Datan jäljillä 3: Aineistot avoimiksi!

[musiikkia…]

Anna Eskola: Tervetuloa kuuntelemaan Datan jäljillä -podcast-sarjaa, joka toteutetaan osana Metropolian data-agenttitoimintaa. Data-agenttitoiminnan tarkoituksena on kannustaa hyvään aineistonhallintaan ja edistää aineistojen avoimuutta. Tässä jaksossa keskustelemme aineistojen avaamisesta. Minä olen Anna Eskola ja työskentelen Metropoliassa projektisuunnittelijana. Toimin myös data-agenttina. Kaverina mulla on täällä tänään Metropoliasta Laura Mattila. Laura, esittelisitkö sinä itsesi?

Laura Mattila: Hei, olen Laura Mattila ja työskentelen Metropoliassa projektiasiantuntija ja kuten Annakin, niin olen myös data-agentti. Kaikki Metropolian data-agentit on käyneet läpi koulutuksen, jossa on aineistonhallinnan ja aineistojen avoimuuden lisäksi pureuduttu myös tutkimusetiikkaan. Datan jäljillä -podcastiin olemme kutsuneet eri alojen asiantuntijoita keskustelemaan aineistonhallintaan, etiikkaan ja tietosuojaan liittyvistä teemoista. Tässä jaksossa meillä on vieraana Minna Marjamaa Laurea-ammattikorkeakoulusta ja Seliina Päällysaho Seinäjoen ammattikorkeakoulusta. Minna ja Seliina, kerrotteko lyhyesti itsestänne? Keitä olette? Mitä teette työksenne ja mikä on teidän kytkös tämän jakson teemaan?

Minna Marjamaa: No hei, olen Minna Marjamaa. Toimin tietoasiantuntijana Laureassa. Minun tehtävänä töissä on aineistonhallinta ja prosessien luominen omaan taloon. Tarjoan tukea hankkeille datan avaamisesta ja metadatan teosta. Eli juuri näitä asioita, mistä tänään jutellaan.

Seliina Päällysaho: Ja olen Päällysahon Seliina. Tulen Seinäjoen ammattikorkeakoulusta. Toimin siellä tutkimuspäällikkönä. Olen ollut avoimen TKI-toiminnan kanssa tekemisissä jo vuodesta 2015 lähtien. Eli silloin meillä oli ensimmäinen yhteinen ammattikorkeakoulujen hanke, jossa pureuduttiin siihen, että miten esimerkiksi TKI-hankkeiden tulokset saadaan paremmin avattua ja miten hankkeessa kerätyt aineistot ja datat saadaan paremmin kaikkien hyödynnettäväksi.

Anna Eskola: Ihanaa, että meillä on näin asiantuntevat vieraat tänään meidän kanssa juttelemassa tästä aiheesta. Jos hypätään suoraan tähän itse asiaan ja mietitään vähän datan avaamisen prosessia, miten se oikeastaan menee? Millä tavoin aineistoja avataan?

Seliina Päällysaho: No tärkeintä on varmaan lähteä siitä liikkeelle, että ihan siinä hankkeen alkuvaiheessa tai jopa siinä vaiheessa, kun hankesuunnitelmaa kirjoitetaan, niin mietitään, että miten nämä aineistot voidaan avata. Eli se on hyvin tärkeätä, että jos tehdään vaikka haastatteluja tai kyselyitä, että osataan silloin haastateltavalle kertoa jo, että mitä niillä aineistolla tehdään ja että ne oltaisiin mahdollisesti avaamassa. Eli tutkittavien informointi on tärkeätä. Ja muutenkin se, että kaikenlaisia aineistoja ei välttämättä kannata avata. Eli jos ajatellaan näitä ammattikorkeakoulujen hankkeita, niin niitähän on vuositasolla käynnissä varmastikin tuhansia, jos lasketaan kaikki yhteen. Ja niissä hankkeissa kerätään sitten vielä enemmän aineistoja ja varmasti osa on sitten semmoisia, jotka eivät ole ehkä välttämättä niin hyvin jatkohyödynnettävissä. Ja siksi onkin tärkeitä pohtia, että mitkä aineistot ovat sellaisia, jotka halutaan avata ja tallentaa. Ja sitten niiden kanssa miettiä se toimintamalli mahdollisimman hyvissä ajoin.

