Aineistonhallintaa jo perusopinnoissako? Kyllä, mutta miten? | Data management training during master’s studies? Yes please, but how?

(Please, scroll down to read in English.)

Kirjasto toteutti ohjaajille ja opettajille loppukeväästä kyselyn opinnäytetöiden tutkimusdatan hallinnasta. Kyselyyn saatiin 130 vastausta lyhyessä ajassa ja keskellä kevään kiireitä – kiitos siis teille vastaajille! Ilahduttavasti vastauksia tuli jokaisesta tiedekunnasta ja lukuisista oppiaineista. Emme ole vielä kerenneet analysoimaan kyselyn tuloksia perusteellisesti, mutta halusimme kuitenkin tuoreeltaan kertoa ensituntemuksia. Tästä on sitten hyvä jatkaa perusteellisemmin kesän jälkeen ja uusin voimin.

Aineistonhallintasuunnitelma ja datanhallinnan taidot

Kyselyn taustalla on osaltaan kansallinen linjaus tutkimusaineistojen ja -menetelmien avoimuudesta, jossa yhtenä tavoitteena on opiskelijan aineistonhallintasuunnitelman eli DMP:n (Data Management Plan) arviointi ja kommentointi osana opinnäytetyön ohjaajan ohjaustyötä. Tämän pitäisi tapahtua vuoteen 2024 mennessä. Tällä hetkellä perusopiskelijoiltahan ei edellytetä aineistonhallintasuunnitelmaa, joten linjaus asettaa korkeakouluille uusia tavoitteita.

Kansallinen linjaus ei ole tietenkään ainoa syy nostaa esiin tutkimusdatanhallinnan taitoja. Tutkimusdatan hyvän hallinnan taidot tulevat tarpeeseen kenelle tahansa tiedon parissa työskentelevälle ihmiselle, sillä tiedon- tai datanhallinta on osa työelämän perustaitoja. Korkeakoulujen tehtävä on huolehtia siitä, että opiskelijoille on tarjolla tutkimusdatanhallinnan opetusta ja että ohjaajilla on riittävä tuki, jotta he pystyvät arvioimaan opiskelijoiden aineistonhallintasuunnitelmia. Tässäkin yhteydessä yliopiston eri asiantuntijoiden osaaminen kohtaa yli yksikkörajojen.

Taustoitimme kyselyä toteamalla, että tutkimusdatan hyvässä hallinnassa noudatetaan sellaisia datan käsittelyn ja tallennuksen toimia, jotka varmistavat tutkimustulosten toistettavuuden ja todennettavuuden sekä tutkimusdatan avaamisen ja uudelleen käytön lainsäädännön sallimin rajoin. Hyvä datanhallinta noudattaa siten FAIR-periaatteita eli data on löydettävissä (Findable), saavutettavissa (Accessible), yhteentoimivaa (Interoperable) ja uudellenkäytettävissä (Re-usable).

Taidot ja tuen tarpeet tutkimusdatanhallinnassa

Kyselyssä kartoitimme datanhallinnan teemojen käsittelyä perusopintojen eri vaiheessa sekä ohjaajien omaa osaamista ja tuen tarvetta mm. FAIR-periaatteista, datan omistajuudesta ja tietosuojasta, metadatasta sekä datan säilyttämisestä tutkimuksen aikana ja sen jälkeen. Datan säilyttämiseen tutkimuksen aikana olimme tässä kyselyssä sisällyttäneet mm. tietoturvallisen tallentamisen, käyttöoikeudet, varmuuskopioinnin ja tiedostomuodot.

Ensisilmäyksellä näyttäisi siltä, että datan säilyttämiseen liittyvät seikat ja tietosuoja-asiat ovat muita osa-alueita paremmin hallussa. Näitä myös usein opetetaan perusopinnoissa jollain tavoin. Tämä kertoo varmastikin osaltaan siitä, että niillä aloilla, joissa henkilötietojen käsittely on keskeistä, asiaan osataan kiinnittää ja kiinnitetään huomioita. Kaikki tutkimusdata ei luonnollisestikaan sisällä henkilötietoja, eikä tietosuoja nouse tuolloin esiin. Sen sijaan tutkimuksen toistettavuus tai vaikkapa datan kaupallinen potentiaali saattavat motivoida datanhallinnan taitojen huomioimista opetuksessa ja ohjauksessa.

