Strategisesti fokusoitua yhteistyötä

Tietoarkiston missiona on jakaa, vaalia ja säilyttää pitkäaikaisesti käyttökuntoisena suomalaisen yhteiskunnan, ihmisten ja kulttuuristen ilmiöiden tutkimiseksi kerättyä tutkimusdataa. Toimintaamme ohjaa valtakunnallisen neuvottelukuntamme hyväksymä strategia. Sen mukaisesti tuotamme yhteentoimivia, luotettavia ja vaikuttavia palveluita sekä kehitämme alan parhaita käytäntöjä yhteistyössä muiden toimijoiden kanssa.

Yhteistyö- ja vaikuttamisympäristömme onkin laaja. Keskeiset yhteistyötahomme on koottu oheiseen kuvioon, joka asemoi Tietoarkiston tutkimuksen ja avoimen tieteen kokonaisuuteen sekä kansallisesti että kansainvälisesti.

Kuvio: Tietoarkiston yhteistyötahot.

Asiakkaistamme suurin osa tulee tiedeyhteisöstä, erityisesti kotimaisista yliopistoista. Merkittävä osa on yhteiskuntatieteilijöitä, mutta Tietoarkisto palvelee aivan kaikkia tieteenaloja. Käyttäjäyhteisömme voidaan jakaa kahteen ryhmään: aineistojen luovuttajat (tallentajat) sekä aineistojen ja palveluiden käyttäjät. Aineistoja luovuttavat arkistoitaviksi yksittäiset tutkijat, tutkimusryhmät, yliopistot, tutkimusorganisaatiot, tiedonkeruuorganisaatiot, ministeriöt, kolmannen sektorin toimijat sekä yritykset. Käyttäjiä ovat kaikki, jotka lataavat ja hyödyntävät aineistoja Ailasta tai käyttävät muita Tietoarkiston palveluita.

Suuri osa käyttäjistämme on tutkijoita, opettajia ja opiskelijoita. Avoimesti saatavilla olevat aineistot ovat myös esimerkiksi kansalaisten, julkisen sektorin, median, yritysten ja kolmannen sektorin käytettävissä. Vuonna 2026 Ailassa oli yli 7000 rekisteröitynyttä käyttäjää, joista suurin osa oli suomalaisista korkeakouluista.

Ihmisten lisäksi palvelemme enenevässä määrin myös konekäyttäjiä. Tietoarkiston metadata haravoidaan muun muassa kotimaiseen Etsin-palveluun ja kansainvälisiin aineistoluetteloihin kuten CESSDAn datakatalogiin.

Kansainvälistä yhteistyötä aineistojen keruussa ja aineistopalveluissa

Keskeinen yhteistyökumppanimme onkin CESSDA ERIC (Consortium of European Social Science Data Archives), joka on eurooppalaisten yhteiskuntatieteellisten tietoarkistojen muodostama tutkimusinfrastruktuuri. Suomi on CESSDAn jäsen ja Tietoarkisto CESSDAn Suomen kansallinen palveluntuottaja (Service Provider, SP). CESSDA-yhteistyössä kehitetään keskitettyjä palveluja, jaetaan työkaluja ja vaikutetaan tutkimus- ja tiedepolitiikkaan. CESSDA ja sen kansalliset palveluntuottajat osallistuvat aktiivisesti myös EOSC kokonaisuuden kehittämiseen erilaisissa EU-hankkeissa.

Tietoarkisto on mukana neljässä kansainvälisiä vertailuaineistoja tuottavassa tutkimuksessa. International Social Survey Programme (ISSP) - ja European Values Study (EVS) -ohjelmissa Tietoarkisto koordinoi datankeruuta ja vastaa Suomen datan arkistoinnista ja jakelusta. Lisäksi tarjoamme suomalaiselle tutkimusyhteisölle pääsyn luotettaviin vertailuaineistoihin Michiganin yliopiston yhteydessä toimivan ICPSR:n (Inter-university Consortium for Political and Social Research) ja Luxemburgissa toimivan LIS-datakeskuksen kautta.

Standardointi, tiedepolitiikka ja kansalliset verkostot palveluiden parantamiseksi

Olemme myös aktiivisia standardoinnin ja tiedepolitiikan kentillä sekä kotimaassa että kansainvälisesti. Asiantuntijamme osallistuvat alamme metadatastandardien kehittämiseen DDI-allianssissa ja luotettavan pitkäaikaissäilytyksen standardien luomiseen sekä repositorioiden sertifiointiin CoreTrustSeal- verkostossa. Lisäksi olemme mukana eurooppalaisissa hankkeissa rakentamassa EOSCia ja yhteiskuntatieteellis-humanistisia palveluja SSHOC-yhteistyössä. Kansallisesti Tietoarkisto osallistuu muun muassa avoimen tieteen koordinaatioon ja asiantuntijaryhmiin. Hyödynnämme CSC:n tuottamia kansallisia palveluita, kuten Fairdata- ja PAS-palveluja. Kotimaassa verkostoihimme kuuluvat myös kansalliset tutkimusinfrastruktuurit, kuten ESS, SHARE, FIN- CLARIN ja FIRIPO.

Tampereen yliopisto on Tietoarkiston omistajaorganisaatio. Tampereen korkeakouluyhteisön tutkijat, opettajat ja opiskelijat sekä datanhallinnan asiantuntijat muodostavat merkittävän osan Tietoarkiston käyttäjäyhteisöstä. Yliopiston sisällä Tietoarkisto tekee tutkijoiden lisäksi yhteistyötä muun muassa kirjaston, IT-palveluiden ja hallinnon palveluiden kanssa. Tietoarkisto tuo korkeakouluyhteisöön datanhallinnan ja pitkäaikaissäilyttämisen asiantuntemusta sekä resursseja muun muassa EU-hankerahoituksen kautta.

Kaiken yhteistyön tavoitteena on parantaa tutkijoille tarjottavia palveluita, varmistaa arvokkaiden tutkimusaineistojen käytettävyys ja saatavuus nyt ja tulevaisuudessa, vahvistaa Tietoarkiston osaamista sekä välttää päällekkäistä työtä. Haluamme myös viedä hyviä suomalaisia datanhallinnan käytäntöjä maailmalle sekä edistää tutkimuksen vastuullista avoimuutta, käytäntöjen läpinäkyvyyttä sekä metadatan, datan ja palveluiden yhteentoimivuutta.

Lisätietoa:

• Tietoarkiston missio
• Tietoarkiston strategia
• Valtakunnallinen neuvottelukunta
• Tietoarkiston yhteistyökumppanit
• Tietoarkiston palvelut
• Tutkimusaineistojen haku palveluportaali Ailassa
• Tietoarkiston käyttölukuja vuodelta 2025
• CESSDA ERIC
• CESSDAn yhteiseurooppalainen datakatalogi
• Tietoarkiston vaikuttavuus
• Tietoarkiston toiminta- ja vuosikertomukset
• Tietoarkiston hankkeet
• EOSC (European Open Science Cloud)

Mari Kleemola
Kehittämispäällikkö, varajohtaja
etunimi.sukunimi [at] tuni.fi

Tietoarkisto ja CESSDA ERIC tukevat ukrainalaista yhteistyökumppania ja ukrainalaisia

Data-arkistojen maailmassa tulee harvoin eteen tehtäviä, joissa on otettava kantaa maailmanpolitiikkaan. Nyt sekin päivä on valitettavasti nähty.

CESSDA ERICin yleiskokouksen puheenjohtajana olen tänään lähettänyt puheenjohtajiston ja johtajan viestin entiselle venäläiselle yhteistyökumppanille ja tuenilmauksen ukrainalaiselle kumppanille. CESSDAn verkkosivulla oleva organisaatiolista ja kartta on päivitetty. Venäjää ei siellä enää ole.

Yhteistyö Ukrainan ja Venäjän kanssa ei ole ollut mitenkään vireätä. Toisaalta kumppanuuden kautta voi päätyä tarkkailija- tai täysjäseneksi CESSDAan. Siinä mielessä kannanotossa kyse on muustakin kuin symbolisesta tuenilmauksesta tai Venäjän toimien vastustamisesta.

CESSDAn kannanotto on julkaistu myös sen verkkosivuilla ja somekanavissa. Palveluntuottajat jäsenmaissa jakavat sanomaamme. Samalla pohdimme, voimmeko mitenkään auttaa ukrainalaista kumppaniamme suoraan. Yleisempää tukea ukrainalaisille jokainen voi antaa henkilökohtaisesti avustusjärjestöjen kautta. Jos voimia ja mahdollisuuksia on, kannustan tarjoutumaan myös avuksi niille, jotka Ukrainasta Suomeen asti päätyvät.

