Rakasta dataa! Love Data Week muistutti, että datasta pitää pitää huolta

Olemme taas viettäneet dataintoilijoiden kansainvälistä teemaviikkoa. Love Data Week 2025 kysyi ja hieman vastasikin sangen yleiseen ongelmaan "Whose data is it anyway", eli kenen dataa se nyt oikein on? Tietoarkistossa puhumme mielellämme omista datoistamme ja ehkä tekin puhutte Tietoarkiston datoista. Datat eivät kuitenkaan ole meidän, koska sopimusten mukaisesti huolehdimme datoista tekijöiden ja omistajien puolesta.

Metadata sen sijaan on Tietoarkiston tuottamaa, "meidän dataamme" siis. Se on avoimesti saatavilla Creative Commons Nimeä 4.0 Kansainvälinen -lisenssin mukaisesti.

Love Data Weekin järjestää ICPSR. Tapahtumista ja viikon aikana jaetuista tietolähteistä voit lukea lisää tapahtumasivuilta. Tietoarkisto osallistui viikon teemaan sosiaalisen median nostoilla, joissa toimme esiin palveluita ja tietolähteitä, joiden kautta Tietoarkisto ohjeistaa datan omistamisesta tai tekijyydestä sopimiseen. Tähän blogiin on koottu kaikki nämä nostot.

Sopiminen, kun tutkijoita on useita

Jos tutkimushankkeessa on useita tutkijoita, kannattaa hoitaa oikeuksista sopiminen ajoissa, jotta ei tarvitsisi miettiä jälkikäteen, "kenen dataa se nyt oikein on?" Ohjeita saat muun muassa Tietoarkiston Aineistonhallinnan käsikirjan luvusta Sopimukset ja oikeudet.

Tekijä ei ole aina henkilö

Koronapandemian aikana kerätyt tutkimusdatat ovat ajankohtaisia myös nyt. Pandemia osoitti, että yhteiskunnan kriisitilanteissa ilmiötä käsittelevät tutkimusaineistot pitää saada käyttöön joustavasti ja avoimesti. Tutkimusaineistolla ei aina myöskään ole henkilötekijää, vaan se voi olla myös organisaation tuottama. Näistä esimerkkinä on tammikuussa 2025 julkaistu gerontologisen sosiaalityön ja diakoniatyön asiakkaiden sekä ikääntyvien parissa työskentelevien haastatteluaineisto.

Aineistoviite: Helsingin yliopisto & Itä-Suomen yliopisto & Lapin yliopisto: Gerontologisen sosiaalityön ja diakoniatyön asiakkaiden sekä ikääntyvien parissa työskentelevien haastatteluja 2021 [data]. Dataversio 1.0 (2024-09-12). Yhteiskuntatieteellinen tietoarkisto [jakaja]. DOI: https://doi.org/10.60686/t-fsd3862; URN: https://urn.fi/urn:nbn:fi:fsd:T-FSD3862

Aineisto voi jäädä orvoksi

Kenelle kuuluu orpo aineisto? Arja Kuula-Luumi kirjoitti orvoista aineistoista blogin jo yli kymmenen vuotta sitten.

Tuolloin Tietoarkistossa uudistettiin ja yksinkertaistettiin arkistointisopimuksia. Nykyiseen verrattuna Tietoarkistossa oli tuolloin runsaasti dataa, jonka käyttöön piti pyytää alkuperäisen tutkijan tai luovuttajan lupa. Halusimme vähentää näin rajoitettua käyttöä ja lisäksi muuttaa luvanvaraisuuden määräaikaiseksi. Määräaikaisuutta voi karuimmillaan perustella sillä, että aineistosta tulee orpo, kun luvanantaja kuolee eikä vaihtoehtoista toimintatapaa ole määritelty. Aineisto voi kuitenkin jäädä orvoksi myös silloin, kun luvanantaja jostain muusta syystä ole enää tavoitettavissa.

Arkistointiohjeissa kerromme datojen käyttöoikeusluokista.

Kenen data?

Joskus tutkittaville syntyy tekijänoikeuksia tutkimusta varten kerättyyn aineistoon. Näin voi tapahtua, jos tutkittavat esimerkiksi piirtävät tai valokuvaavat tai tuottavat tekstiä, josta tutkija muodostaa aineistonsa. Lue Tietoarkiston Aineistonhallinnan käsikirjasta, mitä sinun pitää ottaa huomioon näin kerättyä aineistoa hyödyntäessäsi ja millaiset sopimukset ovat tarpeen.

Tietoarkisto vaalii huomassaan olevaa dataa jokaisena päivänä – ole yhteydessä asiakaspalveluumme tai täytä arkistointiehdotuslomake, kun datasi kaipaa rakkautta!

Helena Laaksonen
johtaja

Tuomas J. Alaterä
palvelupäällikkö

etunimi.sukunimi [at] tuni.fi

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

Tutkimusdata on pysyvän tunnisteensa ansainnut

Tänään on maailmanlaajuinen digitaalisen pitkäaikaissäilyttämisen päivä. Miksi siis kirjoittaa pysyvistä tunnisteista, PIDeistä? Siksi, että tunnisteen merkitys on keskeinen laadukkaan pitkäaikaissäilytyspalvelun toteuttamisessa. Kuten tutkimusjulkaisu, myös tutkimusdata on laajasti hyödyllinen vain, jos se on löydettävissä ja kuvailtu riittävän yksityiskohtaisesti. Pysyvä tunniste onkin oleellinen osa pyrkimystä löydettävämpään, saavutettavampaan, yhteentoimivampaan ja uudelleenkäytettävämpään – siis FAIRimpaan – dataan. Se edistää myös avointa tiedettä ja tutkimusta.

