Kontroll av metadata

Metadata i SND:s forskningsdatakatalog

För att data och metadata ska gå att publicera via SND:s katalog finns det riktlinjer och standarder som behöver uppfyllas. Det beror, som nämns nedan på att det ska gå att hitta data, men också för att data ska kunna bli synliga inom internationella datakataloger. För att detta ska vara möjligt har SND tagit fram en mininivå av metadataelement som krävs för att en databeskrivning ska publiceras i SND:s katalog.

Syftet med denna miniminivå är att säkerställa att forskningsdata som publiceras i katalogen har tillräcklig mängd metadata för att data ska vara sökbara, tillgängliga och åtkomliga, samt att vidare spridning av metadata ska vara möjlig. Att följa kraven på miniminivå för metadata är också ett viktigt steg i arbetet med att uppfylla FAIR-principerna [1], [2], som i sin tur leder till att forskningsdata är framtidssäkrade genom att de blir lättare att finna, tillgängliga och åtkomliga samt möjliga att återanvända.

Fil:Metadatapyramid web.png

En beskrivning av SND:s tre metadatanivåer.

Miniminivån för metadata beskrivs i SND:s kravbeskrivningsdokument.

I SND:s formulär för att beskriva data är de fält som ingår i miniminivån markerade med en orange markering och dessa är obligatoriska innan databeskrivningen kan publiceras i SND:s katalog. För en överlämnare går det att skicka in en databeskrivning även om de markerade fälten inte är ifyllda, men i de här fallen behöver DAU fylla i den saknade informationen eller be inlämnaren om kompletteringar (innan databeskrivningen slutligen kan publiceras).

Vilka fält som är obligatoriska (markerade i formuläret) skiljer sig beroende på vilken metadataprofil som är vald. Miniminivån för metadata består av två delar. Nivå 1 utgörs av den gemensamma miniminivån och består av ett antal element som är obligatoriska för alla databeskrivningar (oavsett vald ämnesprofil). Nivå 2 består av ämnesanpassade metadata som är obligatoriska utifrån vald ämnesprofil. För närvarande finns det ämnesanpassade metadataprofiler för följande områden implementerade på Mitt SND:

• Arkeologi och historia
• Medicin och hälsovetenskap
• Miljö-, klimat- och geovetenskaper
• Samhällsvetenskap
• Språkdata

Det går också att använda en allmän metadataprofil som även den uppfyller SND:s krav och som ska fungera för alla övriga ämnesområden och för tvärvetenskapliga forskningsdata.

De element som ingår i miniminivåerna (både de gemensamma och de ämnesspecifika) listas på sidan Metadataprofil tillsammans med definitioner (på svenska och engelska) och eventuella kommentarer. Genom att beskriva data i formuläret på Mitt SND kommer metadata direkt att finnas i ett strukturerat format i enlighet med SND:s metadataprofiler, och kan sedan fortsätta bearbetas på Mitt SND.

Kontroll av metadata för inkommande data

Vilka metadatafält som ska fyllas i och hur de ska fyllas i beror bland annat på vilka typer av data som lämnas in och vilket ämnesområde de hör till. Överlämnarens önskemål om hur data ska förmedlas och vilken som är den tilltänkta målgruppen för data är också viktiga faktorer för vilka metadata som är lämpliga att ange.

Vad som är en rimlig nivå av granskningen är upp till varje enskilt lärosäte att bedöma och sätta upp egna rutiner kring.

Granskning i formuläret, flik för flik

Här nedan listas ett urval av de fält som finns i SND:s formulär för att beskriva data, med en diskussion kring granskning av fältet. Fälten är uppdelade efter vilken flik de ligger under i formuläret. Vilka fält som syns i formuläret varierar med vald ämnesprofil.

Flik: Tillgänglighet, ansvar & roller

• Stämmer tillgänglighetsnivån med forskarens/överlämnarens önskemål och data? Ibland händer det att det är tydligt att forskaren har valt fel tillgänglighetsnivå för data. Den här informationen behöver också kontrolleras i relation till fältet om personuppgifter lite längre ner. Om data innehåller personuppgifter bör den exempelvis inte vara direkt nerladdningsbar.