• CESSDA statement on Ukraine
• CESSDA Countries (members and partners)
• Київський архів - The Ukraine National Data Bank of Sociological Data "Kyiv archive" (Kyiv Archive on CESSDA's web site)

Helena Laaksonen
johtaja, Tietoarkisto
Chair, General Assembly of CESSDA ERIC
etunimi.sukunimi [at] tuni.fi

Palveluita tutkimuksen tueksi kehitetään hankeyhteistyöllä

Tietoarkisto osallistuu jatkuvasti useisiin erilaisiin kehityshankkeisiin. Hankkeissa kehitetään nykyisiä palveluita ja suunnitellaan uusia tutkijoille sekä tutkimuksen tueksi. Hanketyössä pyritään löytämään ratkaisuja eri toimijoiden yhteisiin tarpeisiin. Eurooppalaisten yhteiskuntatieteellisten tietoarkistojen tutkimusinfrastruktuuri CESSDAn palveluntuottajana Tietoarkisto osallistuu aktiivisesti sen moniin työryhmiin ja projekteihin. Lisäksi Tietoarkisto tekee yhteistyötä muiden kansainvälisten ja kansallisten tahojen kanssa.

Monet tietoarkistolaiset osallistuvat hankkeisiin eri tavoin. Hanketyö on arkipäivää erityisesti Projektit ja kehittäminen -moduulin jäsenille, joiden työajasta suurin osa kuluu hanketehtävien parissa. Kehittämispäällikkö Mari Kleemola ja erityisasiantuntija Taina Jääskeläinen kertovat hanketyön arjesta sekä kuulumisia hankkeista, joihin he osallistuvat.

Mihin hankkeisiin osallistut ja mitä niissä tehdään?

Mari: Osallistun SSHOC- (Social Sciences & Humanities Open Cloud) ja EOSC Nordic (European Open Science Cloud) -hankkeisiin sekä CESSDAn Trust-projektiin. Lisäksi toimin CESSDAn Tools-työryhmän vetäjänä.

– Näillä hankkeilla on rinnakkaisia tehtäviä, joilla on synergiaetuja. Esimerkiksi SSHOC- ja CESSDA Trust -hankkeissa edistetään luotettujen aineistovarantojen sertifiointia tukemalla data-arkistoja sähköisten aineistojen luotettavassa säilytyksessä ja laadun takaamisessa. Olen CoreTrustSeal-sertifikaatin johtokunnan jäsen ja minulle on kertynyt sertifiointiin liittyvää asiantuntemusta, jota voin tuoda hankkeisiin. Hankkeista puolestaan saadaan palautetta, jota voidaan käyttää sertifioinnin ja data-arkistojen kehittämisessä.

– EOSC Nordic ja SSHOC -projekteissa sekä Tools-työryhmässä kehitetään myös uusia palveluita ja parannetaan aineistojen ja niiden kuvailutietojen yhteentoimivuutta. Kaikilla hankkeilla on yhteisenä tavoitteena Euroopan avoimen tieteen pilvipalvelun eli EOSCin rakentaminen.

Taina: Yli puolet työajastani kuluu CESSDAn hankkeisiin. Toimin sekä CESSDAn aineistoluettelon että sanastopalvelun sisältövastaavana. Rooliin kuuluu ohjausryhmän vetäminen, käyttäjien edustaminen, vaatimusmäärittely, yhteistyö teknisen puolen vastuuhenkilöiden kanssa, tiedottaminen, sidosryhmäyhteistyö ja monenlainen toiminnan sujuvuuden varmistaminen. Lisäksi osallistun monikielisen ELSST-asiasanaston (European Language Social Science Thesaurus) sisällön kehittämiseen ja koulutan kaikki sen kääntäjät.

– CESSDAn aineistoluettelossa on 15 kansallisen palveluntuottajan julkaisemat tutkimusaineistokuvailut, joita on tällä hetkellä yli 30 000. Se on erinomainen lähde löytää yhteiskuntatieteellisiä ja joitakin terveystieteellisiä tutkimusaineistoja eri maista. Luettelosta on julkaistu uusi versio viime kuussa.

– CESSDAn sanastopalvelussa luodaan, ylläpidetään ja käännetään monikansalliseen käyttöön tarkoitettuja sanastoja. Monet sanastoista on luotu DDI Allianssin tutkimusaineistojen kansainvälisen kuvailustandardin osaksi, ja osallistun sen sanastoryhmän työhön itsekin. CESSDAn jäsenorganisaatiot kääntävät näitä omille kansallisille kielilleen.

– Näiden lisäksi osallistun kahteen EU-projektiin: TRIPLE (Transforming Research through Innovative Practices for Linked Interdisciplinary Exploration)- ja SSHOC-projekteihin. Molemmissa on samoja elementtejä kuin CESSDA-hankkeissa, mutta nämä koskevat useampaa eurooppalaista tutkimusinfrastruktuuria ja tieteenalaa, kuten kielitieteitä ja humanistisia tieteitä. Kummassakin projektissa olen yhden työpaketin jäsenenä, useimmiten liittyen sanastoihin, niiden hyödyntämiseen tai laajoihin aineistoluetteloihin. TRIPLEssä kiinnostaa erityisesti nähdä, missä määrin algoritmeilla onnistutaan rikastuttamaan eri maista ja eri kielillä tulevaa metadataa.

Mikä hanketyössä on antoisinta?

Mari: Hanketyössä oppii paljon uutta eikä siinä ole kahta samanlaista päivää. Se avaa näköaloja Eurooppaan ja muualle maailmaan ja tarjoaa tilaisuuden nähdä, mitä muualla tehdään ja miten. Hankkeiden kautta voimme myös vaikuttaa siihen, että Suomen avoimen tieteen hyviä käytäntöjä omaksuttaisiin kansainvälisesti. On myös antoisaa olla osaltani vaikuttamassa alan kehitykseen ja rakentamassa CESSDAa ja sen palveluita yhteiskuntatieteilijöille.

Taina: Olen viihtynyt toimiessani ja verkostoituessani eri maista tulevien ihmisten kanssa. On mielekästä tehdä työtä, jossa voi kerrankin hyödyntää kaikkia asiantuntemusalueitaan. Olen taustaltani sekä informaatikko että kielenkääntäjä, joten metadatan harmonisointi ylikielirajojen ja datan löydettävyys kiinnostavat minua aina. Vuosikausien kieliharrastuksestani on ollut yllättävän paljon iloa, koska huomasin voivani tutkailla sanastoja tai aineistokuvailuja kahdeksalla eri kielellä ja pysyä suunnilleen kärryillä siitä, onko siellä vääriä tietoja väärässä paikassa jne. Taidan olla kansainvälisessä työskentelyssä kuin kala vedessä.

– Antoisaa on huomata, että on pystynyt organisoimaan asioita niin, että tavoitteet saavutetaan ja maaliin päästään, vaikka olisi tullut kuinka monta yllättävää mutkaa matkan varrella. Koko ajan saa myös oppia uutta eikä tylsää päivää ole.

Entä mikä on haastavinta?

Mari: Haastavaa on se, että kansainvälisessä hanketyössä tehdään enimmäkseen virtuaalisesti tiimityötä eri taustoista tulevien ihmisten kanssa. Se vaatii erilaisten näkökulmien, tieteenalakäytäntöjen ja ihmisten työtapojen huomioon ottamista ja yhteensovittamista. Monesti tapaaminen ja tutustuminen edes kerran kasvokkain helpottaa yhteistyötä.

Taina: Kun kehitetään kansainvälisiä palveluja, tavoitteesta ollaan usein yksimielisiä mutta matkan varrella joudutaan neuvottelemaan siitä, miten tavoitteisiin parhaiten päästään. Data-arkistot ovat keskenään hyvin erilaisia: osa hyvin resursoituja ja osa vähemmän, osa toiminut vuosikymmeniä, osa on toiminnan alkutaipaleella. Tämä asettaa omat haasteensa esim. metadatan harmonisoinnissa.

– Käyttäjien edustajien ja IT-puolen on myös hyvä jatkuvasti keskustella siitä, paljonko kukin käyttäjien toive vaatii koodauspuolella. Joskus haluttu toiminnallisuus on helposti toteutettavissa ja joskus se vaatii runsaasti työtä. Jälkimmäisessä tapauksessa käyttäjien edustajien on pohdittava, onko se vaivan arvoista. Tärkeintä olisi tunnistaa ja jättää pois paljon IT-työtä vaativat vähemmän tärkeät tavoitteet, jotta voidaan keskittyä olennaisempiin.

– Sisältövastaava on tietyissä asioissa vahtikoira, joka tarkkailee mm. metadatan laatua ja yhteensopivuutta CESSDAn aineistoluettelon ja sanastojen vaatimusten kanssa. Tehtävässä täytyy neuvotella eri maissa sijaitsevien organisaatioiden kanssa heidän metadatansa laadusta ja yhteensopivuudesta sekä hoputtaa esim. sanastojen kääntäjiä tekemään oma kieliversionsa ajoissa. Ystävällisistä reaktioista päätellen ratkaisuja etsivää vahtikoiratoimintaani ei kuitenkaan ole koettu ikäväksi.

Kuinka koronavuoden poikkeusolot ovat vaikuttaneet hanketyöskentelyyn?

Mari: Ehdin onneksi tavata suurimman osan tämänhetkisten hankkeiden yhteistyökumppaneista ennen poikkeusolojen alkua, joten yhteistyö sujuu hyvin myös virtuaalisesti. Kasvokkaisten tapaamisten puuttuessa vapaamuotoinen ideointi on kuitenkin hankalampaa. Kasvokkaisissa kokouksissa epävirallisella sosiaalisella kanssakäymisellä on suuri merkitys - työtä tehdään ihmisten kanssa ja välillä on hyvä jutella heidän kanssaan muustakin kuin työasioista!

