FAQ – Często zadawane pytania

Rodzaje gromadzonych i udostępnianych danych są bardzo różnorodne. Zależne od dziedziny nauki oraz przyjętej metodologii badań. Są to m.in.:

• Dokumenty tekstowe, notatki
• Dane liczbowe
• Kwestionariusze, ankiety, wyniki badań ankietowych
• Nagrania audio i video, zdjęcia
• Zawartość baz danych (video, audio, teksty, obrazy)
• Modele matematyczne, algorytmy
• Oprogramowanie (skrypty, pliki wejściowe…)
• Wyniki symulacji komputerowych
• Protokoły laboratoryjne, opisy metodologiczne
• Próbki, artefakty, obiekty.

Zgodnie z zasadą „tak otwarte, jak to możliwe – tak zamknięte, jak to konieczne” należy udostępniać dane badawcze tuż po zakończeniu projektu lub wraz z pierwszym upowszechnieniem wyników badań np. podczas konferencji, w artykule lub innej formie publikacji. Otwieranie danych badawczych oznacza, że są one gromadzone przez repozytoria i udostępniane bezpłatnie każdemu zainteresowanemu. Zdarza się jednak, że niektóre zasoby danych badawczych nie mogą zostać udostępnione w modelu otwartym (np. z racji prawa autorskiego, zasad komercjalizacji wyników badań, postępowania patentowego), wówczas nakłada się na takie dane embargo, czyli okresowe wyłączenie danych z dostępu otwartego; możliwy jest tzw. dostęp “na życzenie”, czyli na podstawie zawnioskowania i uzyskanej zgody badacza.

Określenie „raw research data”, z j. ang. surowe dane badawcze, odnosi się do danych, wygenerowanych bezpośrednio przez urządzenia badawcze. Określa się je także jako dane nieprzetworzone, dane pierwotne, czyli niepoddane żadnej obróbce przez badacza i narzędzia do analizy materiału badawczego. Dane surowe po obróbce nazywane są danymi przetworzonymi.

Formaty plików danych badawczych mogą być dowolne, jednak dbając o powszechny dostęp i otwartość, dobrze korzystać z formatów, które nie wymagają komercyjnego oprogramowania do odczytu danych. Planując proces zapisu danych badawczych należy też uwzględnić dostępność otwartych i zamkniętych formatów zapisu:

formaty otwarte to:

1. 1. w przypadku plików tekstowych: csv , odt , ods , odp , rtf, txt, html , xml
   2. w przypadku plików graficznych – png
   3. w przypadku plików dźwiękowych – flac

formaty zamknięte zapisu danych stosuje się:

1. 1. do plików tekstowych – doc , docx
   2. do plików tekstowo-graficznych – pdf
   3. do plików graficznych – tiff
   4. do plików tekstowych i bazy danych – xls
   5. do plików dźwiękowych – mp3

Poziom szczegółowości opisu danych badawczych jest zależny przede wszystkim od kierownika projektu badawczego i zespołu badawczego oraz ich potrzeb i oczekiwań dotyczących zakresu charakterystyki danych badawczych. Kwestie szczegółowości metadanych warto skonsultować z redaktorami i menadżerami repozytorium danych badawczych (data steward, data librarian, data curator). Podstawowe dane to: autor, tytuł, słowa kluczowe, instytucja finansująca, dyscyplina naukowa, licencja itd.. Metadane są narzędziem ułatwiającym identyfikację i korzystanie z danych oraz zarządzanie nimi, należy zatem uwzględnić wszystkie rodzaje metadanych.

Metadane to dane o danych, czyli niezbędny element w organizacji dostępu do danych badawczych, ich zrozumienia, charakterystyki treści i formy, także tzw. re use’u, czyli ponownego wykorzystania. Wyróżnia się trzy główne typy metadanych:

• Metadane opisowe – dostarczają informacji niezbędnych do odszukania, identyfikacji zbioru danych. Mogą zawierać: tytuł, autora danych, streszczenie i słowa kluczowe.
• Metadane strukturalne – służą do opisu relacji i zależności pomiędzy poszczególnymi zbiorami danych oraz elementami tych zbiorów w celu np. ułatwienia nawigacji.
• Metadane administracyjne – są pomocne w zarządzaniu określonym zasobem danych. Zawierają informacje o tym, w jaki sposób i kiedy (czyli datę) utworzenia danych, typ pliku, informacje dotyczące dostępu. Istnieje kilka podzbiorów danych administracyjnych. W obrębie metadanych administracyjnych wymieniane są dwa oddzielne typy metadanych, są to:
• • metadane zarządzania prawami, które dotyczą praw własności intelektualnej,
  • metadane konserwacji, które zawierają informacje potrzebne do archiwizacji i utrzymania zasobu.