Anna Eskola: Mites jos ajatellaan tätä aineistojen avaamista, niin onko siinä jotain sellaisia sudenkuoppia, mitä pitäisi osata varoa, kun lähtee suunnittelemaan aineistojen avaamista?

Seliina Päällysaho: No tietysti monenlaisia sudenkuoppia voi olla. Ja sen takia se täytyykin miettiä, että kaikkea ei voi avata. Ja lähtökohtanahan on hyvä pitää mielessä se, että voidaan avata silloin, kun on mahdollista, mutta pidetään sitten suljettuna, jos jokin asia on sen puolesta, että ei kannata avata. Eli esimerkiksi jos aineisto pitää sisällään henkilötietoja, niin sellaista aineistoa ei voi missään nimessä avata. Tai jos se sisältää, vaikka jotain liikesalaisuuksia tai muuta arkaluonteista tietoa, niin sellaisiahan ei voi avata.

Minna Marjamaa: Tärkeintä ylipäänsä, jos meinaa avata on se, että se aineistonhallinta on tehty kunnolla. Siksi on järkevää tehdä aineistonhallintasuunnittelua jo heti, kun hanke alkaa tai viimeistään silloin, kun tiedetään, että hankkeessa ollaan keräämässä tutkimusdataa. Eli ei niin, että loppuvaiheessa herätään, että ”aa tänhän voisi avata” ja sitten aletaan miettimään, että ai jaa, että mitäs täällä oikeastaan olisi pitänyt tehdä, jotta tämän voi avata. Tai että sitten vaan loppuvaiheessa jotkut päättävät, että minäpä tökäsen sen tuonne tietokantaan, kun täällä oli tämä disseminaatio tärkeää rahoittajalle. Eli tärkeätä on se, että se koko prosessi on hallittua ja mietittyä etukäteen ja on tehty kaikki prosessit kunnolla. Varsinkin anonymisoitu tai mietitty sitä, että onko tällä jotain kaupallistamisen mahdollisuutta.

Anna Eskola: Tosi hyviä pointteja.

Laura Mattila: Juu, eli tuossa tulikin hyvin esille se suunnittelun ja etukäteen asioiden miettimisen merkitys. Sitten me voitaisiin keskustella siitä, että kun aineistoa julkaistaan, niin silloin on oleellinen merkitys sillä, että on metadata tarjolla. Mutta mitä ihmettä metadatalla tarkoitetaan? Voisin kuvitella, että moni munkin kollega ihmettelee, jos puhutaan metadatasta, niin miten se voitaisiin selittää selkeästi.

Minna Marjamaa: Oikein hyvä kysymys ja on itsekin törmännyt siihen, että esimerkiksi, että ihmiset sanoo, että ei meidän metadataa voi avata, koska siinä käsitellään siinä datassa haavoittuvia ryhmiä tai siinä on yrityssalaisuuksia tai muuta sellaista. Mutta todellisuudessa hyvin usein, vaikka dataa ei voitaisi avata, niin metadata melkein aina voidaan avata. Metadatalla tarkoitetaan käytännössä kuvailutietoa siitä itse tutkimusdatasta. Eli se kuvailee sen varsinaisen TKI-aineiston tai tutkimusaineiston kontekstia, sisältöä, rakennetta, hallintaa tai käsittelyä ja sen kokoamista kuvaavaa ja tiivistettyä tietoa. Eli yksinkertaisesti voisi sanoa, että metadatan suhde varsinaiseen dataan on samankaltainen kuin kirjan suhde kirjalla siellä tietokannasta löytyviin perustietoihin tästä kirjasta. Eli siinä datassa on se varsinainen tuotos ja se metadata kuvailee sitä tuotosta. Ja periaatteessa metadataa on kahtalaista. Eli toisaalta sitä, joka on itse datan yhteydessä tehtyä ja avaa sitä datan käyttöönottoa ja ymmärtämistä. Ja sitten toisaalta tietojärjestelmistä löytyvä kuvailutietoa vähän samaan tapaan kuin kirjaston tietokannoissa kirjoista. Eli sitä metadataa, joka auttaa löytämään sen datan. Ja tämmöistä kuvailevaa kirjastotyyppistä metadataa löytyy kansallista tutkimustietovarannosta, eli tiedejatutkimus.fi -palvelusta. Ja samoin metadataa voi hakea etsimen kautta, eli sitä kautta myös mahdollisesti löytää sitä varsinaista dataa.

