Kansalaistieteen kuukausi: Mietityttääkö datan laatu kansalaistieteessä?
Tutkimuksen luotettavuuden taustalla on usein laadukas tutkimusdata. Datan laatu ja sen haasteet nousevat säännöllisesti esiin puhuttaessa kansalaistieteen tutkimusdatoista. Tutkijoiden ja akateemisen yhteisön lisäksi datan laadulle asettavat odotuksia rahoittajat sekä osallistuvat kansalaiset. Korkealaatuinen, uudelleen käytettävissä oleva data on kaikkien, myös kansalaisten, toive ja etu. Tutkimusaineistoon tulee voida luottaa, ovathan myös kansalaistieteen, kanssatutkimuksen tai joukkohavainnoinnin tms. – mitä termiä kulloinkin käytetään – keräämät tai tuottamat aineistot luomassa uusia innovaatioita ja pohjaa päätöksenteolle.
Dataan kohdistuvia vaatimuksia
Kansalaistieteen dataan pätevät samat vaatimukset kuin muuhunkin tutkimusdataan. Datan laatua kuvaavat sen validiteetti, luotettavuus, tarkkuus ja virheettömyys. Kansalaistieteelle erityistä on, että dataa keräävät ja käsittelevät tutkijaksi kouluttamattomat kansalaiset. Tämä ei kuitenkaan automaattisesti tee datasta heikompilaatuista, mutta se asettaa tutkimusprosessille ja ammattitutkijoille joitain erityisiä vaatimuksia. Näihin kuuluvat esimerkiksi kansalaistutkijoiden kouluttaminen dataprotokollan seuraamiseen ja muuhun käsittelyyn, projektinaikainen dataan liittyvä viestintä ja kerättyyn dataan liittyvistä oikeuksista sopiminen. Dataan voi sisältyä vaikkapa kansalaisten ottamia valokuvia, joiden tekijänoikeuksista täytyy sopia. Lisäksi datan haasteena voi kansalaistieteessä olla tutkimukseen osallistuvien kansalaisten henkilötietojen käsittely. Toisinaan siihen liittyy myös sijaintitietojen sensitiivisyyttä.
Kansalaisilla ja tutkijoilla voi olla erilaisia odotuksia datan jakamisen suhteen. Siinä missä akateemiset tutkijat odottavat mielellään tieteelliseen julkaisuun asti, kansalaiset saattavat toivoa datan nopeaa jakamista. Datan jakamisesta onkin syytä sopia varhaisessa vaiheessa. Jakamiseen kohdistuu myös tutkimusrahoittajien vaatimuksia siitä, että tutkimusdatan tulisi olla ”niin avointa kuin mahdollista ja niin suljettua kuin välttämätöntä”. Datan oikeellisuuteen ja tarkkuuteen vaikuttavat laadun lisäksi datan kontekstualisointi (sen kertominen, miten ja missä olosuhteissa data on syntynyt) sekä datan uudelleenkäytön ja yhteentoimivuuden mahdollistaminen. Datan kontekstualisointia ovat myös metadata ja datan omistajuudesta sopiminen.
Aineistonhallintasuunnitelma ja FAIR-periaatteet
Hyvään tieteelliseen käytäntöön kuuluvat aineistonhallintasuunnitelman laatiminen ja tutkimusdatan hallinnointi. Hyvin tehty aineistonhallintasuunnitelma auttaa tutkimusdatan hallinnoimisessa sen koko elinkaaren ajan. Aineistonhallintasuunnitelman avulla voidaan parantaa myös kansalaistieteessä kerätyn datan laatua ja uudelleenkäytettävyyttä. Vastuullisessa aineistonhallinnassa huomioidaan myös tutkimuseettisiä näkökulmia, joita kansalaistieteessä voi edellä mainituista syistä helposti nousta.
Tutkimusdatan käsittely FAIR-periaatteiden (Findable, Accessible, Interoperable, Re-usable) mukaisesti on osa vastuullista aineistonhallintatapaa. FAIR-periaatteiden ymmärtäminen ja noudattaminen lisäävät datan ja tutkimuksen luotettavuutta. Ne korostavat datan jatkokäytön mahdollisuuksia, mutta myös aineiston suojaamisen ja käyttörajoitusten ymmärtämistä silloin, kun se on tarpeen. FAIR-periaatteiden noudattaminen auttaa siis myös kansalaistieteessä kerättyjen aineistojen jatkokäyttöä.
Tukea kirjastosta: tutustu, kouluttaudu, kysy!
Kirjasto tarjoaa runsaasti tukea aineistonhallintaan. Tarjoamme kattavan Aineistonhallinta-oppaan osana Tutkijan opasta. Kirjaston koordinoima Datapalvelu kommentoi aineistonhallintasuunnitelmia, järjestää koulutuksia ja antaa opastusta aineistonhallintakysymyksissä.
Saat apua osoitteesta researchdata [at] tuni.fi (researchdata[at]tuni[dot]fi)
Lisää tietoa Kansalaistieteen kuukaudesta
Lähteet
Balázs, B. et al. (2021). Data Quality in Citizen Science. Teoksessa: Vohland, K., et al. The Science of Citizen Science. Springer, Cham. https://doi.org/10.1007/978-3-030-58278-4_8
FAIR-periaatteet. Fairdata.fi. https://www.fairdata.fi/tietoa-fairdatasta/fair-periaatteet/
Hansen, J. S. et al. (2021) Research Data Management Challenges in Citizen Science Projects and Recommendations for Library Support Services. A Scoping Review and Case Study. Data science journal. 20 (1), 1-29. https://doi.org/10.5334/dsj-2021-025
Tampereen yliopiston kirjasto. Tutkijan opas vastuulliseen ja avoimeen tieteeseen: Aineistonhallinta. https://libguides.tuni.fi/tutkijan-opas/aineistonhallinta
Kirjoittajat: Paula Nissilä ja Taina Peltonen, Tampereen yliopiston kirjasto
