UKK: Datakatalogi

Tutkimusdata voi sisältää muun muassa:

• Raakadataa, joka koostuu kokeista, sensoreista tai haastatteluista saadusta käsittelemättömästä aineistosta.
• Käsiteltyä dataa, joka on siistitty tai analysoitu.
• Menetelmiä ja protokollia, jotka dokumentoivat, miten tiedot on kerätty ja käsitelty.

Helsingin yliopiston Datakatalogin yhteydessä termi ”tutkimusdata” sisältää kaikki edellä mainitut, mutta myös paljon muuta:

• Koodi ja ohjelmistot, kuten analyysissä käytettävät skriptit ja ohjelmat.
• Lähdeaineisto, jolla tarkoitetaan tutkimuksessa käytettyjä ulkoisia datasettejä.
• Simulaatio- ja mallinnusdata, joka syntyy laskennallisista malleista ja simulaatioista.
• Kuvat ja visualisoinnit, kuten lääketieteelliset skannaukset ja taulukot, lisäanalyysit.
• Ääni- ja videoaineisto, johon kuuluvat haastattelut ja kenttätallenteet.
• Kysely- ja haastatteluaineistot koostuvat vastauksista ja litteroinneista.
• Taulukot ja tilastot pitävät sisällään numeerista tietoa.
• Metatiedot, jotka sisältävät kuvailevia yksityiskohtia dataseteistä.

Datakatalogiin kuvaillut tutkimusaineistot ovat löydettävissä muun muassa Datakatalogin oman käyttöliittymän avulla, sekä hakukoneiden avulla. Lisäksi Datakatalogin tietoja viedään esimerkiksi Tiedejatutkimus.fi-sivustolle.  

• Datakatalogi: Datakatalogin käyttöliittymää voi hyödyntää pikahauissa (vapaasanahaku) tai tutustumalla eri repositorioiden sisältöön. Selailutyyppisissä hauissa voi hyödyntää Datakatalogin repositoriorakennetta. Hakua voi myös tarkentaa käyttöliittymässä olevilla erilaisilla rajauksilla, kuten julkaisuvuoden, tekijän, aiheen tai aineiston saatavuuden mukaan. 
• Hakukoneet: Datakatalogin tiedot löytyvät esimerkiksi Google-haulla. Siksi onkin tärkeää panostaa tutkimusaineistojen laadukkaaseen kuvailuun, sillä näin niiden löydettävyys myös paranee. 

Kyllä. Voit myös päivittää aineiston metatietoja tarpeen mukaan myöhemmin.

Aineiston kuvailussa on hyvä pyrkiä jakamaan aineisto mielekkäisiin kokonaisuuksiin. Mitä nämä sitten ovat on tietysti hyvin tapauskohtaista, mutta esimerkiksi yhteen tutkimusartikkeliin tai projektiin liittyvä data muodostaa usein selkeän kokonaisuuden. Aineistokokonaisuus voidaan muodostaa myös datatyypin mukaisesti, esimerkiksi yhden mittalaitteen tietyn ajanjakson aikana tuottama data. Mitä tarkemmin aineistokokonaisuuden eri osat ovat kuvailtu, sitä suurempi arvo niillä on lisääntyneen uudelleenkäytön ja löydettävyyden ansiosta. Aineistokokonaisuudet kuten esimerkiksi ”Tutkimusryhmämme kaikki data 2012–2015” eivät todennäköisesti ole kovinkaan käyttökelpoisia, mutta jos tämä on ainoa mahdollisuus kuvailla aineisto, on se tietenkin parempi kuin jättää aineistokokonaisuus kokonaan kuvailematta. 

Kyllä voit! Kun annat aineistollesi metatiedot Datakatalogiin, noudatat myös tutkimuksen rahoittajien vaatimusta FAIR-periaatteiden toteutumisesta. 