Taina: Normaalioloissakin kansainväliset projektit tarkoittavat sähköposteja ja videokonferensseja, joten siihen koronavuosi ei ole tuonut muutosta. Zoom oli kovassa käytössä jo aiemmin. Esimerkiksi aineistoluettelon uuden version teknisen puolen tekijät olivat Iso-Britanniassa ja Norjassa, sanastotyökalun koodari puolestaan Saksassa.

– Ainoa mikä on jäänyt pois, ovat kasvokkaiset tapaamiset ja konferenssit. Niitä kaipaa ja olisi hyvä välillä olla, vaikka en lentokentillä notkumisesta ja muusta matkustamisen aikasyöpöistä pidä. Verkostoituminen on paljon helpompaa, kun ihmiset on tavannut kasvotusten. Monet asiat saa helpommin ja nopeammin selvitettyä paikan päällä ja tauoilla. Jos projektissa on paljon ihmisiä, joita on aina tavannut vain etänä, on toiminnan sujuvuudessa ja verkostoitumisessa eroa verrattuna siihen, että ryhmä olisi ainakin kerran tavannut kasvotusten.

– Etätyön huonoin puoli on työpäivien venyminen, koska tekemistä tuntuu aina riittävän loputtomiin.

Lisätietoa:

» Tietoarkiston hankesivut
» Kehittämispäällikkö Mari Kleemola
» Erityisasiantuntija Taina Jääskeläinen

Henri Ala-Lahti
tietoasiantuntija
etunimi.sukunimi [at] tuni.fi

Love Data -viikko: Rakastamme tutkimusdataa joka viikko!

Nyt vietettävää Love Data -viikkoa voi sanoa jo perinteeksi, kun sitä on useamman vuoden ajan järjestetty ympäri maailmaa. Viikon tarkoituksena on muun muassa muistuttaa tutkimusdatan merkityksestä ja datanhallinnan tärkeydestä. Tietoarkisto on osallistunut datarakkauden ilosanoman levitykseen jo silloin, kun tapahtuman nimi oli vielä Love Your Data. Onhan leipälajimme data tai tutkimusaineistot, kuten me Tietoarkistossa useimmiten sanomme, vaikka määritelmällisesti termeillä onkin eroa.

Love Data -viikon kunniaksi ajattelin palata vanhaan, eli Love Your Dataan. Me Tietoarkistossa nimittäin rakastamme ja vaalimme muiden tutkimusaineistoja eli we love your data. Rakastamme ympäri vuoden, emme vain helmikuussa. Koronapandemian leimaama vuosi 2020 osoitti, että moni muukin on löytänyt toisten keräämän datan äärelle. Viime vuodesta tuli Tietoarkiston Ailan käyttäjämäärien perusteella aineistojen jatkokäytön huippuvuosi. Tänä vuonna kasvu on jatkunut kiivaana, ja aineistoja ladattiinkin tammikuussa selvästi enemmän kuin viime vuonna samaan aikaan. Voidaan sanoa myös, että they love your data!

Koulutusta, tapahtumia ja verkkoviestintää pitkin vuotta

Tällä viikolla, mutta myös pitkin vuotta 2021, nostamme esiin erilaisia tutkimusaineistoja ja tutkimusaineistojen hallinnan tukea meillä ja muualla. Tietoarkisto julkaisee lyhyehköjä videoita tutkimusaineistojen käsittelyn ja hallinnan tueksi, koska pahin tallenteiden saavutettavuuden este, suomenkielisen automaattitekstityksen puute, on ratkaistu. Tietoarkiston näkökulma on tietenkin se, että aineistot kerätään ja käsitellään tutkimushankkeiden aikana niin, että ne saadaan lakien puitteissa tallentaa jatkokäyttöä varten ja pitkäaikaissaatavuus voidaan varmistaa. Tätä koskeva ohjeistus on jo tekstimuotoisena Tietoarkiston Aineistonhallinnan käsikirjassa.

Suunnitteilla on myös verkkotapahtumia. Koronatilanteen salliessa webinaarit muuttuvat syyskaudella kasvokkaisiksi kohtaamisiksi. Onneksi meillä on jo pitkä kokemus toiminnasta erilaisten etäkokoussovellusten kanssa, ja voimme joustavasti vaihtaa fyysisistä tapahtumista verkkoon. Toiseen suuntaan se onkin hankalampaa. Ensimmäisenä, runsaan kuukauden päästä, ohjelmassa on suomenkielinen webinaari Tietoarkisto ja CESSDAn palvelut. Siinä asiantuntijamme esittelevät CESSDAn aineistoluettelon uusia toimintoja ja sanastopalvelua sekä metadatatyötämme. Syyskuulle suunnittelemme perinteiseen tapaan Tietoarkistoseminaaria Ailan nimipäivänä. Teemaa ja sisältöä kehitellään kevään kuluessa.

Tapahtumien lisäksi on luvassa erilaisia verkkojulkaisuja, artikkeleja, blogeja ja herättelyä sosiaalisessa mediassa. Aiheina ovat muun muassa kestävän kehityksen tutkimukseen soveltuvat aineistot Tietoarkistossa ja Tietoarkiston strategiatyö, jota viime vuoden aikana teimme yhdessä valtakunnallisen neuvottelukuntamme kanssa. Teemasivujen kattavuutta kestävän kehityksen näkökulmasta on juuri parannettu uudella teemasivulla kuluttamisen, innovaatioiden ja teollisuuden tutkimiseen soveltuvista aineistoista. Kaikkiaan eriaiheisia teemasivuja on 26.

Tällä viikolla (ja tulevillakin viikoilla) toivon, että te tutkimusaineistojen hallitsijat uskotte oman aineistonne arvoon ja olette valmiita julkaisemaan sen tiedeyhteisölle samalla ylpeydellä kuin muutkin tutkimustuotoksenne. Love Your Data!

Lisätietoa:

» Love Data Week 2021 - International Events
» Aineistoja teemoittain
» Aineistonhallinnan käsikirja

Helena Laaksonen
johtaja
etunimi.sukunimi [at] tuni.fi

Tietoarkiston kehittämä Kuha2 edistää eurooppalaisten aineistojen löydettävyyttä

Kuha2 on yhteiskuntatieteellisten aineistokuvailujen jakamiseen tarkoitettu sovelluskokonaisuus. Sen käyttäjiä ovat muisti- ja tutkimusorganisaatiot, jotka haluavat saattaa koneluettavat aineistokuvailunsa toisten osapuolten hyödynnettäväksi käyttäen datan automaattista keräämistä eli harvestointia. Tämä edistää aineistojen näkyvyyttä ja löydettävyyttä, vahvistaa organisaatioiden välistä yhteistyötä ja parantaa kuvailukäytäntöjä.

Kuha2 koostuu useasta palvelinsovelluksesta ja asiakasohjelmasta. Se tukee OAI-PMH- ja OSMH¹ -rajapintamäärityksiä. Kuha2-kehitystyö käynnistyi alkuvuodesta 2017 osana CESSDA SaW -hanketta. Hankkeen päämäärä oli tukea uusia ja kehittyviä CESSDA-arkistoja teknisten ratkaisujen löytämisessä, hyödyntämisessä ja kehittämisessä. Loppuvuodesta 2017 Kuha2 julkaistiin avoimena lähdekoodina. Tämän ensimmäisen tuotantokäyttöön soveltuvan version käyttö ja laajentaminen oli kattavasti dokumentoitu. Sovellus oli käytettävissä ilman laajaa teknistä osaamista, ja seurasi siten SaW-projektin tavoitetta. Ohjelman aktiivinen kehitystyö jatkuu edelleen. Ylläpidon lisäksi sovellus saa uusia toiminnallisia ominaisuuksia. Näistä viimeisimpänä julkaistiin tuki EAD3-formaatille tammikuussa 2020.

Aktiivinen kehitys luo puitteet käytön laajentumiselle

Tietoarkisto kehitti alkuperäisen Kuhan vuonna 2014 aineistojensa kuvailutietojen viemiseksi Finna-hakupalveluun OAI-PMH rajapinnan kautta. Vuonna 2016 Tietoarkistossa kehitettiin OSMH-rajapintamääritystä hyödyntävä Omicrops-palvelinsovellus. Kuha2 syntyi ajatuksesta luoda yksi yhtenäinen taustapalvelu tarjoilemaan sisältöä molempien rajapintojen tarpeisiin. Kokonaisuus purettiin pienempiin osiin mikropalveluarkkitehtuuria soveltamalla. Jokaisesta tehtävästä syntyi itsenäinen prosessi, joka keskustelee toisten prosessien kanssa standardoituja rajapintoja käyttäen.

