Aineistonhallinta

Tarjoamme tukipalveluita aineistonhallintaan koko tutkimuksen elinkaaren ajalle. Autamme datan järjestämiseen, tallentamiseen ja jakamiseen liittyvissä kysymyksissä sekä juridisissa asioissa. Tälle sivulle on koottu tietoa yllämainituista asioista sekä miten vastata aineistonhallintasuunnitelman (Data Management Plan, DMP) kysymyksiin.

 

Helsingin yliopistossa noudatetaan tutkimuseettisiä ohjeita tutkimusaineistojen ja -datan hallinnassa ja avaamisessa. Helsingin yliopisto tarjoaa tutkijoille ja tutkimusryhmille tutkimusdatainfrastruktuurin. Se käsittää datan hallintaa, käyttöä, löytyvyyttä ja jakamista tukevia työvälineitä, palveluita sekä tallennus-, laskenta- ja käsittelykapasiteettia.

Helsingin yliopiston Datatuki auttaa tutkijoita aineistonhallinnassa. Datatuki on asiantuntijoiden verkosto yliopiston kirjastosta, IT tuesta, keskusarkistosta, tutkimuspalveluista, henkilöstöpalveluista sekä lakipalveluista. Voit olla yhteydessä meihin sähköpostitse datasupport@helsinki.fi.

Tältä sivulta löydät Helsingin yliopiston ohjeet tutkimusaineistojen hallintaan. 

RDM_services_UH_grey_fin

CC BY 4.0 Helsingin yliopisto

Aineistohallintasuunnitelmassa kuvataan, kuinka tutkimusaineistoja hallitaan tutkimusprojektin aikana ja projektin aktiivivaiheen jälkeen. Sitä on päivitettävä tutkimusprojektin edetessä.

Aineistonhallintasuunnitelma on osa tutkimussuunnitelmaa. Päällekkäisyyksien välttämiseksi voit viitata aineistonhallintasuunnitelmassa tutkimussuunnitelmaan ja päinvastoin. Aineiston analysointi ja käytetyt menetelmät kuvataan tutkimussuunnitelmassa.

Aineistohallintasuunnitelmassa tutkimusaineistoksi (tutkimusdata) voidaan lukea

  • eri menetelmillä kerätyn aineiston (kuten näytteet, kyselyt, haastattelut, mittaukset, arvioinnit, kuvantamismenetelmät yms.);
  • tutkimuksen aikana tuotetun aineiston (kuten analysoitu aineisto);
  • muun lähdemateriaalin (esimerkiksi monimuotoinen arkistomateriaali);
  • muistiinpanot ja kenttäpäiväkirjat sekä
  • lähdekoodit ja ohjelmistot.

Voit hyödyntää DMPTuulia, avointa verkkosovellusta, aineistohallintasuunnitelmasi tekemiseen. Alle listatut yleisen tason osiot (1-6) toimivat Helsingin yliopiston ohjeistuksena aineistohallintasuunnitelmalle. Avoimesti julkaistuja Helsingin yliopiston tutkijoiden tekemiä aineistohallintasuunintelmia voit selata Zenodossa.

DMP whats in it for me

CC BY 4.0 Helsingin yliopisto

Tutkimusaineiston yleiskuvaus

Mitä aineistoa tutkimuksessa käytetään ja tuotetaan?  Missä tiedostomuodoissa aineiston eri osat ovat? Kuinka paljon aineistosi vaatii levytilaa / muistia? Käytättekö erityisiä ohjelmia / kehitättekö omia?

Hyviä käytäntöjä

Jos käytät arkaluonteista tietoa, katso esimerkkien alla oleva ohje. Jäsentele aineiston osat ranskalaisin viivoin alla olevan luokittelun mukaisesti tai taulukkona.

