Akateeminen vartti -podcast: Tutkijoiden datatukeen yhden luukun palvelu

Risto Löf: Tänään Akateeminen vartti -podcastissa keskustellaan datatuesta ja tutkimusdatan hallinnasta. Itä-Suomen yliopistossa on käynnissä datatuen kehittäminen, joka tähtää yhden luukun palveluun. Tämän palvelun avulla tarjotaan tukea tutkijoille tutkimusdatan hallintaan koko tutkimuksen elinkaaren ajalle.

Millaista tukea tutkimusdatan hallintaan tarvitaan, mitä datatuki tarkoittaa käytännössä ja mikä muuttuu paremmaksi? Näistä asioista ovat kertomassa datatuen asiantuntijat Niina Nurmi ja Manna Satama.

Minä olen Risto Löf yliopiston viestintäpalveluista ja haastattelijana tässä podcastissa. Tervetuloa!

[tunnusmusiikki]

Risto Löf: Kun tutkija valmistautuu tutkimustyöhönsä, toteuttaa sitä ja tuottaa tuloksia, syntyy usein valtavan paljon tietoa eli dataa. Itä-Suomen yliopistossa on ollut käynnissä kehittämishanke, joka tuottaa tutkijoille palveluita tähän datan hallintaan. Manna Satama ja Niina Nurmi, te toimitte asiantuntijoina tässä datatuen kehittämisessä Itä-Suomen yliopistossa. Aloitetaan ihan peruskysymyksestä, mitä datatuki tarkoittaa ja mihin sitä tarvitaan yliopistossa? Aloitatko vaikka Manna.

Manna Satama: Kiitoksia. No tämä on hyvä kysymys näin heti alkuun. Datatuki on oikeastaan lyhennetty tiivis ilmaus tutkimusaineistojen tuelle. Eli puhutaan tutkimusaineistoista, jotka nyt voi olla sitten eri muotoa, palataan siihen sitten vähän myöhemmin. Se, mihin sitä tarvitaan yliopistossa, on ihan se oikeasti tutkijoiden, tutkimushenkilöstön tukipalvelu. Että täytyy tuottaa palveluita, osaamista, asiantuntemusta, että tutkimusaineistot pysyy hallussa. Että ne pysyy kunnossa, että vältetään riskejä, tutkimusaineistot ei joudu vääriin käsiin. Ihan tälläistä perustyötä. Eli se on sitä laadukasta tutkimusta, jota tässä tuetaan sitten täällä meidän datatuen puolella.

Risto Löf: Ja ilmeisesti siihen on myös ollut sitten tarve, kun tämmöinen kehityshanke on laitettu käyntiin?

Manna Satama: Joo. Siinä on tunnistettu aukkoja sekä siellä palveluntarjoajan puolella, eli ihan sieltä meidän asiantuntemuksesta yritetään saada sitä jotenkin paremmin haltuun, että mitä kaikkea meidän pitäisi osata, mitä kaikkea tutkijat oikeasti tarvitsevat ja miten he löytävät sen palvelun äärelle. Eli siellä ihan semmoista oikeastaan viestinnällistä puutetta on ollut huomattavissa myös.

Risto Löf: Millaisesta datasta on kyse, kun puhutaan tutkimusaineistoista? Voitteko luonnehtia sitä tutkimusdatan kirjoa? Mitä Niina sanot?

Niina Nurmi: Juu, eli oikeastaan tutkimusaineistot kattaakin aika laajan kirjon. Se on ehkä laajempikin, mitä yleensä mielletään. Eli tehtiinpä sitten teoreettista tai kokeellista tutkimusta, niin oikeastaan jokainen tutkija yleensä aina tuottaa tai hyödyntää jonkinlaista tutkimusaineistoa. Eli se voi olla ihan jopa muistiinpanojakin. Ja sitten mindmapseja, eli tämmösiä miellekarttoja, jotka myöskin ylipäätään luetaan tutkimusaineistoiksi. Ja tosiaan niin kuin Mannakin tuossa mainitsi, että ne voivat olla analogisessa muodossa tai digitaalisessa muodossa yleensä.