CESSDA lanseerasi vuonna 2018 CESSDA Data Catalogue (CDC) -hakupalvelun, jonka on tarkoitus sisältää mahdollisimman monen CESSDAn palveluntuottajan aineistokuvailut. Se haravoi palveluntuottajien OAI-PMH-rajapintoja. Liittyäkseen CDC:hen palveluntuottaja tarvitsee hakupalvelun kanssa yhteensopivan kuvailuformaatin ja avoimen OAI-PMH-rajapinnan, jonka kautta kuvailut tarjotaan harvestoitavaksi. Kuha2 tukee sekä OAI-PMH-rajapintamääritystä että CDC:n käyttämää DDI2-formaattia. Tiivis yhteistyö Tietoarkiston ja CESSDAn välillä varmisti Kuha2:n yhteensopivuuden CESSDA Data Cataloguen kanssa.

CESSDA harvestoi palvelutuottajien tarjoman metadatan Kuha2-rajapintojen kautta avoimeen yhteisluetteloonsa.

DDI-standardia käytetään yhteiskuntatieteellisissä tietoarkistoissa datan kuvailuun. Standardista on yleisessä käytössä kolme eri versiota. Jotta Kuha2-sovellus toisi hyötyä myös muita versioita käyttäville organisaatioille, kehitimme tuontitoiminnallisuuteen tuen myös DDI1 ja DDI3 versioille. Tämän tuen ja CESSDA Data Cataloguen myötä Kuha2 on käytössä myös Tietoarkiston ulkopuolella. Tiedossamme on kolme muuta CESSDA-arkistoa, jotka hyödyntävät Kuha2-sovellusta omassa organisaatiossaan. Tietoarkisto on tarjonnut näille käyttöönottotukea sekä räätälöinyt asiakasohjelmaa siten, että käyttäjien metadatakuvailut tulkitaan sovelluksessa oikein. Kuha2:n käytön yleistymisen myötä CESSDA on saanut hakupalvelunsa piiriin uusia organisaatioita.

Käyttäjilleen Kuha2 tarjoaa helppokäyttöisen, avoimen, dokumentoidun ja tuotantovalmiin sovelluksen helpottamaan liittymistä CESSDAn hakupalveluun tai muihin vastaaviin harvestointia hyödyntäviin palveluihin. Käytön laajentumisen myötä virheraportteja ja toiveita uusille ominaisuuksille saadaan myös oman organisaation ulkopuolelta. Tietoarkistolla on valmiudet vastaanottaa ja katselmoida sovelluksen lähdekoodin muutoksia, sekä mahdollisesti liittää niitä osaksi sovellusta.

Avoimuuden periaatteet Tietoarkiston toiminnassa

Yhteistyö eri toimijoiden kesken edistää aineistojen löydettävyyttä ja käyttöä. Avoimet rajapinnat saattavat aineistojen kuvailut kaikkien hyödynnettäviksi ja mahdollistavat niiden soveltamisen yhä uusiin käyttötarkoituksiin. Avoin lähdekoodi vapauttaa käyttäjät teknologia- ja toimittajariippuvuuksilta, parantaa tietoturvan tasoa, helpottaa laadunvarmistusta ja saattaa ideat ja toteutukset kaikkien hyödynnettäviksi. Näitä työkaluja käyttäen Tietoarkisto toimii kansainvälisellä kentällä edistäen osaltaan teknologisten ratkaisujen kehittämistä ja tieteen avoimuutta.

Lisätietoa:

» Kuha2-dokumentaatio

Toni Sissala
sovelluskehittäjä
etunimi.sukunimi [at] tuni.fi

¹OSMH (Open Source Metadata Harvester) on CESSDAn kehittämä metadatan harvestointiprotokolla.

Tämä blogikirjoitus on luettavissa myös englanniksi:
FSD's Kuha2 software improves discoverability of European research data.

FSD’s Kuha2 software improves discoverability of European research data

Kuha2 is a collection of applications intended for sharing descriptive social science metadata. It is targeted at cultural memory and research organisations that aim to make their data descriptions accessible for other parties in a machine-readable format by using automatic collection of data, in other words harvesting. This improves the visibility and findability of research data, strengthens cooperation between organisations and enhances the practices of data description.

The Kuha2 software consists of multiple server applications and a client application, and it supports OAI-PMH and OSMH application programming interfaces (APIs). The development of the Kuha2 software began in early 2017 as part of the CESSDA SaW project. The aim of the project was to support new and aspiring CESSDA archives in finding, utilising and developing technical solutions. At the end of 2017, Kuha2 was published as open-source software. The use and expansion of this first version that was suitable for production use was extensively documented. Kuha2 adhered to the aims of the SaW project in that no extensive technical knowledge was required to be able to use the software. Active development of the software is still in progress. In addition to software maintenance, new functional features are continuously added. For example, support for EAD3 format was released in January 2020.

Active development establishes the conditions for extensive use

FSD developed the original Kuha in 2014 for the purpose of transferring descriptive metadata to Finna, a search service that provides information from Finnish archives, libraries and museums, by using OAI-PMH protocol. In 2016, FSD developed the Omicrops server application that utilises OSMH protocol. Kuha2 was born from the idea to create one unified background service that would provide content for the needs of both APIs. The unified entity was dismantled into smaller parts by adapting microservice architecture. Each task became an independent process which communicates with other processes by using standardised APIs.

In 2018, CESSDA launched the CESSDA Data Catalogue (CDC) search service that aims to include descriptive metadata from as many CESSDA service providers as possible. It scrapes data from service providers using the OAI-PMH API. In order to integrate to CDC, the service provider needs a data description format compatible with the search service as well as an open OAI-PMH API that serves descriptive metadata for harvesting. Kuha2 supports both the OAI-PMH protocol and the DDI2 format used by CDC. Close cooperation between FSD and CESSDA ensured the compatibility of Kuha2 with the CESSDA Data Catalogue.

CESSDA harvests metadata provided by service providers to its open Data Catalogue via Kuha2-APIs.

The DDI standard is used in social science data archives for data description. In common practice, three different versions of the standard are in use. To benefit a larger group of organisations, Kuha2's import functionality was enhanced to support the DDI1 and DDI3 versions in addition to DDI2, which is used by FSD. Due to extensive support for DDI and the traction gained by CESSDA Data Catalogue, Kuha2 is in use outside FSD as well. To our knowledge, three other CESSDA archives utilise the Kuha2 software in their organisations. FSD has offered them support in getting started and customised the client application so that the users' descriptive metadata are interpreted correctly by the software. As the use of Kuha2 has become more common, CESSDA has gained new organisations as service providers for the CDC.

For its users, Kuha2 provides an easy-to-use, open, documented and production-ready software to facilitate joining the CESSDA search service or other corresponding services that utilise harvesting. With the expansion of use, error reports and requests for new features come in from outside our own organisation as well. FSD is prepared to receive and review source code changes, and possibly merge them as part of the software.

The principles of openness in FSD operation

Cooperation with different actors advances the discoverability and use of research data. Open APIs make descriptive metadata accessible to anyone and promotes reuse for new purposes. Open-source software allows its users to detach themselves from dependencies on technological solutions and product suppliers. It also improves the level of data security, makes quality assurance easier, and brings ideas and applications accessible for everyone. Using the aforementioned tools, FSD operates in an international field, advancing the development of technological solutions and open science.

More information:

» Kuha2 Documentation on Read the Docs

Toni Sissala
Software Developer
firstname.surename [at] tuni.fi

¹OSMH (Open Source Metadata Harvester) is a harvesting protocol developed by CESSDA.

This blog entry is also available in Finnish:
Tietoarkiston kehittämä Kuha2 edistää eurooppalaisten aineistojen löydettävyyttä.

Supporting Certification - SSHOC Project Helps Digital Repositories in Becoming More Trustworthy

Good news on the Social Sciences and Humanities Open Cloud (SSHOC) project: the first deliverable in task 8.2, which is led by the Finnish Social Data Archive, was published in late March. The deliverable lays the ground for the SSHOC trust work that is needed in order to facilitate the adoption of Trustworthy Digital Repository (TDR) standards and the FAIR principles in data repositories across the social sciences and humanities.

The task team also specified modes of support in building trust and helping repositories reach TDR certification, charted the current trust landscape within the SSHOC communities, and selected the repositories that will be the main focus of the support activities provided by task 8.2 within the timeframe of the project.

SSHOC is one of the five cluster projects within the European Open Science Cloud (EOSC) initiative, and the project focuses on increasing and improving the reuse of research data in the social sciences and humanities. Task 8.2, Trust & Quality Assurance, concentrates on developing an agreed approach to assessing the trustworthiness and quality of data repositories. The task joins colleagues from three ERICs (CESSDA, CLARIN and DARIAH) and one aspiring ERIC (E-RIHS).

Flexible yet sustainable approach to trust

The diversity of repositories within the SSHOC communities requires an approach to TDR certification that is sustainable but also adaptable to a wide range of data infrastructures at varying levels of maturity. The task team selected the CoreTrustSeal as the standard certification reference for SSHOC.

The CoreTrustSeal consists of sixteen requirements for which applicants are asked to provide self-assessment statements along with relevant evidence. The CoreTrustSeal is sufficiently stringent but significantly less costly and labour-intensive than formal audit against ISO/DIN standards. Certification requirements for the CoreTrustSeal are also reviewed every three years in comparison with every five years for ISO/DIN standards.