Esimerkki 1:

Tutkimusta varten kerättävä aineisto

  • Kyselykaavakkeet aiheesta x, tiedostomuoto .pdf, koko 5Gt
  • DNA-näyte, näyte
  • Kuvat/videot aiheesta x, tiedostomuoto .jpg, .avi, koko 1Tt

Tutkimusprosessin tuloksena syntyvä aineisto

  • Kyselykaavakkeiden analyysit, .pdf, .xslx, 2Gt
  • DNA sekvenssi/analyysi, FASTA, .txt, .xslx, 2Tt
  • Aineiston dokumentaatioaineisto (laboratoriopäiväkirja, koodikirja, readme-tiedostot)

Aiemmin kerätty aineisto (esim. jonkun muun toimesta)

  • Näytteet Biopankista
  • Tilastokeskuksen aineisto x, tietokanta, 10Gb
  • Kyselyaineisto Tietoarkiston Aila-tietokannasta
  • Haastatteluaineisto tai kielikorpus Kielipankista

Esimerkki 2:

Data type

Source

File format

Sensitivity

Size

Kyselykaavake x

kerättävä aineisto

.csv, .txt, .docx,

Ei / Kyllä

1Gt

Analysis of the questionnaire x

prosessin tuloksena syntyvä aineisto

.xslx, .tif

 

100Mt

DNA samples

aiemmin kerätty aineisto (Biopankki)

 

 

 

Lisäohjeita arkaluonteisten ja luottamuksellisten aineistojen käyttäjille

Koska tutkimusaineiston arkaluonteiset osat sisältävät erityisen paljon riskejä, niiden tunnistaminen ja hallinnointi vaatii erityistä tarkkuutta. Henkilötietojen osalta kerro, mikä taho toimii rekisterinpitäjänä. Lisätietoja Tutkijoiden tietosuojaohjeessa (Flamma).

Arkaluonteinen ja luottamuksellinen tieto on sellaista, joka voi paljastuessaan aiheuttaa vahinkoa. Tällaisia aineistoja ovat esimerkiksi:

  • Henkilötiedot
    • Henkilötietoja ovat kaikki ne tiedot, joista henkilö on yksilöitävissä joko suoraan tai epäsuorasti
    • Suorat tunnisteet: nimi, puhelinnumero, henkilötunnus, kuva, ääni, sormenjälki, hammaskartta
    • Epäsuorat tunnisteet: sukupuoli, ikä, koulutus, ammattiasema, kansallisuus, sijaintitunnisteet, työhistoria, järjestelmän lokitiedot, siviilisääty, asuinpaikka, auton rekisterinumero
  • Arkaluontoinen henkilötieto
    • Erityisiä henkilötietoryhmät
      • tiedot, joista ilmenee rotu tai etninen alkuperä, poliittisia mielipiteitä, uskonnollinen tai filosofinen vakaumus tai ammattiliiton jäsenyys
      • geneettiset tiedot
      • biometriset tiedot, jos niitä käsitellään henkilön yksiselitteisesti tunnistamista varten
      • terveyttä koskevat tiedot
      • luonnoisen henkilön seksuaalista käyttäytymistä ja suuntautumista koskevat tiedot
    • Muut sensitiiviset henkilötiedot
      • taloudelliset tiedot
      • sijainti
      • viestintä
      • käyttäytyminen
      • muut erityisen henkilökohtaisiksi koetut tiedot esim. muistiinpanot, päiväkirjat
  • Sensitiivinen lajitieto, kuten uhanalaiset eläimet ja kasvit, luonnonsuojelullinen tieto tai bioturvallisuusuuteen liittyvä tieto.
  • Muu luottamuksellinen tieto, kuten patentit, maanpuolustukseen liittyvä tieto, organisatorinen tieto tai liikesalaisuudet.

 

Aineiston yhtenäisyys ja laatu

Mitä piileviä riskejä aineiston yhtenäisyyden ja laadun varmistamiseen liittyy ja miten riskejä kontrolloidaan. Huomaa, että aineiston laatu ja tutkimusmenetelmän laatu tarkoittavat eri asioita.

Hyviä käytäntöjä

  • Onko käytössäsi aineistonhallinnan työkaluja, kuten aineiston keräämiseen tarkoitettu tietokanta?
  • Onko kaikki aineistoa käsittelevät henkilöt perehdytetty?
  • Ovatko käytettävät menetelmät validoituja, tai onko käytössä laatukäsikirja?
  • Tarkistaako joku äänitettyjen tai kuvattujen haastattelujen litteroinnin?
  • Käytättekö tarkistussummia (ohjelmistot)?
  • Vastaavatko digitoidut aineistot riittävän tarkasti alkuperäisiä fyysisiä tai analogisia aineistoja?
  • Varmistetaanko alkuperäisen tietosisällön säilyminen, jos tietoja muutetaan tai konvertoidaan järjestelmästä toiseen?
  • Pohdi, miten mahdollinen minimointi, pseudonymisointi tai anonymisointi vaikuttavat aineiston laatuun.
 

