Správa dat

Centrum kompetencí pro správu dat
Co jsou Open data?
Proč zveřejňovat data
Data Management Plan
Jak na zveřejnění výzkumných dat
FAIR data
Datové repozitáře a časopisy
Licence

Richard Waisser

waisserr@lib.czu.cz
+420 224 384 025

Miriam Moutouk

moutouk@lib.czu.cz

openscience@lib.czu.cz

Centrum kompetencí pro správu dat

Centrum kompetencí pro správu dat (CKDS) je specializované univerzitní pracoviště, jehož úkolem je podpora a rozvoj prostředí pro správu dat vytvářených studenty na České zemědělské univerzitě v Praze.

CKSD se zaměřuje na kvalifikační práce, ale také na data vznikající v průběhu studia – během cvičení, laboratorních nebo terénních měření a dalších aktivit. Cílem centra je zajistit bezpečné a efektivní uchovávání, organizaci a případné sdílení těchto dat v souladu s principy otevřené vědy a standardy kvality akademické práce.

Naše mise:

- Zkvalitnit nakládání s daty studentů na všech stupních studia.

- Podporovat transparentnost, reprodukovatelnost a odpovědné zacházení s daty.

- Zajistit školení, poradenství a metodickou podporu pro studenty, pedagogy i další pracovníky univerzity.

Nabízíme:

- Podporu při ukládání a archivaci kvalifikačních prací a dat.

- Konzultace a školení v oblasti datového managementu a otevřené vědy.

- Tvorbu a sdílení vzdělávacích materiálů a metodických pokynů.

- Pomoc při revizi vnitřních předpisů souvisejících se správou studentských dat.

Naším cílem je vytvořit prostředí, ve kterém budou data vytvářená studenty vnímána jako hodnotný a smysluplný výstup akademické činnosti. CKSD podporuje studenty, pedagogy i výzkumníky v tom, aby s daty pracovali zodpovědně – a přitom efektivně, přehledně a bezpečně.

Máte dotaz, potřebujete poradit nebo se chcete zapojit do aktivit CKSD? Kontaktujte nás – jsme tu pro vás!

Co jsou Open data?

Open data (neboli otevřená data) jsou data, která může kdokoli za jakýmkoli účelem (i opakovaně) použít a šířit. Omezení (například nutnost uvedení autora) jsou dána licenčními podmínkami.

Aby byla data otevřená, musí splňovat následující body:

Dostupnost – data musí být volně dostupná ke stažení z internetu, a to ve vhodném a upravitelném formátu.
Znovupoužitelnost – data musí být opatřena licencí umožňující opětovné využití.
Univerzálnost – data musí být dostupná k dalšímu využití a šíření všem bez rozdílu, a to včetně využití ke komerčním účelům.

(zdroj: opendatahandbook.org)

Proč zveřejňovat data

Povinnost uchovávat, sdílet a publikovat výzkumná data je zahrnuta do podmínek některých poskytovatelů financí (např. Horizon 2020). Přesné požadavky poskytovatelů se různí a jsou k nalezení na jejich oficiálních stránkách. Podmínky jsou dohledatelné rovněž v databázi Sherpa/Juliet – zde uvedené informace ale nemusí být aktuální a je třeba se o nich přesvědčit v oficiálních zdrojích.

V současnosti je v mnohých zahraničních i některých českých institucích kladen na otevřená data velký důraz. Předpokládáme, že se v příštích letech stane správa dat součástí Národní politiky vědy a výzkumu v České republice. Nejen z tohoto důvodu je potřeba začít této problematice věnovat zvýšenou pozornost i na ČZU.

Otevřená data umožní zkvalitnění výzkumného procesu. Mezi hlavní výhody patří:

Možnost kriticky zkoumat a ověřit výsledky výzkumu – díky replikovatelnosti dojde ke zvýšení robustnosti studií.
Vyšší citační ohlas – citována mohou být i samotná data; zveřejněním dat navíc jako vědec zvyšujete svou důvěryhodnost.
Zabránění zbytečnému opakování výzkumu – existující veřejně dostupná data nemusí být pro účely další analýzy a navazujícího výzkumu znovu vytvářena.
Nové poznatky díky kombinaci výzkumných údajů z různých zdrojů – možnost analýzy dat v plném rozsahu v navazujících projektech.
Zefektivnění výzkumného procesu, urychlení cesty k novým vědeckým poznatkům.