As a community-driven TDR framework, with over 80 past certifications (in March 2020), CoreTrustSeal is open to feedback and continuously considering the widest possible range of certification candidates. However, the task team also identified certain types of organisations for which the CoreTrustSeal requirements are not applicable. Identifying these cases will help develop the CoreTrustSeal framework to better support a variety of repositories.

Support for certification efforts

It is evident that achieving CoreTrustSeal certification requires resources and work from repositories. Even though the workflows and processes themselves related to trustworthy preservation of data may be well established, work may be needed in producing publicly available documentation to show that these processes are sufficient to meet the requirements of certification.

For this reason, the task team specified modes of support provided to repositories for attaining the CoreTrustSeal. The level of SSHOC support required will depend on the starting state of the repositories. The team will amend the modes of support according to the repositories' needs.

The task team aims to raise awareness of the relevance of certification of repositories and the role of the CoreTrustSeal in this via existing communication channels. Webinars and workshops held for repositories will guide and support them in their certification efforts. The team will also provide feedback on self-assessments primarily to the selected repositories (see Table 1 in the report).

For its first support event, SSHOC task 8.2 will host a webinar on Thursday 23 March (more details on the way). In addition to the support activities, further work in 2020 for task 8.2 includes liaising with other relevant projects, such as EOSC-Nordic and FAIRsFAIR.

Further information:

» Development Manager Mari Kleemola
» SSHOC D8.2 Deliverable: Certification plan for SSHOC repositories
» SSHOC project website
» CoreTrustSeal

Niko Koski
Information Specialist
firstname.surname [at] tuni.fi

Tietoarkisto jatkaa uudella vuosikymmenellä luotettuna tutkimusaineistojen asiantuntijana

Viimeistään kuluneen juhlavuoden 2019 aikana tuli selväksi, että Tietoarkisto on yksi vakiintuneista data-arkistoista, joiden puoleen uudet palveluntuottajat kääntyvät hakeakseen esimerkkejä, opastusta ja innoitusta. Myös Tietoarkistoa vanhempien ulkomaisten data-arkistojen ja alan muiden toimijoiden edustajat arvostavat asiantuntemustamme. Voin siis hyvillä mielin todeta, että Tietoarkisto on saavuttanut strategisen tavoitteensa olla vuonna 2020 Suomessa ja ulkomailla yhä tunnetumpi, luotettu avoimen tieteen ja tutkimusaineistojen pitkäaikaissaatavuuden asiantuntija.

Luotettu asema tutkimusaineistojen asiantuntijaorganisaationa näkyi muun muassa useina ulkomaisten kollegojen pyyntöinä päästä vierailulle keskustelemaan ja oppimaan Tietoarkiston kokemuksista ja käytännöistä. Usein heidän tiedontarpeensa olivat samanlaisia kuin kotimaisilla kumppaneillamme. He toivoivat keskustelua ja opastusta erityisesti tietosuojasta, tutkimusaineistojen hallinnasta ja hallinnan ohjeistamisesta, aineistojen anonymisoinnista, kvalitatiivisten aineistojen käsittelystä tai sertifiointiin valmistautumisesta.

Kaukaisia vieraita ja virtuaalikokouksia

Juhlavuoden tapahtumat ja vierailut käynnisti maaliskuussa japanilaisten tutkimuslaitosten edustajien kanssa yhteistyössä järjestetty seminaari. Tätä käsittelin blogissa jo keväällä. Heidän lisäkseen Tietoarkistossa vieraili vuoden mittaan kollegoita muun muassa Tanskasta, Sloveniasta, Itävallasta ja Qatarista. Joulukuussa järjestimme Tampereen yliopistossa yhdessä Tilastokeskuksen kanssa eurooppalaisten DDI-kuvailuformaatin käyttäjien ja kehittäjien konferenssin EDDIn.

Tampereelle suuntautuneiden vierailujen ja tietoarkistolaisten lisääntyneen matkustelun lisäksi osaamisen kysyntä näkyy virtuaalikokousten runsautena. Alustavan tilaston mukaan vuonna 2019 Tietoarkiston edustajat osallistuivat yli 240 virtuaalikokoukseen. Luku on kasvanut vuodesta 2018 muutamalla kymmenellä. Kokousten ja matkojen määrän lisääntyminen on paljolti seurausta Tietoarkiston CESSDA ERICin palveluntuottajuudesta ja Tietoarkiston asiantuntijoiden toiminnasta kansainvälisissä organisaatioissa. Vierailujen ja virtuaalikokousten työnimien perusteella yhteistä valtaosalle tapahtumista onkin CESSDA ERICin sisäinen projektityö tai työskentely EU-projekteissa yhtenä CESSDAn arkistoista.

Kaikki tämä toteuttaa Tietoarkiston strategiaa, jossa lupaamme aktiivisuutta CESSDAssa. Lupaamme strategiassa myös syventää ja monipuolistaa osaamistamme sekä jakaa kasvanutta osaamistamme aktiivisesti.

Kansallisten tutkimusinfrastruktuurien strategia vaikuttaa suunnitelmiin

Vuosi 2020 on viimeinen Tietoarkiston kuluvalla strategiakaudella. Uuden vuosikymmenen aloitamme siis strategiatyöllä. Suomen Akatemia julkaisee tammikuussa 2020 Kansallisten tutkimusinfrastruktuurien strategian uudelle vuosikymmenelle. Ennakkotietojen perusteella se listaa kehittämiskohteita, jotka jo nyt ovat Tietoarkistossa joko arkipäivää tai ainakin tunnistamiamme kehittämisen kohteita. Akatemian joulun alla julkaiseman tiedotteen mukaan kehittämisalueita ovat vastuullisuus ja kestävä kehitys, pitkäjänteisyys ja dynaamisuus, omistajuus ja osaaminen, digitaalisuus ja data, avoimuus ja yhteistyö sekä laaja ja monimuotoinen vaikuttavuus.

Tästä on pääteltävä, että Tietoarkisto ei voi laittaa omia suunnitelmiaan aivan uusiksi. Kyse on paremminkin Tietoarkiston strategian päivittämisestä. Myös sitoumuksemme Akatemian rahoittamissa FIRI-projekteissa ja CESSDA ERICin palveluntuottajana ulottuvat usean vuoden päähän, tulevaisuuteen. Oma strategiatyömme ja tiekarttahakemuksen työstäminen varmasti palvelevat toisiaan.

Strategiatyössä korostuu jatkuvuus

Tietoarkiston 20-vuotisen toiminnan kunniaksi syyskuussa järjestämämme Tietoarkisto-seminaari oli tilaisuus tarkastella sekä mennyttä että tulevaa kehitystä.

Seminaarissa esittelin Tietoarkisto-lehden juhlanumerossa julkaistua aikajanaa, johon on kerätty tietoarkistolaisten aikaansaannoksia ja tapahtumia kuluneilta 20 vuodelta. Aikajanalla on paljon tapahtumia ja palveluita, joilla on merkitystä myös tulevaisuudessa. Listaan tässä vain muutamia.

• Palveluportaali Ailaa kehitetään parhaillaan Akatemian rahoittamassa projektissa. Käytettävyyden parantamisen ja uusien toiminnallisuuksien lisäksi tavoitteena on muun muassa yhteentoimivuuden parantaminen ulkopuolisten palvelujen suuntaan.
• Aineistonhallinnan käsikirjan sisällön tuottaminen ja sen pitäminen ajan tasalla on yhä vain merkityksellisempää. Pelkästään viime elo-syyskuussa aineistonhallinnan käsikirjaan tuli noin 11 000 sivupyyntöä.
• Sertifioinnit - Date Seal of Approval ja nykyinen CoreTrustSeal - ovat todisteena siitä, että Tietoarkisto on organisaatio, joka säilyttää sähköisiä aineistoja luotettavasti ja mahdollistaa aineistojen jatkokäytön. Vastuullisuus ja pitkäjänteisyys pysyvät toiminnan kulmakivinä tehtävän perusluonteen ohella yhä korostuneemmin myös ulkopuolisen rahoittajan, Akatemian, vaatimuksesta.
• Menetelmäopetuksen tietovaranto MOTV on retrosta ulkoasustaan huolimatta edelleen verkkosivujen seurannan perusteella Tietoarkiston käytetyin palvelu. Tietoarkisto päivittää sen ulkoasun ja vanhentuneet sisällöt uudelle vuosikymmenelle. Sisältöä myös kehitetään menetelmäopetuksen asiantuntijoiden kanssa. Työ ajoittuu pääosin vuodelle 2020.

Vuoden 2020 käynnistyessä arvioimme nykyistä strategiaamme ja hahmottelemme tulevaa. Kutsumme Tietoarkiston yhteistyökumppanit ja asiakkaat pohtimaan, miten pystymme yhdessä palvelemaan parhaalla mahdollisella tavalla tiedeyhteisöä tutkimusaineistojen hoivaamisessa ja vastuullisessa avaamisessa.

