1. Johdanto tutkimusaineistonhallintaan

Tutkimusaineistot ovat digitaalisessa tai ei-digitaalisessa muodossa olevia lähteitä ja materiaaleja, jotka on tuotettu tai koottu tutkimusprojektin toteuttamiseksi ja joiden analyysiin tutkimustulos perustuu. Tutkimusaineistoja voidaan jaotella sen perusteella, onko aineisto

• varta vasten kyseiseen tutkimukseen kerättyä (esim. näytteet, kyselyt, mittaukset, kuvantamiset)
• tutkimuksessa tuotettua (esim. kerätyn aineiston analysoinnista tuotettu aineisto, ohjelmistot) vai
• valmista aineistoa, jota käytetään uudelleen (esim. tekstikorpukset, kuvapankit, biopankit, rekisterit).

Tutkimusaineistonhallinta edistää tutkimuksen ja tutkimustulosten läpinäkyvyyttä, toistettavuutta ja todennettavuutta. Se mahdollistaa vaikkapa tutkimustulosten todentamisen artikkelin vertaisarvioinnin yhteydessä. Itä-Suomen yliopiston Avoimen tieteen ja tutkimuksen linjauksen mukaan aineistonhallinnan on oltava suunniteltua ja tutkimusaineistot olisi myös avattava aina kun mahdollista tutkimuseettiset ja juridiset seikat huomioiden. Juridisiin seikkoihin kuuluvat esimerkiksi tekijänoikeuteen liittyvä lainsäädäntö ja sopimukset, joista lisää oppimateriaalin luvussa 2.

Tutkimusaineistonhallinta kuuluu erottamattomasti hyvään tieteelliseen käytäntöön (HTK), jonka keskeisiin toimintatapoihin kuuluvat huolellisuus ja tarkkuus tutkimustyössä ja tutkimustulosten tallentamisessa suunnittelusta toteutukseen. Tutkimuseettinen neuvottelukunta (TENK) linjaa Suomessa hyvän tieteellisen käytännön periaatteita. Keväällä 2023 on julkaistu päivitetty kansallinen tutkimuseettinen ohje eli HTK-ohje: Hyvä tieteellinen käytäntö ja sen loukkausepäilyjen käsitteleminen Suomessa. Tutkimusetiikkaa käsitellään lisää oppimateriaalin luvussa 2.

Keskeistä tutkimusaineiston hallinnassa on aineistojen kuvailu, jotta aineisto on ymmärrettävää ja käytettävissä uudelleen eri tarkoituksiin riippumatta siitä, avataanko aineistoa vai ei. Kuvailutiedot kertovat esimerkiksi siitä, mitä aineisto sisältää, mistä ja miten se on kerätty, kuka sen on kerännyt ja minne se on tallennettu. Kuvailun yhteydessä puhutaan tavallisesti metadatasta eli metatiedosta ja dokumentaatiosta, joita käsitellään tarkemmin tämän oppimateriaalin luvussa 3.

Tutkimusaineistonhallinnassa hyödynnetään tyypillisesti ns. aineistonhallintasuunnitelmaa eli DMP:tä (Data Management Plan). Aineistonhallintasuunnitelma on päivitettävä dokumentti, jonka tekemisessä voi hyödyntää valmiita pohjia ja työkaluja, kuten DMPTuuli-verkkotyökalua. Tietoa tutkimusaineistonhallinnasta on koottu ja päivitetään UEF Datatuen sivulle. Aineistonhallintasuunnitelman laatimista käsitellään oppimateriaalin luvussa 6.

Tutkimusaineistonhallinnan tavoitteena on siis tehdä tutkimusprosessista ja aineiston käytöstä vastuullista ja tehokasta. Samalla täytetään yliopiston, tutkimusrahoittajien ja lainsäädännön odotukset ja vaatimukset.

Tutkimusaineiston elinkaari kuvaa aineistoon liittyviä toimenpiteitä tutkimusprosessin eri vaiheissa. Usein tämä elinkaari esitetään ympyränä, mikä korostaa myös aineiston jatkuvuutta: aineisto ei ikään kuin pysähdy johonkin selkeään päätepisteeseen, vaan esimerkiksi uudelleen käytettynä sen elinkaari jatkuu jollain tavoin.