Ja sitten jos katsotaan näitä datatyyppejä ja aineistotyyppejä, niin ne koostuvat haastattelukyselyistä ja voi olla tekstipätkiä. Ja esimerkiksi historialliset aineistot, kuten vanhat sanomalehdet ja ihan pergamenteista lähtien. Ja sitten on laajempia, niin kuin mielipidemittaukset tai väestötiedot. Ja sitten esimerkiksi fyysisessä, tämmösessä geologiassa voi olla simulaatiodataa. Tai esimerkiksi ilmastotieteessä. Ja sitten nykyään tuotetaan monenlaisia sensoreilla todella isoa dataa, niin sanottua massadataa. Ja sitten myös lääketieteessäkin tuotetaan paljon kliinistä dataa. Ja sitten biologiassa voi olla ihan lääketieteellisiä näytteitä, eli kudoksia ja ihan kokonaisia organismejakin, joista sitten taas otetaan mittauksia esimerkiksi hormonipitoisuuksista tai muusta vastaavasta. Tai geneettistä ihan sekvenssidataa. Eli se on todella laaja kirjo, mitä nämä tutkimusaineistot ja tutkimusdata kattavat.

Risto Löf: Kuulostaa sille, että siellä on tiedealakohtaisesti aika paljon eroja?

Manna Satama: Varmaan on tiedealakohtaisestikin, mutta sitten ehkä mieluummin jopa puhuisin aineistokohtaisesta. Että meillä ehkä herkästi ajatellaan, että okei, että lääketieteilijät tekee tietyntyyppistä ja sitten yhteiskuntatieteilijät tietyn tyyppistä. Ja historioitsijat jotain tiettyä, että ne ikään kuin menisivät sen tieteenalan mukaan. Osittain meneekin ja ollaanhan siellä niissä perinteisissä. Mut sitten nykyään saatetaan kyllä tehdä eri tieteenaloilla hyvinkin samantyyppisten aineistojen kanssa työtä. Ja sitten tietysti, kun tulee näitä yhteisprojekteja, joissa oikeasti eri alojen ihmiset yrittävät tulla keskenään toimeen ja ymmärtää, että mistä aineistosta oikein nyt tässä puhutaan ja miten sitä pitäisi sitten hallita. Että sillä tavalla tosi mielenkiintoinen kenttä kyllä myös. Ja sitten jotenkin ehkä mie näen tässä vielä sen tärkeyden, että millä tavalla tutkijoille puhutaan, eri alojen perinteistä tuleville tutkijoille. Että miten ne ymmärtävät sen tutkimusaineiston ylipäätään. Että jos se on meille vähän hankala välillä sitä itsekin ymmärtää, niin miten sitten tutkijat sen jotenkin handlaa.

Risto Löf: No datatuen ensisijaisia käyttäjiä ovat siis tutkijat, kuten professorit, hanketutkijat, väitöskirjatutkijat. Millaisia haasteita he kohtaavat tässä tutkimusdatan hallinnassa?

Niina Nurmi: No yksi, mikä on ollut aika paljon nyt tapetilla, ovat tämmöiset media-aineistot. Eli ne voivat olla haasteellinen, koska se on semmosta, mikä vaikuttaa hyvin avoimelta. Siellä on some-alustoja, joilta pystyy kyllä keräämään todella suuria datasettejä. Mutta sitten, kun ruvetaankin asiaa selvittämään, eli on ensin nähty valtava työ siinä, että on kerätty näitä tietoja. Mutta siellä voikin olla esimerkiksi henkilötietoja ihan yksityishenkilöistä ja salassa pidettävää. Ja myös niillä some-alustoillakin voi olla siis omat käyttöehdot. Näitä tulisi todella selvittää ja suunnitella etukäteen, että ei käy semmosta tilannetta, missä sitten jälkikäteen huomataankin, että ei voida vaikka hyödyntää osaa tai jopa koko sitä datasettiä. Eli tässä on yksi semmoinen aika ajankohtainen asia.

Ja sitten on myös metadata ja esimerkiks datan kuvailu, ihan dokumentointi. Myös siinä voi olla tieteenalakohtaisia standardeja, mitä seurataan. Mutta sitten jos on iso tutkimusryhmäkin, niin se seuranta siitä, että onko ne yhdenmukaiset esimerkiksi ryhmän sisällä, ja jos erityyppistä dataa kerätään, niin tässä on myös haastetta huomattu kyllä. Että kaivataan tukea tähän metadatan tuottamiseen ja systemaattisuuteen.

