yliopiston kampusalueelle

Transkriptio

1 yliopiston kampusalueelle 1

2 Lustotutkimuksen informaatiomalli Metla-ympäristössä Organisaation toimintaa tukevien älykkäiden asiantuntijajärjestelmien kehittäminen tieteenalakohtaiseen tietämykseen perustuen Mauri Timonen, Tapio Timonen ja Ilkka Kamaja Vers

3 SISÄLLYS: ALKUSANAT TIETO JA INFORMAATIO POHDISKELUA METLAN ASIAKIRJAHALLINNOSTA Tieto ja informaatio Metlassa Asiakirjahallinto LUSTOTUTKIMUKSEN INFORMAATIOMALLI LUSTOTUTKIMUKSEN ARKISTOINTIA: ESIMERKKIAINEISTO

4 ALKUSANAT Tämä raportti on osa Metlan lustotutkijoiden ja Lapin yliopiston informaatiotutkijoiden välistä yhteistyötä, jonka tavoitteena on hyödyntää tietoa aiempaa tehokkaammin ja monipuolisemmin. Yhteistyömme sai alkunsa Lustia-hankkeen ( ) innovaatiopalavereissa. Välietappina toimi Rovaniemellä kesäkuussa 2010 pidetty World Dendro 2010-konferenssi, jossa esittelimme työmme tuloksia otsikolla Lustotiedon hallinta Metlassa. Kehittämistyömme sai lisäpontta konferenssin jälkeen, kun oivalsimme muutamia keskeisiä periaatteita informaation olemuksesta. Huomasimme muun muassa sen, että informaation tallennusmuodot noudattavat hyvin samankaltaisia rakenteita, olipa kysymys vaikkapa maailmankaikkeuden rakenteista, perimäaineksen järjestäytymisestä tai hiukkasfysiikan lainalaisuuksista. Lisäksi oliopohjainen lähestymistapa ja informaatioteknologian menetelmien viimeaikainen nopea kehittyminen ovat mahdollistaneet aiempaa tehokkaamman tavan käsitellä informaatiota. Uusien näkökulmien soveltaminen informaation käsittelyyn on auttanut hahmottamaan suurempia kokonaisuuksia. Samalla ajatuksemme informaation tehokkaammaksi hyödyntämiseksi ovat täsmentyneet, mikä on tehnyt mahdolliseksi useamman sovelluksen suunnittelun ja muutaman toteutuksenkin. Kehittämistyötämme on edesauttanut syksyllä 2010 alkanut vuoropuhelu Metlan asiakirjahallinnon edustajien kanssa. Nyt pystymme toimimaan aiempaa paremmin lainsäädännön ja muiden tärkeiden ohjeistuksien määrittelemässä Metlan toimintaympäristössä. Keskitymme tässä paperissa tietämisen käsitteisiin ja tarkastelemme niitä yleisestä, Metlan ja lustotutkimuksen näkökulmista. Yritämme esittää asiat pelkistetysti, jotta lukijalle heräisi jäisi tilaa omille ajatuskuluilleen. Toivomme siten saavamme arvokasta palautetta jatkotoimenpiteitä varten. Rovaniemellä Tekijät 4