Jos tutkimus olisi aina ollut digitaalista, PID (Persistent Identifier) olisi varmasti jo tutkimusdatan normaali kumppani, samoin kuin julkaisuille jo pitkään annetut kirjastoluokitukset ja teoksen identifioiva merkkijono. Tunnisteen avulla digitaalinen aineistopaketti on yksiselitteisesti identifioitavissa ja viitattavissa. Pääsääntöisesti oletamme, että data on saatavissa "verkosta". Vielä toistaiseksi datan löytäminen tai tiettyyn dataan viittaaminen vaatii usein nojautumista muuttuviin URL-osoitteisiin tai viittaamista hakutuloksiin tietokannasta.

PID on avain. Se tunnistaa ja avaa laatikon, josta löytyy itse datan ohella sen kuvaus, ja kenties joukko versioita tai tietoja siitä, mitä versiota tai mitä osaa datasta on hyödynnetty. PID yksistään ei tietysti takaa kaikkea tätä. Mutta PIDillä on omistaja, jolla on velvollisuus taata tunnisteen toimivuus, ainutkertaisuus ja pysyvyys - ja siten datan löydettävyys. Siksi pysyvää tunnistetta ei tulisi koskaan saada aineistolle, jonka metatiedosta, saatavuudesta tai säilyttämisestä ei ole huolehdittu.

PID on käypää valuuttaa. Sillä on käyttöarvo ja tunnisteiden hallinta pitää arvoa yllä. Ylläpitäjä, korkeakoulu, kirjasto tai data-arkisto, vastaa siitä, että tunniste resolvoituu oikeaan lähteeseen. Pitkäaikaissäilytyksen kannalta tämä tarkoittaa, että tiedetään, mikä versio ja millä tunnisteella, on milloinkin säilytetty.

PID lisää luotettavuutta. Kaikki pysyvät tunnistejärjestelmät vaativat, että tunnisteita hallinnoidaan aina siitä alkaen, kun tunniste annetaan. Vaikka aineisto myöhemmin syystä tai toisesta hävitettäisiin tai sen saatavuutta rajoitettaisiin, PID johtaa kyselijän edelleen aineiston perustietoihin. Näin pitkä sitoutuminen aineiston ja sen tietojen ylläpitoon ei voi jäädä tutkijan vastuulle, vaan taustalla tulee olla jokin luetettava taho – esimerkiksi data-arkisto. PIDin tulee lisätä luottamusta siihen, että aineisto on luotettavasti säilytetty ja sen saatavuudesta on huolehdittu. PID kertoo, että datastasi välitetään.

PID parantaa yhteentoimivuutta. Nykypäivänä tiedon on liikuttava tietojärjestelmästä toiseen. Kun pysyvä tunniste on dokumentoitu kuvailevaan metadataan koneluettavassa muodossa, haravoituu se erilaisiin yhteysluetteloihin tai julkaisuarkistoihin osana dataviittausta. Siten PID edistää meriitin syntymistä datan tuottajille. Yhtä lailla tutkimusorganisaatiot, julkaisijat tai julkaisutiedon kerääjät voivat hyödyntää tunnistetta dataan kohdistuvien viittausten kokoamiseen. Rahoittajille tunniste tarjoaa mahdollisuuden esimerkiksi automatisoida rahoittamiensa tutkimustuotosten seuraamista.

PIDit Tietoarkistossa

Tietoarkisto antaa kullekin arkistoitavalle datalle pysyvän tunnisteen. Me käytämme URN-tunnisteita. Olemme valinneet käytännöksi, että tunniste muodostetaan aineistolle annettavan aineistonumeron perustalle, joten ihminenkin näkee, mihin aineistoon tunniste viittaa. Tämä helpottaa tunnisteen käsittelyä ja ymmärtämistä esim. tutkimusjulkaisussa, mutta on silti täysin koneluettava. Kukin aineisto saa pysyvän tunnisteensa jo siinä vaiheessa, kun sen arkistointi aloitetaan. Siten viitteen keräämäänsä (tai käyttämäänsä) aineistoon voi liittää julkaisuun jo etukäteen. Aluksi tunniste johtaa tietoon siitä, että kyseinen aineisto on arkistointiprosessissa. Myöhemmin, kun arkistointi on valmistunut ja aineisto on saatavissa, sama viite tulee ohjaamaan dataan tai sen versiohistoriaan.
PID - tunnista, mitä avaat!

Lisätietoa:

» PID linkkinä resolvoituu aineistokuvaukseen Ailassa: urn:nbn:fi:fsd:T-FSD3424
» Näin Tietoarkisto palvelee arkistoinnissa
» World Digital Preservation Day

Tuomas J. Alaterä
IT-palveluasiantuntija
etunimi.sukunimi [at] tuni.fi

Tietoarkisto on FAIR

Avoimen tieteen piirissä on viimeisen vuoden aikana alettu puhua FAIR-periaatteista. Kiinnostuksen selittänee pitkälti EU:n Horisontti 2020 -ohjelma, joka painottaa tutkimusaineistojen hyvää hallintaa ja FAIR-periaatteita.