Tutkimuksenaikaisen datan säilyttämiseen ja jakamiseen liittyvät käytännöt ovat nekin ohjauksen ja tutkimuksen arkea ja solahtavat luontevasti opetukseen ainakin joidenkin aineistotyyppien kohdalla. Aineistojen omistajuutta sekä avointa dataa ja sen saatavuutta käsitellään jonkin verran, mutta metadata ja FAIR-periaatteet tuntuvat jäävän hieman syrjään. Näihin teemoihin opinnäytetyön ohjaajat kaipaavat myös enemmän tukea.

Datanhallinnan opetus sopii vastaajien mielestä esimerkiksi tutkimusmenetelmäopintoihin, gradujen suunnitelma- ja tulosseminaareihin ja ennen kaikkea opinnäytetyöohjaukseen. Näissä datanhallinnan teema osuukin eittämättä otolliseen kohtaan opintoja. Vastauksista käy ilmi myös tutkimusaineistojen moninaisuus: toisaalla tarvitaan vahvaa tietosuojaosaamista, toisaalla suurten datamassojen käsittelyä ja joskus koko datanhallinta saattaa tuntua melko marginaaliselta.

Kesä saa kypsytellä kyselyn satoa. Tästä on hyvä lähteä yhdessä suunnittelemaan tutkimusdatanhallinnan osaamisen integrointia perusopintoihin ja pohtimaan, millä tavoin kirjasto voi ohjaajia tuossa työssä tukea.

Kuva | Image Harish Sharma (Pixabay).

UEF Library made a survey about research data management training during studies and master thesis supervision in late spring. Despite the hectic spring and short answering period, the survey received 130 answers –thank you responders! Delightfully, answers came from all faculties and several study subjects. We have not yet had time to thoroughly investigate the answers, but we would like to share our initial feelings about the responses. It will be easy to continue with a more profound analysis after the summer holidays have refreshed our thoughts.

Data management plan and data management skills

The motivation for the survey partially came from the national open science policy, where one goal is that all supervisors can evaluate and comment data management plans (DMPs) as a part of the thesis supervision. This should actualize by 2024 for Finnish higher education institutions, which is quite ambitious because currently the requirement to prepare DMPs as a part of master studies has not yet been implemented at all.

Of course, national policy is not the only reason to promote data management skills, because they are working life skills and relevant for all persons who work with data. It is utmost important for higher education institutions to ensure that students are taught data management skills and that the supervisors receive enough support to be capable of evaluating DMPs. This is where specialists should meet over departmental and administrative boundaries.

Prior to the survey, we informed participants that good data management follows practices that ensure the replicability and verifiability of results and enable opening and re-use of data within legislative boundaries. Good data management follows the FAIR-principles, meaning that data is Findable, Accessible, Interoperable and Re-usable.

Skills and training needs in research data management

We surveyed data management themes at various stages of studies, and supervisors’ skills and training needs regarding FAIR-principles, data ownership, data protection, metadata, and data storage during and after research. We included in the survey questions about safe data storage, user rights, back-ups, and file formats.

Data storage options and data protection issues are best known among supervisors, and they are often taught already during basic studies. This means that in those fields of study where handling personal data is crucial, teachers are also knowledgeable about the matter and pay attention to it. Naturally, not all data contains personal information, and data protection is not as critical in those fields – despite this, replicability of the study and commercial potential may motivate teachers to instruct and supervise data management skills.

Data storage during research and conventions about sharing of data are also part of everyday life in research and are a natural part of teaching regarding certain data types. Data ownership and open data are taught to some extent, whereas metadata and FAIR principles are taught rarely. These are also the themes where supervisors hoped to receive more guidance, according to our survey.

The survey respondents feel that data management skills would be optimally taught during research method courses, thesis seminars and supervision of master’s thesis. Indeed, this would be an ideal time to learn those skills as they can be applied immediately in practice. The responses also reflect the diversity of data types: in some fields data protection is crucial, elsewhere treatment of big data is important and, in another field, the need for data management skills may feel marginal altogether.

We will let summer ripen our harvest. This is good background information to start planning how research data management should be integrated to basic studies and contemplate how library could support supervisors in giving data management guidance to their students.

Vuoristorata | A roller coster
Kuva | Photo Roine Piirainen, CC0 (Kuvalähde | Image source: kuviasuomesta.fi by Markkinointitoimisto Tovari).