Anna Eskola: Mainitsit, että metadataa voi avata monesti silloinkin, kun varsinaista dataa ei voi avata. Mutta mitä hyötyä on metadatan avaamisesta, jos niitä aineistoja, joita se metadata koskee, ei voi avata?

Minna Marjamaa: Se onkin hyvä kysymys. Ensinnäkin siinä tullaan tietämään sitä, että mitä dataa oikeastaan meidän omassa korkeakoulussa tai ajatellen kansallisella tasolla syntyy. Eli saadaan jonkinlaista kuvaa siitä, mitä hankkeessa oikeasti tehdään muutakin kuin hankeraporteissa tai julkaisuissa. Ja sitten se on meriitti tutkijalle ja periaatteessa meriitti myös korkeakoululle. Ja sillä pystytään tuoda sitä talon tuloksia esiin muutenkin kuin julkaisujen ja hankeraporttien kautta tai sitten varsinaisen datan avulla. Eli vaikka ei pystyttäisi avaamaan dataa, niin metadata voidaan melkein aina avata ja sillä voidaan osoittaa, että meillä syntyy datoja ja tehdään töitä.

Seliina Päällysaho: Joo just toi meritoituminen on tosi tärkeä näkökulma, mitä ehkä toistaiseksi ei ole ihan kauheasti vielä ehditty meillä miettiä. Kaikille heille, jotka julkaisevat artikkeleita, niin sehän on ihan selkeä asia, että julkaisemisesta meritoituu ja julkaisujen avulla voi sitten kertoa muille tutkijoille, mitä kaikkea on itse tehnyt. Minun mielestä on tärkeää nähdä metadatat ja avoimet aineistot myös ihan samanlaisesta lähtökohdasta ja näkökulmasta. Eli silloin kun itse voi edes niitä metadatoja avata saataville, niin se tarkoittaa sitä, että sitä kautta pystyy myös meritoitumaan ja pystyy sitten kertomaan muille tutkijoille, että mitä aineistoja, minkälaista tutkimusta on tehnyt. Ja siitä voi tulla hyvin mielenkiintoisiakin yhteistyökuvioita sitten, kun joku toinen tutkija hakee näistä erilaisista kannoista niitä metadatoja ja huomaa, että sinä olet tehnyt jonkun tyyppistä tutkimusta ja ottaa sitten yhteyttä. Että näen, että nämä metadatat ovat hyvin tärkeitä siitäkin näkökulmasta.

Minna Marjamaa: Ja sitten siinä vielä se on, ainakin meillä Laureassa, kun dataa on vielä aika vähän avattu, niin se metadatan avaaminen on myös yksi väylä kohti sitä, että avataan enemmän dataa. Eli se data ja sen käsittely, aineistonhallinta tulee enemmän tutuksi siinä myös, että kun tehdään metadataa hankkeen päätyttyä tai kun tiedetään, että sitä dataa on syntymässä, ei välttämättä tarvitse olla hankkeen päättymisvaiheessa. Niin sillä tavalla myös saadaan se koko prosessi tutummaksi keskiverrosti hankkeessa työskenteleville.

Seliina Päällysaho: Kyllä meille on itse asiassa tullutkin yksi yhteydenotto sillä perusteella, että avattiin yksi metadata. Ja sitten yliopistossa työskentelevä tutkimusryhmä otti yhteyttä ja sitten kysyy, että voisitteko te antaa meille käyttöön tämän varsinaisen tutkimusdatan ja haluaisitteko tehdä yhteistyötä. Ja siitä tuli sitten ihan mielenkiintoinen tällainen uusi kuvio.