Data Management Plan

Data Management Plan (DMP) je dokument, který popisuje, co se bude s výzkumnými daty dít během jejich tzv. životního cyklu. Zahrnuje zejména následující informace:

Jak budou data získána
Popis dat - dokumentace, metadata
Etické a právní aspekty
Úložiště dat a jejich zálohování
Dlouhodobé uchování dat
Zveřejnění dat
Zodpovědné osoby, zdroje

DMP by měl být vytvořen hned na začátku projektu. Jedná se o živý dokument, který může být v průběhu výzkumného procesu upravován.

K vytvoření DMP je možné využít některý z online nástrojů:

DMPonline - obsahuje šablony pro tvorbu plánu, na stránkách nástroje jsou zveřejněny i ukázkové DMP a nápověda
Data Stewardship Wizard

Účelem DMP je:

Zvýšení integrity výzkumu – důležité informace týkající se dat jsou na jednom místě a snadno komunikovatelné např. v případě personálních změn.
Zlepšení komunikace – v DMP jsou uvedeny konkrétní osoby zodpovědné za jednotlivé úkony prováděné s daty.
Umožnění předvídat potenciální problémy – již na začátku výzkumu je třeba si uvědomit možná úskalí spojená např. s kapacitou úložiště či pořizováním osobních dat.
Snížení rizika ztráty dat – DMP klade důraz na to, jak a kde budou data uložena, zálohována a kdo k nim bude mít přístup.

Jak na zveřejnění výzkumných dat

Zveřejnění výzkumných dat je významný krok, který je třeba předem pečlivě připravit. Základním principem, podle kterého by měla být data otevřena, je „As open as possible, as closed as necessary” (“Otevřít tak, jak je to možné, uzavřít tak, jak je to nezbytné”).

Dle tohoto principu je vhodné zveřejňovat všechna data s výjimkou těch, u kterých to neumožňují právní aspekty. Problematická jsou zejména ta data, která obsahují osobní údaje. Legální je zveřejnění pouze těch datasetů, které osobní údaje neobsahují.

Data obsahující osobní údaje je možné tzv. anonymizovat, a to například pomocí nástroje Amnesia. Anonymizovaná data mohou být zveřejněna v celém rozsahu.

Autoři zvažující zveřejnění výzkumných dat se často obávají jejich zneužití či krádeže. Je třeba mít na paměti, že to, ve které fázi výzkumu budou data zveřejněna, je čistě v režii autora. Můžete se rozhodnout data zveřejnit například až po ukončení projektu či tehdy, kdy už z nich jako autor nejste schopen více vytěžit.

Pokud mají být data otevřená, je třeba věnovat zvýšenou pozornost jejich formátu a zpracování. Aby byla data použitelná, musí být ve vhodném formátu, řádně popsána metadaty a opatřena licencí. Vhodnou podobu zveřejněných otevřených dat popisují tzv. FAIR principy.

FAIR data

V roce 2016 byl zveřejněn článek popisující tzv. FAIR zásady pro správu vědeckých dat (Wilkinson et al. 2016). V současné době se mnoho iniciativ snaží o to, aby se FAIR data stala standardem při zveřejňování výzkumných dat.

FAIR data jsou taková data, která jsou:

Vyhledatelná (Findability)
- Data jsou uložena na vhodném místě umožňujícím komukoliv je dohledat.
- Data jsou popsána metadaty.
- (Meta)data jsou opatřena jedinečným a perzistentním identifikátorem (např. DOI, ORCID, UniProt kód).
Přístupná (Accessibility)
- Data by měla být přístupná za jasně daných podmínek.
- Pokud nejsou dostupná data, měla by být otevřená alespoň metadata.
Interoperabilní (Interoperability)
- K popisu dat jsou použity standardizované výrazy.
- (Meta)data jsou provázána s jinými (meta)daty přes formalizované reference.
Znovupoužitelná (Reusability)
- (Meta)data jsou sdílena pod co nejméně restriktivní licencí.
- Uživatelé musí vědět, jak (meta)data vznikla a co popisují.
- (Meta)data musí splňovat standardy dané vědecké komunity.