Manna Satama, tietoasiantuntija | information specialist
Helena Jäntti, tietoasiantuntija | information specialist
Niina Nurmi, projektisuunnittelija | project planner
Laura Parikka, tietoasiantuntija | information specialist
Taisa Sallinen, tietoasiantuntija | information specialist

Opetus- ja tietopalvelut | Training and information services

Share

Tutkijoiden viesti: Lisää tukea, osaamista ja suunnitelmallisuutta tutkimusdatan hallintaan! | Message from the researchers: More support, skills and planning for research data management, please!

(Please, scroll down to read in English.)

Tutkimusaineistoihin liittyy mitä moninaisempaa tietämystä, osaamista ja toimenpidettä. Jossain kohdin törmää yleensä siihen, että omat taidot eivät riitä tai että asiat olisivat sujuneet paremmin, jos olisi tiennyt, mistä apu on löydettävissä. Tästä aihepiiristä UEFin tutkijat ja kirjaston datatuen väki jakoivat ajatuksiaan ja kokemuksiaan 27.10.2021 pidetyssä työpajassa, jonka otsikkona oli “Tutkijoiden dataosaaminen ja -tarpeet esiin”. Teemaa on sivuttu taannoisessa blogkirjoituksessa, jossa pohdimme tutkimusaineistojen asiantuntijoiden rikasta kenttää. Työpajan teema osui selvästi ajankohtaiseen aiheeseen, sillä samalle päivälle sattuneessa Yhteiskunta- ja kauppatieteiden tiedekunnan strategiapäivässäkin avoin tiede tutkimusaineistoineen keräsi mittavan osallistujajoukon ja herätti vilkasta keskustelua.

Tutkimuksen ja tutkimusaineiston elinkaaret

Tutkimusaineistoa tai -dataa voidaan jäsentää suhteessa tutkimukseen, jonka raaka-aineena se toimii. Tutkimuksen edetessä raakadatasta muokkautuu usein valikoidumpia datasettejä, jotka ovat voineet käydä läpi erilaisia prosesseja ja muokkauksia. Aineistonhallinnan keskustelussa puhutaan usein tutkimuksen ja tutkimusaineistojen elinkaarista. Tutkimuksen elinkaari hahmotetaan kolmeen vaiheeseen: ennen tutkimusta, tutkimuksen aikana ja sen jälkeen. Tutkimusaineistojen elinkaari ulottuu usein tutkimuksen elinkaarta pidemmälle, kun aineistoja hyödynnetään uudelleen.

Työpajassa tunnistettiin tutkimusaineistoihin liittyviä toimenpiteitä ja tietotaitoa erityisesti tutkimuksen aikana. Tällaisina mainittiin vaikkapa datan analysointi, dokumentointi, ohjelmointi, tietokantaosaaminen, sensitiivisen aineiston käsittely ja datan jakaminen tietoturvallisesti yhteistyökumppaninen välillä. Työ on kuitenkin alkanut jo tutkimusta ennen aineiston keruun ja yleisemmin aineistonhallinnan suunnitteluna. Tutkimuksen jälkeen täytyy aineistollekin tehdä jotain: jokin osa aineistosta säilytetään, jokin tuhotaan, ja aineistoa myös avataan tai julkaistaan. Ihannetapauksessa aineisto on uudelleenkäytettävissä jonkin muun tutkimuksen raaka-aineena, jolloin aineiston elinkaari konkretisoi mainiosti asiakirjahallinnan ja arkistotoimen keskustelussa esiintyvää jatkumomallia.

Tutkimusaineiston käsittely edellyttää tutkijoilta usein teknisten taitojen lisäksi yleisiä aineistonhallinnan taitoja vaikkapa terminologian ymmärtämiseen tai tiedon etsimiseen omaan tilanteeseen ja tarkoitukseen sopivista toimenpiteistä ja ratkaisuista. Kaiken pohjana ovat kuitenkin tutkijan perustaidot eli tutkittavan aiheen perustavanlaatuinen tunteminen ja ymmärrys, tutkimusetiikka ja sen käytäntöjen hallinta.

Lisää osaamista ja tukea, kiitos!

