Tietoarkisto monitieteisessä COVID-19-dataportaalissa

Kukapa tiesi vuoden 2019 lopulla, mitä tuleman piti, kun uutiset uudesta viruksesta kantautuivat korviimme. Virus sai nimen COVID-19 ja pian olivat asiat sekaisin ympäri maailman. Uusi virus käynnisti myös monitieteisen tutkimusaallon. Dataa kerättiin, ja kerätään yhä, niin itse viruksesta ja sen aiheuttamasta sairaudesta kuin myös viruksen torjuntaan liittyvistä toimista ja toimien vaikutuksesta sekä viruksen leviämiseen että yksilöihin ja yhteiskuntaan. COVID-19-viruksen vaikutukset ovat olleet hyvin monitahoisia. Jotta niitä voitaisiin tutkia myös näin jälkikäteen, tarvitaan tietoa siitä, mitä datoja aiheesta on kerätty. Tähän tarpeeseen vastaa monitieteinen COVID-19 dataportaali.

Tietoarkistolla oli keskeinen rooli yhteiskuntatieteellisten ja humanististen tutkimusaineistojen tuomisessa osaksi COVID-19-dataportaalia. Näiden tieteenalojen ensimmäiseksi lähteeksi valikoitui CESSDAn datakatalogi, jossa on tarjolla runsaasti rikasta ja laadukasta yhteiskuntatieteellisten tutkimusaineistojen metadataa Tietoarkiston ohjelmoiman OAI-PMH rajapinnan kautta. Vaikka metatiedot ja rajapinta olivat jo valmiita, vaati metatietojen saaminen COVID-19-dataportaaliin runsaasti työtä.

CESSDAn datakatalogi sisältää monipuolisesti erilaisia yhteiskuntatieteellisiä ja humanistisia teemoja käsittelevien aineistojen metatietoja kuten kaikki Tietoarkiston aineistojen metatiedot. Tämän vuoksi piti ensiksi valita COVID-19-dataportaaliin sopivat aineistot. Tähän tarkoitukseen otettiin käyttöön DSpace-repositoriosovellus, jonka kreikkalainen National Centre for Social Research (EKKE) asensi Barcelona Supercomputing Centerin (BSC) tarjoamalle palvelimelle. DSpace käyttää hakuihin Apache Solr -ohjelmistoa, joka tukee monenlaisia tehokkaita hakuja. EKKE haravoi DSpaceen kaiken CESSDAn datakatalogin sisältämän metadatan ja lisäsi rajapinnan, jonka avulla hakuja voi tehdä koneellisesti saaden tulokseksi linkin alkuperäiseen metadataan OAI-PMH-rajapinnassa.

Tietoarkisto sovitti CESSDAn datakatalogin DDI Codebook 2.5 -muotoisen metadatan COVID-19-dataportaalin käyttämään OmicsDI-formaattiin ja tuotti metatietojen muuntamiseen XSLT-tiedoston. Tietoarkisto kehitti sovelluksen, joka käyttää edellä mainittuja rajapintoja ja XSLT-tiedostoa, jotta valittujen aineistojen metadatat saadaan halutussa muodossa COVID-19-dataportaaliin. "Social Science & Humanities"-osion ensimmäinen versio julkaistiin COVID-19-dataportaalissa viime vuoden lokakuussa. Näitä prosesseja, hakuja ja sovelluksia kehitetään edelleen ja työn alla on myös uusien metadatalähteiden lisääminen. Seuraavana vuorossa on European University Instituten (EUI) COVID-19 Social Sciences Data Portal.

COVID-19-dataportaali on monitieteisyydessään ainutlaatuinen ikkuna pandemiaan. Tietoarkisto oli ensimmäisiä suomalaisia organisaatioita, joiden tutkimusaineistot olivat löydettävissä COVID-19-dataportaalin kautta. Arkistoimalla korona-aiheisen tutkimusaineistosi Tietoarkistoon, sinunkin datasi saa kansainvälistä näkyvyyttä COVID-19-dataportaalin kautta.

Lisätietoa:

• COVID-19-dataportaali
• CESSDAn datakatalogi
• EKKE
• EUI COVID-19 Social Sciences Data Portal

Katja Moilanen
erityisasiantuntija

Markus Tuominen
IT-asiantuntija

etunimi.sukunimi [at] tuni.fi

Matka Kööpenhaminaan

Yhteiskuntatieteellinen tietoarkisto laajentaa toimintaansa terveystieteisiin ja humanistisille aloille ja tätä varten palkkasi kaksi uutta työntekijää vuoden 2015 alusta. Sain kunnian tulla valituksi toiseksi heistä, terveystieteiden tieteenala-asiantuntijaksi.