Anna Eskola: Ihan mahtava kuulla! Eli tavallaan tähän metadatan avaamiseen liittyy paljon sellaisia ulottuvuuksia, mitä ei välttämättä osaa arvatakaan silloin, jos vaan keskitytään miettimään, että mitä se metadata on. Ja ehkä suhtaudutaan siihen sellaisella tavalla, että se saatetaan kokea sellaiseksi ylimääräiseksi aikaa vieväksi välivaiheeksi, joka vaan pitää tehdä. Mutta toisaalta sen, että jos sen tekee ja tekee hyvin, niin siitä voi olla jopa monenlaista hyötyä. Minna, teillä on Laureassa edistetty sitä, että sitä metadataa luotaisiin erilaisista aineistoista. Haluaisitko kertoa siitä pikkaisen vielä enemmän meille?

Minna Marjamaa: Joo, Laureassa keväällä 2023 on rakennettu Reportronic-projektinhallintajärjestelmästä yhteyttä Laurean verkkosivuille ja sinne on tarkoitus luoda Laurean hankkeista metadatapankki. Samaan tapaan, kun nyt jo varmaan useamman vuoden Seinäjoen ammattikorkeakoululla on ollut. Ja jatkossa Laurean verkkosivuilta löytyy tieto hankkeista syntyneistä metadatasta ja datasta samassa yhteydessä kuin tieto hankkeista. Eli että ne tulee sitä kautta meidän ihmisille tutummaksi tai tutummaksi. Ja sitten myös sen Repotronic, joka on ihmisille tuttu, niin ajatuksena on, että kun sinne viedään myös tieto aineistosta, niin myös se aineistonhallinta, metadatan teko tulee sillä tavalla käytännössä kaikille tutummaksi. Ja sitten me ollaan samaan aikaan rakennettu viime vuonna ja osin nyt vielä tammikuussa tänä vuonna avoimuuden tiekarttaa, joka täydentää 3AMK avoimuuspolitiikkaa. Ja tämän tiekartan tarkoitus on käytännön toimia luoda avoimuuden edistämiseksi. Ja tässä tiekartassa on määritelty muun muassa, että tavoitteena on Laurean hankkeista avata 70% metadatasta. Tällä tavalla ne kytkeytyvät yhteen. Ja nyt ollaan koko kevät sitten kovasti markkinoitu ja edistetty tätä asiaa erilaisissa hallinnollisissa TKI-ryhmissä. Ja se on herättänyt paljon kiinnostusta ja sitten siellä on paljon, että ai jaa, eihän tämä niin hankalaa olekaan ja meilläkin oli oikeastaan tämmöistä dataa, jota voisi avata. Ja samoin siellä on tullut keskusteluja siitä, että ne meidän datat on aika vähä, vähäarvoisia. Mutta sitten toisaalta me ollaan mietitty sitä, että okei että jos ei se olekaan suuri kansallinen Suomen Akatemian hanke, jossa on laajaa pitkittäistä dataa, mutta esimerkiksi toimialatieto matkailu- ja ravitsemusalalla voi olla hyvin kiinnostava oman alan opiskelijoille, esimerkiksi opinnäytetyön kannalta. Ja jos on opiskelijoita, joilla ei ole varsinaisesti työelämäyhteyttä, niin he saattaisivat voida käyttää sitä dataa ja tehdä siitä opinnäytetyön ilman, että täytyy kerätä itse dataa. Ja Laureassa me ollaan nyt sitten luomassa tämmöistä kolmivaiheista mallia, jossa on hankkeita kontaktoidaan datan suhteen. Eli ensimmäisen kerran otetaan yhteyttä, kun hankkeet saa valmisteluvan ja sitten toisessa vaiheessa hankkeiden aloituskokouksessa käydään läpi perusasioita aineistonhallinnasta. Ja sitten se, mikä on vielä kesken, on, hankkeiden loppuvaiheessa otetaan kontaktia ja tarjotaan apua datan avaamiseen ja myös herätellään sitä ajatusta, että voisiko teidän dataa kuitenkin avata. Tämä on tuottanut tähän mennessä hyvää tulosta siinä erityisesti tuossa kakkosvaiheessa. Eli siinä hankkeiden aloituskokouksessa, jossa on tosiaan päästy konkreettisesti keskustelemaan, että millaista se teidän data on, mitä te olette ajatelleet sitä tehdä, oletteko te tehnyt aineistonhallintasuunnitelmia. Ja tämän ansiosta todella monet meidän hankkeet on ottanut yhteyttä ja pyytäneet apua aineistonhallintasuunnitelman tekoon ja sitten siihen, että mitkä edellytykset nyt olikaan, jotta dataa voisi avata. Eli näillä kahdella lähtökohdalla ollaan päästy aika paljon etenemään tänä keväänä aineistonhallinnan edistämisessä.

