Provenienca (izvor) raziskovalnih podatkov

Minimalni opis provenience

Ker so raziskovalni podatki zelo raznoliki (tj. pridobljeni eksperimentalno, z opazovanjem, izpeljani ali združeni na podlagi drugih podatkovnih setov, pridobljeni z modeliranjem ali iz referenčnih oz. uradnih podatkovnih baz), zahtevajo tudi različno podroben opis provenience. Jauer in Deserno (2020) sta v preglednem članku z naslovom Data Provenance Standards and Recommendations for FAIR Data primerjala zahteve štirih metapodatkovnih sistemov, in sicer splošno shemo DataCite, priporočila ECRIN za klinične raziskave, priporočila Working Group on Data Citation (Research Data Alliance) za eksperimentalne raziskave in shemo Data Quality Collaborative. V skladu z njunimi  izsledki bi vsak metapodatkovni zapis moral vsebovati vsaj šest osnovnih informacij, navedenih v spodnji tabeli.

Nekateri repozitoriji za opis provenience predpisujejo točno določeno metapodatkovno shemo, medtem ko pri drugih podatke opišete sami. Priporočljivo je, da pri tem navedete minimalne metapodatke, še bolje pa je, da se ravnate po eni od shem, predstavljenih spodaj. Če strukturirana metapodatkovna shema ni predpisana, metapodatke zapišete v obliki datoteke PreberiMe ali podatkovnega članka.

Za projekte v okviru Obzorja Evropa dokument EU Grants – AGA: Annotated Model Grant Agreement v Prilogi 5: Komunikacija, diseminacija, odprta znanost in vidnost (Annex 5: Communication, dissemination, open science and visibility) določa, da mora minimalni opis provenience vsebovati naslednje metapodatke:

• informacije o znanstveni publikaciji (avtor(ji), naslov, datum objave, kraj objave – revija oz. založba);
• vir financiranja (Obzorje Evropa ali Euratom), vključno z naslovom, kratico in številko projekta;
• licenčne pogoje;
• trajne identifikatorje za publikacijo, avtorje, in, če je mogoče, za njihove organizacije in financiranje (glej tudi prispevek o trajnih identifikatorjih ne-digitalnih objektov).

Če je mogoče, naj metapodatki vključujejo tudi trajne identifikatorje za kateri koli rezultat raziskave ali katera koli orodja in instrumente, potrebne za potrjevanje zaključkov objave.

Splošne metapodatkovne sheme

Dober primer osnovnih informacij, ki naj spremljajo raziskovalne podatke, je metapodatkovna shema DataCite, ki je primerna za različna raziskovalna področja. Informacije deli na obvezne, priporočljive in izbirne. Uporabljajo jo repozitoriji, kot so Zenodo, Dryad in Figshare.

Shemi DataCite je podobna metapodatkovna shema Dublin Core, ki vsebuje vse kategorije DataCite (nekatere poimenuje drugače), poleg tega pa še bolj specifične, kot so npr. datum vnosa v repozitorij, licenca in občinstvo. Repozitoriji Zenodo, Dryad in Figshare so tako kot s shemo DataCite kompatibilni tudi z Dublin Core. Dryad je poleg tega kompatibilen še s shemama RDF Data Cube Vocabulary in OAI-ORE – Open Archives Initiative Object Reuse and Exchange.

Področno specifičen opis provenience

Za mnogo raziskovalnih področij, sploh s področja naravoslovja in tehnike, kjer na raziskovalnih projektih sodeluje veliko oseb ter sta pridobivanje podatkov in njihova obdelava zelo kompleksna, preproste metapodatkovne sheme za opis provenience podatkov ne zadoščajo. UK Digital Curation Centre in Research Data Alliance vodita seznam področno specifičnih metapodatkovnih shem, ki jih obstaja že več kot 40 in pokrivajo vsa večja raziskovalna področja. Od teh so zaradi splošne razširjenosti vredne omembe npr:

• Data Documentation Initiative (DDI) za opis podatkov s področja družboslovja, humanistike in ekonomije;
• Crystallographic Information Framework (CIF), ki se uporablja za poročanje o kristalnih strukturah v reviji Acta Crystallographica in sorodnih publikacijah;
• NeXus za hrambo in izmenjavo podatkov o eksperimentih z rentgenskimi žarki, nevtroni in muoni;
• Minimum Information for Biological and Biomedical Investigations (MIBBI), ki združuje več kot 40 minimalnih standardov za različna raziskovalna podpodročja v okviru biologije in biomedicine;
• Darwin Core za hrambo in izmenjavo podatkov o biodiverziteti;
• Genome Metadata, ki definira 61 kriterijev za opis genomskih podatkov;
• Geographic Information Metadata (ISO 19115-1:2014) za geografske podatke in storitve,
• ipd.

Poleg standardiziranih metapodatkovnih shem obstaja še vrsta minimalnih zahtev za poročanje o eksperimentih, ki so nastali na pobudo znanstvene skupnosti znotraj posameznega raziskovalnega področja in so trenutno še v razvoju. Največ jih je na voljo za vede o življenju. Nekaj od teh je recimo:

• Minimum information about a microarray experiment (MIAME),
• Minimum information about a proteomics experiment (MIAPE),
• Minimum information about a spinal cord injury experiment (MIASCI),
• Minimum information about a simulation experiment (MIASE),
• Standard for exchange of nonclinical data (SEND),
• Standardized battery reporting guidelines,
• CONSORT (za randomizirane kontrolirane klinične raziskave),
• QUOROM (za metaanalize kontroliranih kliničnih raziskav)
• STARD (za poročanje o diagnostičnih testih),
• ipd.

Področni repozitoriji v večini primerov predpisujejo ustrezno, področno specifično metapodatkovno shemo, ki je najprimernejša za tip podatkov, ki jih ti repozitoriji hranijo. Dober primer je metapodatkovna shema Environmental Information Data Centre, britanskega nacionalnega repozitorija za znanosti o kopnem in vodi, ki vključuje vse vidike informacij o podatkih, njihovem zbiranju ter kontroli kakovosti tega procesa.

Če za vaše raziskovalno področje ustrezen področni repozitorij še ne obstaja in boste podatke odložili v splošni ali institucionalni repozitorij, v CTK UL svetujemo, da se ne zadovoljite z osnovno metapodatkovno shemo, ki jo uporabljajo ti repozitoriji. Namesto tega svetujemo, da se ravnate po področno specifični metapodatkovni shemi ali minimalnih zahtevah za poročanje o raziskavah, ki veljajo za vaše področje. Če ne obstaja nobena od teh dveh možnosti, lahko uporabite splošno metapodatkovno shemo za eksperimentalne podatke Core Scientific Metadata Model (CSMD).

Primer opisa provenience (standard PCCS)

Kot reprezentativni primer prodrobnega opisa provenience za kompleksne raziskave si bomo ogledali standard Provenance and Context Content Standard (PCCS). Ta standard od leta 2011 dalje razvija organizacija Earth Science Information Partners (ESIP), ki jo je leta 1998 ustanovila NASA z namenom izboljšati metode za ohranjanje, odkrivanje, dostopnost in ponovno uporabo podatkov o Zemlji. PCCS zagotavlja tehnične normative za identifikacijo, zajem in sledenje vseh pomembnih podrobnosti, ki zagotavljajo veljavnost in ponovljivost opazovanj Zemlje. PCCS je povzela tudi NASA kot obvezen format poročanja za nove misije. Izvorno tabelo si lahko ogledate na spletni strani ESIP.

Za namen predstavitve na tej spletni strani smo povzeli samo del tabele.