Lisätietoa:

» Tietoarkistoblogi: Monikielinen aineisto-osaaminen ja laadullisten aineistojen asiantuntemus tuovat kansainvälisiä vieraita Tietoarkistoon
» Tietoarkiston strategia 2017-2020 (PDF)

Helena Laaksonen
johtaja
etunimi.sukunimi [at] tuni.fi

SSHOC Project Charted (Meta)data Interoperability Problems with FSD at the Helm

FSD is taking part in the Social Sciences and Humanities Open Cloud (SSHOC), which is one of the five cluster projects within the European Open Science Cloud (EOSC) initiative. SSHOC is funded by the EU and coordinated by CESSDA, and it continues until 2022 focusing on increasing and improving the use of research data in the social sciences and humanities. The goal is to provide common services, integrate existing ones, and increase cooperation between the research infrastructures.

FSD participates in three tasks within two work packages. These tasks aim at ensuring the interoperability of metadata and data, developing common multilingual vocabularies, and trust and quality assurance of research data.

One challenge in creating common services is the diversity and varying practices of different fields of science. This can be seen in the third work package of SSHOC in a task entitled Data and Metadata Interoperability Hub, where we chart interoperability issues and solutions across SSHOC member organisations. FSD leads the project, and we published our first report in July.

The goal of the report was to find out what kind of interoperability problems there are for research data and metadata in SSHOC member organisations. We also tried to find metadata and data standards and formats that can be recommended for all organisations.

We interviewed 16 people from six research infrastructures and four fields: social sciences, language sciences, arts and humanities, and heritage sciences. The interview findings were supplemented with desk research on the number of records and data formats on the websites of repositories.

This was not the first time interoperability was assessed. The research infrastructures participating in SSHOC have each developed common practices and standards and FSD, for example, has been active in the development of metadata practices in CESSDA. However, this time there were more organisations from different research infrastructures involved.

Different data but similar problems

When interviewing the informants, it quickly became clear that the data formats used in the fields vary a great deal. In social sciences, the data are often in the form of a data matrix or text, while language sciences use a lot of text and voice data. Images are common in the humanities, and in heritage sciences, a dataset can consist of objects or 3D models, among others.

Despite the differences in data types, the interoperability problems were similar in all participating organisations. The most common of these included the conversion needs related to the use of proprietary file formats, loss of information caused by conversions and problems with format versions.

There is also a great deal of variety between and within the fields in terms of metadata standards. For instance, the DDI standard often used in social sciences is usually not extensive enough to describe data in the humanities and hardly suitable at all to record the metadata of heritage objects. The metadata needs of individual organisations also vary significantly.

The most common metadata interoperability problems had to do with differing interpretations of metadata concepts, incompatibility of older standards with the newer ones, and loss of information when converting from rich metadata format to a less rich one.

All in all, fewer interoperability problems were reported than we expected. One reason for this might be that organisations have reacted to the problems by developing their practices around them. On the other hand, we also observed differences between the organisations in their maturity levels in terms of how well they take interoperability into consideration.

One size does not fit all

The report confirmed what was noticed in previous interoperability projects; there is no single metadata standard or data format suitable for all fields and situations. A common metadata standard, for example, has to be very bare-bones to be suitable for all fields.

To ensure the F and I, findability and interoperability of the FAIR principles, we ended up recommending Dublin Core and a slightly modified DataCite as common metadata standards for all members. It is recommended that other standards used by the organisations can at least be converted into one of these standards.

Because the fields and organisations have different needs, we also made separate recommendations for metadata standards for each community and data formats by data type. The recommendations are based on the most used standards and formats in the communities.

Whichever standard and format organisations use, we recommend documenting it transparently. Many interoperability problems are avoided with thorough documentation.

Common solutions through cooperation

The first report of the third work package shows that developing common services is not always straightforward. Different communities not only have their own needs but also their established practices. However, the purpose of the project is not to fit everyone into the same mould but to create tools and services beneficial for everyone.

Cooperating and gaining perspective into the processes and challenges of other communities and organisations is useful also because the problems encountered are often similar, and someone might have already found a solution that works for everyone. The next objective of the Data and Metadata Interoperability Hub is to chart solutions to metadata and data interoperability problems.

Further information:

» Development Manager Mari Kleemola
» SSHOC D3.1 Report on SSHOC (meta)data interoperability problems
» SSHOC project website

Henri Ala-Lahti
Information Services Specialist
etunimi.sukunimi [at] tuni.fi

This blog entry is also available in Finnish:
SSHOC-hanke selvitti (meta)datan yhteensopivuusongelmia Tietoarkiston johdolla.

SSHOC-hanke selvitti (meta)datan yhteensopivuusongelmia Tietoarkiston johdolla

Tietoarkisto on mukana vuoden alussa alkaneessa, EU:n rahoittamassa ja CESSDAn koordinoimassa Social Sciences & Humanities Open Cloud (SSHOC) -hankkeessa, joka on yksi viidestä suuresta eurooppalaisen avoimen tieteen pilven (European Open Science Cloud, EOSC) hankekokonaisuudesta. SSHOC-hanke jatkuu vuoteen 2022 asti ja se keskittyy humanististen ja yhteiskuntatieteiden tutkimusaineistojen saatavuuden ja käytön lisäämiseen ja parantamiseen sekä näihin liittyviin yhteiseurooppalaisiin palveluihin. Pyrkimyksenä on myös lisätä tieteenalojen välistä yhteistyötä sekä hyödyntää ja yhdistää jo olemassa olevia palveluita.

Tietoarkisto osallistuu hankkeessa kahteen työpakettiin ja kolmeen tehtävään, joiden tavoitteena on metadatan ja datan yhteensopivuuden varmistaminen, yhteisten monikielisten sanastojen kehittäminen sekä aineistojen luotettavuuden ja laadun takaaminen.

Haasteena yhteisten palveluiden kehittämisessä on tieteenalojen moninaisuus ja erilaiset käytännöt. Tämä näkyy metadatan ja datan yhteensopivuutta ja -toimivuutta kartoittavassa, SSHOC-hankkeen kolmanteen työpakettiin kuuluvassa, lennokkaasti nimetyssä tehtävässä Data and Metadata Interoperability Hub. Tietoarkisto toimii tehtävän vetäjänä, ja julkaisimme ensimmäisen raporttimme heinäkuussa.

Raportin tavoitteena oli selvittää, millaisia yhteensopivuusongelmia tutkimusaineistoilla ja siihen liittyvällä metadatalla on SSHOC-hankkeen jäsenorganisaatioissa. Lisäksi pyrimme löytämään metadata- ja aineistostandardeja tai formaatteja, joiden käyttöä voi yleisesti suositella.

Raporttia varten haastateltiin 16 henkilöä kuudesta tutkimusinfrastruktuurista ja neljältä alalta: yhteiskuntatieteistä, kielitieteestä, ihmistieteistä ja kulttuuriperinteen tutkimuksesta. Lisäksi haastatteluista saatuja tietoja täydennettiin selvittämällä tietueiden määriä ja aineistoformaatteja näiden alojen arkistojen verkkosivuilta.

Tämä ei suinkaan ollut ensimmäinen kerta, kun yhteensopivuutta ja -toimivuutta kartoitetaan. SSHOC-hankkeeseen osallistuvat tutkimusinfrastruktuurit ovat kehittäneet yhtenäisiä käytäntöjä ja standardeja tahoillaan aiemminkin, ja Tietoarkisto on ollut aktiivinen esimerkiksi metadatakäytäntöjen kehittämisessä CESSDAssa. Tässä selvityksessä oli kuitenkin mukana aiempaa suurempi määrä organisaatioita eri tutkimusinfrastruktuureista.

Erilaiset aineistot, samanlaiset ongelmat

Viimeistään haastatteluiden perusteella oli selvää, että aloilla käytetyt aineistotyypit poikkeavat toisistaan todella paljon. Yhteiskuntatieteissä aineistot ovat usein taulukko- tai tekstimuotoisia, kielitieteissä käytetään paljon teksti- ja ääniaineistoja, ihmistieteiden arkistoilla on lisäksi runsaasti kuva-aineistoja ja kulttuuriperinteen tutkimuksessa aineisto voi muodostua tekstin, kuvien ja äänen lisäksi vaikkapa esineistä tai 3D-malleista.

Aineistotyyppien eroista huolimatta datan yhteensopivuusongelmat ovat kaikissa selvitykseen osallistuneissa organisaatioissa samankaltaisia. Yleisimpiä ovat erityisesti (kaupallisten) työkalujen ja ohjelmistojen omien tiedostomuotojen käyttöön liittyvät muunnostarpeet, muunnosten aiheuttamat mahdolliset tietojen menetykset sekä formaattien versioihin liittyvät ongelmat.

Myös metadatastandardeissa on runsaasti vaihtelua niin alojen välillä kuin niiden sisällä. Yhteiskuntatieteissä laajalti käytetty DDI-kuvailustandardi ei esimerkiksi ole riittävän kattava monien ihmistieteellisten aineistojen kuvailuun, eikä juuri lainkaan sopiva esimerkiksi kulttuurihistoriallisten esineiden metatietojen tallentamiseen. Lisäksi yksittäisten organisaatioiden tarpeet aineistojen ja objektien kuvailun tarkkuuden suhteen vaihtelevat suuresti.