Vaikka metatiedot eivät sisällä itse dataa, kiinnitäthän huomiota siihen, ettet vahingossa paljasta arkaluonteisia tietoja aineiston kuvailussa. Jos esimerkiksi olet haastatellut ihmisiä kahdesta korkeakoulusta, joiden sijainti on aiheen sensitiivisyyden vuoksi anonymisoitu, ei sijaintia tule kertoa kuvailutiedoissakaan. Tällöin kuvailutiedoissa korkeakouluihin olisi hyvä viitata samoin kuin aineistoista tehdyssä julkaisuissa, esimerkiksi KK1 ja KK2. Jos sensitiivisen aineiston kuvailu mietityttää, kysy rohkeasti meiltä apua! 

Osassa Datakatalogiin syötetyistä tietueista löytyy tieto aineiston tuottajan tiedekunnasta. Löydät tämän tiedon kentästä, johon on kirjattu avainsanoja. Klikkaamalla tiedekunnan nimeä, saat listan tietueista, joista löytyy tieto kyseisestä tiedekunnasta. Voit myös hakea tiedekunnan nimellä Datakatalogin hakutoiminnolla. 

Useimmat tutkimusdataa sisältävät palvelut eivät sisällä tietoa Helsingin yliopiston tiedekunnista. Suurin osa Datakatalogin sisällöstä tuodaan automaattisesti tällaisista tietolähteistä. Jos Datakatalogissa olisi tiedekunnalle filtteri, se pystyisi suodattamaan vain niiden tiedonlähteiden tiedot, joista tiedekuntatieto on saatavana. Tulos antaisi vain pienen osan tiedekunnan tuottamasta Datakatalogista löytyvästä tiedosta ja johtaisi näin käyttäjää harhaan. Tästä johtuen Datakatalogissa ei ole filtteriä tiedekunnalle.

Jos kuvailet tutkimusdatan käsin Datakatalogiin, saat sen kuvailutiedoille eli metadatalle oman DOI:n, vaikka itse datasetillä olisi jo olemassa oleva DOI. Datakatalogin antama DOI viittaa siis Datakatalogissa olevaan kuvailutietoon, eikä esimerkiksi repositoriossa julkaistuun dataan.  

Aloitetaan yleisimmästä syystä: Laitoitko affiliaatioosi, eli organisaatiotietoosi, Helsingin yliopiston? Koska Zenodossa on julkaisuja lukuisista eri yliopistoista, tiedonsiirtomme on tämän tiedon varassa.

Jos affiliaatio-tieto on kunnossa (eikä siinä ole kirjoitusvirheitä!) kokeillaan seuraavaa: Tallensitko aineiston vastikään? Siirrämme tietoa Zenodosta tietyin aikavälein. Odota siis hetkinen. Jos aineistoa ei vieläkään näy Datakatalogissa, lähetä meille sähköpostia (datasupport@helsinki.fi).

Ongelma voi johtua siitä, ettei aineiston metatietojen automaattinen haravointi eli tiedonsiirto repositoriosta ole täysin onnistunut. Ilmoitathan puutteesta meille (datasupport@helsinki.fi), niin korjaamme asian. Kerrothan viestissäsi mitä aineistoa ongelma koskee.

Laita Datasupportiin (datasupport@helsinki.fi) viestiä. 

Lähtökohtaisesti Datakatalogista ei poisteta mitään, sillä tutkimusaineistojen metatietoja pyritään säilyttämään mahdollisimman pitkään. Metatietoja voi kuitenkin korjata. Ota tarvittaessa yhteys Datatukeen (datasupport@helsinki.fi). 

Tällä hetkellä tieto Datakatalogista ei siirry automaattisesti Tuhatiin eikä tietoa voi lisätä sinne itse. Selvitämme mahdollisuutta lisätä tiedon tutkimusdatasta Tuhat-profiiliin.  Suosittelemmekin lisäämään tiedon julkaisuista tutkimusdatoista ORCIDiin.