Díky čtyřem základním FAIR principům se možnosti dalšího využití dat násobně zvyšují. Principy kladou důraz na dostupnost dat pro automatizovanou práci výpočetních systémů bez lidského zásahu. Více informací o tom, proč a jak se snažit o to, aby data byla FAIR, naleznete na webových stránkách iniciativy GoFair.

Zdroj obrázku: OpenAIRE

FAIR Data nejsou Open data

Při zveřejňování FAIR dat se řídíme podle zásady „As open as possible, as closed as necessary“. Pro splnění FAIR principů postačí, když budou zveřejněna metadata.

Datové repozitáře a časopisy

Datasety mohou být zveřejněny v některém z existujících datových repozitářů či datových časopisů.

Datové repozitáře bývají specializovány na určitý obor či předmět výzkumu. Vyhledat vhodný repozitář lze prostřednictvím Mezinárodního registru repozitářů pro výzkumná data Re3data.org, případně pomocí databáze Open access repozitářů OpenDOAR. Výhodou oborových repozitářů je to, že jsou lépe přizpůsobeny potřebám daného oboru (např. určitému typu dat). Jsou využívány primárně komunitou lidí, kteří v daném oboru působí a vzájemně sdílejí svá data.

Pokud nenaleznete vhodný oborový repozitář, můžete využít rovněž univerzální repozitář. Nejznámějším univerzálním repozitářem je Zenodo.

Repozitáře se liší v mnoha aspektech. Při výběru je třeba sledovat mimo jiné, zda:

repozitář přiděluje datům perzistentní identifikátor,
je datům v repozitáři automaticky udělena licence,
jsou data v repozitáři volně přístupná pro všechny,
repozitář umožňuje přidávat aktualizované verze datasetů,
je repozitář opatřen certifikátem - např. certifikát Core Trust Seal je zárukou důvěryhodnosti repozitáře.

Přesné informace naleznete na webových stránkách jednotlivých repozitářů. Napovědět Vám mohou ikonky v pravém horním rohu při vyhledávání repozitáře v databázi Re3data.org.

Datové časopisy jsou takové časopisy, které publikují recenzované, tzv. datové články. Datové články jsou zaměřené na popis určitého volně dostupného datasetu, obvykle neobsahují interpretaci ani diskusi. Příkladem datového časopisu je Biodiversity Data Journal. Další příklady datových časopisů naleznete například zde.

Licence

Aby mohla být zveřejněná data volně využívána dalšími osobami, je třeba je opatřit licencí. Výběr licence je ve většině případů možné učinit v průběhu ukládání dat do repozitáře, licence je následně repozitářem automaticky vygenerována. Pokud tomu tak není (např. data jsou uložena jinde než v repozitáři), může být licence uvedena na úvodní stránce webu či připojena k metadatům.

Pro Open data je doporučeno využít licence Creative Commons (4.0), a to konkrétně CC-BY 4.0 či CC0.

CC-BY 4.0 je licence umožňující využít data komukoli a za jakýmkoli účelem, s nutností uvést jméno autora. Užití této licence je vhodné, pokud jsou Vaše výzkumná data kvalifikována jako dílo – například článek v časopise.

CC0 (volné dílo) je licence, která umožňuje komukoli data využít jakýmkoli způsobem. Uvedení jména autora v tomto případě není právně vymahatelné, ale ve vědeckém prostředí je považováno za morální. Užitím této licence se zříkáte odpovědnosti, za data nenesete žádné záruky

Další informace o licencích Creative Commons naleznete zde. Berte na vědomí, že v souladu s principy otevřených dat jsou pouze dvě výše zmiňované licence.