FAIR on lyhenne sanoista Findable, Accessible, Interoperable ja Re-usable. Suomeksi voitaisiin puhua tutkimusaineistojen löydettävyydestä, saavutettavuudesta, yhteentoimivuudesta ja uudelleenkäytettävyydestä – kaikki periaatteita, joita Tietoarkisto on edistänyt jo kohta kaksikymmentä vuotta ja vanhimmat yhteiskuntatieteelliset sisararkistomme (kuten brittien UKDS) jo puoli vuosisataa.

Vaikka kyse ei olekaan meille uudesta asiasta, FAIR-keskustelu on tarjonnut oivan herätteen tarkastella Tietoarkiston toimintaa hieman erilaisesta näkökulmasta. Yksi sysäys tarkastelullemme oli myös marraskuussa OpenAIRE2020-hankkeen järjestämä työpaja. Siellä FAIR-periaatteista keskusteltiin erilaisia tutkimuksen tukipalveluja vertailukohtana käyttäen. Tietoarkisto oli yksi mukana olleista palveluista.

Koska tarjoamme aineistojen arkistointi- ja avaamispalvelujen lisäksi neuvontaa ja ohjausta tutkimusdatan hallintaan (ks. tieteenala-asiantuntijamme Katja Fältin oiva katsaus olemassa oleviin aineistonhallinnan resursseihin ja palveluihin, onkin aiheellista ja reilua kysyä: Kuinka FAIR Tietoarkisto on?

Vastaukseni on, että Tietoarkisto on erittäin FAIR. Tässä tiivistetyt perustelut:

• Tietoarkistoon arkistoidut aineistot on kuvailtu yksityiskohtaisesti. Metadata on vapaasti saatavilla ja hyödynnettävissä, vaikka datassa voi olla rajoituksia. Annamme aineistoille aina pysyvän tunnisteen. Aineistot ovat löydettävissä Tietoarkiston oman Aila-palveluportaalin kautta ja esimerkiksi myös kansallisten Finna- ja Etsin-palveluiden kautta.
• Metadata on vapaasti saatavilla Ailan kautta sekä Tietoarkiston OAI-PMH-rajapinnasta. Rekisteröityneet käyttäjät voivat ladata dataa Ailasta. Aila hyödyntää HAKA-käyttäjätunnistusjärjestelmää.
• Tietoarkisto käyttää aineistojen kuvailuun kansainvälistä DDI Codebook -kuvailuformaattia sekä useita kansainvälisiä sanastoja. Metadata sisältää myös viittauksia muuhun metadataan, dataan ja julkaisuihin. Data on saatavilla yhteiskuntatieteilijöiden yleisesti käyttämässä SPSS-formaatissa.
• Aineistojen DDI Codebook -muotoinen metadata sisältää laajasti tietoa aineiston sisällöstä, tekijöistä, keruusta, muuttujista ja aineistoon viittaamisesta. Datan käyttöehdot ovat selkeät ja sisältyvät metadataan. Metadata on saatavilla CC-lisenssillä.

Tietoarkiston kannalta haasteellisin FAIR-periaate on yhteentoimivuus. FAIRin taustalla on idea koneellisesti saavutettavasta, käsiteltävästä ja tulkittavasta tiedosta. Se ei Tietoarkiston datan osalta toteudu täydellisesti, mutta mielestämme kuitenkin niin hyvin kuin on mahdollista ja tarkoituksenmukaista.

Marraskuun OpenAIRE2020-seminaarissa pohdittiinkin, mikä riittää siihen, että datan, organisaation tai palvelun voi sanoa olevan FAIR. Mitään yhtä vastausta tähän ei saatu – eikä mielestäni tarvitsekaan saada.

Esimerkiksi organisaatioiden toiminnan arviointiin on olemassa yksityiskohtaisia sertifikaatteja ja standardeja kuten OAIS, Data Seal of Approval ja ISO 16363. FAIR-periaatteet ovat sen sijaan iskevästi nimettyjä ja ilmaistuja yleisiä tavoitteita, ja ne toimivat sellaisina hyvin.

Tietoarkiston käytäntöjen FAIR-yhteensopivuus ei ollut yllätys, onhan meillä jo DSA-sertifikaatti. Aina on kuitenkin varaa parantaa, ja FAIR-periaatteet auttavat hahmottamaan, mitkä osa-alueet ovat vahvoja ja minkä osa-alueiden kehittämistä tulisi tutkiskella tarkemmin. Uskon, että FAIR-periaatteiden avulla on myös helppo herättää yleisempää keskustelua tutkimusaineistojen avaamisesta ja hallinnasta sekä niihin liittyvistä hyvistä käytännöistä.

Lisätietoa FAIR-periaatteista:
Wilkinson, Mark D. et al (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data 3, Article number 160018. http://dx.doi.org/10.1038/sdata.2016.18

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

Näkemiin

Tietoarkiston työntekijät lienevät rasitukseenkin saakka kuulleet kertaustani yksikkömme synnystä. 1990-luvun puolivälissä Suomen Akatemian tietoarkistotyöryhmä esitti yksikön perustamista Suomeen; joko Helsingin, Tampereen tai Turun yliopistojen yhteyteen. Tampere ja Turku osallistuivat kilpailutukseen, mutta Helsingistä ei tarjousta tullut.

