Jak se buduje prostředí pro sdílení a dlouhodobé uchování výzkumných dat?

To je těžká otázka, protože vypreparovat z dosavadní životní zkušenosti specificky humanitní vzdělání a jeho vliv dost dobře neumím. Sleduji ale práci kolegů z mé mateřské Filozofické fakulty MU na webu Digital Humanities a tam mě nedávno zaujal článek o konceptu výzkumných dat – vykládat a zpřesňovat základní pojmy používané k popisu spojité skutečnosti, je za mě trvale důležitý příspěvek humanitních věd, pokud to dělají dobře. Klíčové sdělení textu a odkazované literatury pro mě bylo ještě o něco bazálnější. Ústřední role ve vědeckém provozu (stále ještě) náleží konkrétním lidem, kteří mají hluboké znalosti a netriviální dovednosti, z nichž pramení jejich schopnost rozhodnout se, jaké údaje potřebují shromáždit a jak je musí zpracovat, aby je pak mohli věrohodně a smysluplně interpretovat. Tito jednotliví, koneční, omylní, poctiví a vášniví lidé budují z „hromad dat“ poznání, a tyto lidi mají námi vyvíjené služby a nástroje v jejich práci podpořit.

Když slyším, že technologie mají „především sloužit lidem“, zpozorním. Tahle formulace se totiž často používá tam, kde ve skutečnosti slouží hlavně velmi specifickým skupinám lidí. Proto bych „konkrétní přínos“ raději zjišťoval zpětně, zdola, z reálného používání. Mohu ale popsat, co už dnes při budování Národní datové infrastruktury děláme proto, aby ji vědci při každodenní práci skutečně mohli používat jako něco, co jim pomáhá a slouží– a ne naopak. Stavíme na technologiích, které jsou v oblasti ukládání a zpřístupňování výzkumných dat osvědčené a kvalitní (Invenio, DSpace, Data Stewardship Wizard aj.), a propojujeme je s existujícími infrastrukturními službami, zejména úložišti a výpočetním prostředím e-INFRA CZ. Nasazení zajišťují zkušení vývojáři, komunikaci s vědeckou komunitou metodici a na uživatelské zkušenosti systematicky pracuje specializovaný UX tým. Průběžně sbíráme zpětnou vazbu a zapracováváme ji do dalšího vývoje.

Před závorku je vytčen obecný princip navrhování a realizace IT služeb: identifikovali jsme potřebu kvalitní správy výzkumných dat a známé postupy, jak ji naplnit – repozitáře, principy FAIR, podporu strojového zpracování dat a metadat. Na jejich základě dnes vytváříme a zpřístupňujeme konkrétní nástroje: národní repozitářovou platformu, přenos dat z přístrojů, napojení na výpočetní prostředí a další služby.

Pak se ve „skutečnosti nejskutečnější“ obecný nástroj potká s konkrétní potřebou konkrétního vědce nebo týmu v jejich reálném kontextu, a my v komunikaci s nimi zjišťujeme, co funguje, co chybí a kde je potřeba nástroje dál rozvíjet, aby dávaly smysl v praxi. A tato zjištění pak zakomponujeme do dalšího vývoje.

V Pravidlech pro zakládání repozitářů v NRP je repozitář definován jako „technické, personální a procesní zajištění dlouhodobého úložiště pro ukládání a publikaci citovatelných digitálních objektů“. Jako většina definic je trochu šroubovaná, ale v první části dobře vystihuje, že repozitář není jen technologie. Teprve dlouhodobou a kvalifikovanou péčí o to, aby repozitář obsahoval relevantní a dobře popsaná data, která jsou transparentně přístupná a znovu využitelná, se z technického řešení stává funkční celek, který v konkrétní vědecké komunitě může po čase plnit roli důvěryhodného zdroje dat. Členové dané odborné komunity tvořící tým repozitáře (správci, datoví kurátoři, technická podpora) jsou nedílnou součástí tohoto celku.

To je, myslím, ještě obtížné hodnotit. Za sebe to vnímám především jako odraz již probíhající změny ve vědecké praxi – o data je vhodné pečovat, a proto úroveň této péče bude součástí hodnocení vědecko-výzkumných institucí.

Jak budou na druhé straně s vykázanými digitálními kolekcemi dat následně pracovat hodnotitelé, a tedy jak se datové sady a jejich parametry skutečně promítnou do hodnocení jednotlivých institucí, se teprve musí ustavit. A také na tom bude záviset, jaké signály tento proces zpětně vyšle do institucí a přes ně do české vědecké komunity, a jak se nakonec tyto signály projeví v rozhodování institucí i jednotlivých vědců, vědkyň a vědeckých týmů.

Jak výzkumníci přistupují ke svým datům, je výsledkem mnoha faktorů. Vykazování digitálních kolekcí dat bude jedním z nich, ale osobně bych jeho roli nepřeceňoval. Podle mě mají mnohem větší význam zvyklosti a standardy v jednotlivých vědeckých komunitách, tedy jaká data má smysl ukládat a zpřístupňovat, jak je potřeba je popsat, a dále institucionální podpora v podobě strategie, interních předpisů a dostupnosti podpůrného personálu. A souvisí s tím také vzdělávání, tedy v jaké podobě se data management daří učinit součástí vysokoškolského studia nebo celoživotního studia. Všechny tyto oblasti se snaží systematicky podpořit a rozvíjet i národní implementace iniciativy EOSC.

Součástí infrastruktury je i Národní metadatový adresář (NMA). Proč je důležitý i pro vědce, kteří se o infrastrukturu běžně nezajímají?

Pokud se podaří naplnit ambici shromažďovat v NMA metadata o datových sadách afiliovaných k českým institucím téměř v reálném čase, vznikne služba s unikátním obsahem a dalšími důležitými vlastnostmi, například s veřejným API, které umožňuje shromážděná metadata s minimálními náklady vyčíst a následně zpracovat.

Díky jednotnému metadatovému standardu bude možné vyhledávat datové sady napříč tematickými repozitáři, identifikovat jejich překryvy a metadata dále propojovat. V první fázi bude tato služba relevantní zejména pro instituce (přehledy a analýzy). S přibývajícími repozitáři vybudovanými v prostředí Národní repozitářové platformy (NRP) se její přínos, předpokládám, stane zřejmějším i pro samotné výzkumnice a výzkumníky.