Open Science II (OS II)

Projekt je realizován žadatelem (Univerzita Karlova) ve spolupráci s 11 partnery. Realizační tým se skládá z administrativního a odborného týmu.

Administrativní tým vede Hlavní manažer projektu, který odpovídá za celkové řízení projektu, koordinaci administrativního a odborného týmu, dodržování pravidel OP JAK a naplnění cílů a rozpočtu. Projektový manažer a Finanční manažer zajišťují administrativní a finanční koordinaci na úrovni žadatele i partnerů. Administrativní pracovníci zajišťují každodenní provozní agendu.

Odborný tým je veden Odborným manažerem projektu a tvořen garanty tematických a průřezových klíčových aktivit, odbornými garanty výstupů, odbornými řešiteli a dalšími specialisty dle potřeb jednotlivých aktivit.

Nejvyšším rozhodovacím orgánem je Orgán pro vnitřní řízení projektu. Koordinaci a dohled nad realizací projektu zajišťuje Výkonný výbor projektu.

Tato struktura podporuje efektivní řízení, flexibilní reakci na změny a zajištění kvality výstupů v souladu s cíli projektu.

Cílem Tematického clustru B/H/F je vybudování infrastruktury repozitářů pro správu, sdílení a opětovné využití různorodých typů biologických, chemických a klinických dat, která vznikají v základním i aplikovaném výzkumu v oblastech medicíny, biologie, chemie a příbuzných věd. Repozitářové podaktivity sdílejí společný rámec, který je pevně ukotven v principech FAIR – a to jak po stránce technické (standardizovaná metadata, přístupová rozhraní, formáty), tak procesní (kurátorství, verzování, správa oprávnění, citovatelnost).

Zásadním rysem všech vytvářených repozitářových systémů je zajištění interoperability s Národní repozitářovou platformou (NRP), využití jednotné autentizace/autorizace prostřednictvím Life Science Login a možnost exportu metadat do národních a evropských katalogů a infrastruktur. FAIRifikace není vnímána jako jednorázový výstup, ale jako průběžný a živý rámec, který umožňuje efektivní a udržitelné sdílení dat a jejich opětovné využití napříč obory i institucemi. U vybraných repozitářů je FAIRifikace dále rozšířena o přímou podporu pokročilých nástrojů pro zpracování dat (např. AI modely v chemické biologii, anotace dat pomocí ontologií).

Klíčová aktivita nepředstavuje izolovanou snahu, ale systémovou změnu v přístupu k datům v oblasti zdraví, biologie a chemie v ČR – s důrazem na mezinárodní kompatibilitu, opakovatelnost výzkumu, otevřenost a udržitelnost. Cílem je vytvořit infrastrukturu, která umožní nejen uchovávání, ale i plnohodnotné využití dat pro pokročilé výzkumné (meta)analýzy, vzdělávání, mezioborovou spolupráci a transfer znalostí.

V rámci této klíčové aktivity bude vytvořeno prostředí pro kvalitní správu FAIR dat výzkumu v oblasti materiálových věd a technologií v České republice. Ústřední aktivitou je zde implementace nového oborového repozitáře DANTE^c s adekvátním metadatovým profilem, výběrem relevantních licencí a uživatelským prostředím, které pomůže zlepšit ukládání, ale i vyhledávání a znovuvyužití výzkumných dat. Repozitář bude napojen na nástroje pro správu dat uživateli a v rámci výzkumných infrastruktur a nástroj pro následnou práci s daty v repozitáři. Toto propojení přispěje ke zkvalitnění ukládaných oborově-specifických dat, ale i umožní široké mezioborové využití repozitáře pomocí moderních nástrojů na bázi ML a AI.

Tematický cluster Data management pro umělou inteligenci a strojové učení zajistí tvorbu nového, oborově zaměřeného AI/ML (Artificial Intelligence/Machine Learning) repozitáře Data management pro umělou inteligenci a strojové učení založeném na repozitářovém systému CLARIN DSpace. Repozitář má za cíl nabídnout jednotnou platformu inspirovanou globální aplikací Hugging Face, která umožní efektivní sdílení a správu AI/ML modelů, datasetů a workflow a to včetně poskytnutí pokročilých nástrojů pro práci s daty a možnostmi napojení na výpočetní infrastruktury prostřednictvím LEXIS Platformy.