5 1 TIETO JA INFORMAATIO Mitä on tieto? Mitä on informaatio? Kuronen (1998) pohtii tiedon olemusta luentomonisteessaan Hajautettu dokumenttien hallinta 1 seuraavasti: Tieto on klassisen filosofisen määritelmän mukaan hyvin perusteltu tosi uskomus 2. Tieto on siten ihmisen ominaisuus. Paperilla tai tietokoneen muistissa ei koskaan ei edes periaatteessa voi olla tietoa, mutta ne voivat sisältää dataa ja informaatiota. Raja datan ja informaation välillä on epätarkka ja häilyvä. Ihmisen mielessä myös raja informaation ja tiedon välillä on häilyvä. Ei ole mitenkään itsestään selvää, missä vaiheessa informaatio muuttuu tiedoksi. Jonkinlainen yleiseen ajattelutapaan pohjautuva hahmotelma näiden kolmen käsitteen eroista on silti esitettävissä. Data (sana on monikkomuoto sanasta datum) on jotain sellaista, johon ei välttämättä liity mitään merkitystä; joka ei ole ehkä millään tavalla tulkittavissa informaatioksi ja omaksuttavissa tiedoksi (esim. kohina TV:n kuvaruudulla ohjelmien päätyttyä). Informaatio on sellaista dataa, johon on liitetty tai johon on liitettävissä jokin merkitys tai tulkinta. Esimerkiksi laitteiden sisäiset signaalit ovat tässä mielessä informaatiota. Pieni osa kaikesta informaatiosta on luonteeltaan sellaista, että se on oppimisen ja omaksumisen avulla muunnettavissa tiedoksi. Muuntumisen mahdollisuus riippuu sekä informaation luonteesta että oppijan edellytyksistä (aistien toiminta, kielitaito, aikaisemmin omaksutut tiedot). Tietämisen portaat nimetään usein seuraavasti: data, informaatio, tieto, ymmärrys ja viisaus. Kaksi ensiksi mainittua ovat ihmisen tajunnan kannalta pääasiassa ulkoisia, kolme jälkimmäistä kuuluvat yksinomaan mielen ja tajunnan piiriin. Ymmärrystä sen enempää kuin viisauttakaan ei pystytä määrittelemään täsmällisellä tavalla. Tavanomaisin ajattelutapa lienee sellainen, että tietojen käyttäminen ihmisen aktiivisessa toiminnassa johtaa vähitellen laajempien kokonaisuuksien hallintaan eli ymmärrykseen. Ymmärryksestä taas elämänkokemus vähitellen jalostaa ripauksen viisautta, puhutaanhan esimerkiksi iän mukanaan tuomasta viisaudesta. Tämän ajattelutavan mukaan jokainen ihminen pääsisi vähitellen nauttimaan sekä ymmärryksestä että viisaudesta. Tämän ajatusmallin pohjalta voidaan uudelleen miettiä tiedon, ymmärryksen ja viisauden välistä suhdetta. Kuka tahansa voi oppimisen ja kokemusten avulla hankkia ja saada tietoja. Tietojen jalostuminen ymmärrykseksi edellyttää uudistavaa oppimista, joka kytkeytyy ihmisen koko elämän ajan kestävään kehitykseen. Ymmärryksen kehittyminen vie normaalissa tapauksessa vuosikymmeniä. Järkyttävät, syvällisesti vaikuttavat kokemukset, kuten sodat ja vakavat sairaudet, saattavat nopeuttaa oleellisesti tätä kehitystä. Syvällisin viisaus sen sijaan kehittyy hyvin hitaasti ja sen kasvu tapahtuu historiallisessa mielessä hyppäyksinä. Viisaus tiivistyy poikkeusyksilöiden syvällisen ajattelun tuloksena. Portaat tiedosta viisauteen voidaan edellä esitetyn pohjalta tiivistää seuraavasti. Vanhoihin ja uudempiin teksteihin kirjatun viisauden omaksuminen tiedoksi on kasvatuksen ja koulutuksen ongelma. Tiedon jalostuminen ymmärrykseksi on henkilökohtainen koko elämän ajan jatkuva oppimisen ja kasvun prosessi. Ymmärryksen puhkeaminen viisaudeksi saattaa olla verraten harvinaista kiireisten länsimaisten ihmisten keskuudessa. Se on ehkä jotain sellaista, josta useimpien meistä on turhaa edes haaveilla

