2. Tutkimusaineiston kerääminen ja käyttäminen

Tutkimusaineistojen keruu ja käyttö tutkimuksen aikana yhdistää usein tutkimusmetodit ja tutkimuskysymykset aineistojen hallintaan. Tässä luvussa käsitellään yleisellä tasolla aineistotyyppejä, laatua ja alkuperää sekä tutkimusetiikkaa ja lainsäädäntöä aineistonhallinnan näkökulmasta.

Koska henkilötietojen ja arkaluonteisten tietojen käsittelyyn on kiinnitettävä erityistä huomioita, ne saavat melko paljon tilaa tässä luvussa. Vaikka tutkimus ei kohdistuisi ihmisiin tai aineistoa ei kerättäisi suoraan ihmisiltä, kaikessa tutkimuksessa on joka tapauksessa hyvä käydä läpi, sisältääkö se henkilötietoa. Esimerkiksi elottomat kappaleet, aineet, eläimet, taivaankappaleet tai sääilmiöt sisältävät usein tietoja havaintojen tekijöistä tai ovat muutoin liitettävissä mahdollisesti tunnistettavaan henkilöön. Henkilötiedon käsite ja henkilötietojen käsittely ovat myös tärkeää yleistietoa millä tahansa elämänalueella, jolloin niiden nostaminen esiin tässä oppimateriaalissa on perusteltua.

Aineistotyypit ja aineiston laatu

Tutkimuskysymykset määrittävät lähtökohtaisesti, millaista aineistoa tutkimusta varten kerätään. Aineisto voi olla tyypiltään esimerkiksi kuvia, kyselyjä, tilastoaineistoa, haastattelutallenteita tai numeerisia mittauksia. Tämä vaikuttaa osaltaan siihen, miten aineistoa voidaan tuottaa ja käsitellä. Esimerkiksi haastatteluaineistoihin liittyy henkilötietojen käsittelyä, jolloin tulee olla erityisen tarkka siitä, millä laitteilla ja ohjelmistoilla aineistoa kerätään ja käsitellään. Mittauslaitteiden tuottama data saattaa puolestaan kokonsa takia asettaa erityisiä vaatimuksia tallennustilalle ja jakamisratkaisuille. Etukäteen on siis pohdittava, mitkä tiedostomuodot tai ohjelmat sopivat millekin tutkimusdatalla ja tutkimusasetelmalle. Valintoihin vaikuttavat myös tieteenalakohtaiset käytännöt.

Aineistonhallinnan yhteydessä aineiston laatu liittyy ennen kaikkea siihen, että aineisto ei muutu, vahingoitu tai tuhoudu vahingossa. Tutkijan on tunnistettava sellaiset aineiston käsittelyn toimenpiteet tai tilanteet, joissa tietosisältö voisi tahattomasti muuttua. Tällaisia ovat esimerkiksi muuntamiset tiedostomuodosta toiseen (konvertointi) tai haastattelujen litterointi. Aineiston laadusta huolehtiminen on siten riskinhallintaa, jota tukee myös varmuuskopioinnin ja versionhallinnan suunnitelmallinen toteuttaminen.

Vaikka aineistonkeruun laadun pohdinta kuuluu keskeisesti tutkimusmenetelmien yhteyteen, se kuuluu osin myös aineistonhallintaan. Laadunhallinnan toimenpiteitä aineistonkeruuvaiheessa ovat esimerkiksi instrumenttien kalibrointi, useiden mittausten tekeminen ja standardoitujen menetelmien ja protokollien käyttäminen. Aineiston keräämisen tarkka dokumentointi on myös yksi osoitus laadun huolehtimisesta.

Aineiston alkuperä: uutta, jo olemassa olevaa ja tuotettua

Tutkimusaineistoja voidaan jaotella sen perusteella, onko aineisto varta vasten kyseiseen tutkimukseen kerättyä (esim. näytteet, kyselyt, mittaukset, kuvantamiset), jo olemassa olevaa aineistoa, jota kerätään niiden alkuperäisistä lähteistä ja käytetään uudelleen (esim. tekstikorpukset, kuvapankit, biopankit, rekisterit) vai tutkimuksessa tuotettua (esim. kerätyn aineiston analysoinnista tuotetut aineistot, ohjelmistot).