Opetusministeri Olli-Pekka Heinonen päätti arkiston sijoittamisesta Tampereelle syksyllä 1997. Kun rahaa yksikön toiminnan välittömään käynnistämiseen ei ollut, suunnittelua jatkettiin Tampereen yliopistossa OPM:n projektirahoituksen turvin vuoden 1998 loppuun. Toiminta käynnistyi vuoden 1999 alussa Tampereen yliopiston erillisenä laitoksena ja valtakunnallisena tehtävänä.

Sijoituspäätöksen jälkeen minua pyydettiin hankkeen jatkosuunnittelun asiantuntijasihteeriksi, ilmeisesti lähinnä kahdesta syystä. Työskentelin oikeassa paikassa ja tutkimusalalla, joka oli kiinteästi yhteydessä data-arkistoihin.

Tampereen yliopistossa yksikön perustamisen jatkosuunnittelu osoitettiin silloiselle yhteiskuntatieteiden tutkimuslaitokselle, jossa olin työskennellyt jo monta vuotta Suomen Akatemian rahoittamana projekti- ja virkatutkijana. Olin tohtoroitunut vuonna 1996 ja survey-aineistojen keruu- ja käyttökokemusta oli kertynyt rutkasti Pertti Pesosen ja Risto Sänkiahon johtamissa vaalitutkimuksissa. Hain ja tulin valituksi yksikön johtajaksi.

En muista epäröineeni hetkeäkään lähtemistä tietoarkistotielle, enkä ole tuota päätöstä katunut. Nyt, lähes 20 vuotta myöhemmin, jätän Tietoarkiston johtajan pestin hyvillä mielin palatakseni tutkimusuralle, aluksi projektirahoituksella. Lähden Tietoarkistosta mutta Tietoarkisto ei lähde minusta. Ikääntynyt kahvimukini on nostettu yksikön kahvihuoneen kattoon. Elämä ja myös kahvin juonti jatkuvat.

Koen olevani etuoikeutettu päästyäni mukaan rakentamaan Suomeen kokonaan uuden akateemisen palveluyksikön. Mikä Tietoarkisto siitä muodostuikaan yhdessä loistavien työtovereiden, kaikkien Tietoarkistossa työskentelevien ja työskennelleiden, kanssa! Olemme luoneet akateemista tutkimusta, opetusta ja opiskelua monipuolisesti hyödyttäviä palveluja ja olleet kiistatta uranuurtajia tutkimusdatan arkistoinnissa ja jatkokäytön mahdollistamisessa. Työ jatkuu ja menestyy. Sen takaavat asiantunteva henkilöstö sekä tiivis kansallinen ja kansainvälinen yhteistyö.

Kiitän henkilökunnan lisäksi kaikkia Tietoarkiston kehittämiseen tähän saakka osallistuneita henkilöitä ja tahoja. Tietoarkisto tarvitsee tukeanne edelleen.

Omat tuntemukseni ovat toki haikeita mutta samalla hyvin luottavaisia. Väkemme tietää mitä tehdä. Jäähyväisblogini päätän kirjoittamani läksiäislaulun kakkossäkeistöön ja kertsiin. Laulun nimi on Näkemiin.

Älä luule että risteyksen rakensin
jotta mennyttä saisin mä surra
Joskus tuulesta kuulee vaan paremmin
minnekä mennä ja tulla

Älä usko etten sinua kaipaamaan jää
etten kaunista muistelisi
ettei päivämme kävisi mielessäkään
eikä tiet enää kohtaisi

Tää ei oo hyvästi vaan tää on näkemiin
en siis kättäni nosta merkiksi
vaikka palaakaan en — niin jäähyväisiin
tuskin kunnolla aihetta olisi

Sami Borg
Tietoarkiston ex-johtaja 1.1.2017 alkaen
etunimi.sukunimi [at] uta.fi

Data Service Portal Aila: accessibility and practicality for non-Finnish speakers

The Finnish Social Science Data Archive (FSD) is one of the most important national resources for the collection and storing of social research data. Among the many services they offer, they aim to make research data available to everyone, free of charge. In order to be able to make data accessible not only to Finnish people, but also to international researchers or students involved in research projects, they provide datasets translated into English.

Their Data Service Portal is called Aila and is easily accessible for international users from the FSD English Website. It contains a list of more than 1,200 datasets, many of which are available in English that can be conveniently searched through by using the feature "Search". This allows users to find data suitable for their project easily, a process that would otherwise be extremely time-consuming and which could also be inconclusive. Access conditions apply to most datasets, some of which are only available for research purposes and others only for research, teaching and study purposes. A small percentage can only be used upon permission from the depositor or creator of the data.

As a placement student at the FSD, who is not familiar with the content of their digital archive, I was asked to assess how easy it is to find and access data in English through Aila. For this purpose, I first started by researching a specific dataset. By using "Data Search" finding the dataset was quick and simple. The results included not only the specific year of the survey I was looking for, but also all of the previous waves. This is useful when one is interested in carrying out a study that compares data over time.