6 Älykkäitä asiantuntijajärjestelmiä rakennettaessa on erityisen tärkeää tietää, millä kohtaa tietämisen portaita milloinkin toimitaan. Kun tämä puoli asiasta on hallinnassa, on käytännön toteutus oliopohjaisilla tekoälytekniikoilla suhteellisen helppoa. 2. POHDISKELUA METLAN ASIAKIRJAHALLINNOSTA Kappaleet 21 ja 22 perustuvat tiedonhallinnan asiantuntija Jari Määtän haastatteluun. 21. Tieto ja informaatio Metlassa Data järjestyy Metlassakin tietämisen portaita soveltaen tiedoksi ja parhaimmissa tapauksissa viisaudeksi. Informaatiotutkimuksessa tästä prosessista käytetty käsite arvoketju toimii aasinsiltana arkistotieteen ja asiakirjahallinnon (records management) maailmaan ja käsitteisiin, jossa puhutaan arvonmäärityksestä. Se tarkoittaa yhteisön tuottamien asiakirjallisten tietojen säilytysarvon, -tavan ja -muodon määrittelyä, tärkeiden tietojen rajaamista vähämerkityksisistä tiedoista, tietojen jakamista pysyvästi ja määräajan säilytettäviin. Asiakirjalliset tiedot (tai vain tiedot) tarkoittavat asiakirjahallinnon maailmassa kaikkea "yhteisön tehtävien hoitamisen tai henkilön toiminnan tuloksena syntyvää tai saapuvaa (toiminnallista) tietoa", siis tietämystä kaikkine tasoineen. Metsässä mittalaitteilla kerättävä data on tämän määritelmän mukaan tietoa. Arkistolaitos on vahvistanut arvonmäärityksen, jonka mukaan tämä Metlan tietämys on pysyvästi säilytettävää eri erityisen arvokasta. Toisaalta täytyy tietenkin muistaa, että numerot itsessään ovat vailla todistusvoimaa ja merkitystä, jos konteksti ja kuvailut puuttuvat. Niiden lisääminen tekeekin tästä datasta filosofian määritelmän mukaan itse asiassa informaatiota. Arvonmäärityksessä tutkimuksen käyttämät aineistot on joka tapauksessa jaettu kolmeen osaan: "pohja-aineistoon" (alkuperäinen, muuttamaton), "perusaineistoon" (korjailtu, siistitty) ja "laskenta-aineistoon" (käsitelty, jalostettu tiettyä tarkoitusta varten). Kaksi ensimmäistä ovat pysyvästi ja kolmas määräajan säilytettävää asiakirjallista tietoa, siis informaatiota. Tietämisen portaisiin, arvoketjuun, liittyy sananmukaisesti niin ikään tietämisen arvotusta: viisaus on hioutuneena ja jalostuneena arvokkaampaa kuin data. Mutta onko tiedolla tai viisaudella lopulta mitään arvoa, jos sitä ei voida jäljittää, jos sen alkuperä on ei ole tiedossa, jos sitä ei voida tarvittaessa luoda uudelleen... Mikä on lopulta arvokkainta tietämystä? Näissä asioissa törmätään taas helposti käsitteiden eroavaisuuksiin, jotka johtavat helposti väärinymmärryksiin. Asiakirjahallinnon työntekijöiden yksi suurimmista haasteista onkin oman erikoiskielen käytön välttäminen. 22 Asiakirjahallinto Tiedonhallinnan asiantuntija Jari Määtän hahmottelemassa kaaviossa Metlan tiedonhallinnan kulmakivistä ilmenevät keskeisimmät tekijät ja niiden väliset vuorovaikutussuhteet (Kuva 1). Asiakirjahallinnon näkökulmasta tiedonhallinta Metlassa perustuu paitsi organisaation omiin tarpeisiin, ennen kaikkea ulkopuolelta tulevaan ohjaukseen sen toteuttamisesta. 6