Laura Mattila: Kiitos. Siinä tulikin tosi hyviä esimerkkejä ja hienoa, hienosti olette edistänyt sitä datan avaamista ja metadatastakin sitä tietoisuutta Laureassa. Seliina, tuleeko sinulle tähän liittyen tai ylipäätänsä, millaisia hyviä käytänteitä voisi olla siihen, miten voitaisiin edistää aineistojen avaamista ja ymmärrystä metadatan merkityksestä?

Seliina Päällysaho: No mitä Minna tuossa kertoi, niin minun mielestä on kanssa tosi tärkeätä, että ollaan hankkeiden kanssa yhteydessä useamman kerran kuin vaan kerran. Eli silloin, kun ollaan siinä alkuvaiheessa ja sitten jossain hankkeen aikana ja lopussa. Niin se on varmaan se minimi eli kolme kertaa, koska välttämättä hankkeen alussa ei ehkä tiedetä ihan kaikkea. Aika usein hankesuunnitelma tarkentuu vasta siinä kohdassa ja sitten vasta päästään oikeasti miettimään, että minkälaisia aineistoja tai kerätäänkö aineistoja ollenkaan. Niin se on ehkä ajankohtaista vasta silloin. Tietenkin kun ollaan ammattikorkeakouluissa ja meillehän on hyvin tärkeitä yhteistyökumppaneita alueen yritykset, niin on minun mielestä oleellista, että ne aineistojen metatiedot löytyisivät myös sieltä oman ammattikorkeakoulun sivulta. Meillähän on olemassa se valtakunnallinen tiedejatutkimus.fi-portaali, minkä kautta löytyy Suomessa tutkimushankkeessa kerättyjä aineistoja, mutta sieltä voi olla vähän hankalaa hahmottaa sitten yksittäisen ammattikorkeakoulun aineistoa. Eli me ollaan ainakin Seamkissa [Seinäjoen ammattikorkeakoulussa] ajateltu, että se on ihan hyvä, että ne kaikki meidän hankkeessa kerätyt metatiedot ovat myös siellä meidän sivuilla ja sitten meidän alueen yritykset ja myös omat opiskelijat voi ne sieltä sitten helpommin löytää, jatkokäyttää tai hyödyntää, vaikka just niissä opinnäytetöissä.

Laura Mattila: Hienoa, siinäkin tuli hyviä vinkkejä! Eli se tiedon löydettävyys ja saavutettavuus myös meidän yhteistyötahoille ja sidosryhmille on oleellisen tärkeätä. Mietin sitä, että tulisiko tuosta vielä lisää jotain hyviä vinkkejä aineistojen avaamiseen liittyen tai hyvistä käytänteistä? Tässä tuli jo kyllä hyviä esimerkkejä, tuleeko teille Minna tai Seliina mieleen jotain, mitä haluaisitte täydentää?

Minna Marjamaa: No ehkä se, että kun, tämä nyt voi olla teillä sekä Seinäjoen ammattikorkeakoulusta että Metropoliasta jo tuttua, mutta siinä vaiheessa, kun jotkut havahtuvat siihen, että ai eihän tämä olekaan mitään ihmeellistä rakettitiedettä tai ettei tämä nyt vaadikaan niin valtavasti välttämättä työaikaa, niin sitten alkaakin löytyä niitä ensimmäisiä ihmisiä, jotka kiinnostuvat asiasta. Ja sitten kun alkaa löytyä hankkeet, jotka haluavat avata dataa, niin sitten se alkaa tavallaan se laiva kääntyä. Eli iso työ on tuntunut tähän asti olevan se, että ihmiset kokevat sen vieraana ja vähän semmoisena, että ei koske meidän datoja, koska nämä ovat niin pieniä tai nämä ovat melko vähän merkityksellisiä. Mutta sitten kun jotkut lähtevät siihen toimintaan ja alkaa tehdä, niin sitten huomataan, ettei tämä nyt ollutkaan niin vaikeata.