V rámci Tematického clusteru Sociální vědy bude vytvořena oborová repozitářová platforma pro sociální vědy na základě inovace dvou existujících repozitářů ČSDA a DataHub doplněných o nově vybudovaný repozitář pro citlivá data. Efektivita dosažení cílů se opírá o zapojení existujících systémů do NDI EOSC v ČR a jejich doplnění o nezbytný, dosud chybějící prvek oborové infrastruktury. Komplexní prostředí pro implementaci politiky Open Science v sociálních vědách cílí jak na ukládání dat, tak na jejich opětovné využívání v sociálně-vědním a mezioborovém výzkumu. Existující systémy jsou integrované do mezinárodního ekosystému datových služeb a zároveň tak bude realizováno propojení NDI na evropskou úroveň oborové datové infrastruktury. KA se zaměří také na systematické šíření výstupů projektu a rozvoj vzdělávacích kapacit v oblasti datového managementu nejen pro odbornou komunitu v sociálních vědách. Cílem je prostřednictvím cílené komunikační strategie a nově vytvořené webové platformy zvýšit povědomí o nových službách, analýzách a vzdělávacích materiálech vzniklých v projektu.

Tematický cluster Fyzikální vědy buduje specializovaný oborový repozitář „Fyzika“ založený na implementaci systému Invenio v Národní repozitářové platformě (NRP). Repozitář nabídne robustní úložiště, jasně definované metadatové modely a automatizované nástroje pro hromadný přenos a verifikaci velkých datových balíků z experimentů ATLAS ITk, DUNE, CTAO SST-1M, Auger i z krystalografické strukturní analýzy. Tím zajistí, že data vznikající dnes budou již od začátku ukládána v souladu s FAIR zásadami a budou dlouhodobě dohledatelná a použitelná pro další generace vědců.

Na technickou část navazují inovační služby: nástroj pro automatizovanou tvorbu metadat propojený s Elektronickými laboratorními deníky (ELN), webová komponenta pro přímou vizualizaci multidimenzionálních dat (HDF5/NeXus, FITS aj.) v prohlížeči a e-learningové moduly a materiály pro workshopy, které rychle rozšíří dovednosti FAIR správy dat mezi českými i mezinárodními týmy. Tyto open-source nástroje budou okamžitě využitelné také v dalších klastrech NDI a posílí interoperabilitu celé české infrastruktury.

Klíčová aktivita 7 se zaměří na inovaci stávajících a rozvoj nových repozitářů v oborovém clusteru humanitních věd a dále pak na vývoj nástrojů a služeb pro rozvoj NDI. Repozitáře jsou soustředěny okolo čtyř existujících velkých oborových infrastruktur pro humanitní vědy jako ústředních producentů výzkumných dat a kompetenčních center v oblasti otevřené vědy v rámci clusteru (Archeologický informační systém ČR – AIS ČR, Česká literární bibliografie – ČLB, Český národní korpus – ČNK a LINDAT/CLARIAH-CZ). V aktivitě budou využita již existující repozitářová řešení, která budou u vybraných oborů s výraznou produkcí vědeckých dat případně doplněna o nové repozitáře či repozitářové komunity. Inovovány budou repozitáře:

1. LINDAT/CLARIAH-CZ, který zapojením dat výzkumné infrastruktury ČNK, na jejichž základě vznikne samostatná kolekce/komunita repozitáře, rozšíří svou uživatelskou komunitu o obor korpusové lingvistiky
2. Institucionální repozitář Digitalia MUNI ARTS
3. Repozitář pro archeologii ArchaeoVault.

Nově vznikne repozitář pro bibliografická data provozovaný výzkumnou infrastrukturou Česká literární bibliografie, a to v závislosti na výsledcích interní analýzy formou samostatné kolekce/komunity v rámci některého ze stávajících repozitářů, popř. jako samostatná instance.