Aineistonhallinnan eettiset kysymykset

Sisältääkö aineistosi henkilötietoa? Teetkö eläinten kanssa töitä, jotka vaativat eettisen luvan? Käsitteletkö muuta salassa pidettävää tai luottamuksellista aineistoa kuin yllämainitut (esim. sensitiivinen lajitieto, suojelualueet, asevoimiin liittyvä tieto)? Liittyykö aineistoosi patentteja

Miten täytät eettiset vaatimukset ja noudatat asiaankuuluvaa lainsäädäntöä tutkimusaineiston hallinnassa? Kuvaa tärkeimmät riskit ja kuinka hallitset niitä. 

  • Perustele, että sinulla on oikeus kerätä, käsitellä ja säilyttää aineistoa, joihin liittyy eettisiä seikkoja. Esim. eettinen ennakkoarviointi on tehty.
  • Käsitellessäsi henkilötietoja:
    • Kerro, mitkä tahot käsittelevät tietoja ja kuka tai ketkä ovat aineiston rekisterinpitäjiä. 
    • Kuvaile, mitä henkilöihin liittyviä tietoja tarvitset ja miksi.
    • Määritä käsittelyn lainmukainen peruste (suostumus, yleisen edun mukainen, tieteellinen tutkimus).
    • Arvioi, mitä riskejä henkilötietojen käsittelystä voi aiheutua tutkittaville.
    • Selvitä, vaatiiko projektisi vaikutusten arviointia Ennakkoarviointi-lomakeen avulla.
    • Tarvittaessa tee vaikutustenarviointi.
    • Kerro, miten suojaat käsiteltävät tiedot ja tutkittavien yksityisyyden sekä tarvittaessa anonymisoit tai pseudonymisoit aineiston.
    • Arvioi miten voi toteuttaa rekisteröidyn oikeudet (ml. tietojen käsittelystä informointi).
    • Miten huolehdit tarpeettomien tietojen poistamisesta ja mitä aineistolle tapahtuu tutkimuksen päättymisen jälkeen.

 

Aineistonhallinnan juridiset kysymykset

Mitä aineiston käytöstä on sovittu? Kohdistuuko aineistoon kolmansien osapuolten oikeuksia? Millä lisenssillä aineistoa aiotaan julkaista?

Ohjeita datan omistusoikeuksista ja lisensseistä

  • Aineiston omistajuus riippuu rahoittajasta. Huolehdi että kaikki tarvittavat sopimukset on tehty jo heti projektin alussa (aineistonomistajuus & kirjoittajuus).
    • Muista, että useimmat rahoittajat (Suomen Akatemia, EU) edellyttävät aineiston oikeuksien siirtämistä yliopistolle.
    • Ohjeita sopimusten tekemiseen (Flamma)
  • Kun avaat aineistoa, käytä lisenssiä.
    • Yliopisto suosittelee CC 0 -lisenssiä, jolloin käyttäjä saa oikeudet vapaasti käyttää aineistoa kaikkiin tarkoituksiin. Säilytät kuitenkin moraaliset tekijänoikeutesi, ja hyvä tieteellinen käytäntö edellyttää edelleen tekijän mainitsemista. Vaihtoehtoisia lisenssejä:
    • HY:n Creative Commons lisenssiohje & lisenssin valitsin
    • GNU- tai MIT- tai muut lisenssit.

Dokumentointi tarkoittaa aineiston kuvaamista eli dokumentteja, jotka selittävät, mitä aineistoa projektissa on ja miten ne ovat syntyneet.

Dokumentointia ovat mm. muuttujien ja koodien selitteet (data dictionary & code books) ja readme-tiedostot. Lisäksi dokumentaatioon liittyvät tiedostojen nimeämiskäytännöt, versionhallinta sekä kansiorakenne. Dokumentointiin on olemassa standardoituja käytäntöjä. Niiden käyttö lisää aineiston arvoa ja jatkokäytön mahdollisuuksia. 