Manna Satama: Ja sitten varmaan siinä on just vähän riippuen siitä, missä vaiheessa tutkija on, että jos on siinä hyvin alkuvaiheessa omaa uraansa, vaikka just väitöskirjatutkijat, niin heillä saattaa olla aika isojakin sellasia, miten nyt sanoisin, puutteita tai aukkoja siitä, että ne ymmärtävät sen koko tutkimusaineiston. Niin kuin just äsken sanoinkin, ihan siitä jo lähtömäärittelystä, että mitä se aineisto on ja mitä kaikkia tekijöitä siihen sitten liittyy. Ja sitten varmaan sen oman organisaation, yliopiston palvelujen tunteminen, että mistä sitten löytää niitten palvelujen äärellä. Vaikkapa levytilan tilaaminen itselle, tai mihin kaikkeen on oikeutettu. Että ihan hirveästi ne tuen tarpeet riippuvat juuri siitä vaiheesta ja siitä tilanteesta, missä ihminen on.

Risto Löf: Tämän datatuen kehittämisen kauniina tavoitteena on yhden luukun periaate. Ja kun näistä palveluista puhutaan, niin se on tietysti vaativa tavoite, kun datahallinnon toimijoita on meillä monia. Esimerkiksi yliopiston kirjasto, tutkimuspalvelut, tietotekniikkapalvelut ja lakipalvelut. Mitenkä tämä kaikki osaaminen saadaan koottua yhdelle luukulle?

Manna Satama: Niin, tämä onkin ollut meidän tehtävänä tässä viime vuoden aikana ja tätähän nyt jatketaan. Me ollaan tehty tätä palvelumuotoilun avulla. Se on ollut meille itellemme oikein opettavaista ja paljastanut sieltä just aika jänniäkin aukkoja. Että vaikka ajatellaan, että kyllähän siellä palveluntuottajat keskustelevat keskenään ja jakavat tietoa, mutta että sitten välttämättä ei aina niin kuitenkaan tapahdu. Että asiakkaat, tutkijat saattavat ottaa yhteyttä suoraan vaikka lakiasioihin, kun se on heille tärkeä ja ajankohtainen. Mutta sitten meiltä siellä yhteisessä luukussa jääkin tietämättä se, että minkälaisia asioita siellä sitten käydään läpi. Ja siihen saattaa liittyä muitakin tekijöitä. Että se ei ole pelkästään laki- tai sopimusasia, vaan siinä on sitten kaikenlaisia muita asioita, jotka olisi ihan hyvä meidänkin tietää.

Ja nyt tuossa palvelumuotoilussa on kehitetty ratkaisuja, hyvin tavallaan yksinkertaisia, mutta enemmän meidän sisäistä uudenlaisen toiminnan opettelua. Että kun sinulle tulee kysymys, niin jaa se vaikka muiden kanssa, ja miettikää sitä yhdessä ja tavataan kerran viikossa. Pidetään palaveri. Ihan tosi yksinkertaisia ja uudenlaisen ajattelun opettelua. Ja ehkä just niin, että osaa myös ajatella, että vaikka nyt tuntuu, että ei tuo toinen nyt mitenkään hyödy tästä minun tiedosta, mutta se kannattaa ehkä silti kuitenkin jakaa.

Niina Nurmi: Kyllä. Ja tässähän tullaan moniammatilliseen yhteiskehittämiseen ja tiimityöskentelyn siltä kantilta, että siellä on myös toimijoita, jotka tuottavat tätä datatuen palvelua. Josta osa toimijoista tuottaa sitä, paljon suurempi osa työajasta on todella datanhallinnan asiaa. Ja sitten osalle asiantuntijoista se voi olla pienempi osio siitä heidän työajastaan. Jolloin se on tärkeää, että me myös itsellemme kuvaamme sen, että mistä palvelut koostuvat. Ja myös sitten asiakkaalle päin tullaan se kuvaamaan selkeästi, jolloin se myös auttaa asiakastakin ymmärtämään, että missä tapauksissa todella ottaa datatukeen yhteyttä, ja milloin kannattaa mennä sitten suoraan esimerkiksi sopimusasioiden puolelle tai tietosuojan pakeille. Että se on ollu ihan sisäisten prosessien kuvaamista.