Tematický cluster Environmentální vědy se zaměří na několik bodů:

• na tvorbu metadatových modelů, standardů a metodik umožňujících zpracovat hmotnostně spektroskopická data, fotografické záznamy pro účely studia biodiverzity, genetickou banku volně žijících organismů, zoologické sbírky, toxikologická a ekotoxikologická data a GIS data. Dále na zavedení metadatových standardů k zajištění sémantické interoperability (provázanost na řízené slovníky, thesaury a ontologie), přiřazení citovatelných persistentních identifikátorů k datovým objektům či extraktům;
• přípravu aplikačního rozhraní pro výměnu metadat spravovaných datasetů (DCAT) a rozhraní pro výměnu dat;
• přípravu podpůrných materiálů včetně návodů k tvorbě a validaci fairifikovaných datasetů;
• analýzu dalších potřeb výzkumné komunity.

Ve všech případech bude řešena otázka zajištění kvality a interoperability repozitářů a dat v mezinárodním kontextu, otázka licenčních a právních modelů a napojení na externí zdroje dat.

Tematický cluster Citlivá data přidá do projektu vrstvu správy citlivých dat v celém prostoru NRP a NDI. Naváže na podporu činností nezbytných pro FAIRifikaci dat v repozitářích a práci nad licenčními a dalšími právními režimy/modely. Rozšíří současné možnosti o potřebné nástroje a funkcionality nezbytné pro správu citlivých dat. Vytvoří detailní a návodné postupy FAIRifikace citlivých dat, nástroje či služby aplikovatelné v rámci životního cyklu správy citlivých dat a v neposlední řadě se zaměří na správnou praxi sdílení a zpracování citlivých dat vyvstalých mj. i ze spolupráce mezi akademickou a soukromou sférou. TKA si klade za cíl vytvořit jasná a harmonizovaná pravidla pro zpřístupnění citlivých dat, která za stávajících podmínek nemohou být sdílena.

Klíčová aktivita s průřezovými tématy reaguje na v současnosti zásadní výzvy v oblasti Open Science, jejichž řešení s ohledem na velmi rychlý aktuální vývoj nebylo, resp. ani nemohlo být, zahrnuto do připravované architektury projektu NRP. Projekt Open Science II je však nemůže ze své podstaty pominout a jejich řešením zásadní měrou přispěje k rozvoji NDI. Termín „průřezová témata“ je v kontextu celku projektu OS II (v poměru k oborovým KA) nutné chápat ve smyslu „komplementární“. Má-li NDI představovat jednotný/standardizovaný komplex a rozvíjející se strukturu, není možné se v současnosti vyhnout budování bezpečného vstupního portálu poskytujícího co nejširší a nejefektivnější technickou a uživatelskou podporu, kterou není možné s ohledem na očekávané množství a obsahovou šíři řešených případů vystavět a provozovat bez využití technologie AI. Důraz na kyberbezpečnost pak musí být chápán a směrován i v právních souvislostech, a to především ve vztahu k citlivým datům, a to ve všech formách a modech nakládání s nimi, přičemž nelze opomenout problémy generování a správy důvěryhodné provenance za účelem podpory zpětné a zároveň zabezpečené dohledatelnosti (traceability) předchůdců objektů uložených v repozitářích, resp. pocházejících z laboratorních deníků nebo jiného SW i mimo nich. Nedílnou součástí KA je také cílená komunikace s výzkumnými komunitami a institucemi. Efektivní sdílení informací o postupech a výsledcích projektu je klíčové pro podporu mezioborové spolupráce, zapojení odborné veřejnosti a rozšíření povědomí o nově vznikajících službách. Projekt se zaměřuje na témata jako interoperabilita výzkumných dat, přínosy FAIR principů, využitelnost služeb OS II, odborné vzdělávání a širší kontext otevřené vědy v rámci evropské iniciativy EOSC. Tato témata jsou komunikována s ohledem na potřeby jednotlivých vědeckých komunit a aktuální výzvy v oblasti datové správy.

V klíčové aktivitě bude podpořena implementace iniciativy EOSC CZ prostřednictvím výzev ke spolupráci na Minizáměry OS II. Bude realizováno kompletní grantové schéma výzev ke spolupráci.