UEFin datatuen kehittämisen yksi kulmakivi on yhden luukun palvelun parantaminen, jolloin tutkija pääsisi datasupport@-osoitteen kautta monen eri alan asiantuntijan avulla tuotetun kattavan tuen ja tiedon äärelle. Työpajassa tutkijat saivat vapaat kädet ideoida ja toivoa, mitä palvelua datatuen yhdestä luukusta pitäisi saada ja millainen tuki heitä olisi auttanut eteen tulleissa ongelmatilanteissa ja osaamisen puutteissa. Osa toiveista kohdistui sellaisiin tukipalveluihin, joita on jo nyt tarjolla, mutta joiden olemassaolo ei ole vielä tavoittanut tutkijoita. Esimerkiksi aineistonhallintasuunnitelman (DMP) tukea on saatavilla kommentointipalveluna ja koulutuksina, ja myös kohdennettuna tiettyihin rahoituksiin.

Neuvoja, ohjausta ja koulutusta kaivataan myös datan säilyttämiseen tutkimuksen aikana ja sen jälkeen, datan anonymisointiin, tietokantoihin ja vaikkapa datan käyttämiseen kahden yliopiston yhteisessä hankkeessa eri yliopistojen tunnuksilla. Datanhallinnan ratkaisuihin ja toimintatapoihin toivottiin suunnitelmallisuutta sekä jaettua ymmärrystä ja osaamista vähintäänkin tutkimushankkeiden sisällä. Kokonaisuuden hallinta ei saisi jäädä vain yhden ihmisen varaan.

Yleisemmän aineistonhallinnan tuen rinnalle tunnistettiin tarve aineisto- tai alakohtaisille asiantuntijoille sekä tiedekunnan tasolla oleville tukihenkilöille. Aineistonhallinnan vastuiden konkretian tasot on kuitenkin muistettava: Tukitoimet keskittyvät ohjeistuksiin, koulutuksiin ja neuvoihin, mutta ne eivät pysty vastaamaan varsinaiseen aineistonhallintaan, sillä se on tutkijoiden omalla vastuulla.

Vertaistuesta datatukeen

Vertaistuki on tutkijankin työssä ja aineistonhallinnan asioissa kullan arvoista. Vaikka epäviralliset, usein sattumanvaraiset keskustelut kollegoiden kesken ovat tiedon jakamisen tärkeä kanava, tarvetta on organisoidummalle kollegiaaliselle tuelle. Koulutukset, webinaarit ja oppimisyhteisöt mainittiin hyvinä keinoina jakaa ja saada tietoa. Osastoilla ja laitoksilla voisi olla myös tieteenalakohtaisia datanhallinnan mentoreita, jolloin vertaistukea olisi saatavilla järjestäytyneemmin.

Mikä sitten motivoisi tutkijaa tarjoamaan omaa osaamistaan? Tähänkin kaivataan kannustimia aivan kuten moniin avoimen tieteen käytännön toimiin ylipäätään. Työpajassa mainittiin esimerkkinä koulutuksiin osallistuminen, joka pitäisi pystyä kirjaamaan työraportointeihin. Datanhallinnan taitojen tulisi ylipäätään näkyä selkeämmin tutkijan meritoitumisessa. Tämä antaisi kaivattua nostetta osaamisen kehittämiselle ja lisäisi panostusta tiedekuntien datanhallintaan.

Eräänlaisena yleisenä ohjenuorana ja työpajan kiteytyksenä on suunnitelmallisuus, joka tuli keskustelussa esiin monessa kohdin. Käytännön esimerkkinä mainittiin tutkimushankkeet, joissa datanhallinnan käytänteet pitäisi dokumentoida kunnolla ja joissa niistä pitäisi huolehtia siten, että käytänteet välittyvät myös hankkeisiin tuleville uusille tutkijoille. Tämä saattaa kuulostaa itsestään selvältä, mutta tutkimuksen arjessa ideaalit eivät välttämättä toteudu. Aineistonhallinnan suunnittelun olisi löydettävä paikkansa tutkimussuunnitelman kiistattomana osana. Tässä kohdin tiedekuntien vertaistuki ja yliopiston yleinen datatuki voivat täydentää toisiaan luontevasti ja kaikkien erityisasiantuntemusta tehokkaasti hyödyntäen.