Hyviä käytäntöjä

  • Metadatastandardit: Monet arkistot edellyttävät tietyn standardin käyttöä. Jos tiedät, missä julkaiset aineiston tutkimuksen valmistuttua, kannattaa tarkistaa standardivaatimukset.
  • Tietokantaohjelmistot & aineistonhallintaohjelmistot (esim. elektroninen laboratoriopäiväkirja).
  • Sanasto, jossa selitetään käytetyt muuttujat, termit, lyhenteet ja mittayksiköt; tai koodikirja, joka kerää ja kuvaa projektin koodit ja algoritmit.
  • Tiedostojen nimeämiskäytännöt
  • Kansiorakenne: Muista aineiston kuvailun yhteydessä, että myös tiedostonimet, tiedostokansioiden nimet sekä muuttujat ja metadata saattavat sisältää henkilötietoja tai arkaluonteista tietoa.
  • README-tiedostot, jotka kuvaavat aineistotiedostojen sisältöä tai vaikkapa koko projektia.
  • Versionhallinta.

Tallentaminen ja varmuuskopiointi tutkimushankkeen aikana

Minne aineisto tallennetaan ja varmuuskopioidaan tutkimushankkeen aikana? Kuka on vastuussa varmuuskopioinnista? Tee suunnitelma yhteistyökumppaniesi kanssa ja varmista tietojen turvallinen siirto ja jakaminen osallisten välillä.

Hyviä käytäntöjä

  • Käytä Helsingin yliopiston tietotekniikkakeskuksen tallennus- ja jakamispaveluita. HY:n tallennusratkaisut ja niiden yksityiskohdat on löydettävissä tästä taulukosta.
  • Pilvipalvelut: Käytä HY:n OneDrive for Business - tai Teams- pilvipalvelua ulkopuolisten palveluiden tai kuluttajapalveluiden (esim. Google Drive/ Dropbox) sijaan.
  • ÄLÄ KÄYTÄ ulkoisia kovalevyjä pääasiallisena tallennusvälineenä.

Selvitä, onko projektillasi riittävästi tallennuskapasiteettia. Lisää levytilaa saat ottamalla yhteyttä Helpdeskiin puh. 02 941 55555 tai helpdesk@helsinki.fi

Jos työskentelet arkaluontoisen aineiston kanssa:

  • Varmista, että tallennusratkaisusi on tarpeeksi turvallinen aineistollesi, esim. UMPIO (HY), Virtual storage server (HY), Private storage server (HY), Netapp- storage cluster (HY), ePouta (CSC)
  • Älä käytä pilvipalveluita tietosuojan vuoksi!
  • Salaus tarpeen mukaan. Erityisesti mobiililaitteet, kannettavat ja ulkoiset tallennuslaitteet on pyrittävä salaamaan. Esim. Cryptomaror.
  • Ota yhteyttä datasupport@helsinki.fi, jos olet epävarma aineiston suojaamisesta.

 

Aineiston pääsynhallinta

 

  1. Kuka (nimeä henkilö) valvoo pääsynhallintaa aineistoihin?
  2. Miten valvonta toteutuu käytännössä? Onko käytössä IT-ratkaisu (esim. salasanan takana oleva käyttöoikeus, muutosloki) tai fyysinen ratkaisu (esim. arkistokaappi/ kassakaappi)?
  3. Kenellä tutkimusryhmässä on oikeus mihinkin aineistoon?
  4. Miksi kukin käyttöoikeus (muokkaus, katselu, poisto) on myönnetty?
  5. Kerro, kuinka arkaluontoisen aineiston tietoturva ja riskit on otettu huomioon. Säilytetäänkö aineisto esimerkiksi kryptattuna? Lisävinkkejä alla.