Yleisimpiä metadatan yhteensopivuusongelmia ovat metadatan sisältämien kenttien tulkintaongelmat, vanhojen standardien yhteensopimattomuus uudempien kanssa sekä paljon tietoa sisältävästä metadataformaatista siirtyminen toiseen, jolloin tietoa menetetään.

Kaiken kaikkiaan raportoituja yhteensopivuusongelmia oli lopulta kuitenkin vähemmän kuin odotimme. Tämä kertonee osaltaan siitä, että organisaatiot ovat jo reagoineet ongelmiin kehittämällä käytäntöjään. Toisaalta havaitsimme myös melko paljon eroja organisaatioiden välillä siinä, kuinka hyvin ne ottavat yhteensopivuuden toiminnassaan huomioon.

Yksi koko ei sovi kaikille

Selvitys vahvisti myös aiemmissa hankkeissa todetun havainnon siitä, ettei ole olemassa yhtä, kaikille aloille ja kaikkiin tilanteisiin sopivaa kuvailustandardia ja aineistoformaattia. Sopiakseen kaikille aloille esimerkiksi yhteisen kuvailustandardin on auttamatta oltava pelkistetty.

FAIR-periaatteisiinkin kuuluvien löydettävyyden ja yhteensopivuuden varmistamiseksi päädyimme suosittelemaan kaikille yhteiseksi kuvailustandardiksi Dublin Corea sekä hieman sovellettua DataCiteä. Organisaatioiden käyttämien standardien olisi hyvä olla vähintäänkin muunnettavissa jompaankumpaan näistä.

Koska aloilla ja organisaatioilla on erilaiset tarpeet, teimme lisäksi tutkimusinfrastruktuurikohtaisia suosituksia kuvailustandardista ja aineistotyyppikohtaisia suosituksia aineistoformaatista. Suositukset perustuvat tutkimusinfrastruktuureissa eniten käytettyihin standardeihin ja formaatteihin.

Käyttivätpä organisaatiot mitä standardia ja formaattia tahansa, suosituksenamme on, että niiden käyttö on hyvin ja läpinäkyvästi dokumentoitu. Monta yhteensopivuusongelmaa vältetään jo hyvällä dokumentaatiolla.

Yhteisiä ratkaisuja yhteistyöllä

Työpaketin ensimmäinen raportti osoittaa, ettei yhteisten palveluiden kehittäminen ole aina suoraviivaista. Eri aloilla on paitsi omat tarpeensa, myös omat vakiintuneet käytäntönsä. Hankkeen tarkoituksena ei kuitenkaan ole pakottaa kaikkia yhteen muottiin, vaan luoda kaikille hyödyllisiä työkaluja ja palveluita.

Yhteistyö ja tutustuminen muiden alojen ja organisaatioiden toimintatapoihin ja haasteisiin on hyödyllistä myös siksi, että kohdatut ongelmat ovat usein samanlaisia, ja joku on jo saattanut löytänyt kaikille toimivan ratkaisun. Seuraavaksi Data and Metadata Interoperability Hub -tehtävä kartoittaakin ratkaisuja metadatan ja datan yhteensopivuusongelmiin.

Lisätietoa:

» Kehittämispäällikkö Mari Kleemola
» SSHOC D3.1 Report on SSHOC (meta)data interoperability problems
» SSHOC-hankkeen verkkosivut

Henri Ala-Lahti
tietopalveluasiantuntija
etunimi.sukunimi [at] tuni.fi

Tämä blogikirjoitus on luettavissa myös englanniksi:
SSHOC Project Charted (Meta)data Interoperability Problems with FSD at the Helm.

FSD’s multilingual and qualitative data expertise brings in international visitors

During its 20 years of operation, FSD has established its status as a trusted partner in collaboration of data archives. On the initiative of our Japanese colleagues, we organised a seminar entitled Metadata, Data Catalogues and Tools for Findability in March.

The motivation for the seminar was a Japanese national project developing a joint data catalogue of several service providers. Our Japanese visitors chose to visit Finland and FSD because we have a long experience in successfully providing services in two languages, Finnish and English, as well as delivering metadata for harvesting by national and international joint catalogues.

We designed our presentations to answer the needs of our guests. FSD's experts shared experiences of using the DDI-C metadata format, the process of joining national and international multidisciplinary catalogues, the significance and utilisation of controlled vocabularies, and the CoreTrustSeal certification, among others.

Professor Yukio Maeda presents JSPS's plan for a federated data catalogue. Photo: Tuomas J. Alaterä

In addition to talks by FSD experts and our guests from Japan, the seminar featured presentations by the Director of CESSDA Ron Dekker and the Swedish National Data Service's IT Systems Architect Olof Olsson. It is important for CESSDA to collaborate with organisations outside of Europe. The seminar in Tampere provided a good opportunity to share information about CESSDA strategy and objectives in responsible data sharing as well as the CESSDA Data Catalogue, which contains both FSD's and SND's metadata. SND makes use of the DDI-L format, and Olsson's presentation on the topic offered a good comparison of two distinct metadata solutions. The presentation was also interesting from FSD's systems development point of view.

Similar challenges

The seminar showed that the challenges of research data management and sharing are very similar everywhere. Similarly to Finland and Europe, researchers in Japan have a positive attitude towards data sharing in principle. However, when it comes to sharing their own data with others, they do not feel comfortable doing so or they prefer to share the data themselves rather than letting professionals do it for them. Our data acquisition team regularly encounters similar attitudes.

Seminar attendees. Photo: Misa Senbonmatsu

What also sounded familiar was the fact that the development of the data infrastructure is not actually nationally coordinated in Japan. Instead, the funder has opened a competition where different service providers are able to apply for funding for projects with certain pre-defined conditions. The big picture is then made up of what various organisations think is necessary and which project proposals the funder approves. Another thing to consider is how established the infrastructure operations will be after the funding period.

More information:

» DDI-C ja L documentation
» CESSDA ERIC
» Swedish National Data Service SND
» Japan Society for the Promotion of Science JSPS
» FSD metadata records in machine readable formats
» Data are described in the DDI format
» Vocabularies used in FSD's data descriptions

Helena Laaksonen
director
firstname.surname [at] tuni.fi

This blog entry is also available in Finnish:
Monikielinen aineisto-osaaminen ja laadullisten aineistojen asiantuntemus tuovat kansainvälisiä vieraita Tietoarkistoon.

Monikielinen aineisto-osaaminen ja laadullisten aineistojen asiantuntemus tuovat kansainvälisiä vieraita Tietoarkistoon

Tietoarkisto on 20 toimintavuotensa aikana vakiinnuttanut asemansa luotettuna kumppanina data-arkistojen yhteistyössä. Maaliskuussa järjestimme japanilaisten kollegojen kanssa, heidän aloitteestaan, seminaarin Metadata, Data Catalogues and Tools for Findability.

Kansainvälisen seminaarin taustalla on Japanin kansallinen hanke, jossa he rakentavat usean palveluntarjoajan yhteistä aineistoluetteloa. Japanilaiset vieraat valitsivat Suomen ja Tietoarkiston vierailukohteekseen, koska Tietoarkistolla on pitkä kokemus onnistuneesta kaksikielisten palvelujen tuottamisesta suomeksi ja englanniksi sekä tutkimusaineistojen kuvailutietojen saattamisesta haravoitaviksi kansallisiin ja kansainvälisiin yhteisluetteloihin.

Tietoarkistossa koostimme oman osuutemme ohjelmaan vieraiden tiedontarpeesta lähtien. Tietoarkiston asiantuntijat kertoivat muun muassa DDI-C-kuvailuformaatin hyödyntämisestä Tietoarkistossa, liittymisestä kansallisiin ja kansainvälisiin monitieteisiin luetteloihin, monikielisten asiasanastojen merkityksestä ja hyödyntämisestä sekä CTS-sertifioinnista.

Professori Yukio Maeda esittelee JSPS:n suunnitelmaa yhteiskatalogiksi.
Kuva: Tuomas J. Alaterä

Seminaarissa esiintyivät Tietoarkiston asiantuntijoiden ja japanilaisten vieraiden lisäksi CESSDA ERICin johtaja Ron Dekker ja Ruotsin datapalvelun SND:n järjestelmäarkkitehti Olof Olsson. CESSDAlle on tärkeää luoda yhteistyösuhteita myös Euroopan ulkopuolelle. Tampereen seminaari antoi hyvän mahdollisuuden kertoa CESSDAn strategiasta ja tavoitteista tutkimusdatan vastuullisen avaamisen alalla, unohtamatta CESSDAn aineistoluetteloa, johon myös Tietoarkiston ja SND:n metadata haravoidaan. Ruotsin SND hyödyntää DDI-L-kuvailuformaattia. Olssonin esitys aiheesta tarjosi hyvän vertailukohdan kahden erilaisen metadataratkaisun välillä ja oli kiinnostava myös Tietoarkiston järjestelmäkehityksen näkökulmasta.