 

Arrows depicting the research data cycle from data collection to analysis and to disseminating results
Työpaja oli osa kirjaston OA-viikon ohjelmaa ja liittyi kirjaston koordinoimaan datatuen kehittämishankkeeseen, jonka kuulumisia on esitelty kirjaston blogissa. Työpajaan osallistui tutkijoita kaikista neljästä tiedekunnista. | The workshop was part of the Library’s OA Week program as well as of the data support project coordinated by the Library (see our project update from an earlier blog article). All four faculties were represented in the workshop. Image by: Patrick Hochstenbach (CC-BY)

Working with research data involves a wide variety of know-how. At some point, you may notice that your skills aren’t enough, or that things would have worked out better if you had known where help was to be found. Researchers and the library’s data support staff shared their thoughts and experiences on this theme in a workshop held on 27 October 2021, with the title “Uncovering the data skills and needs of the researchers”. We handled the same theme in our recent blog, reflecting on the wide variety of expertise in research data.

The life cycles of research and research data

Research data may be perceived in relation to the research for which it serves as the raw material. As research progresses, raw data is often modified to select data sets, which may have gone through various processes. In the context of research data management, the life cycle of both the research and the research data are common concepts. Research life cycle is often divided into three phases: before, during and after the research. The life cycle of research data typically extends beyond the life cycle of research when the data may be reutilized.

In the workshop, we identified measures and know-how related to research data particularly during the research, such as analysing and documenting data, programming and database skills, handling sensitive data and safe data sharing with research partners. The work, however, starts even before the research when data collection and managing data are planned. After the research, the data calls for some actions as well: something will be stored, something destroyed, and some data may be opened or published. Ideally, the data can be reused as raw data for new research. In this case, the life cycle of the data concretizes, in a nice way, the continuum model used in records management.

In addition to technical know-how, data handling requires skills and knowledge of a more general kind, for example, understanding the terminology or finding solutions best suited for one’s needs. However, the basic skills of the researcher, namely fundamental knowledge and understanding of the subject matter, research ethics and its practices, are the basis of everything.

More skills and support – yes, please!

Improving the one-stop-shop for data management support services at UEF is one of the cornerstones of the development project: researchers will be able to access extensive support and information through the datasupport@ service channel produced by different professionals coming together from different fields of expertise. Researchers were able to pitch their ideas and make wishes for the kinds of services the one-stop-shop for data management support should offer and what type of support would have helped them during past problems and lack of skills. Portion of the hopes matched services that had already been implemented but that the researchers were not familiar with yet. As an example of existing services, support for writing a research data management plan (DMP) is already in place in the form of a DMP commenting service and various trainings, including targeted training for specific funding instruments.

Advice, guidance, and training are also needed for storing data during and after research, anonymization of data, research data bases, and using data in a collaborative project between two different universities. Researchers also called for well-planned solutions and procedures for data management, including shared understanding and skills at least within individual research projects as a minimum level.

Managing the big picture should not be left on the shoulders of one person. The importance of experts specific to datatypes and disciplines along with support personnel embedded in faculties was recognized in supplementing general research data management support services. One must bear in mind the concrete levels of data management responsibilities though: support measures focus on guidance, training and advice, while they cannot meet the actual management of research data which remains the responsibility of researchers.

From collegial support to datasupport

Collegial support is valuable not only in matters of data management but more generally in the everyday work of a researcher. Although unofficial, often random conversations with colleagues are important channels of information sharing, there is a recognized need for more organized collegial support. Trainings, webinars and learning communities were mentioned during the workshop as good means of sharing and receiving information. Faculties and departments could also have embedded discipline-specific data management mentors, to make peer support more systematically available.

What would, then, motivate researchers to offer their know-how to others? Incentives may be needed for willingness to mentor others, and this is also recognized more widely in relation to many practical measures in open science. The possibility to record attendance on data management training sessions to work reports was mentioned as one suggestion. Overall, research data management skills should be made more visible in meriting researchers. This would give a much-needed lift to developing skills and add investment by faculties on managing research data.

The importance of planning ahead was raised several times during the conversation and hence it can be summarized here as a kind of general guideline and a take-home message from our workshop. There were practical examples from research projects, where research data management practices should be documented well and thoroughly to make sure that they will be available to new researchers entering the project. Although this may sound self-evident, such ideals do not necessarily actualize during everyday research. Data management planning should find its rightful place as an undisputable part of a research proposal. Moreover, it is one of the many avenues, where collegial support of the departments can complement general data support services, making best use of everyone’s expertise most efficiently.

Manna Satama, datanhallinnan projektisuunnittelija | Data management project planner
Niina Nurmi, datanhallinnan projektisuunnittelija | Data management project planner
Tutkimuksen tuki | Research support
Opetus- ja tietopalvelut | Training and information services

Share

Miten tukea opiskelijaa ja opettajaa aineistonhallinnassa? | How to support students and teachers in data management?