7 Kaavio kuvaa ideaalitilannetta, ei välttämättä kuitenkaan tämän hetken todellisuutta. Tiedonhallinnan tulisi olla koordinoitua. Tietohallinto vastaa tietojärjestelmien ja laitteistojen teknisen puolen, asiakirjahallinto taas niissä ja/tai muualla käsiteltävän ja säilytettävän tiedon hallinnan koordinaatiosta (tietojen metatiedot, tehtävät ja niiden vaiheet, joissa erilaista tietoa syntyy). Asiakirjahallinnon tärkein työväline on tiedonohjaussuunnitelma (TOS 3 ), joka laaditaan ja jota ylläpidetään yhteistyössä eri tehtävien asiantuntijoiden kanssa. Tiedonohjaussuunnitelma voi tiedonohjausjärjestelmän kautta ohjata tietojen käsittelyä ja säilyttämistä erilaisissa operatiivisissa järjestelmissä, mutta se toimii ohjeistona myös ihmisille. Jos Metlassa määritellään tai hankitaan uutta tietojärjestelmää, sitä tarvitsevien substanssiasiantuntijoiden lisäksi työryhmässä pitäisi olla aina sekä tieto- että asiakirjahallinnon edustajat. Erikoisjärjestelmien tulee helpottaa ja tehostaa käyttäjiensä työntekoa, mutta substanssien erikoistarpeiden lisäksi niiden suunnittelussa on otettava huomioon myös ylläpito-, elinkaari-, integraatio- sekä tiedon pitkäaikaissäilytykseen, hävitykseen, käytettävyyteen, saatavuuteen, eheyteen, alkuperäisyyteen, todistusvoimaisuuteen ja luottamuksellisuuteen liittyvät asiat. Taisto ja aineistopalvelut. Taisto ei ole Määtän mukaan pysyvä tehtävä, ja oikeastaan tieto- ja asiakirjahallinnon kuuluisi vastata tuosta työstä Metlassa - tai vähintään olla siinä tiiviisti mukana. Aineistopalveluissa (organisaatioprosessi, ei tehtävä) taas hallitaan tietoa asiakirjahallinnon näkökulmasta siinä missä muuallakin organisaatiossa. Asiakirjahallinnon nimitys on hieman harhaanjohtava. "Asiakirjahallinto" ei ole vaan hallinnollisten asiakirjojen hallinnan ohjausta, vaan kaiken organisaatiossa syntyvän tiedon käsittelyn ja säilyttämisen koordinointia. Vastaavasti käsitteellä "asiakirjallinen tieto" ei tarkoiteta vain hallinnon asiakirjoissa olevaa tietoa, vaan aivan kaikkea tietoa (esim. tutkimuksen tietokannoissa oleva tieto), jonka organisaatio tuottaa sille kuuluvien tehtävien yhteydessä ja joka on todistusvoimaista. "Asiakirjahallinta" taas on päivittäinen tehtävä, joka kuuluu jokaiselle Metlassa työskentelevälle, tiedon kanssa tavalla tai toisella tekemisissä olevalle henkilölle. 3. LUSTOTUTKIMUKSEN INFORMAATIOMALLI Sinikka Jortikan artikkeli Lustotiedon hallintajärjestelmälle on kysyntää sopii hyvin tämän luvun johdannoksi, sillä siinä esitellään TRAPTHOR maailman perusteita ja lustotutkimuksen asiantuntijajärjestelmä. Lustotutkimuksen informaatiomalli (Kuva 2) soveltuu mm. prosessiorganisaatioiden tiedonhankintaan. Vasemmanpuoleisessa lohkossa kuvataan toimeksiantajan järjestelmä asetettujen tavoitteiden hallinnoimiseksi. Tässä tapauksessa järjestelmää tarkastellaan lustotutkimuksen näkökulmasta, joka tarvitsee yhteyksiä APAL-prosessiin, Asiakirjahallintoon ja TAISTOon. Kaavion oikeanpuoleisessa lohkossa kuvataan järjestelmä, jolla lustoinformaatiota hyödynnetään erilaisiin tarkoituksiin. Jos järjestelmiä (tieteenaloja) on useita, on jokaiselle varattava oma lohkonsa järjestelmäkuvauksineen. Järjestelmät osat muokataan olioiksi, 3 TiedonOhjausSuunnitelma (Sipan suunnittelupäivät ): 7