• Har en lämplig ämnesprofil valts? Svaret på den frågan kanske visar sig först efter vidare granskning. Kom ihåg att det enkelt går att byta metadataprofil i formuläret även efter att beskrivningen är inskickad.

• Är rätt huvudman vald? Ett tecken på att huvudmannaskapet kan vara krångligt är om det exempelvis rör sig om ett samarbete mellan flera lärosäten eller om privata aktörer är inblandade. Vilka som är angivna som Skapare/primärforskare eller Medverkande kan ge en indikation på vilka organisationer som står bakom datamaterialet. I de fall en DAU-funktion med kopplad lagringsyta finns på plats går det inte att ändra en vald huvudman i Mitt SND utan i detta måste då göras av SND manuellt (beror bland annat på att den valda huvudmannen avgör vilken lagringsyta som används för databeskrivningen).

• Har forskaren angett rätt Skapare/primärforskare? Skaparen/primärforskaren kan vara en eller flera person(er) eller organisation(er). De personer/organisationer som anges här syns i dataciteringen.

• Är Data i studien innefattar personuppgifter och Data innefattar annan skyddsvärd information ifyllda? Huruvida de här uppgifterna är korrekta kanske visar sig i ett senare skede när granskningen och mer ingående kontroller av data görs.

• Finns det några restriktioner för hur data kan tillgängliggöras? T.ex. embargo eller citeringskrav. Har forskaren/överlämnaren angett något här är det viktigt att detta följs upp och att det förs en dialog om vad som är rimligt/möjligt utifrån olika aspekter (administrativa, juridiska mm.)

Flik: Allmän beskrivning

• Titel ska helst anges både på svenska och engelska. Om en svensk titel saknas kan forskaren kontaktas för komplettering. Om översättning till svenska inte är lämplig är det bättre att ange den engelska titeln än att ”hitta på” en svensk titel. Fältet för svensk titel går också med fördel att använda om det finns en titel på annat originalspråk.

• För Beskrivning är det obligatoriskt att ange en information både på svenska och på engelska. Däremot behöver inte texten vara identisk på båda språk och det går bra att ha en kortare text på t.ex. svenska med en hänvisning till den engelska katalogsidan för ytterligare information. Beskrivningen är viktig för att andra forskare som letar efter data ska förstå vad en studie handlar om och få en bra överblick över vad datamaterialet innehåller. Se till att i första hand be forskaren att översätta beskrivningen - det tar ofta tid att översätta beskrivningen själv, speciellt om den är lång.

• Har forskaren fyllt i Tidsperiod(er) som undersökts på ett korrekt sätt? Det är viktigt att vara observant på att Tidsperiod(er) som undersökts inte per automatik är samma som den tidsperiod då data samlades in. Tidsperiod som undersökts kan t.ex. vara år, månader, men även historiska tidsperioder såsom "bronsåldern" trots att datainsamlingsperioden är t.ex. 2015. Men det kan mycket väl vara samma datum (t.ex. Opinionsundersökningar utförs under en viss period och gäller samma period). Kontrollera att forskaren/överlämnaren inte angett insamlingsperioderna i fältet Tidsperiod(er) som undersökts och vice versa.

Om överlämnaren har angett ett brett tidsspann (till – från), men sen bara undersökt några enstaka delar/tidpunkter av intervallet kan det istället vara bättre att ange tidsperioderna en och en, istället för ett intervall. Det ger nämligen bättre sökträffar i katalogen. Ex. Tidsintervallet AA – ÖÖ är valt, men bara AA, EE och ÖÖ täcks av data. Det är då bättre att ange AA, EE, och ÖÖ som upprepade tidsperioder.