Aineiston alkuperällä on merkitystä mm. siihen, mitä aineistolla saa tehdä ja kuka siitä päättää. Jos tutkija kerää itse alusta asti aineistonsa, hän pystyy määrittelemään sille käyttöehdot, toki lainsäädännön ja tekemiensä sopimusten puitteissa. Jos tutkija hyödyntää jo olemassa olevaa aineistoa, on puolestaan huomioitava siihen liittyvät käyttöehdot. Avoimien aineistojen käyttöehdot määritellään yleensä lisenssillä (esim. CC-lisenssi). Käyttöehtoja käsitellään lisää oppimateriaalin luvussa 5.

Kun käytetään olemassa olevaa aineistoa, puhutaan tyypillisesti aineiston uudelleenkäyttämisestä. Se tarkoittaa siis sitä, että valmista aineistoa käytetään tutkimukseen tai johonkin muuhun tarkoitukseen kuten opetukseen, opiskeluun tai kaupallisiin tarkoituksiin. Tutkimusdataa voi etsiä datarepositorioista tai hakupalveluista (ks. esim. UEF Avoin tiede -verkkosivuston osiot Tutkimusdatapalveluja ja Avoimen tutkimusdatan hyödyntäminen).

Datan uudelleenkäyttö säästää parhaimmillaan aikaa ja rahaa, koska kaikkea datan keräämiseen liittyvää ei tarvitse tehdä alusta alkaen. Tätä mahdollisuutta kannattaa ehdottomasti harkita, jos hyödyllisiä ja tarpeita vastaavia aineistoja on jo olemassa.

Jos hyödynnetään olemassa olevaa dataa, siihen on viitattava kuten kirjoihin ja tieteellisiin artikkeleihinkin. Dataviittauksen tulisi koostua seuraavista elementeistä:

tekijä
otsikko
repositorio/arkisto
julkaisuaika ja/tai päivämäärä
pysyvä tunniste.

Hyödyllisiä lisätietoja ovat mm.

versio
resurssityyppi
lisenssi
tutkijan pysyvä tunniste (ORCID)
mahdollinen embargo eli viiveaika.

Datarepositorioilla ja -arkistoilla on yleensä ohjeet dataviittaamiseen. Myös kustantajilla voi olla omia ohjeita viittamiskäytännöistä.

Esimerkkejä erilaisista aineistotyypeistä ja tiedostomuodoista.

Tutkimusetiikka ja aineistonhallinta

Tutkimusetiikka liittyy kaikkeen tieteelliseen tutkimukseen, vaikka se saatetaan usein liittää ainoastaan sellaiseen tutkimukseen, jonka tutkimusaineistossa on henkilötietoa. On toki selvää, että jos tutkimusaineisto sisältää henkilötietoa tai tietoa esim. uhanalaisista eläimistä, maanpuolustuksesta tai liikesalaisuuksista (eli arkaluonteista, luottamuksellista tai salassa pidettävää tietoa), tutkimusetiikka ja lainsäädäntö on pidettävä tiukasti mielessä tutkimuksen ensisuunnittelusta lähtien. Sosiaalisen median aineistoja hyödynnettäessä eettiset ja oikeudelliset näkökulmat vaativat niin ikään monipuolista ja perusteellista pohdintaa.

On ensiarvoisen tärkeää, että tutkija itse tunnistaa omaan aineistoonsa liittyvät eettiset, sopimukselliset ja lainsäädännölliset näkökulmat ja rajoitukset ja huomioi ne koko aineistonhallintaprosessin ajan. Jokainen tutkija on ensisijaisesti vastuussa hyvän tieteellisen käytännön toteutumisesta omassa työssään, mutta tutkija ei ole yksin. Vastuuta kantaa koko tiedeyhteisö, esimerkiksi tutkimusryhmät ja niiden vastuulliset tutkijat sekä tutkimusorganisaatiot ja niiden johto.