Ensimmäinen kansainvälinen tehtävä oli osallistua pohjoismaiseen kokoukseen Kööpenhaminassa 28.–29.1., aiheena Making Nordic Health Data Visible -projekti. Projektin rahoitus on tarkoitettu sekä verkostoitumiseen pohjoismaisten terveysdataa arkistoivien ja jakavien data-arkistojen kanssa että prototyypin rakentamiseen portaalista, joka mahdollistaisi joustavan aineistojen löytämisen Pohjoismaissa tuotetuista terveysaineistoista.

Portaalille olisi hyvinkin tarvetta, sillä terveysaineistot ovat hajallaan eri rekisteriaineistojen haltijoilla sekä yksittäisillä tutkimusryhmillä ja -laitoksilla, ja käytännöt vaihtelevat maittain. Aineistoja tarvitsevien tutkijoiden, erityisesti Pohjoismaiden välisiä vertailuja tekevien, työ on miltei mahdotonta, kun tietoja eri aineistoista ei ole keskitetysti saatavilla.

Sää oli hyvin pilvinen ja kostea kun kone laskeutui. Kööpenhaminan keskustassa vanhoista kivirakennuksista sai vain häivähdyksen, miltä siellä näyttäisi hyvällä säällä auringon paistaessa, kun kaikki ei olisi märkää ja harmaata.

Kokous pidettiin Tanskan Kansallisarkistossa, historiallisessa Christiansborgissa, osassa joka rakennettiin 1720 arkistolaitosta ja kuninkaallista kirjastoa varten. Arkistolaitoksen historia ulottuu aina 1200-luvun loppupuolelle, varsinainen Kansallisarkisto perustettiin kahden vanhemman arkiston yhdistyessä 1889. Kävelimme käytävillä ja portaikoissa, joita kirjastonhoitajat ja arkistoijat olivat kulkeneet vuosisatojen ajan.

Ensimmäinen kokoustila ei valitettavasti sijainnut missään historiallisessa kamarissa. Vaikuttavan kivisen kierreportaikon päässä saavuimme tilaan, joka oli hyvin matala ja sisustettu modernin valkoiseksi ja lasiseksi. Vanhoista ikkunoista näkyi vain muutama kymmenen senttiä ylälaidasta, huonetta hallitsivat metallipinnoitteiset ilmastointiputket.

Kokousta eivät kuitenkaan tee ympäröivät seinät vaan ihmiset niiden sisällä. Paikalla oli data-arkistoinnin asiantuntijoita ja teknistä henkilökuntaa suomalaisten lisäksi Tanskasta, Ruotsista ja Norjasta.

Aluksi kokoonnuimme kaikki yhdessä kertaamaan, mikä projektin tavoite oli ja miten etenemme.

Lounaan jälkeen jakaannuimme kahteen ryhmään: aineistoasiantuntijat pohtimaan portaalin sisällöllistä puolta, erityisesti käyttöön tulevaa sanastoa, tekninen väki keskustelemaan portaalin käytännön toteuttamisesta.

Seuraavana päivänä oli yhteiskokous tanskalaisten terveysalan tutkijoiden kanssa, jotta saisimme palautetta ja kuullaksemme millaisia asioita he portaalilta odottavat ja minkälaisia tarpeita sen rakentamisessa olisi syytä ottaa huomioon. Hyvän kokemuksen perusteella päätimme kutsua tutkijoita paikalle myös projektin seuraavaan suureen kokoontumiseen lokakuussa Tampereelle.

Lopuksi muokkasimme aikataulua; erityisesti ohjelmoinnille olisi syytä varata paljon enemmän aikaa kuin aiemmin oli suunniteltu. Ohjelmoijat tapaavat jo alkukesästä Norjan Bergenissä "hackathonissa", jolloin muutaman päivän aikana tehdään suuri osa ohjelmointityöstä kerralla.

Kaikkea ei kuitenkaan voida tehdä kokonaan muutaman tapaamisen aikana ja työ jatkuu nyt verkon välityksellä jokaisen edistäessä omaa osuuttaan projektista. Nykytekniikalle voi olla kiitollinen sen mahdollistaessa samanaikaisen ohjelmoinnin eri puolilla maailmaa, samoin sisällön tuottaminen on mahdollista samanaikaisesti eri versioiden sekaantumatta toisiinsa.

Lisätietoa:
» Making Nordic Health Data Visible
» Rigsarkivet

Annaleena Okuloff
tieteenala-asiantuntija
etunimi.sukunimi [at] uta.fi