Although the process seems to be very straight forward, one needs to be careful before downloading a dataset, as not all of them contain data that has been translated into English. In fact, the portal Aila includes study descriptions in English for all of the studies in the archive, but this does not imply that all of the data has been translated. To make sure that the data is in English one should double-click on the dataset to open the description page and check on the yellow box on the right-side that it contains related files in English (e.g. the codebook).

Still, even if related files are not currently available in English, users can request for the dataset to be translated, a service offered by the FSD free of charge. This is almost exclusively done for quantitative studies, as the amount of text contained in qualitative studies would require a much more demanding process. Only less than 15% of the datasets are qualitative, however. This means that a translation can be requested for the vast majority of the data.

Many users may also have a specific topic to research, but may still not know the specific name of a dataset available for them to use. With this idea in mind, and focusing on specific terminology from the final project for university that I am currently working on, I used the "Variable Search" tool. As the topic I was searching for was quite niche, I was very surprised to find out that Aila contains some feasible data. This clearly indicates that the archive is truly rich in content. "Variable Search" highlights the exact variables that contain the terms searched for, within all of the datasets available in the archive. This is a quick way to find datasets that have already been translated into English.

In conclusion, the Data Service Portal Aila is an extremely useful tool not only for Finnish people, but also for those looking for data in English. It is accessible to everyone, easy to use and does not require extremely complicated procedures to obtain data. Perhaps requesting the translation of a specific dataset would involve a longer process, however it is certainly undeniable that the FSD succeeds in its aim to make research data available and accessible to everyone.

Laura Chieri
Q-Step Student

Itä-Aasian tietoarkistot kutsuvat yhteistyöhön

Tietoarkisto sai viime syksynä kutsun osallistua Japanin tietoarkiston SSJDA:n järjestämään seminaariin 12.–13. helmikuuta Tokiossa. Seminaari oli suunnattu Itä-Aasian arkistoille, mutta meidät kutsuttiin kertomaan Euroopan (ja Suomen) tämän hetkisestä tilanteesta nyt, kun Euroopan tietoarkistojen yhteinen EU-tutkimusinfrastruktuuri - CESSDA ERIC - on aloittamassa toimintaansa. Matkaan lähtivät arkiston johtaja Sami Borg ja minä.

Suomen tietoarkiston lisäksi seminaariin oli kutsuttu Korean tietoarkisto KOSSDA ja Taiwanin tietoarkisto SRDA. Lisäksi paikalla oli edustajia Soulin yliopistosta. Ohjelma oli tiivis. Ennen seminaarin alkua teimme tutustumiskäynnin SSJDA:n tiloihin. Varsinainen seminaari jakautui suljettuun, kutsutuille arkistoille tarkoitettuun osaan ja avoimeen osaan, johon kaikki kiinnostuneet Tokion yliopistolla olivat tervetulleita.

Oli mielenkiintoista havaita kuinka samanlaista arkistojen toiminta oli vaikka kaikkien organisaatiotausta oli erilainen. SSJDA on osa Tokion yliopiston yhteiskuntatieteellistä tutkimuskeskusta. Korean KOSSDAn taustalla on yksityinen säätiö. Taiwanin SRDA on osa Taiwanin kansallisen tutkimusakatemian Academia Sinican kulttuuri- ja yhteiskuntatieteiden alan tutkimuskeskusta. Suomen tietoarkisto puolestaan on opetus- ja kulttuuriministeriön Tampereen yliopistolle osoittama palvelutehtävä ja yliopiston erillisyksikkö.

Erilaisista taustoista huolimatta meitä kaikkia kuitenkin yhdistää se, että luovutamme aineistoja jatkokäyttöön oman kotiorganisaation ulkopuolelle. Aineistojen valmistelu arkistoitavaksi ja jatkokäyttöön tapahtui myös pääosin samojen periaatteiden mukaan, mutta aineistojen hankintatavat eroavat jonkin verran. Japanissa ja Taiwanissa osa aineistoista tulee suoraan isäntäorganisaation tutkijoilta ja osa hankitaan samaan tapaan kuin pääosa aineistoista meillä Suomessa: ottamalla yhteyttä suoraan tutkijoihin ja tutkimusorganisaatioihin. KOSSDAssa hankinta perustuu pitkälti eri organisaatioiden ja järjestöjen kanssa tehtyihin jäsenyyssopimuksiin. Lisäksi sen kumppanit toimittavat KOSSDAlle aineistoja selvästi enemmän kuin KOSSDA pystyy käsittelemään. Suomalaisen tietoarkistolaisen silmissä tämä vaikutti lähinnä positiiviselta ongelmalta.

Kaikki seminaariin osallistuneet arkistot toimittavat aineistoja oman kotimaansa ulkopuolelle. Myös suomalaiset tutkijat voivat saada esimerkiksi Japanin tietoarkiston aineistoja käyttöönsä. Kieli tosin saattaa muodostua ongelmaksi - kaikkea ei ole saatavilla englanniksi.

En itse ollut aiemmin käynyt Japanissa, joten seminaarin lisäksi kaikki muukin oli hyvin kiinnostavaa. Tokio on valtava kaupunki, ja on uskomatonta kuinka hyvin kaikki siellä toimii. Japanilaiset ovat kohteliaita ja avuliaita.