Samankaltaiset haasteet

Varsinaisen asiasisällön lisäksi seminaari osoitti kaikille osallistujille, että tutkimusaineistojen hallinnan ja avaamisen ongelmat ovat kaikkialla hyvin samanlaisia. Japanissakin tutkijat suhtautuvat periaatteessa myönteisesti, mutta eivät usein halua jakaa omaa dataansa muiden kanssa. Ja jos he haluavat, he usein tekevät sen mieluummin itse kuin antavat asiaan perehtyneiden ammattilaisten hoitaa tehtävän puolestaan. Tämä on Tietoarkiston aineistonhankinnassa tuttua.

Seminaariosallistujat. Kuva: Misa Senbonmatsu

Kovin tutulta vaikutti myös se, että datainfrastruktuurin rakentamista ei varsinaisesti koordinoida Japanissa kansallisesti. Rahoittaja on avannut kilpailun, josta eri palveluntarjoajat ovat voineet hakea rahoitusta tietyin ehdoin määritellyille hankkeille. Kansallinen kokonaiskuva rakentuu siitä, mitä erilliset organisaatiot pitävät tarpeellisena - ja mitä rahoittaja näistä esityksistä jatkoon valitsee. Perustamisvaiheen ohella pohdittavaa aiheuttaa infrastruktuurin toiminnan vakiinnuttaminen rahoituskauden päättyessä.

Lisätietoa:

» DDI-C ja L -dokumentaatio
» CESSDA ERIC
» Svensk nationell datatjänst SND
» Japan Society for the Promotion of Science JSPS
» Aineistokuvailut koneluettavissa formaateissa
» Aineistokuvailun DDI-formaatti
» Aineistonkuvailussa käytetyt sanastot

Helena Laaksonen
johtaja
etunimi.sukunimi [at] tuni.fi

Tämä blogikirjoitus on luettavissa myös englanniksi:
FSD’s multilingual and qualitative data expertise brings in international visitors.

Being trustworthy and FAIR requires people, processes, technologies and collaboration

The Implementation Roadmap for the European Science Cloud (EOSC) puts focus on research data adhering to the FAIR principles of being findable, accessible, interoperable, and reusable. These are all excellent goals and the social science data archive community has been promoting similar ideas since at least the 1970's. We know that managing, disseminating and preserving digital data for the long term is neither simple nor straightforward. Research data will not become nor stay FAIR by magic. We need skilled people, transparent processes, interoperable technologies and collaboration to build, operate and maintain research data infrastructures.

A key theme in digital preservation and thus in all FSD's functions is trust. Data subjects need to be able to trust that data about them are handled in an appropriate way. Researchers need to have trust that FSD manages their data according to the agreements. FSD’s users need to be able to trust that they get access to reliable versions of data from FSD and that, for example, all changes made to the deposited datasets are documented. In short, FSD needs to be a trusted digital repository.

Shaping the trust landscape

Luckily, FSD is not alone. In addition to collaborating in national networks, FSD is the Finnish Service Provider for CESSDA ERIC (Consortium of European Social Science Data Archives). CESSDA requires that all its Service Providers adhere to the trustworthy digital repository requirements set by the CoreTrustSeal. In August 2017, FSD acquired the new CTS certification among the first CESSDA Service Providers.

FSD has been active in CESSDA's trust work for several years and currently I am a member of the CESSDA Trust Working Group. The Group offers guidance and support to CESSDA members in understanding and acquiring the CoreTrustSeal and maintains an overview of the trust landscape including certification standards and the emergence of the FAIR data principles and the requirements of the EOSC. I am also a member of the CoreTrustSeal Board 2018–2021. These collaborations are essential for strengthening FSD's expertise. They also provide unique insights to, and possibilities to be involved in, shaping the trust landscape.

Today is the World Digital Preservation Day. It brings together the digital preservation community to celebrate the collections preserved, the access maintained and the understanding fostered by preserving digital materials. I want to take this opportunity to celebrate FSD's current and forthcoming collaborations and especially our staff's great expertise and dedication. As the Chair of the CESSDA Trust Group Herve L’Hours has written: Technologies can be consolidated, and processes automated, but collection, creation, curation and research use/reuse of data is ultimately dependent on the domain and disciplinary expertise of the humans who know them best. (L'Hours 2018)

Happy Digital Preservation!

FSD’s work in CESSDA Trust Group and CoreTrustSeal are supported by CESSDA Trust Work Plan project and the Active FSD for CESSDA project funded by the Academy of Finland.

More information:

» Follow #WDPD2018 on Twitter
» CESSDA Trust Working Group
» CoreTrustSeal Board 2018-2021

Mari Kleemola
Development Manager
firstname.surname [at] uta.fi

Tietoarkisto CESSDAssa: vahvuuksiamme ovat toimivat palvelut ja käytännöt sekä luotettavuus

CESSDA ERIC -infrastruktuuria rakennetaan kiihtyvällä vauhdilla ja viimeiset kolme vuotta ovat olleet Tietoarkistolle erittäin tiiviin eurooppalaisen yhteistyön aikaa. CESSDAn keskustoimisto on pieni ja toiminta perustuu kansallisten palveluntuottajien hajautettuihin palveluihin.

Yksi CESSDAn suurimmista hankkeista, kaksivuotinen CESSDA Strengthening and Widening, lyhyemmin SAW, päättyi vuoden 2017 lopussa. Hanke sai rahoituksensa Euroopan unionin Horisontti 2020 -ohjelmasta. Nimensä mukaisesti hankkeessa sekä vahvistettiin CESSDAn toimintoja että pyrittiin saamaan uusia valtioita jäseneksi.

Hanke oli meille hyödyllinen, sillä pystyimme siinä vertailemaan Tietoarkistoa muihin eurooppalaisiin data-arkistoihin ja saamaan sitä kautta arvokasta palautetta. Lisäksi hankkeessa onnistuttiin kehittämään välineitä tietoarkistotyöhön.

Tietoarkisto edelläkävijä monella saralla

Hankkeen alkupuolella vuonna 2016 kartoitettiin eurooppalaisten data-arkistojen toimintojen vahvuuksia ja kehityskohteita. Tietoarkiston tulokset olivat suurelta osin data-arkistojen keskiarvoa paremmat. Sopimus- ja käyttöoikeuskäytäntömme, tietosuoja-asiat ja aineistojen kuvailu nousivat esille erityisen hyvinä osa-alueina. Parantamisen varaa oli teknisen infrastruktuurin puolella.

Tietoarkiston tulokset olivat suurelta osin data-arkistojen keskiarvoa paremmat. Lähde: Deliverable 3.2 Country report on development potentials.

Akatemian FIRI 2016 -rahoitusta saanut Aktiivinen Tietoarkisto CESSDAssa -hankkeemme painottuukin juuri teknisen infrastruktuurimme parantamiseen vuosina 2017-2021.

Luotettava ja sertifioitu

Yksi CESSDAn vaatimuksista on, että palveluntuottajien on hankittava CoreTrustSeal-sertifikaatti (aikaisemmin CTS tunnettiin nimellä Data Seal of Approval). SAW-hankkeessa Tietoarkisto oli mukana kouluttamassa ja tukemassa palveluntuottajia sertifioinnissa. Hankkeen aikana Tietoarkisto päivitti oman sertifiointinsa ja saikin uusien, tiukennettujen vaatimusten mukaisen CTS-sertifikaatin ensimmäisten joukossa koko maailmassa.

Uusia työkaluja data-arkistoille

Tietoarkiston yksi painopiste SAW-hankkeessa oli tuottaa työkaluja, jotka auttavat uusia data-arkistoja aloittamaan ja olemassa olevien data-arkistojen kehittämään toimintojaan. Teimme hankkeessa Kuha2-harvointirajapinnan, joka on helposti käyttöön otettava, kevyt mutta kattava palvelinohjelmisto kuvailutietojen jakeluun. Kuha2:n lähdekoodi on avointa.

Lisäksi olimme mukana tuottamassa kustannus-hyöty-työkalupakettia data-arkistoille. Tietoarkisto laati hyöty-yhteenvedon ja kokeili kustannus-hyöty-työkaluja. Kustannus-hyötyanalyysissä emme saavuttaneet brittien data-arkiston lukemia, mikä johtunee toisaalta skaalaeduista ja toisaalta toimintamallista. Ailan käyttöönotto on kuitenkin parantanut tehokkuuttamme selvästi.

Tavoitteena hyvien käytäntöjen jakaminen

Tietoarkisto haluaa vaikuttaa aktiivisesti siihen, minkälaisia palveluita CESSDA tarjoaa tutkijoille. Toisaalta haluamme varmistaa, että omat palvelumme ovat kansainvälisten vaatimusten mukaisella tasolla. Olemme eurooppalaisittain keskikokoinen data-arkisto, joten meidän kannattaa keskittyä vahvuusalueisiimme, kun pyrimme viemään käytäntöjämme malliksi CESSDAlle ja muille palveluntuottajille. Vastaavasti on osa-alueita, joissa meidän on hyödyllistä ottaa mallia muilta. CESSDA SAW -hankkeessa otimme tärkeitä askeleita tavoitteidemme saavuttamiseksi. Jatkamme tätä työtä muun muassa olemalla mukana CESSDAn sisäisissä kehityshankkeissa.

Mari Kleemola
kehittämispäällikkö
etunimi.sukunimi [at] uta.fi