Tutkimusaineistojen hallinnan tärkeys ja vaatimukset ovat viime vuosina tulleet tutkijoille tutuiksi, mutta nyt on aika viedä tietoa tästä myös tutkinto-opiskelijoille. Korkeakoulujen ja tutkimusyhteisön yhteisissä kansallisissa linjauksissa todetaan, että opinnäytetöiden ohjaajien tulee osata osana ohjaustyötään arvioida ja kommentoida opiskelijoiden datanhallintasuunnitelmia. Datanhallinnan koulutus tulisi myös sisällyttää opetussuunnitelmiin perus- ja jatkokoulutuksessa (kts. Tutkimusaineistojen ja -menetelmien avoimuus. Korkeakoulu- ja tutkimusyhteisön kansallinen linjaus ja toimenpideohjelma 2021–2025. Osalinjaus 1: Tutkimusdatan avoin saatavuus). Tämä tietenkin tuo uusia osaamisvaatimuksia niin opiskelijoille kuin opettajille. Näihin liittyviä ajatuksia ja tarpeita lähdettiin kokoamaan opettajien kanssa yhdessä kirjaston toteuttamassa Miten tukea opiskelijaa aineistonhallinnassa -työpajassa kesäkuun alussa. Työpajaan kuului kaksi tapaamiskertaa, joiden välissä osallistujilla oli viikko aikaa pohtia annetun tehtävän kautta oman oppiaineen opiskelijoille olennaisia aineistonhallinnan kysymyksiä.

Aineistonhallinnan koulutus uusien vaatimusten edessä

Aineistonhallintaan on jo koulutusta jonkin verran tarjolla. Vaikka tiedonhaku ja julkaisuasiat ovat kirjaston koulutuksessa olleetkin vahvemmin esillä, kirjasto on tarjonnut tutkijoille koulutusta ja tukea aineistonhallintaan useamman vuoden ajan, lue lisää siitä kirjaston verkkosivuilta. Jatko-opiskelijoiden opinnoissa on ollut myös tarjolla aineistonhallinnan sisältöjä ja syksystä 2021 lähtien kirjasto tarjoaa kokonaisen 1 opintopisteen laajuisen opintojakson Tutkimusaineistonhallinnan perusteet. Osana avoimen tieteen opetusta avointa tutkimusdataa käsitellään Basics of Open and Responsible Science opintojaksolla. Maisterivaiheen opiskelijoille on pieni katsaus aineistonhallintaan Syventävät informaatiotaidot opintojaksolla ja jakson oppimateriaali on avoimesti kaikkien käytettävissä.
Tutkimusaineistojen hallinta on teemana noussut esiin yhä vahvemmin, mihin ovat vaikuttaneet esimerkiksi aineistoihin liittyvät monitahoiset käyttöoikeudet ja omistajuudet tietosuojineen, aineistojen uudelleenkäytön edistäminen ja datamäärien toisinaan eksponentiaalinen kasvu. Aineistonhallinnan osaamisvaatimukset eivät rajoitu pelkästään tutkijoihin, vaan ne kohdistuvat enenevissä määrin myös opiskelijoihin. Aineistonhallinnan perustaidot ovat osa työelämätaitoja, joita tarvitaan kaikkialla – myös tutkijanuran ulkopuolella.

Aineistonhallintaan liittyviä kysymyksiä on opiskelijoiden opetuksessa käsitelty eri oppiaineissa hyvinkin eri tavoin riippuen aineistotyyppien asettamista vaatimuksista sekä ohjaajien ja opettajien kiinnostuneisuudesta ja omasta osaamisesta. Enää ei voida tukeutua oletukseen, että opiskelijat jotain kautta oppivat aineistonhallinnan perustaidot. Opinnäytetöiden ohjaajat ja esimerkiksi menetelmäopetuksesta vastaavat opettajat ovat uusien vaatimusten edessä. Tarvitaan systemaattisempaa aineistonhallinnan opetusta ja tavoitteiden kirjaamista opetussuunnitelmiin.

