata (och, om tillämpligt, underliggande data). Läs The use of Persistent Identifiers for Research Datasets: Recommendation by the Finnish Scientific Community for Open Research.
  • Ett arkiv som publicerar maskinläsbar metadata och använder en känd metadatastandard.
  • Ett arkiv som ofta används av dina kollegor. Kolla också rekommendationerna från förlag, vetenskapliga samfund och finansiärer inom ditt eget område.
  • Ett arkiv som låter dig välja användningsvillkoren enligt vilka data kan återanvändas, och anger dem tydligt som en del av metadata.

• Specifika arkiv enligt datatyp finns på re3data.org, ett register över forskningsdatalagrar som täcker över 2000 arkiv.
• Övriga arkiver för datalagring inkluderar:
  • IDA - Research Data Storage Service som upprätthålls av CSC, en del av Fairdata services som erbjuds av Undervisnings- och kulturministeriet och produceras av CSC. Läs instruktionerna om hur du Apply for IDA storage space.
  • Aila av Finlands samhällsvetenskapliga dataarkiv (FSD). Du kan kontakta FSD via asiakaspalvelu.fsd@uta.fi för hjälp och råd.
  • Zenodo av OpenAIRE project och CERN.

4. När är data tillgängligt? Finns det behov av att ange en embargoperiod?

5. Vilken licens använder du för att öppna och dela dina data? Licensiering är nödvändig för publicering av data. Det rekommenderas att använda  Creative Commons (CC)-licenser för öppen forskningsdata. Se Juridiska frågor.

6. Kommer en del av uppgifterna att förstöras? För mera information se Data disposal av Finlands samhällsvetenskapliga dataarkiv (FSD) och Five steps to decide what data to keep av Digital Curation Centre (DCC).

Kom ihåg att registrera dina dataset i Hankens forskningsdatabas Haris. Du kan registrera fristående dataset eller dataset som hör ihop med en publikation. Om en publikation har ett tillhörande dataset rekommenderar vi att du skapar två poster i Haris – en post för publikationen och en post för datasetet. Posterna kopplas sedan ihop med varandra under rubriken Relationer till annat innehåll i inmatningsformuläret. 

Kom ihåg att mata in PIDs (persisitent idenifiers. t.ex. DOI och URN) för din metadata (t.ex. från Qvain) och för din data i arkivet där du har lagrat eller publicerat din data. Det går alltså inte att ladda upp filer som innehåller själva data i Haris. 

Informationen du har registrerat i Haris om dina dataset visas på Haris publika portal.

Mer information, se Registrera dina dataset i LibGuiden om Haris. Frågor om att registrera (meta)data och övrig registrering i Haris riktas till haris@hanken.fi.

Datadokumentation betyder att beskriva data, är data om data och ger information om vem, vad, när, var, varför, hur av dina data. Att investera tid i att dokumentera data gör det enkelt att förstå data för både andra och dig själv och minskar risken för falsk förklaring av data. Datadokumentation kan vara en readme-fil (läsbar för människor) och metadata (läsbara för datorer):

• Readme-filer är textdokument (t.ex. i formatet .txt) som ger information om datafiler för att säkerställa att de tolkas korrekt. En readme-fil förklarar vilka data ett forskningsprojekt har, hur data skapades, var data kommer från, hur man kan tolka dem, vad förkortningarna betyder, vilken programvara som behövs för att använda data, hur data har modifierats, och kan innehålla information om titeln, skaparen, finansieraren, relevanta datum för datainsamling och publicering, lokalisering, metodik, ämne, filformat, filnamnsystem och mappstruktur, dataversion, licens och arkivet.

Skriv en readme-fil om dina data och datafiler. Lägg readme-filen på den mest uppenbara platsen i datafilmapparna för att säkerställa att den kan märkas och ses omedelbart.

• Metadata är tekniska data som beskriver en forskningsdataset. När data görs FAIR spelar metadata nyckelrollen. Systematiskt beskrivna forskningsdata är nyckeln till att göra dina data begripliga, sökbara och återanvändbara.

Metadata bör vara maskinläsbara och maskinåtgärder; alltså, data behöver beskrivas riktigt och systematiskt på det sätt som maskinen kan tolka och navigera i alla metadata och länkade data över olika webbplatser, och hämta och överföra de rätta data för en person som gör semantiska sökningar. Det finns standardmetoder tillgängliga för datadokumentation som kallas metadatastandarder, som bör användas om de är lämpliga för datan. Fairdata Qvain-metadataverktyget gör beskrivning och publicering av forskningsdata smidig och enkel för forskare utan att kräva tekniska färdigheter.

Det rekommenderas starkt att använda Fairdata Qvain-metadataverktyget för att beskriva och publicera dina (meta)data. Qvain är en del av Fairdata services för att stödja din forskningsdata bli FAIR. Data som beskrivs och publiceras av Qvain-metadataverktyget överförs automatiskt till det finska metadatalageret Metax, som är integrerat med både Etsin (forskningsdatasökare) och Finlands nationella forskningsinformationscentrum/Finnish National Information Hub/Tutkimustietovaranto (en tjänst som också beställts av Undervisnings- och kulturministeriet och CSC).

Se Qvain User Guide.

Andra viktiga frågor inkluderar dataformat, konventioner om filnamn, versionskontroll och mappstruktur. Se Dataformat och organisering.

Kom ihåg att registrera både dina publikationer och dataset i Haris - Hankens forskningsdatabas. Informationen som du har registrerat i Haris om dina dataset visas på Haris publika portal.

Mer information, se:

• Data documentation, CSC 
• Data description and metadata, Finlands samhällsvetenskapliga dataarkiv (FSD)
• Making a research project understandable - Guide for data documentation, Siiri Fuchs och  Mari Elisa Kuusniemi, Helsingfors universitetsbibliotek
• Disciplinary Metadata, Digital Curation Centre (DCC)

Långvarig bevarande innebär att data bevaras i flera decennier eller århundraden. Du kan kategorisera dina dataset i enlighet med den planerade förvaringsperioden:

• 1) Data som förstörs när projektet har avslutats.
• 2) Data som arkiveras under en verifieringsperiod, som kan variera enligt vetenskapsområde, t.ex. 5–15 år.
• 3) Data som arkiveras för eventuell återanvändning, i t.ex. 25 år.
• 4) Data av långvarigt värde som arkiveras i en kuraterad tjänst för framtida generationer i tiotals eller hundratals år.

Låntidsbevaring avser den fjärde kategorin. Data alltså bevaras i mer än 25 år. När du skapar dina data behöver du överväga hur länge data kommer att bevaras. Ta reda på om det finns disciplinspecifika krav för att bevara data, eller om forskningsfinansiärer och förlag har särskilda krav.

Finlands Undervisnings- och kulturministeriet har inrättat  Fairdata-PAS-tjänsten (Digital Preservation Service for Research Data, DPS for Research Data) för finländska forskningsorganisationer för låntidsbevaring av de nationellt viktigaste forskningsdata. Tjänsten är avsedd för digitalt bevarande av forskningsdata som har betydande värde för organisationen eller på nationell nivå, både nu och särskilt i framtiden.

Se Digital Preservation (Fairdata-PAS): Guidelines for UH Evaluators av Helsingfors universitet.

Om du vill anmäla dig till kö för Fairdata-PAS, kontakta openresearch@hanken.fi.