Anna Eskola: Ja toisaalta voisi ajatella ehkä niinkin, että jos niin kun ajatellaan sitä oppimisprosessina. Niin se, että jos on aineistoa, jonka voi avata, voi ajatella, että joku pienehkö aineisto voi olla ihan hyvä semmoinen harjoittelukappale, jolla opettelee sitä prosessia.

Minna Marjamaa: Oikein hyvä näkökulma.

Seliina Päällysaho: Ja aika paljon on saatavilla sitten myös konkreettista ohjeistusta. Eli jos joku kiinnostuu siitä, että miten nyt sen oman aineistonsa voisi avata ja miten ne metatiedot pitää kirjoittaa, niin todennäköisesti omasta ammattikorkeakoulusta löytyy ohjeistusta. Mutta sitten myös valtakunnan tasolla, esimerkiksi tietoarkistosta löytyy paljon sitten hyvää tietoa ja hyvää ohjeistusta siitä, että miten nämä asiat kannattaa tehdä. Ja vinkkejä myös sitten erilaisiin asioihin, koska nämä asiathan vähän vaihtelevat tieteen alasta riippuen eli joillain tieteenaloilla ne asiat menevät vähän eri lailla. On olemassa esimerkiksi alakohtaisia data-arkistoja, mihinkä sitten näitä datoja avoimia datoja voi tallentaa. Että ne pitää aina sitten selvittää vähän tapauskohtaisesti.

Anna Eskola: Hienoa. Meillä on nyt takana nopea sukellus tähän datan avaamisen maailmaan ja siihen myös, että mitä metadata oikeastaan on. Nyt haluaisin kysyä vielä kaikilta meidän puhujilta, että mitä te tahtoisitte vielä, että jäisi kuulijalle mieleen tästä jaksosta tai millaisen vinkin haluaisitte antaa kuulijoille? Miten Minna, aloittaisitko sinä?

Minna Marjamaa: Kannattaa tehdä tosiaan aineistonhallintasuunnitelma, informoida tutkittavia avaamisesta ja jatkokäytöstä ja sopia datan omistajuudesta kumppaneiden kanssa. Ja se avaaminen ja metadatan teko on oikeasti kivaa hommaa, eikä se nyt ole niin kurttuotsaista kuin ehkä tässä nyt on vaikuttanut.

Anna Eskola: Ihan mainiota! Mitenkäs Seliina, mitä sinulle tulee mieleen?

Seliina Päällysaho: No haluaisin lisätä sen, että kannattaa kyllä kysyä apua, koska apua on ihan varmasti saatavilla. Että nämä ei ole semmoisia asioita, joita kannattaa itse pähkiä kauhean pitkään vaan sitten kysyy rohkeasti joko omasta ammattikorkeakoulusta tai sitten etsii näitä kansallisia nettisivuja, missä sitten näistä asioista kerrotaan.

Laura Mattila: Hyvä, kiitos! Siinä tuli tosi hyviä vinkkejä. Minä ehkä nostaisin vielä yhtenä huomiona sen esille, että vaikka aineistoa itsessään ei voisi avata, niin kannattaa pohtia sitä, että voisiko sen metadatan kuitenkin avata. Ja tässä jaksossa tulikin hyviä huomioita siitä, mitä hyötyä siitä metadatan avaamisesta on. Ja sitten yksi, minkä minä itse otin myös matkaan on myös se, että miten organisaatiotasolla voidaan tukea sitä aineistojen avaamista. Eli miten voidaan jakaa tietoa ja hyviä kokemuksia ja käytänteitä. Kiitos tässä vaiheessa! Kiitos Anna! Kiitos Minna ja Seliina, että tulitte juttelemaan meidän kanssa ja kiitos kuulijoille. Tämä oli Datan jäljellä -podcast-sarjan kolmas jakso. Sarjan kaikki jaksot löydät Metropodiasta ja seuraavassa jaksossa me käsittelemme opinnäytetöihin liittyviä eettisiä kysymyksiä. Kuulemisiin!

[musiikkia..]