Nie ma odgórnych wymogów, np. z NCN, odnośnie do zastosowania konkretnego formatu opisu danych badawczych. NCN zaleca między innymi jeden z popularnych i często stosowanych format Dublin Core (obok Data Cite oraz DDI) jednak ostatecznie decyduje kierownik projektu badawczego, wraz z zespołem badawczym oraz doradcą (redaktor repozytorium, data steward, data librarian).

Większość repozytoriów funkcjonujących na świecie nie pobiera opłat od użytkowników. Korzystanie odbywa się na podstawie założonego konta w systemie lub umów podpisanych z instytucjami, w których pracują deponujący dane naukowcy.

Deponowanie to proces umieszczania w repozytorium zbiorów plików zawierających dane. Pliki są powiązane-dotyczą jednej publikacji, projektu naukowego, eksperymentu. Na połączenie to wskazują opisy w metadanych.

Długoterminowa archiwizacja to przechowywanie danych badawczych w dłuższym okresie czasu. Proces ten należy zaplanować i opisać m.in. w planie zarządzania danymi (data management plan DMP), przy czym ważne jest określenie czasu i miejsca przechowywania danych. W przypadku wyboru instytucji zewnętrznej, która udostępnia repozytorium danych badawczych, istotne jest uwzględnienie m. in.: czy posiada plan przechowywania danych w dłuższym okresie czasu, czy pliki, w których są zapisane dane, można opisać metadanymi, kto jest odpowiedzialny za dostęp do danych np. za 10 lub 15 lat, kto finansuje repozytorium i jakie są warunki przechowywania.

Zasady FAIR Data oznaczają:

• Findable – łatwo znajdowane i wyszukiwane
• Accessible – dostępne dla wszystkich
• Interoperable – interoperacyjne, tak aby można było je połączyć z innymi danymi
• Reusable – wielokrotnego użytku.

Oznacza to, że dane badawcze powinny być:

(a) możliwe i łatwe do znalezienia – poprzez metadane, identyfikatory trwałe, indeksowanie;

(b) dostępne z poziomu otwartych repozytoriów, również na podstawie metadanych, unikalnych identyfikatorów i otwartych protokołów komunikacyjnych;

(c) interoperacyjne, czyli przetwarzalne, poddające się procesom wymiany, łączenia, wiązania z danymi z innych badań, zdeponowanych w innych systemach komputerowych, programach, bazach; format danych i metadanych powinien umożliwić ich bezproblemowy odczyt oraz prowadzić poprzez odnośniki do zasobów/obiektów powiązanych;

(d) dostępne i możliwe do ponownego, wielokrotnego użycia, na podstawie określonej, podanej do wiadomości licencji; zawartość metadanych powinna umożliwić badaczom ocenę stopnia przydatności danych innych autorów w kontekście badań własnych.

Zasady FAIR Data służą jako wytyczne dla umożliwienia ponownego wykorzystania danych naukowych w jednoznacznie opisanych warunkach, zarówno przez ludzi, jak i przez maszyny. Dokładna charakterystyka FAIR Data jest dostępna na stronie GO FAIR.

Otwieranie danych badawczych to udostępnianie w repozytoriach, bądź na innych platformach dzielenia się treścią, zbiorów wyników badań i rezultatów prac naukowych, w celu ich ponownego, bezpłatnego użycia, bez barier technicznych i prawnych, jednak z zastrzeżeniem konieczności poszanowania podmiotowych praw własności intelektualnej. Otwieranie danych badawczych to proces wymagany przez instytucje finansujące zadania badawcze. Otwieranie danych ma również wspierać procesy powtarzania badań i weryfikacji wyników badań.

Datasety to pakiety danych badawczych i metadanych; zawierają możliwie szerokie spektrum danych badawczych i informacji o danych badawczych. Ukazują dane badawcze w kontekście prowadzonych badań, eksperymentów, pochodzących z nich wniosków, raportów i publikacji.