Flik: Ämnesord och nyckelord

• Det är obligatoriskt att ange minst ett ämnesområde från Standard för svensk indelning av forskningsämnen. Beroende på forskningsområde och vilken typ av data det är kan [Cessdas] eller [INSPIRE:s] klassificering också anges. Cessda gäller främst samhällsvetenskapliga data eller tvärvetenskapliga undersökningar där samhällsvetenskap berörs. INSPIRE är att föredra om det handlar om spatiala data.

• Forskaren/överlämnaren kan välja nyckelord från kontrollerade listor eller skapa egna nyckelord i de fall det saknas passande termer. DAU kan hjälpa forskaren att komplettera nyckelorden. Nyckelord ökar sökbarheten för data i forskningsdatakatalogen.

Det kan vara bra att känna till att nyckelordsöket i dagsläget inte fungerar optimalt. Exempelvis söker det bara i det språk som formuläret visas på (svenska/engelska). Vissa nyckelordlistor är inte fullständigt översatta och det kan därför vara värt att testa att byta språk (framförallt till engelska) och göra nya sökningar på engelska termer om det är svårt att få bra träffar på den svenska sidan.

Exempel på nyckelordssök i SND:s formulär

Följande nyckelordslistor finns i dag i SND:s system:

EnvThes [3]: Environmental Thesaurus, för långsiktig ekologisk forskning, övervakning och experiment.

ELLST [4]: European Language Social Science Thesaurus, en bred, flerspråkig tesaurus för samhällsvetenskaper.

MeSH [5]: Medical Subject Headings och är en kontrollerad vokabulär inom livsvetenskaperna.

GEMET [6]: General Multilingual Environmental Thesaurus

GCMD [7]: Global Change Master Directory, en kontrollerad vokabulär för “Earth science data”

Flik: Geografisk täckning

• Här finns möjlighet att ange vilket geografiskt område som data täcker. Det finns även möjlighet att lägga till en fritextbeskrivning.
• Att använda Bounding Box-funktionen är att rekommendera om data täcker ett tydligt avgränsat område då databeskrivningen kommer synas i kartsöket i katalogen och illustreras på karta i katalogposten. Man kan skapa bounding box genom att ange koordinater eller genom att rita direkt på kartan.

Flik: Data, insamling & åtkomst

• Har databeskrivningen bara ett dataset kan titeln för datasetet vara densamma som för den övergripande databeskrivningen. Däremot om det finns flera dataset är det viktigt att de har unika titlar så att de enkelt kan skiljas åt (det kan dock räcka med olika årtal i titeln ex. Lufttemperatur i Göteborg 2018 och Lufttemperatur i Göteborg 2019).
• Har överlämnaren laddat upp flera olika filpaket där data beskriver olika saker, kan det vara en idé att fundera på om det skulle vara bra att presentera materialet via olika dataset. (Ex. I en undersökning har data samlats in från två olika platser och är dokumenterade i olika datafiler. Detta kan visas under en gemensam databeskrivning men med två dataset -en per plats).
• Återigen: Det är viktigt att skilja mellan period för datainsamling och tidsperiod(er) som undersökts. Oftast täcker båda fälten samma tidsperiod, men det förekommer fall där de inte gör det (t.ex. historiska data, C14-analyser och arkeologiska undersökningar).
• För fälten Licens och Upphovsrätt är det viktigt att kontrollera så att informationen här inte krockar med vald tillgänglighetsnivå.

Flik: Publikationer

• Här är möjligt att koppla publikationer till data. Det är informationen i citeringsfältet som kommer att synas i katalogen, så det är en fördel om eventuell DOI finns med i citeringen.
• Många forskare tillgängliggör data i samband med publicering av en artikel. I de här fallen är det viktigt att artikeln kopplas till databeskrivningen.

Flik: Språkresurser

• Den här fliken syns endast om forskaren har valt ämnesprofilen som heter Språkresurser. Mer information om granskning av dessa metadata kommer.

Flik: Dokumentationsfiler

• Inga metadatafält här. Här laddas dokumentationsfilerna upp. Information om hur man behandlar dokumentationsfiler finns på sidan Dokumentation.