Elinkaaressa mainitaan usein alla olevan kuvan mukaisesti suunnittelu, keruu, analysointi, tallentaminen, julkaiseminen, tuhoaminen, löytäminen ja uudelleenkäyttö. On hyvä muistaa, että tutkimuksen aikana aineistonhallinnan toimenpiteet eivät aina etene mallin mukaan vaiheesta toiseen. Esimerkiksi aineiston keruuta tai julkaisemista voi tapahtua monessa tutkimuksen eri vaiheissa. Tallentamista, jakamista ja julkaisemista käsitellään luvussa 4 ja luvussa 5.

 

Tutkimuksen alkaessa aineistonkeruu kannattaa suunnitella niin yksityiskohtaisesti kuin mahdollista. Lait ja eettiset näkökohdat on tarkistettava huolellisesti. Henkilötietoja käsiteltäessä on huolehdittava tietosuojasta, informoitava tutkittavia ja pyydettävä tarvittaessa suostumukset ja tutkimusluvat. Tutkittavien informointi on hyvä suunnitella siten, että aineistonhallinta ja aineistojen mahdollinen jakaminen ovat mahdollisia halutulla tavalla. Henkilötietojen käsittelystä lisää luvussa 2.

Aineistonhallinnan yksityiskohdat sovitaan tutkimuskumppaneiden kanssa ja aineistonhallintasuunnitelmaa päivitetään aina tarvittaessa.

Aineistot tulee dokumentoida, kuvailla ja tallentaa niin, että ne pysyvät käyttökelpoisina ja suojattuina tutkimuksen aikana ja sen jälkeen. Aineiston keruun jälkeen se analysoidaan ja tutkimustulokset raportoidaan esimerkiksi tieteellisessä artikkelissa.

Tutkimuksen loppupuolella tai sen jälkeen aineisto voidaan jakaa muiden käyttöön tai arkistoida ne tutkimusorganisaation tai yhteistyökumppanin ohjeiden mukaisesti. Jos aineistot ovat avoimesti saatavilla, niitä voidaan hyödyntää uudelleen esimerkiksi tutkimuksessa, opetuksessa, opiskelussa tai kaupallisessa toiminnassa. Tutkimustulosten säilytystä ja avaamista käsitellään luvussa 4 ja luvussa 5.

Kaikissa tutkimuksen vaiheissa tutkimusaineiston suunnitelmallinen ja järjestelmällinen hallinta luo tarvittavan perustan hyvälle tutkimustyölle ja helpottaa tutkimusprojektin toteuttamista konkreettisesti.

Aineistonhallinnassa on keskeistä FAIR-periaatteiden noudattaminen. FAIR-periaatteet julkaistiin 2016 (The Future of Research Communications and e-Scholarship eli Force). Periaatteet ohjaavat tekemään datan ja sen metadatan (datan kuvailutiedot)

• löydettäväksi (Findable)
• saavutettavaksi (Accessible)
• yhteentoimivaksi (Interoperable)
• uudelleenkäytettäväksi (Re-usable).

FAIR-periaatteiden toteuttaminen käytännössä tarkoittaa seuraavia asioita:

• Löydettävyys: Tutkimusaineiston metatiedot on kuvailtu riittävän tarkasti. Aineistolla on kuvailusivu ja ainutkertainen pysyvä tunniste (kuten DOI tai URN). Jos tutkimusaineisto tallennetaan datarepositorioon tai -arkistoon, metatiedot kuvaillaan aineiston mukana ja aineisto saa pysyvän tunnisteen. Jos aineistoa ei voi avata, sen metadata voidaan kuitenkin yleensä julkaista avoimesti.
• Saavutettavuus: Aineisto ja/tai sen kuvailutiedot voidaan hakea internetistä, avataan jatkokäyttöön mahdollisuuksien mukaan ja jos pääsy aineistoon rajataan, perustellaan, miksi avaaminen ei ole mahdollista. Aineisto on versioitu, ja aineistoa on dokumentoitu koko elinkaaren ajalta. Jos aineisto on poistettu, sen kuvailutiedot ovat edelleen saatavissa. Datarepositoriot ja -arkistot ohjeistavat tilanteessa, jos niihin tallennettu data joudutaan poistamaan tai korvaamaan uudella versiolla. Poistetun datan pysyvän tunnisteen (esim. DOI) tulisi ohjata ns. datan muistosivulle, jolla käy ilmi, että kyseinen data ei ole enää saatavilla.
• Yhteentoimivuus: Datassa ja/tai metadatassa on käytetty yleisiä, dokumentoituja ja mahdollisimman avoimia tiedostomuotoja, sanastoja tai yhteisiä koodistoja. Data tai metadata on linkitetty muihin tuotoksiin tarpeen mukaan.
• Uudelleenkäytettävyys: Tutkimusaineisto on hyvin dokumentoitu ja ymmärrettävää. Käyttöoikeudet tai lisenssit ovat selkeästi esillä aineiston yhteydessä.