Hyviä käytäntöjä

  • Kun käytät henkilökohtaista tai jaettua verkkolevytilaa, pystyt helposti hallitsemaan käyttöoikeuksia.
  • Arkaluontoisen aineiston pääsynhallintaan pitää kiinnittää erityistä huomiota. Aineiston käytön ja siirron pitää olla suostumuksen ehtojen mukaista, mikäli aineisto on saatu käyttöön suostumuksen perusteella.
  • Pääsynhallinta: Käytössä pitää olla lista myönnetyistä oikeuksista ja käyttäjistä sekä tapa, jolla käyttöoikeuksia aineistoon voi myös perua ja poistaa.
  • Valvonta: Miten aineiston käyttöä seurataan tutkimuksen aikana? Pystyvätkö käytetyt tekniset välineet pitämää kirjaa siitä kuka käytti, mitä aineistoa ja milloin? Kysy organisaatiosi IT-tuesta, onko tarjolla käyttö- ja muutoslokitusta.
  • Tilaturvallisuus: Tarkista työtilojen lukitukset, turvalliset säilytyskalusteet, kameravalvonta ja kulkuoikeuksien valvonta.

Cover photo by Public domain pictures.

Aineiston avaaminen

Mikä osa aineistosta avataan / julkaistaan? Missä data-arkistossa aineiston osat julkaistaan? Milloin aineisto on saatavilla? Poistetaanko / tuhotaanko jokin aineiston osa?

Jos aineistoasi ei voida avata kokonaan tai osittain, perustele miksi, ja kerro, missä aineiston metatiedot julkaistaan.

Vinkkejä henkilötietoja sisältävän aineiston avaamiseksi

  • Henkilötietoja sisältävän aineiston avaamisen ja jakamisen mahdollisuuksiin vaikuttavat mm. se, mitä tutkittaville on informoitu tietoja kerättäessä, onko tutkittavalta saatu tähän nimenomainen suostumus, tai missä muodossa sekä mihin tarkoituksiin tiedot aiotaan avata tai jakaa.
    • Avaamisessa tulee huolehtia edelleen tietojen asianmukaisesta suojaamisesta ja mahdollisuuksien mukaan pseudonymisoida tai anonymisoida tiedot.
    • Aineiston avaamiseen, josta tutkittavat ovat suoraan tunnistettavissa, on lähtökohtaisesti pyydettävää tutkittavalta suostumus.  
    • Aineisto voidaan jakaa joissain tapauksissa alkuperäisen käsittelytarkoituksen mukaiseen tarkoitukseen. Jos suunnittelet henkilötietoja sisältävän aineiston jakamista, ota yhteyttä yliopiston tutkimuspalvelujen lakimiehiin (tutkimuksenjuristit@helsinki.fi)
  • Vaikka henkilötietoja sisältävää aineistoa ei voisi avata, sen keskeiset (ei arkaluonteisia yksityiskohtia sisältävät) kuvailutiedot pitää avata.
  • Huomaathan, että arkaluonteista henkilötietoa ei voi avata edes pseudonymisoituna!

Hyviä käytäntöjä

  • Valitse sopivat palvelut aineistojesi jakamista ja säilytystä varten jo tutkimuksen alkuvaiheessa. Huolehdi myös siitä, että aineistosi täyttää valitsemasi palvelun asettamat vaatimukset. 
  • ”Helsingin yliopiston piirissä tuotettu, julkaistuihin tutkimustuloksiin liitetty tutkimusaineisto on lähtökohtaisesti yhteiskäyttöistä ja avointa. Aineiston löydettävyydestä ja viitattavuudesta on huolehdittava.” (Helsingin yliopiston tutkimusdatapolitiikka)
  • Missä aineisto kannattaa julkaista: 
    • Tarkista oman alasi kustantajien, tieteellisten seurojen ja rahoittajien suositukset. 
    • Missä sinä tai alasi kollegat ovat julkaisseet aineistoja?
    • Hae tietylle aineistotyypille sopiva julkaisupaikka re3data.org palvelusta
    • Yleisiä julkaisupaikkoja: IDA, Zenodo, DryadFigshare 
  • Jos et voi avata aineistoa, julkaise kuitenkin tutkimusaineiston metatiedot, esim. Zenodossa tai kansallisessa Etsimessä.
  • Valitse pysyviä tunnisteita (DOI, URN) käyttävä palvelu
  • Muista antaa aineistollesi käyttölisenssi (kts. 2)

 

Aineiston pitkäaikaissäilytys

Aineiston pitkäaikaissäilytyksellä tarkoitaan vähintään 25 vuoden säilytysaikaa, mutta jopa satoja vuosia. Jos aineistollasi on pitkäaikaista arvoa:

  1. Mikä osa aineistosta arkistoidaan?
  2. Missä arkistossa aineistoa säilytetään?
  3. Kuinka pitkään aineisto säilyy ko. arkistossa?
  4. Onko arkistoinnissa kuluja ja kuka niistä vastaa?
  5. Tuhotaanko joku osa aineistosta?

