metatiedot, osa 3: aineistojen tunnisteet ja versiot

Tue, 11 Nov 2014 13:32:32 +0000

Suurin osa TTA-minimimetatietomallin automaattisesti tuotettavista kentist� on seurantatietoa, jolla pidet��n kirjaa aineistojen eri versioista, aineistoon liittyvist� metatiedoista ja metatietojen eri versioista. N�ihin liittyvi� metatietoelementtej� ovat aineiston tunnisteet ja muutosajankohta sek� metatietojen tunniste ja muutosajankohta. Kullekin elementille on syyns�, miksi se on sis�llytetty minimimetatietoihin.

* ([Tiedot k�ytt��n -blogi])

-- kirjoitettu: torstai 28. maaliskuuta 2013, 13.59 -- viimeisin muutos: perjantai 12. huhtikuuta 2013, 11.03

On jo jonkin aikaa tunnistettu laajalti, ett� pysyv�istunnisteita (PIDej�) tarvitaan s�hk�isille resursseille kuten tutkimusaineistoille, jotta pitk�ll� aikav�lill� niit� voitaisiin hallinnoida ja niihin viitata.� Pysyv�istunnisteet ovat ikuisesti uniikkeja merkkijonoja, eli on taattua, ettei yhdelle asialle annettua tunnistetta ole annettu eik� tulla koskaan antamaan toiselle.� Esimerkiksi henkil�tunnukset ovat Suomen kansalaisten pysyv�istunnisteita, mutta s�hk�isten resurssien pysyv�istunnistej�rjestelm�t ovat tuoreempia: n�kyvimpi� niist� ovat URN, Handle, DOI ja OID.� Esittelen pysyv�istunnisteita tarkemmin my�hemmiss� kirjoituksissa.

Pysyv�istunnisteita on annettu tutkimusaineistoille melko v�h�n aikaa, joten yleiset k�yt�nn�t eiv�t ole viel� ehtineet muotoutua.� Tunnisteiden k�yt�st� on kuitenkin kertynyt sen verran kokemusta, ett� on ehditty huomata monia tunnisteisiin liittyvi� kysymyksi� ja ep�selvyyksi�.� Mille asioille pit�isi antaa tunniste?� Vaihtuuko aineiston tunniste, kun sis�lt� vaihtuu?� Mihin tutkimusaineiston tunniste oikeastaan viittaa: sen siivottuun, arkistoituun versioon, raakadataan, yleiseen kuvaukseen, kenties aineistosta tehtyyn artikkeliin -- vai kaikkiin n�ihin yhdess�?� Jos tunnisteelle talletetaan _resolver_-palveluun www-osoite, johon tunniste viittaa, mit� kyseisest� www-osoitteesta pit�isi l�yty�?� Pit�isik� kaikkien k�ytt�� samaa pysyv�istunnistej�rjestelm��, ja jos pit�isi, niin mit�?

TTA-minimimetatietomallissa on yritetty selvent�� joitain n�ist� kysymyksist�, vaikkei malli suoraan otakaan kantaa niihin.� TTA-minimimetatietomalli tuntee kolmenlaisia tunnisteita, jotka on saatettu mielt�� aiemmissa kuvailuk�yt�nn�iss� samaksi asiaksi:

# Aineiston versioon liittyv� tunniste # Aineiston eri versioille yhteinen tunniste # Aineiston metatietojen tunniste

TTA-minimimetatietomalli m��rittelee tutkimusaineiston _sellaisenaan hy�dynnett�viss� olevaksi tietokokonaisuudeksi_. Koska kyseess� on *aineiston* tunniste, se annetaan mille tahansa tietokokonaisuudelle, joka halutaan julkaista ja on k�ytett�viss� sellaisenaan.� Muita tunnisteita voi tietenkin lis�ksi antaa mille tahansa, mihin ylip��ns� pit�� pysty� viittaamaan, kuten aineistossa oleville muuttujille joissakin tilanteissa.

Metatietotietue katsotaan minimimetatietomallissa omaksi oliokseen: se on _yht� aineistoa kuvaileva, samasta l�hteest� tuleva metatietokokonaisuus_.� Niinp� metatiedolle ja aineistolle on eri tunnisteet.� T�m� ratkaisee montakin kysymyst�.� Ensinn�kin samalle aineistolle voi olla useampia, eri l�hteist� saatuja metatietoja, ja ne pystyt��n my�s tunnistamaan erillisiksi.� Metatietoja voi p�ivitt��, vaikkei aineisto muuttuisikaan, ja p�ivitetyt metatiedot pystyy tunnistamaan saman aineiston p�ivitetyiksi metatiedoiksi.� Ja viel� lopuksi, kun tunnisteet ovat erillisi�, voi tunnistetta vastaava metatiedon osoite osoittaa aineistoa kuvailevalle www-sivulle, kun taas aineiston osoite voi osoittaa itse aineistoon (toimia latauslinkkin�).