Hyvin usein tutkijat toteuttavat tiedostamattaan FAIR-periaatteita ainakin osittain esimerkiksi käyttämällä kaikille avoimia ohjelmistoja (yhteentoimivuus) tai dokumentoimalla huolellisesti aineiston käsittelyn (uudelleenkäytettävyys).

FAIR-periaatteiden noudattaminen täydellisesti ei ole aina mahdollista tai järkevää, ja niitä kannattaa soveltaa oman harkinnan mukaan. Kannattaa pohtia, millaisia rajoitteita ja mahdollisuuksia omaan tutkimusaineistoon liittyy. On hyvä huomata, että FAIR-periaatteiden noudattaminen ei välttämättä tarkoita aineiston avaamista.

Useat datanhallintaan tarkoitetut palvelut, kuten CSC:n Fairdata-palvelukokonaisuus tai luotettavat arkistot ja datarepositoriot, on kehitetty FAIR-periaatteet huomioon ottaen, ja tällaisia palveluita käyttämällä voi toteuttaa eri FAIR-toimenpiteitä. FAIR-periaatteita edistävän palvelun valinnan lisäksi kannattaa pohtia, mitä muita toimia voi tutkijana tehdä, jotta aineistot olisivat mahdollisimman löydettäviä, saavutettavia, yhteensopivia ja muiden uudelleenkäytettävissä.

Opetus- ja kulttuuriministeriö tarjoaa digitaalisten tutkimusaineistojen hallintaan maksuttoman Fairdata-palvelukokonaisuuden. Se on CSC:n toteuttama Suomen korkeakouluille ja valtion tutkimuslaitoksille tarkoitettu kokonaisuus, joka koostuu seuraavista tutkimusaineistojen palveluista:

• IDA säilytykseen
• Qvain kuvailuun
• Etsin hakemiseen
• Fairdata PAS pitkäaikaissäilytykseen.

Palvelujen käyttö edellyttää rekisteröitymistä CSC:n asiakkaaksi, mikä onnistuu esimerkiksi kotiyliopiston HAKA-tunnuksen avulla.

IDA-säilytyspalveluun voidaan tallentaa uutta sekä jo julkaistua tutkimusaineistoa, vaikka se ei ole tarkoitettu aineiston pitkäaikaiseen säilytykseen. Tutkimusdata voidaan koostaa sinne kuvailluiksi tutkimusaineistoiksi ennen kuin se siirretään pitkäaikaissäilytykseen esimerkiksi FAIRdata PAS –palveluun.

Qvain on tutkimusaineistojen kuvailutyökalu, minkä avulla tutkimusaineisto voidaan kuvailla vakioidun mallin mukaisena metadatana. Kuvailtavat aineistot voivat olla IDA-palvelussa tai myös muualla sijaitsevia aineistoja.

Qvaimella julkaistut kuvailut aineistoista ovat saatavilla Etsimen kautta. Etsimellä voidaan haravoida myös muihin palveluihin tallennettuja metatietoja.

Faidata PAS –palvelu tarjoaa pitkäaikaissäilytyspalvelua arvokkaille tutkimusaineistoille ja sen tavoitteena on taata erittäin merkittävien aineistojen jatkokäytettävyys tuleville sukupolville. Arvion tutkimusaineiston soveltuvuudesta arkistoitavaksi Fairdata PAS –palveluun tekee tutkimusorganisaatio.

Tutkimuksen tueksi. Hyödyllisiä vinkkejä ja UEF ohjeita tutkimukseen (Heimo-palvelut, edellyttää kirjautumista UEF-tunnuksilla) 

Aineistonhallinnan käsikirja (Tietoarkisto)  

Datanhallinnan muistikirja (Fairdata.fi)  

CSC: Data management and storage. CSC:n datapalvelut tarjoavat hyödyllistä tietoa aineistonhallinnasta. 

Vastuullinen tiede -sivustoperhe kokoaa yhteen Avoimen tieteen koordinaation, Julkaisufoorumin, Tiedonjulkistamisen neuvottelukunnan ja Tutkimuseettisen neuvottelukunnan sivut.