Ollaan hyödynnetty myös näitä palvelupyyntöjä, mitä on jo olemassa ja simuloitu ihan tällaisia teoreettisia, mitä voi tulla. Ja katsottu yhdessä, että miten kannattaa se sisäinen yhteydenotto hoitaa selkeiten. Ettei siellä tule semmosta pitkittymistä, ja että se kiertää monen eri henkilön kautta. Tämmösiä on mietitty yhdessä tosi paljon täällä palvelumuotoilun koulutuksessa osana sitä esimerkiksi.

Risto Löf: Sanoisin, että asiakas, eli tutkija kiittää kyllä siitä, että asiat löytyvät yhden luukun takaa. Yliopisto on todella iso organisaatio. Meillä on tuhansia työntekijöitä ja hallintoakin aika paljon, niin osaa mennä oikeaan paikkaan. Puhutaan vielä sitä elinkaarimallista. Eli datatukea tarjotaan koko tutkimuksen elinkaaren ajalle. Jos lähdetään liikkeelle sieltä aivan alkupäästä, niin millaista datatukea tarvitaan jo ennen tutkimuksen aloittamista?

Manna Satama: No tässä lähdetään kyllä siitä ihan suunnittelusta. Hyvä suunnittelu on ehkei ihan puoliksi tehty tutkimus, mutta ollaan hyvällä alulla. Kun lähtee tekee sitä suunnitelmaa, niin kohdataan jo kaikkia niitä mahdollisia riskejä ja vaaranpaikkoja ja mahdollisuuksia, jotka sitten jäsentävät myös sitä tutkimusta. Eli ihan jotenkin sen ymmärtäminen, että samalla kun tekee tutkimussuunnitelman, niin panostaa siihen tutkimusaineiston suunnitteluun. Eli se on se lähtökohta siellä alussa, ehdottomasti.

Risto Löf: Löytyykö siihen siis valmista kaavaa?

Manna Satama: Siihen löytyy hirveän hyviä apuneuvoja. Ihan jo tietysti meillä yliopiston sivustolta löytyy avointa materiaalia kaikkien hyödynnettäväksi. Sitten on näitä kansallisia ohjeita ja kansainvälisiä ohjeita, rahoittajien ohjeita. Eli kaikenlaista ohjetta kyllä löytyy. Ja sitten ihan sitä opettelua myös. Että nyt datatuessa järjestetään myös työpajatyöskentelyä, jossa autetaan, mietitään yhdessä noita tutkimusaineistosuunnitelmaa. Ja sitten on ihan näitä opintojaksoja ja kursseja, joissa se on ihan keskeisellä osalla.

Risto Löf: Entä millaista datatukea on tarjolla sitten tutkimuksen aikana?

Niina Nurmi: Tutkimuksen ajalla yksi keskeinen on tietysti, että mihin data tallennetaan tutkimuksen ajaksi. Eli levytilaratkaisut ja myös varmuuskopiointi ovat tärkeitä. Siinä tullaan myös tietoihin, että millaista aineistoa on tuotettu ja kuinka paljon se vie tilaa. Niin ajatellaan, että puhutaanko gigabiteistä vai megabiteistä. Ja tällöin löytyy ne erilaiset teknologiaratkaisut, missä on sitten ihan säilytyspalveluita isommalle datalle. Ja myös laskentapalveluita, jos on laskennallista toimintaa. Nämä pystytään sitten meidän datatuen kautta ja IT-palveluiden kautta järjestämään tutkijalle tarvittaessa. Siellä on myös sensitiivisen, eli henkilötietoja tai muuta salassa pidettävää tietoa varten teknisiä ratkaisuita. Eli pystytään sitten esimerkiksi Funet FileSender -tyyppisen ratkaisun kautta järjestämään niin, että esimerkiksi salassapidettävää dataa voi siirtää yhteistyökumppaneiden välillä tehokkaasti. Eli infraa ja tosiaan työkaluja löytyy. Ja näistä juuri UEF Datatuki pystyy sitten kertomaan enemmän, että mikä on se tarve sitten.