Työpajassa esiin nousseita huomioita

Työpajassa nousi esiin tärkeitä huomioita tarjolla oleviin ohjeisiin ja materiaaleihin. Ohjeet on suunnattu usein tutkijoille, ne ovat melko pitkiä ja sisältävät paljon opiskelijoille uutta, vaikeaselkoistakin terminologiaa. Ohjeet ja materiaalit kaipaavat muokkausta opiskelijalähtöisemmiksi. Terminologiaa pitäisi selittää yleistajuisesti ja käytännön esimerkkien avulla voitaisiin lisätä ymmärrystä, miten tutkimusaineiston hallinnan asiat linkittyvät tutkimuksen eri vaiheisiin. Esiin nousi myös se, että tarjolla olevia ohjeita ei välttämättä löydetä helposti. Opetusmateriaalin kokoaminen yhteen selkeään paikkaan helpottaisi tutkijoita, opettajia ja opiskelijoita. Syvempää tieteenala- ja aineistotyyppikohtaista tietoa tarvittaisiin lisää. Eri tieteenaloilla käytetään erilaisia aineistoja, jotka puolestaan määrittävät osaltaan mitä aineistonhallinnan osa-alueita tulisi opettaa kattavammin ja mitä asioita on saatettu jo käydä läpi muiden kurssien, kuten menetelmäkurssien, yhteydessä. Myös siinä on vaihtelua, kerätäänkö jo opinnäytetyötä tehdessä uutta vai hyödynnetäänkö olemassa olevaa aineistoa.

Osa opiskelijoista voi tehdä opinnäytetyön laajemman tutkimushankkeen osana, jolloin hankkeessa määritellään, miten aineistoa hallitaan ja millaisia oikeuksia ja velvollisuuksia siihen liittyy. Vaikka opiskelija käyttäisi valmista aineistoa opinnäytetyössään, on tärkeää, että jokainen opiskelija oppii aineistonhallinnan perustaidot, koska ne ovat myös keskeisiä työelämätaitoja. Aineistonhallinnan taidot linkittyvät myös menetelmäosaamiseen ja hyvään tieteelliseen käytäntöön. Siksi on tärkeää, että käsitteitä ja eri osa-alueita avataan mahdollisimman aikaisessa vaiheessa opintoja.

Osana työpajan tehtäviä käytiin läpi kansallisessa yhteistyössä tuotettuja luonnoksia aineistonhallinnan osaamistasoista eri kohderyhmille perustutkinto-opiskelijoille, jatko-opiskelijoille ja heidän ohjaajilleen. Osaamistavoitteista saatiin arvokkaita kommentteja opettajilta. Ne myös herättivät monenlaisia tunteita; vaikka yhteisesti määritelty osaaminen on tärkeää, se myös asettaa suuria vaatimuksia opettajille. Osaamisvaatimuksia on paljon, niin opiskelijalle kuin opettajalle. Moni opettaja totesikin kaipaavansa ja tarvitsevansa lisäkoulutusta aiheeseen. Aineistonhallinnan teemat ja sisällöt ovat laajoja, uusia asioita pitää omaksua ja osata soveltaa niitä käytäntöön, kuten GDPR ja tietosuoja-asiat ovat osoittaneet. Aineistonhallinnan opetukseen on myös käytettävissä vain rajallinen aika. Tällä hetkellä opettajille ei ole tarjolla heille suunnattua aineistonhallinnan koulutusta, jossa käytäisiin aineistonhallinnan opettamista läpi.

Työpajan keskeisenä tuotoksena voisi todeta, että aineistonhallintaa käsitellään tai sivutaan monessa kohtaa yliopisto-opintoja ja useiden tahojen toimesta, mutta se ei ole järjestelmällistä. Olisi tarve tehdä systemaattisempi katsaus ja työnjako aineistonhallinnan opetukseen; mitä sisällöt ovat, onko päällekkäisyyttä tai aukkoja, miten saadaan opetus kattamaan kaikki opiskelijat? Tästä on syytä avata yliopistotasoinen keskustelu. Aineistonhallinnan opetus ei ole yksin kenenkään vastuulla, ei kirjaston, eikä yksittäisen opettajan, vaan siihen tarvitaan joukko asiantuntijoita ja yhteistyötä, verkoston voimaa.

Kaikille opetus- ja ohjaustyötä tekeville pohdittavaksi: Miten sinä opetat aineistonhallintaa? Miten aineistonhallinnan asiat näkyvät työssäsi? Millaista koulutusta tai materiaalia kaipaat aineistonhallintaan? Kerro ajatuksiasi vastaamalla tähän kyselyyn. Vastuksista saadaan arvokasta tietoa aineistonhallinnan opetuksen kehittämiseen.


