Innsamling og lagring av forskingsdata
Innsamling av data
Ved innsamling av data gjeld dei same omsyna som for resten av den aktive datahandteringa. Data må sikrast mot tap og øydelegging, og viss det er snakk om personopplysningar eller andre former for sensitive og konfidensielle data, må dei også skjermast mot innsyn under innsamling og overføring til lagringsområdet. Her er det viktig å tenke heilskapleg, slik at data ikkje lagrast på usikre einingar eller at det lagast kopiar ingen har oversikt over. Institusjonen bør ha på plass gode rutinar på alle nivå for å sørge for at dataa blir organisert på ein god måte og at krav til sikkerheit blir ivaretatt. Relevante metadata og dokumentasjon må også samlast inn og strukturerast på ein god måte, slik at all nødvendig informasjon for å forstå og bruke dataa i framtida er tilgjengeleg.
Aktiv lagring
Det er vanleg å skilje mellom det som gjerne kallast aktiv lagring og arkivering, der førstnemnde viser til lagringa av data som er i bruk (i laupet av prosjektperioden). Dette omfattar med andre ord all lagring fram til analysar og anna arbeid er avslutta og dataa arkiverast og eventuelt publiserast. Aktiv lagring heng derfor nøye saman med organisering av data og datahandteringsplan.
Når ein skal velje lagringsløysing er det særleg tre faktorar som er avgjerande: konfidensialitet, integritet og tilgjengelegheit (KIT). Konfidensialitet viser til sikring mot urettmessig innsyn og tilgang. For å finne riktig grad av konfidensialitet, skal det alltid gjerast ei klassifisering av dataa. I tillegg kjem spørsmål om integritet og tilgjengelegheit. Kor viktig er det at dataa blir beskytta frå uautoriserte endringar og øydelegging? Kor viktig er det at dei er tilgjengelege heile tida? Svara på desse spørsmåla avgjer kva for lagringsløysingar som er aktuelle. Lagring av viktige forskingsdata på private datamaskiner og usikra minnepinnar som lett forsvinn, bør unngåast.
Dei fleste forskingsinstitusjonar har ei IT-avdeling som tilbyr ulike typar lagringsløysingar og system som dekker ulike behov for skjerming, tilgang og backup. I tillegg finst det nasjonale løysingar retta mot spesielle behov:
- TSD (Tjenester for Sensitive Data), levert av UiO, oppfyller dei strengaste krava til handtering og lagring av sensitive persondata, og gir eit lukka prosjektområde med moglegheit for fjernarbeid og tungrekning.
- NIRD, levert av Sigma2 (eigd av Sikt), er ei skybasert forskingsplattform for prosjekt som treng sikker lagring av store datamengder (frå om lag 1 TB), med tilgang gjennom faste utlysingar.
Kva løysing som er riktig, avheng av klassifiseringa av dataa og behovet for lagringskapasitet. Sjekk alltid kva institusjonen din har avtale om, og kva løysingar som er godkjende for den typen data prosjektet ditt handterer.
Samhandlingsløysingar
I mange tilfelle er det aktuelt å dele data og andre typar resultat og dokument med eksterne samarbeidspartnarar eller andre undervegs i eit prosjekt. Dei fleste UH-institusjonar tilbyr i dag samhandlingsløysingar gjennom Microsoft 365/SharePoint, med innlogging via Feide, som eit trygt førsteval for deling internt og med eksterne. Andre mykje brukte verktøy, både i og utanfor forskingsmiljø, er OneDrive, Dropbox og Google Drive.
Det er likevel ikkje alle system som er eigna for alle typar data, og særleg konfidensielle data stiller ofte høgare krav til sikkerheit enn dei vanlegaste systema for samhandling tilfredsstiller. Mange institusjonar utviklar derfor eigne sikre lagringsområde med eigen tilgangsstyring. Ei anna mogleg løysing inneber kryptering av dataa før dei delast.
KI-verktøy og forskingsdata
Stadig fleire forskarar bruker KI-verktøy som transkripsjonstenester og chatbotar i delar av forskingsprosessen, til dømes til å strukturere data, skrive samandrag eller transkribere intervju. Her gjeld dei same omsyna til tryggleik som for anna samhandling: personopplysningar og andre sensitive eller konfidensielle data skal aldri lastast opp i opne eller offentlege KI-tenester, sidan ein da som regel mistar kontroll over kor dataa blir lagra og handsama vidare.
Mange institusjonar har difor eigne godkjende KI-løysingar tilpassa krava til datatryggleik, til dømes Sikt KI eller institusjonens eigen GPT-teneste (sjå til dømes GPT-UiO), og desse bør brukast der dei finst. Sjekk alltid institusjonens klassifisering av data (til dømes etter ein grøn/gul/raud/svart-skala opp mot kva for KI-tenester som er godkjende for kvart nivå, før du tar i bruk eit KI-verktøy i forskingsprosjektet. Sjå også Datatilsynet sine anbefalingar for godt personvern i utvikling og bruk av kunstig intelligens og Datatilsynet si rettleiing om personopplysningar i forsking.
Som med lagringsløysingar generelt, er det å bruke løysingar som blir tilbydd eller anbefalt av institusjonens IT-avdeling ofte eit godt val for å ivareta og sikre god forvaltning av forskingsdataa.
Eit godt eksempel er USIT (Universitetets senter for informasjonsteknologi) ved UiO, som tilbyr ei rekke ulike løysingar for lagring og samhandling.
Ei plattform for samhandling og open forsking i praksis, er OSF (Open Science Framework). Her kan forskarar samarbeide om prosjekt og enkelt publisere opent resultat og materiale.
Referansar
Data Stewardship Wizard. Verktøyet ligg også til grunn for FAIR Wizard, som Sikt piloterer som ei mogleg nasjonal DMP-løysing for forskingssektoren. Piloten involverer ei rekkje institusjonar frå UH-sektoren, instituttsektoren og dei regionale helseføretaka.. Sjå Sikt si side om datahandteringsplan for status.
LIBER: Data Management Plan Catalogue
Ten Simple Rules for Creating a Good Data Management Plan (Michener 2015)
Tekst: Open Science Toolbox. Oppdatert av Sikt med hjelp fra Claude Anthropic.
Lisensiert med CC0