Manna Satama: Ja itse asiassa tuohon ehkä se, mikä pitäisi tehdä siellä tutkimuksen alussa ja jo hyvissä ajoin ennen kuin tutkimus alkaa, niin miettiä sopimusasiat. Eli liittyykö siihen jotain esimerkiksi, että joudutaan miettimään, että kenen aineistosta on kysymys ja niin edelleen. Mutta voi olla, että siihen törmätään jo siinä vaiheessa, kun tutkimus on käynnissä. Niin nämähän olisi hyvä tosiaan tehdä jo alkuun. Mutta kaikenlaisia asioita voi tulla siinä tutkimuksen aikana. Sellasia, joita ei ole ehkä osannut edes ennakoida, vaikka olisi suunnitellutkin. Että yhtäkkiä vaikka huomaa, että siellä onkin sensitiivistä dataa. Se tutkimus jotenkin menee vähän eri suunnille, kun sitä on ihan suunniteltu.

Risto Löf: Tässäkin datatuki auttaa sitten. Kun tutkimus valmistuu, syntyy julkaisu tai muu tuotos tutkimuksen tuloksista, niin millaiseen datatukeen on tarve julkaisujen yhteydessä?

Manna Satama: Julkaisujen yhteydessä esimerkiksi on törmätty juuri siihen, että kun tutkija tarjoaa omaa artikkeliaan johonkin lehteen, niin lehti pyytää tai vaatii, että saisi aineiston joko niin, että se on avoimena saatavilla tai sitten niin, että se olisi arvioijien saatavilla. Eli sen aineiston pitäisi olla jo siinä vaiheessa sellaisessa muodossa, että sen pystyy arviointiin sitten viemään. Että arvioija pystyy oikeasti katsomaan, että onko tässä nyt mitään järkeä tässä artikkelissa ja tässä tutkimuksessa, että mihin se perustuu. Ja sellaisissa kohdissa ehkä sitten tuntuu, että sitä tukea nimenomaan tarvitaan siihen tulkkaamiseen tutkijan ja sen lehtiehdokkaan välillä. Että mitä tässä nyt oikeasti halutaan. Että tutkija saattaa panikoitua ja rupeaa hermostuttamaan, että en minä mitään aineistoja tässä nyt rupea kenellekään antamaan ja mihin nämä nyt oikein pitää laittaa. Eli ihan tulkin ja tukijan roolia tulee sieltä datatuesta.

Risto Löf: Ja se datan hallinta ei lopukaan tutkimuksen julkaisuun, vaan myös tutkimuksen jälkeen tarvitaan datatukea. Millaista tarvetta voi olla?

Niina Nurmi: Tähänkin liittyy osaltaan, mikä tässä mainittiinkin näiden julkaisijoiden vaatimukset esimerkiksi datan avaamisesta. Datana pidetään myös ihan vaikka lähdekoodia, mikä on tutkija tuottanut. Eli nämä tulisi sitten avata. Ja sitten kysymys on usein, että missä ne voi ja kannattaa avata. Ja ylipäätään, että voiko niitä avata, jolloin avataan sitten vaikka vaihtoehtoisesti vain metatiedot eli ne kuvailutiedot tästä aineistosta. Mutta sitten puhutaan näistä avaamispaikoista, että puhutaan niin sanotusta datajulkaisuista, eli silloin on ihan omat datalehdet, joissa voi todella kuvata tämän aineiston ja sitä kautta avata. Ja sitten se linkitetään pysyvän tunnusten kautta siihen varsinaiseen tiedejulkasuun, missä on sitten nämä laajemmat menetelmät ja tulokset.

Ja sitten myöskin, jos puhutaan repositorioista, eli nämä on sitten tämmöisiä, mihin arkistoidaan sitten tutkimuksen jälkeen datat tai myös koodikin voidaan arkistoida. Ja nämä repositoriot ovat tosiaan sellaisia, että niitä on ihan yleisempiä tai sitten ihan tieteenalakohtasia repositorioita. Mistä me voidaan sitten neuvoa tosiaan, että jos tutkija esimerkiksi ei osaa päättää tai ei ole löytänyt tietoa, että mihin hänen kannattaisi datansa avata, niin voimme antaa neuvoja. Näissä on ehkä se erona, että nämä yleisimmät repositoriot, niihin monesti on ehkä helpompi itse talletusvaiheessa täyttää ne tiedot.  Eli se prosessi on helpompi sinne datan talletukselle näihin yleisrepositorioihin. Mainittakoon tässä esimerkiksi Zenodo on yksi. Ja sitten on tämmönen kuin Dryad.