In English

In recent years, researchers have become well aware of the importance of and the requirements for research data management. Now it’s time to engage students in these matters as well. The national policies of Finnish universities and research community state that thesis supervisors have to be able to evaluate and comment on the research data management plans of the students. Data management courses should be included in the curriculum of graduate and post graduate studies (See Open research data and methods. National policy and executive plan by the higher education and research community for 2021-2025. Policy component 1: Open access to research data). Thus, new demands face students and teachers alike. This set the stage for a workshop for teachers organised by the Library. The workshop “How to support students in data management” was held in early June in two parts. In between the two sessions, the participants had time to reflect data management issues relevant to their students in their specific research field.

Training of research data management facing new demands

UEF Library has offered data management courses and support for researches for several years read more from Library’s web page although themes such as information retrieval and publishing issues have been at the front line. Post graduate students have been able to include a module on data management in their curriculum, and open research data is part of the course Basics of Open and Responsible Science. The coming fall, the Library will introduce a new course Basics of research data management 1 credit point. For graduate students, these issues are touched on in a course Syventävät informaatiotaidot. The material (in Finnish) for this course is openly available.

Research data management as a theme has emerged ever more strongly into the academic everyday work. The demands of know-how for managing research data concern not only researchers but students as well. The basic skills of data management are needed in working life even outside academic research.

Issues of data management are covered in a variety of ways in graduate studies depending on the department, the academic field, the type of data as well as the interest and the skills of the instructors. However, we no longer can just assume that the students will somehow learn basic data management skills. The thesis supervisors and instructors of graduate research methods face new demands. We need systematic teaching of data management and the competence objectives to be specified and recorded in the curriculum.

Points noted during the workshop

Some important points arose at the workshop concerning the guides and materials offered for data management. They are often targeted for researchers, tend to be rather long and contain a lot of new, complex terminology for students. Both the guides and other materials need to be rendered more student friendly. The terminology should be explained on a more general level, whereas practical examples can elucidate understanding of how different aspects of data management link to the various stages of the research process. It was also noted that the instructions offered currently are not easily found. Gathering the materials in a designated one place would help the researchers, teachers and students.

What is also required is deeper coverage of discipline- and data-specific information. The data collected and used tends to differ among the academic disciplines, which in turn determine partially which sections of research data management should be taught more thoroughly, and which topics may already have been covered during other courses, such as methods training. Another aspect varying among disciplines is, whether the students collect new data for their thesis or dissertation, or make use of existing data. It is also worth noting that some students complete their thesis or dissertation within a larger research project. In such cases, the issues concerning data management and data ownership are already resolved within the project. But whether students reuse existing data in their dissertation or not, it is important that every student learns the basic skills of research data management because such skills are also essential for working life. In addition, proficiency in data management is an integral part of methods skills and best scientific practices. It is therefore important to clarify the various terms and topics of data management during the early stage of studies.

The workshop also covered the draft versions of skill levels of data management for different target groups, including undergraduate students, graduates, and their tutors. These learning goals have been drafted in national collaboration. The learning goals yielded valuable comments from the teachers and evoked mixed feelings; although it is important to determine the desired proficiencies collaboratively, this also sets heavy requirements for the teachers. There are several learning requirements for both the students and the teachers. Many of the teachers participating in the workshop expressed their hopes and needs for more training on the topic. The themes and contents of data management are expansive, necessitating the ability to adopt new concepts and to apply them in practice, as in the case of sensitive data and GDPR. The time that can be allocated to teaching data management tends to be limited. Currently, a training package aimed for teachers on how to teach data management to students is lacking.

Among the central conclusions of the workshop, it could be stated that research data management is covered to some extent, or is touched upon, at several stages of university studies and potentially by several different teachers, yet this type of arrangement is not very structured. There is a clear need for a systematic review of teaching data management, and to discuss how to best organise the work; what are the contents, are there gaps or redundancies among various courses and modules, how to cover each student with the teaching? There is a call for opening a university-level discussion, because teaching data management is not the sole responsibility of a single unit, such as the library, nor a single teacher either. Rather, what is required is the collaborative power in the form of a network of experts, each contributing their strengths.

Anne Karhapää, tietoasiantuntija | Information specialist
Manna Satama, datanhallinnan projektisuunnittelija | Data management project planner
Niina Nurmi, datanhallinnan projektisuunnittelija | Data management project planner
Tutkimuksen tuki | Research support
Opetus- ja tietopalvelut | Training and information services

Share