T�rkein suunnitteluperiaate TTA-minimimetatietomalliin sis�llytettyjen seurantatietojen taustalla on se, ett� metatietojen tulkintaan ei tulisi tarvita asiayhteytt�, kuten tietoa siit�, mit� kautta metatiedot on saatu.� Koska aineistojen metatiedot ovat koko ajan avoimemmin tarjolla ja niit� ker�t��n yh� laajemmiksi kokonaisuuksiksi, metatiedon alkuper�inen l�hde usein hukkuu.� Metatiedoille saatetaan my�s tehd� matkan varrella erilaisia automaattisia muunnoksia, jolloin on vaikeaa edes tunnistaa, ett� tietyt metatiedot ovat alun perin olleet samoja.� Samaan aineistoon saattaa liitty� eri metatietoformaateissa tehtyj� kuvailuja, jotka kuvailevat aineistoa eri tavoin ja eri n�k�kulmista.� Alla on kaavio mahdollisesta tutkimusaineistojen metatietojen kulkeutumisesta tulevaisuuden tutkimusinfrastruktuurissa.

(kaavio)

Minimimetatietomallin elementit helpottavat asiayhteydest��n irrotetun metatiedon k�sittely�. Kun metatietopalvelu vastaanottaa aineistokuvauksen, se voi metatiedon tunnisteen perusteella n�hd�, onko se saanut jo kyseiset metatiedot samaa tai eri kautta.� Metatiedon muutosajankohta kertoo, kumpi versio metatiedoista on tuoreempi, ja palvelu voi tallettaa historian siit�, millaisia muutoksia metatiedoissa on tapahtunut ajan mittaan.� Jos aineistokuvaus on uusi, palvelu voi tunnistaa aineiston tunnisteen perusteella, liittyyk� se johonkin jo kuvailtuun aineistoon, ja yhdist�� kuvaukset tai esitt�� ne rinnakkain.� Aineiston muutosajankohdan perusteella voi varmistaa, liittyv�tk� aineiston eri kuvailut varmasti samaan versioon aineistosta, ja esitt�� aineiston sis�ll�lliset muutokset osana aineiston historiatietoa.

TTA-minimimetatietomalli edellytt��, ett� aineistoon liittyy ainakin yksi sellainen tunniste, joka vaihtuu aina, kun aineiston sis�lt�kin vaihtuu.� T�m� on v�ltt�m�t�nt�, sill� tutkimusaineistojen tarkoitus on tukea tai kumota erilaisia p��telmi�, ja tutkimuksen toistamiseksi on t�rke�� tiet�� k�ytt�v�ns� t�sm�lleen samaa aineistoa.� Minimimetatietomalli antaa kuitenkin mahdollisuuden my�s aineistoversioiden v�liselle, aineiston yhteiselle tunnisteelle.� T�llaista kannattaa k�ytt��, jos kyseess� on esimerkiksi jatkuvasti tai s��nn�llisesti p�ivittyv� aineisto, johon on j�rkev�� viitata my�s muuttuvana, el�v�n� oliona ja s��nneltyn� tuotantoprosessina.� Toinen mahdollisuus aikasarja-aineistojen merkitsemiseen on tehd� p�ivityksist� itsen�isi� tutkimusaineistoja mutta saman sarjan tai kokoelman osia.

Yhdess� kaikki n�m� eri mahdollisuudet tuottavat yll�tt�v�n monimutkaisen kokonaisuuden, jossa metatiedoilla, aineistoilla ja kokoelmilla on pysyv�istunniste (PID), kaikkeen viitataan tunnisteen kautta, ja aineisto on erillinen metatiedoistaan (alla oleva kaavio).

(kaavio)

T�m� saattaa tuntua monimutkaiselta, mutta TTA-minimimetatietomalli tekee asiasta helpon loppuk�ytt�j�lle.� Huolehdi siit�, ett� aineistokuvailussasi on sek� aineistolle ett� kuvailulle itselleen pysyv�istunniste ja muutosajankohta, tai k�yt� palvelua, joka pit�� niit� yll� puolestasi.� N�in helpotat metatietojesi uudelleenk�ytt��.