Plan zarządzania danymi (Data Management Plan – DMP) to dokument, w którym zamieszczone są informacje o planowanych do wygenerowania danych badawczych i sposobie zarządzania nimi przez cały cykl ich życia. Plan zarządzania danymi badawczymi uwzględnia następujące zagadnienia:

(a) jakie dane zostaną wytworzone lub zebrane (format i typ plików, liczba danych),

(b) jak dane zostaną uporządkowane i opisane (metodologia, standardy, metadane),

(c) kwestie etyczne i prawne (własność intelektualna, prawa autorskie, dane niejawne),

(d) w jaki sposób dane zostaną udostępnione (jak, kiedy, komu),

(e) które dane będą przechowywane długoterminowo (kwestia sposobu przechowywania i ochrony danych).

Dokument DMP jest opracowywany w związku z konkretnym przedsięwzięciem badawczym. Wskazuje się w nim osobę odpowiedzialną za zarządzanie danymi i ich udostępnianie. DMP jest wymogiem instytucji grantodawczych, w tym NCN.

Opracowywania Planu Zarządzania Danymi wymagają organizacje, instytucje i agencje finansujące badania naukowe i są to m.in.:

• Narodowe Centrum Nauki (NCN)
• Ministerstwo Nauki i Szkolnictwa Wyższego (MNiSW)
• Agencja Badań Medycznych (ABM)
• Komisja Europejska (KE)

Po wyjaśnienia i przykłady dokumentów DMP warto sięgnąć na strony programu Horyzont Europa, DMPTool, DMPonline, Digital Curation Centre.

Anonimizacja to proces, który polega na trwałym i nieodwracalnym przetworzeniu/przekształceniu danych osobowych, aby skutecznie uniemożliwić przyporządkowanie informacji do osoby, usunąć powiązania między danymi osobowymi a osobą, której dotyczą.

DOI (ang. digital object identifier) – identyfikator pochodzący z systemu unikalnych w skali światowej identyfikatorów dla różnorodnych obiektów cyfrowych (publikacji, danych, stron internetowych), które są dostępne w internecie. DOI jest przypisywany do poszczególnych obiektów cyfrowych, deponowanych w repozytoriach. DOI to stałe oznaczenie obiektu, które jest niezależne od jego lokalizacji w sieci, czyli od adresu URL pod którym taki obiekt jest w danej chwili dostępny. DOI należy odróżniać od adresów URL. Adresy URL zmieniają się, natomiast identyfikatory DOI na zawsze pozostają przy obiekcie cyfrowym.

Nadanie identyfikatora DOI jest bezpłatne z punktu widzenia deponenta (badacza, który zgłasza dane do repozytorium), natomiast repozytorium jako organizacja wykupuje pulę identyfikatorów DMP dla obiektów cyfrowych swojego repozytorium.

Zazwyczaj redaktorzy repozytorium sugerują format cytowania danych i informują o tym na stronie każdego zbioru danych/repozytorium. Np. repozytorium RepOD umożliwia wygenerowanie danych bibliograficznych zbioru w formatach EndNote XML, RIS oraz BibTeX. Zaleca się, w przypadku zbiorów posiadających kilka wersji, aby w cytowaniu wskazać, która wersja zbioru jest cytowana.

Zgodnie z zasadą wobec której dane badawcze powinny być „tak otwarte, jak to możliwe – tak zamknięte, jak to konieczne” zaleca się wybór jednej z otwartych licencji Creative Commons.

O rodzaju licencji decyduje autor/dysponent danych badawczych. Narodowe Centrum Nauki zobowiązuje badaczy, aby dane powiązane z artykułami naukowymi udostępniać zgodnie z warunkami licencji Creative Commons Public Domain (licencja CC0) lub Creative Commons Uznanie Autorstwa (licencja CC BY).

„Pojęcie Otwartej Nauki można definiować jako szereg zmian w szeroko pojętej nauce prowadzących do lepszej komunikacji pomiędzy badaczami a także otwartości w upowszechnianiu wyników badań naukowych.”*

Komisja Europejska definiuje trzy główne filary, na których opiera się otwarta nauka: otwarta komunikacja naukowa, otwarte dane badawcze oraz otwarty dostęp do publikacji.

*Kokot-Kanikuła, Kamila; Wałek, Anna (2021). Otwarte zasoby edukacyjne – przegląd inicjatyw w Polsce i na świecie. E-mentor, nr 4 (91).
https://www.e-mentor.edu.pl/artykul/index/numer/91/id/1531