Tutkimusetiikan yhteydessä puhutaan hyvästä tieteellisestä käytännöstä (HTK). Sen perusperiaatteita ovat luotettavuus, rehellisyys, arvostus ja vastuunkanto ja se ohjaa käytännön toimia tutkimuksen eri vaiheissa. Suomessa tutkimusetiikan kysymyksissä ohjeistaa Tutkimuseettinen neuvottelukunta (TENK), jonka hyvän tieteellisen käytännön ohjeistuksessa todetaan aineistonhallinnasta seuraavasti.

Ennen aineiston keruuta sovitaan kaikkien kumppaneiden kanssa vähintään aineistojen omistus- ja käyttöoikeuksista, käsittelystä, säilyttämisestä ja mahdollisesta avaamisesta.
Sopimuksia tarkennetaan tarpeen mukaan.
Noudatetaan voimassa olevaa tietosuojalainsäädäntöä sekä salassapitoon, luottamuksellisuuteen ja vaitioloon liittyviä velvoitteita.
Edistetään aineistojen avoimuutta ja jatkokäyttöä mahdollisuuksien mukaan.

Pohdittavaksi

Käsitteletkö henkilötietoa?
Jos käsittelet henkilötietoja, niin millaisia henkilötietoja käsittelet?
Mitä teet henkilötiedoille tutkimuksen jälkeen?
Onko sinun anonymisoitava tai pseudonymisoitava aineistoasi?

Henkilötiedot

Henkilötietoja voidaan käsitellä tieteellisessä tutkimuksessa, kun käyttö on tarkoituksenmukaista, suunniteltua ja oikeutettua ja kun käsittelylle on laillinen peruste. Kun tutkimusaineistoon kerätään tietoja henkilöistä, tulee noudattaa kaikkia kyseistä tutkimusta koskevia eettisiä ja juridisia ohjeita. Tämä on muistettava koko tutkimuksen elinkaaren ajan suunnittelusta tutkimuksenaikaiseen toteuttamiseen ja tutkimuksenjälkeiseen säilyttämiseen. Lähtökohtaisesti tutkimuksessa tulisi aina huomioida EU:n yleinen tietosuoja-asetus (GDPR), ellei ole aivan yksiselitteisen varmaa, että aineistossa ole henkilötietoa. (Ks. myös yleisen tietosuoja-asetuksen esittely Euroopan unionin verkkosivustolla.)

Henkilötietoja ovat tiedot, joiden perusteella henkilö voidaan tunnistaa suorasti tai epäsuorasti:

suorat tunnisteet eli tiedot, jotka yksin riittävät tunnistamaan henkilön (esim. nimi, henkilötunnus, nimen mukainen sähköpostiosoite, biometriset tunnisteet esim. kasvot, ääni, sormenjäljet, silmän iiris, perinteinen allekirjoitus)
vahvat epäsuorat tunnisteet eli tiedot, joiden avulla henkilö tunnistetaan ilman kohtuutonta vaivaa (esim. osoite, puhelinnumero, IP-osoite, opiskelijanumero, vakuutusnumero, tilinumero, tarkat vuosiansiot, rekisterinumero, harvinainen ammattinimike tai sairaus)
epäsuorat tunnisteet, jotka eivät yksin riitä tunnistamiseen, mutta yhdistettyinä keskenään tai muihin tietoihin mahdollistavat tunnistamisen (esim. sukupuoli, ikä, asuinkunta, ammatti, työpaikka, koulutus, oppilaitos, päivämäärä kuten syntymäaika, kuolinaika tai tapahtuma-aika).

Henkilötietojen yhteydessä on tärkeä tunnistaa erityisiin henkilötietoryhmiin kuuluva tieto, jota arkipuheessa kutsutaan myös arkaluonteiseksi tai sensitiiviseksi henkilötiedoksi. Tällaisia ovat mm. uskonnollinen vakaumus, terveyttä koskeva tieto tai ammattiliittoon kuuluminen. On myös tärkeä muistaa ero pseudonyymin ja anonyymin tutkimusaineiston välillä, mistä kerrotaan seuraavassa osiossa (Henkilötietojen käsittely).