Tietoarkistojen kanssakäyminen on hyvin vilkasta. Eurooppalaisten arkistojen yhteistyön painopiste on kuitenkin Euroopassa ja eurooppalaisuus varmasti painottuu edelleen CESSDA ERICin myötä. Oli hyvin mielenkiintoista tavata myös aasialaisten tietoarkistojen edustajia ja kuulla näiden toiminnasta.

Matti Heinonen
ATK-erikoistutkija
etunimi.sukunimi [at] uta.fi

Tutkimusdatan hallinnan asiantuntijapalvelut edellyttävät koulutuksen vahvistamista

Tietoarkisto järjesti joulukuun 2014 alussa seminaarin erityisesti kirjastoasiantuntijoille. Otsikkona oli Avoin tutkimusdata ja aineistonhallinta ihmistieteissä. Päivän tavoitteita olivat yleiskuva tutkimusrahoittajien ja -organisaatioiden tutkimusdatapolitiikoista Suomessa sekä perehtyminen tutkimusaineistojen hallintaan ja sen valtakunnallisiin tuki-infrastruktuureihin.

Kiinnostusta piisasi ja keskustelua heräsi. Onhan akateemisilla kirjastoilla jo orastava rooli myös datanhallinnan tietopalveluissa. Esimerkiksi Helsingin yliopiston tulevan tutkimusdatapolitiikan toimeenpanosuunnitelmissa yliopistokirjastolle on kaavailtu keskeisiä tehtäviä.

Väkeä tuli seminaariin mukaan hyvin eri yliopistoista ja paikalla oli kuutisenkymmentä asiantuntijaa. Uskoakseni osallistujat myös saivat mitä olivat tulleet hakemaan. Seminaaritallenteisiin ja esitysten dioihin voi tutustua seminaarisivustolla.

Jatkan tässä kirjoituksessa pohdintaa datapalvelualan koulutustarpeista ja -mahdollisuuksista, joista keskusteltiin seminaarin päättäneessä paneelissa. Näkökannoissa korostuivat sekä tutkimusdatapalvelualan täydennyskoulutuksen että alan tutkintokoulutuksen vahvistamistarpeet.

Millaiset ovat tutkimusdatan hallinnan asiantuntijoiden koulutustarpeiden peruslähtökohdat? Alan koulutuksen sisällöt, tarjonnan kohdeyleisöt sekä vastuut ja työnjako ovat sidoksissa etenkin siihen, miten tutkimusdatan hallinta ja keskeiset tietopalvelut järjestetään eri organisaatioissa ja mikä on valtakunnallinen työnjako. Tässä on tilaa useille toimijoille – sekä palvelujen tuottamisessa että osaamista vahvistavassa koulutuksessa. Luultavasti datanhallinnan tukipalvelumallit tulevat kehittymään ajan mittaan ja vaihtelemaan organisaatioittain.

Yksi toimivimmista on malli, jossa valtakunnalliset tukipalvelut (Tietoarkisto, CSC, ja muut valtakunnallisesti keskitetyt toimijat) tarjoavat suurelta osin tutkimusdatan dokumentointi-, arkistointi-, pitkäaikaissäilytys- ja jatkokäyttöpalvelut sekä täsmällistä erityisasiantuntemusta vaativia aineistohallintapalveluja. Jossakin määrin tällaisia palveluja tulevat luultavasti organisoimaan myös suurimmat valtion asiantuntijaorganisaatiot, ainakin itselleen.

Tutkimusympäristöjen muuttuessa tarvitaan paljon muutakin asiantuntemusta. On hyvä, jos tutkija löytää lähitietopalvelut paikan päältä, esimerkiksi juuri kirjastosta tai muista paikallisista tutkimuksen tukipalveluista. Sekä yliopistojen että muiden tutkimusorganisaatioiden informaatiopalveluissa on nyt ja tulevaisuudessa tarvetta tietopalvelualan asiantuntijoille, jotka erikoistuvat tutkimusdatan hallinnan, elinkaaren ja saatavuuden edistämisen tukeen.

Yhdysvalloissa tällaisia ammattilaisia kuvataan esimerkiksi ammattinimikeellä "data librarian" tai yleiskäsitteellä "research data professional". He auttavat tutkijoita paikallistamaan tutkimusongelmiin soveltuvia, olemassa olevia aineistoja sekä osaavat jakaa tietoa tutkimusrahoittajien ja tutkimuksen julkaisijoiden ehdoista ja suosituksista tutkimusdatan avaamisen suhteen. Lisäksi heidän tulee olla luonnollisesti perillä oman tutkimusorganisaation käytännöistä datan hallinnassa tutkimusprojektien aikana ja tutkimusaineistojen avaamisessa hankkeiden päätyttyä. Tämä tehtävä korostuu organisaatiokohtaisten tutkimusdatapolitiikkojen yleistyessä.

Suomessa on akuutti tarve vahvistaa tutkimusdatapalveluihin erikoistuvien asiantuntijoiden koulutusta. Luonteva areena asian pikaiseen edistämiseen olisi yhteistyöfoorumi, jossa toimintaa voitaisiin suunnitella alustavasti ainakin alan valtakunnallisten tukipalvelujen ja kirjastoalan asiantuntijoiden ja heidän järjestöjensä ja verkostojensa voimin. Mukaan olisi hyvä saada myös informaatiotutkimuksen ja arkistoalan koulutuksen asiantuntijoita eri yliopistoista.