Mutta sitten ehkä spesifimmät alakohtaisemmat repositoriot, niin niissäkin on omat puolensa. Että siellä voi olla vähän eri se prosessi, miten ne talletetaan. Mutta jos esimerkiksi saman alan tutkija tai voi olla toiseltakin alalta etsii juuri jonkun tietyn alan aineistoa tai dataa, niin silloin tämän uudelleenkäytön ja datan uudelleenhyödyntämisen suhteen voikin olla ehkä parempi ratkaisu juuri laittaa alakohtaiseen repositorioon datat. Eli silloin ne löytyisivät sitä kautta helpommin. Yleisrepositoriossa voi olla todella monimuotosta ja erilaista dataa. Eli sillon sieltä on vaikeampi tavallaan kaivaa relevanttia dataa itselle, jos haluaa hyödyntää sitä omassa tutkimuksessaan muiden datoja. Ihan esimerkkinä.

Manna Satama: Sitten varmaan vielä sellainen, mikä ei ehkä tule siinä tutkimuksen alussa mieleen, mutta sitten kyllä siinä vaiheessa, kun tutkimus päättyy, on juuri se, että mihin sen aineistonsa sitten lykkää, mutta myös sitten, jos työsuhde esimerkiksi loppuu. Eli se on ollut tietty hanke, joka tehdään tietyssä yliopistossa, niin mitä sitten tapahtuu kaikelle sille aineistolle, joka ehkä on ollutkin siellä yliopiston verkkolevyllä ja niin edelleen. Kaiken tällaisen, sen aineiston mukaan ottaminen tai mihin sen jättää ja mitä siitä tuhoaa. Että sekin on tosi tärkeä miettiä, että mitä siitä tuhoaa ja millä tavoin. Että kaikki menisi riskejä välttäen ja kauniisti ja laadukkaasti. Tämmöstä aineiston seulontaa.

Niina Nurmi: Kyllä. Ja tässähän yksi tärkeä asia, mitä on ajateltava ja tulee myös organisaatiokohtaisesti annettuna, on säilytysajat ylipäätään, että kuinka pitkään erilaisia aineistoja tulisi säilyttää. Ja tässä tullaan kysymykseen ihan kulttuurihistoriallisesti tärkeistä aineistoista, jolloin puhutaan jo pitkäaikaissäilyttämisestä, että aineiston tulisi säilyä satojakin vuosia. Ja sitten tullaan niihin prosesseihin ja ratkaisuihin, mitä on taas siltä kantilta tarjota. Eli niitäkin tulee huomioida joissain tapauksissa.

Risto Löf: Kun jatkossa innokkaat tutkijat haluavat palvelua datan hallintaan, niin miten heidän tulee toimia? Keneen he ottavat yhteyttä?

Manna Satama: No ehkä tyypillisin tapa ja ihan hyvä tapa on se, että lähtee yliopiston kotisivuilta. Ja tällä hetkellä se löytyy siis sillä tavalla, että menee sieltä etusivulta etsimään kirjaston, kirjaston sivulta etsii tutkimuksen tuen ja sieltä tutkimusaineistojen hallinnan tuen. Se on se kaikille avoin tie. Eli kuka tahansa voi sieltä katsoa palveluita. No sitten se, joka on ihan yliopistolaisille tutkijoille ja henkilökunnalle, niin se löytyy meidän sisäisestä verkosta. Ja sitten sähköpostia osoitteeseen datasupport@uef.fi, se on se kaikista suorin tie. Jos sen muistaa, niin sillä pääsee hyvin pitkälle.

Risto Löf: Eli palveluosoite talteen, datasupport@uef.fi. Sähköpostia sinne, niin asiat lähtevät eteenpäin. Kiitos keskustelusta Manna Satama ja Niina Nurmi.

Ja kiitos sinulle, joka kuuntelit Akateeminen vartti -podcastia. Tutustu myös Itä-Suomen yliopiston muihin ajankohtaisiin sisältöihin verkko-osoitteessa uef.fi/ajankohtaista. Kuulemiin.