Katso video

Ihmisiin kohdistuvassa tutkimuksessa voi tarvita myös eettisen ennakkoarvioinnin. Tutkimuseettisen neuvottelukunnan (TENK) tuottamassa videossa annetaan ohjeita eettiseen ennakkoarviointiin.

Henkilötietojen käsittely ja tietosuoja

Henkilötietojen käsittelyssä on huolehdittava tietosuojasta, jolla turvataan tutkittavien oikeus omien henkilötietojensa suojaan. Tärkeä yleinen ohjenuora on kerätä vain sellaista tietoa, mikä on tarpeen tutkimuksen kannalta (henkilötietojen keruun minimointi).

Tutkimuseettisiä periaatteita noudattaen tutkittavia pitää informoida siitä, millaista aineistoa kerätään, miten sitä käsitellään tutkimuksen aikana ja mitä aineistolle tapahtuu tutkimuksen jälkeen. Siksi on olennaista suunnitella jo tutkimuksen alussa, miten aineistoa hallitaan tutkimuksen aikana ja sen jälkeen. Ihmisiin kohdistuvassa tutkimuksessa voi tarvita myös eettisen ennakkoarvioinnin.

Tutkimusorganisaatiot ohjeistavat henkilötietojen käsittelyn käytäntöihin tietosuoja-asetuksen (GDPR) edellyttämillä tavoilla. UEF Intrasta löytyy runsaasti tietoa ja ohjeita tietosuojasta ja henkilötietojen käsittelystä Henkilötietojen käsittely tieteellisessä tutkimuksessa -sivulta sekä tarvittavia mallilomakkeita (molemmat linkit edellyttävä t UEF-tunnuksen). Mallilomakkeet auttavat laatimaan tarvittavia dokumentteja, joita ovat esimerkiksi

tietosuojaseloste
tutkimustiedote
suostumus tutkimukseen osallistumiseen (ns. eettinen suostumus)
suostumus henkilötietojen käsittelyyn ja tutkimukseen osallistumiseen
tietosuojan ennakkoarviointi.

Aineistonhallinnassa erityistä huomiota on kiinnitettävä aineiston turvalliseen säilytykseen, käsittelyyn ja siirtoon (ks. luku 4), niin että vain henkilöt, joilla on perusteltu oikeus käsitellä aineistoa, pääsevät siihen käsiksi. On hyvä suunnitella tarkasti, miten tutkittavia informoidaan aineiston käsittelystä ja hallinnasta, esimerkiksi tietoturvallisista tallennusratkaisuista, datan mahdollisesta jakamisesta vaikkapa jatkokäyttöön ja aineiston säilytysajasta.

Pseudonyymi vai anonyymi?

Tutkimustarkoituksessa aineistoa voidaan käsitellä tunnisteellisena tai pseudonyyminä. Pseudonymisointi tarkoittaa tunnisteellisten tietojen poistamista tai korvaamista pseudonyymeillä tai koodeilla, joita säilytetään aineistosta erillään. Pseudonymisoitu aineisto on edelleen henkilötietoa.

Anonymisointi tarkoittaa kaikkien tunnisteellisten tietojen poistamista pysyvästi. Anonymisointiin voidaan käyttää erilaisia tekniikoita ja työkaluja.  Anonymisointi on tarpeen, jos aineistoa jaetaan avoimesti tai säilytetään uudelleenkäyttöä varten. On muistettava, että myös anonymisointi toimenpiteenä on henkilötietojen käsittelyä, mutta anonymisoitu tutkimusaineisto ei enää sisällä henkilötietoja. Tällöin sitä voi käsitellä kuten mitä tahansa muuta henkilötietoa sisältämätöntä aineistoa.

On kuitenkin tärkeää muistaa, että täydellisesti anonymisoitua aineistoa saattaa olla mahdotonta tuottaa. Tietoarkiston ohjeista löytyy lisätietoa henkilötiedoista ja anonymisoinnista.

Lisätietoa

_(2026-05)

_{Edellinen: 1. Johdatus tutkimusaineistonhallintaan}

_{Seuraavaksi: 3. Tutkimusaineiston kuvailu (dokumentointi, metadata)}