Missä tapaamme työpajan merkeissä vuonna 2015?

Lisätietoja:
» Seminaariesitysten diat ja AV-tallenteet

Sami Borg
johtaja
etunimi.sukunimi [at] uta.fi

IFDO tutki tutkimusrahoittajien datasuosituksia

Olen toiminut viitisen vuotta pienen kansainvälisen järjestön puheenjohtajana. International Federation of Data Organizations eli IFDO on hiljattain toteuttanut hankkeen, jossa vertailtiin eri maiden keskeisten tutkimusrahoittajien datapolitiikkoja kulttuurin ja yhteiskunnan tutkimuksen aloilla. IFDOn suunnittelemaan hankkeeseen ja Vigdis Kvalheimin ja Trond Kvammen pääosin kirjoittamaan selvitysraporttiin voi tutustua IFDOn verkkosivuilla (www.ifdo.org).

Raportin tiedot koottiin enimmäkseen vuonna 2012. Alan asiantuntijoille suunnattiin verkkokysely, johon tuli vastauksia 32 maasta. Kunkin maan asiantuntija raportoi ja arvioi tilannetta oman maansa osalta. Vastaajat eivät olleet tutkimusrahoittajien edustajia vaan tutkittujen alojen datapalveluammattilaisia ja tutkijoita. Vastaajajoukko edustaa maita, jotka ovat tavalla tai toisella aktiivisesti mukana data-arkistoalan kansainvälisessä yhteistyössä tai osallistuvat laajoihin kansainvälisiin vertailututkimuksiin. Vastaajajoukossa ovat aliedustettuina tutkimusjärjestelmiltään kehittymättömimmät maat.

Yksityiskohtaisimmat tutkimusaineistojen avointa saatavuutta tukevat politiikkasuositukset löytyvät yleensä maista, joiden tutkimusinfrastruktuurit ovat tutkituista maista kehittyneimpiä. Tällaisia ovat Pohjois-Amerikan ja useat Länsi-Euroopan maat. Näidenkin kesken on tosin suuria eroavuuksia tutkimusdatan avoimuutta koskevissa tutkimusrahoittajien avoimuusohjeissa.

Isossa-Britanniassa keskeiset tutkimusrahoittajat ovat edellyttäneet jo pitkään rahoittamiltaan tutkimusprojekteilta, että ne tarjoavat kokoamansa tutkimusdatat hankkeen päätyttyä arkistoitavaksi alan kansalliseen data-arkistoon UKDAan. Samantyyppiseen ratkaisuun ovat päätyneet epäsuoremmin kehotuksin useat pohjoisamerikkalaiset tutkimusrahoittajat.

Suomessa Suomen Akatemia suosittaa mutta ei edellytä yhteiskuntatieteellisten aineistojen arkistointia Yhteiskuntatieteelliseen tietoarkistoon. Edistyksellistä Suomessa on vaatimus aineistonhallintasuunnitelmasta osana tutkimussuunnitelmaa. IFDOn kyselyn kattamista maista vain joka neljännessä maan keskeisin kulttuurin ja yhteiskunnan tutkimuksen alan tutkimusrahoittaja edellyttää aineistonhallintasuunnitelmaa (8/32).

Tutkituista maista noin kahdessa kolmesta tutkimusrahoittajat suosittivat jollakin tavalla uusien tutkimusdatojen avaamista tiedeyhteisön käyttöön hankkeiden päättymisen jälkeen. Vaatimattomimmillaan edellytys voi täyttyä, kun tutkimusryhmä varmistaa itse minimitasoisesti aineiston avaamisen ja jatkokäyttömahdollisuudet.

Kunnolliset jatkokäyttömahdollisuudet muodostuvat todennäköisimmin datan avaamisen kansainvälisiin toimintastandardeihin sitoutuneiden palveluyksikköjen tuella. Data-arkistopalvelujen käyttöä koskevia rahoittajien suosituksia tai edellytyksiä löytyi kuitenkin vain harvemmassa kuin joka toisessa tutkitussa maassa.

Yksi huolestuttavimmista havainnoista oli datan avoimuutta tukevien toimintaohjeiden ylimalkaisuus. Useimmiten tutkimusrahoittajien politiikkaohjeet eivät olleet vahvasti joitakin toimia edellyttäviä vaan ne olivat suosituksia. Lisäksi ne ottivat ani harvoin kantaa esimerkiksi kansainvälisten kuvailustandardien hyödyntämiseen tutkimusaineiston dokumentoinnissa. Nämä ovat aineistojen tietojen löydettävyyden ja datan informoidun jatkokäytön kannalta erittäin tärkeitä seikkoja.

IFDOn selvityksen yleiset johtopäätökset korostavat tarvetta muutokseen tutkimusrahoittajien datapolitiikoissa. Monista ja varsinkin tutkimatta jääneistä maista tutkimusdatan avoimuutta tukevat rahoittajapolitiikat puuttuvat kokonaan. Yleistymisestään huolimatta datapolitiikkojen puute koskee edelleen myös monia tutkimusjärjestelmiltään kehittyneimpiä maita.