Arkistointisuunnitelma on osa tutkimuksen laadun ja läpinäkyvyyden varmistusta.

Hyviä käytäntöjä

  • Tutkimuksessa syntyvän aineistolle säilytysaika on tärkeä miettiä ja sopia sitä mukaan kuin aineistoa syntyy. 
  • Tarkistaa kustantajan vaatimukset julkaisuun liittyvän aineiston säilyttämisajasta.
  • Muista tarkistaa rahoittaja- ja alakohtaiset suositukset.
  • Myös henkilötietoja sisältävä aineisto voidaan arkistoida. Siirrettäessä henkilötietoja sisältävää tutkimusaineistoa arkistoon, tulisi henkilöiden tunnistetiedot mahdollisuuksien mukaan poistaa, ellei niiden arkistoinnille ole asianmukaista perustetta, johtuen aineiston luonteesta. Arkistoinnista on myös informoitava tutkittavia, sekä siitä mihin aineiston arkistointi perustuu. Aineiston arkistoinnissa on edelleen huomioitava henkilötietojen asianmukainen suojaaminen eli kenellä aineistoon on pääsy ja miksi. 
    • Helsingin yliopistolla on tarjolla neuvontaa turvallisten tallennusratkaisujen valintaan. Jos olet säilyttämässä pitkään arkaluonteista henkilötietoa, ota yhteyttä: datasupport@helsinki.fi
  • Näytteisiin liittyvä aineisto voidaan arkistoida biopankkiin.
  • Kansallisesti arvokkaille aineistoille on tarjolla Fairdata-PAS -palvelu aineistojen säilyttämiseksi kymmenistä satoihin vuosiin. Lisätietoja HY:n FAIRdata-PAS palvelusta täällä.

Aineistohallinnan vastuut

Kuka vastaa aineistonhallintaan liittyvistä tehtävistä? Kuka vastaa aineiston tietosuojasta ja -turvasta sekä näiden valvonnasta? 

Hyviä käytäntöjä

  • Onko aineistonhallinta tietyn henkilön vastuulla vai onko se koko tutkimusryhmän vastuulla? 
  • Kuka vastaa siitä, että kaikki ovat saaneet tarpeellisen koulutuksen ja yhteisistä käytänteistä on sovittu?

Aineistohallinan resurssit

Mitä resursseja (ajalliset & työmäärä) aineistonhallintaan tarvitaan? Mitä paremmin tutkimusaineiston hallinta on suunniteltu ja toteutettu jo tutkimushankkeen alussa ja sen aikana, sitä vähemmän työtä tarvitaan aineiston avaamisessa ja arkistoinnissa.

  • Arvioi edellyttääkö aineiston hallinnointi, säilyttäminen ja jakaminen asiantuntija apua / palkattua työntekijää
  • Anna arvio ajasta, joka menee data-aineiston (ei tulosten) siistimiseen ja dokumentointiin julkaisukuntoon. Esimerkiksi: siihen käytetään viikoittain aikaa 1-2 h, kuukaudessa päivä, 1-2 viikkoa ennen arkistointia tms.
    • Aineiston siistiminen ja dokumentointi tarkoittaa muun muassa metatiedon tuottamista (kohta 3.1), henkilötietoa sisältävän aineiston anonymisointia, aineiston valintaa, järjestelyä ja siirtämistä.
    • On suositeltavaa pitää dokumentointi ajan tasalla koko tutkimuksen elinkaaren ajan.
  • Erittele aineistonhallintakustannukset budjetissa rahoittajan ohjeiden mukaisesti.
 
Cover photo by Pixabay.