Ensimmäisiä askeleita oikeaan suuntaan ovat tutkimusdatan avaamista tukevien infrastruktuurien perustaminen ja vahvistaminen sekä tällaisten tukipalvelujen käyttöä korostavien datapolitiikkojen käyttöönotto.

Raportin toinen pääsuositus koskee politiikkasuositusten sisältöä. Yleisluonteisuuden sijasta tutkimusrahoittajien politiikkaohjeiden tulisi osoittaa nykyistä täsmällisemmin se, milloin, minne ja miten tutkimusaineistot arkistoidaan avoimeen käyttöön tutkimushankkeiden päättymisen jälkeen. Tätä tavoitetta tukisivat esimerkiksi nykyistä laajempi aineistonhallintasuunnitelmien edellyttäminen osana tutkimussuunnitelmia ja aineistonhallintasuunnitelmien tarkempi ohjeistus. Onhan hyvin suunniteltu jo puoliksi tehty.

Lisätietoja:
» Policies for Sharing Research Data in Social Sciences and Humanities (2014)
» IFDO Data Sharing Policies Fact Sheet

Sami Borg
johtaja
etunimi.sukunimi [at] uta.fi

ATT käynnistyi

Opetus- ja kulttuuriministeriö on käynnistänyt tiedon saatavuuden ja avoimen tieteen edistämiseksi Avoimen tieteen ja tutkimuksen hankkeen vuosille 2014–2017. Virallisena tavoitteenaan ATT-hanke "määrittää kansallisen tahtotilan vuodelle 2017 ja edistää avointa tiedettä kolmella rintamalla: tutkimusjulkaisut, tutkimusdata ja menetelmät".

Avausseminaari järjestettiin Helsingissä 19.3.2014. Ohjelman pääosan muodostivat kolme paneelia, joissa aiheina olivat hankkeen tavoitteiden mukaan avoimet julkaisut, avoin data ja avoimet menetelmät. Toimin puheenjohtajana tutkimusdatapaneelissa, johon osallistuivat panelisteina Pirjo-Leena Forsström CSC:stä, Laura Höijer Ympäristöhallinnosta, Tuuli Toivonen Helsingin yliopistosta sekä Jussi Simpura THL:stä. Kokoan seuraavassa paneelin antia kahdesta keskusteluteemasta.

Miksi avata tutkimusdataa? Keskustelussa nousi esiin demokratianäkökulma: avaamalla tutkimusdataa kaikki pääsevät käyttämään sitä. Datan avoimen saatavuuden koheneminen voi myös edesauttaa innovaatioita ja luovuutta, mikä edistää tutkimuksen tuottavuutta.

Vaikka datan avaaminen maksaa, se voi tuottaa uutta liiketoimintaa ja tuoda myös säästöjä muun muassa uusien aineistojen pienempinä keruukustannuksina. Suomea koskevan tutkimusdatan avaaminen kansainväliseen käyttöön saattaa myös luoda uudentyyppistä, maatamme hyödyttävää tutkimustoimintaa ulkomaille.

Tutkijoiden näkökulmasta datan avaamista pidettiin erittäin keskeisenä tavoitteena. Useat panelistit mainitsivat tarpeen tieteellisen toimintakulttuurin muutokseen siten, että tutkimusdatan julkaiseminen ymmärrettäisiin tieteellisenä meriittinä. Oman tutkimuksen aineistojen avaaminen on tutkijalle myös uskottavuuskysymys, koska datansa julkaisseen tutkijan tulokset voi aina tarkistaa.

Paneeli käsitteli myös tutkimusdatan avaamisen haasteita Suomessa. Mainittujen asioiden lista muodostui pitkäksi: miten viitata tutkimusdataan ja antaa siitä meriittiä; tekijyys- ja omistajuuskysymykset; datan lisensointi; tietosuojakysymykset ja tutkimusetiikka; julkaisujen, datan ja menetelmien yhdistäminen; tutkimustiedon hyödyntäminen yhteiskunnallisessa päätöksenteossa jne.

Avaamista tukevan toimintakulttuurimuutoksen haasteena on edelleen tutkimusdatan ymmärtäminen tutkijan (omana) pääomana. Liian usein datan jakaminen mielletään siitä luopumisena ja ehkä kilpailuedunkin menettämisenä. Juuri siksi tutkimusrahoittajien ja -organisaatioiden tulisi edellyttää ja ohjeistaa tutkimusdatan hallintaa ja sen suunnittelua riittävästi. Aineistonhallinnan suunnittelu ja toteuttaminen pitäisi saada itsestään selväksi osaksi tutkijoiden perustyönkuvaa.

Lisäksi paneeli totesi, että tietovarantojen avaamisessa on otettava huomioon riittävä jatkokäytön tuki. Monien tutkimusaineistojen järkevä jatkokäyttö vaatii vierihoitoa aineiston keränneeltä taholta. Tutkimusdatan jatkokäyttäjän ei siis pidä lähteä soitellen sotaan. Ei pidä laulaa virttä, jos ei tiedä sen numeroa.

Datapaneeli on nähtävissä kokonaisuudessaan seminaaritallenteesta, joka sisältää kaikki muutkin seminaariesitykset ja paneelit. Seminaari oli hyvä avaus ATT:lle.

Sami Borg
johtaja
etunimi.sukunimi [at] uta.fi