8 jolloin ne voivat toimia itsenäisesti. Olioiden hallintaan erikoistunut TRAPTHOR huolehtii kulloisessakin tapauksessa tarvittavien olioiden pääsystä toistensa vaikutuspiiriin ja prosessoimaan vastauksia tilaajalle. Nykytekniikkaan perustuva oliopohjainen informaation prosessointi on toimintaperiaatteeltaan yksinkertainen, mutta tuloksiltaan tehokas menetelmä tiedon hyödyntämiseen. Tässä yhteydessä tarkasteltavaksi valittu tieteenalue lustotutkimus (Dendrokronologia) on osa prof. Kari Mielikäisen johtamaa kasvu- ja tuotostutkimusta. Lustotutkimuksen älykkäiden asiantuntijajärjestelmien kehittämistyössä tukeudutaan lustotutkimuksen informaatiomalliin, jonka runkona on informaatiotiede (MID), tutkimusprosessi (TÄH- TInfo), oliopohjainen TRAPTHOR-suunnittelu, lustotutkimuksen informaationhallinta (MELTIH) sekä asiakaspalvelua varten kehitetty Lustotiedon Virtuaalimetsä. Lyhyt kuvaus toiminnoista: 31) MID Ilkka Kamajan informaatiofilosofisen väitöskirjatutkimuksen ohessa syntynyt MIDtiedekäsitys tarjoaa keinoja muun muassa tehokkaampaan Internet-informaation hyödyntämiseen. Posteri: MID - Multidimensional Information-Based Discipline 32) TÄHTInfo Vaihtoehtoina on neljä erilaista toimintamallia lustotietojen hyödyntämiseksi (Kuva 3). Raportti: Tutkimustiedon sisällönhallinta 33) TRAPTHOR Älykkyyden lisääminen tutkimusprosessiin ja tiedonhallintaan on ajankohtaista siksi, että erityisesti tutkijoiden pitäisi jo lähitulevaisuudessa kyetä toimimaan entistä parempina asiantuntijoina entistä vähemmillä resursseilla ja empirialla. Koska henkilöstön määrä Metlassa samalla vuosi vuodelta vähenee, on tutkijoiden tehokkuutta pyrittävä edistämään kaikin keinoin. Lapin yliopiston kanssa meneillään olevan yhteistyön tavoitteena on luoda "älykkäitä" asiantuntijajärjestelmiä, jotka tehostavat tutkijan työtä, auttavat analysoimaan informaatiota ja tarjoavat Metlan strategian mukaisia palveluita asiakkaille. Informaatiota hallitaan mallissamme informaatioteknologian menetelmin ja kehittämämme oliopohjaisen TRAPTHOR-informaatioprosessorin ohjaamana. TRAPT- HOR -pohjaisten sovellusten toivotaan aiheuttavan oman pienen vallankumouksensa tiedon hyödyntämisessä. Posteri: TrapThor - Information Management Environment for Advanced Use of Databases 34) MeLTiH Lustotutkimuksen tietovirtojen kuvauksessa huomioidaan puun sisäisen rakenteen, ajan, paikan ja laajennetun metainformaation tutkimukselliset vaateet (Kuva 4). 35) Lustotiedon virtuaalimetsä Lustotutkimuksen tiedonvaihtoa hallitaan TRAPTHOR-pohjaisella käyttöliittymällä (Kuva 5). Raportti: Olioavusteinen tiedonhallinta 8

9 Metlan jokaiselta tieteenalalta, joita on ainakin parikymmentä, tulisi luoda vastaavan tyyppinen kuvaus. Kun kuvaukset syötetään TRAPTHOR-järjestelmään ja kytketään siihen lisäksi Asiakirjahallinnon tarjoamat mahdollisuudet, on tarvittava materiaali Metlan tulevaisuuden asiantuntijajärjestelmien kokoamiseksi koossa. Niitä olisi teknisesti mahdollista toteuttaa jo nyt, mutta ongelmana on tietojärjestelmiemme keskeneräisyys. 4. LUSTOTUTKIMUKSEN ARKISTOINTIA: ESIMERKKIAINEISTO FT Samuli Helama tiedusteli, löytyisikö Metlasta sellaista vuosilustoaineistoa, joka sisältäisi kairaustietoa puun eri korkeuksilta. Pienen pohdiskelun jälkeen muistin Pentti Roiko-Jokelan johdolla 1980-luvun lopulla Laanilasta ja Pallasjärveltä kerätyn 10 puun runkoanalyysiaineiston (RDL-59), joka sopii erinomaisesti tähän tarkoitukseen. Aineistonkeruun työ- ja henkilöhistoriaa 33 vuoden ajalta : Aineiston nimi: Roiko-Jokelan runkoanalyysiaineisto (RDL-59) Suunnittelu: Pentti Roiko-Jokela, Mauri Timonen Keruukohteet: Laanilan Mangivaara, Pallasjärvi Maastotyöryhmä 1978: Pentti Roiko-Jokela (tutkija) Mauri Timonen (tutkija) Jouni Hyvärinen (kenttäapulainen) Erkki Oinas (koeapulainen) Kullervo Ruotsalainen (työnjohtaja) Eero Siivola (työnjohtaja) Tapio Timonen (kenttäapulainen) Aineiston esikäsittely 1978: Kullervo Ruotsalainen Erkki Oinas Tapio Timonen Henkilöhistoria 2010: Roiko-Jokela: siirtyi Metsähallitukseen 1982, nykyisin eläkkeellä Mauri Timonen: tutkija, jatkaa Metlassa Jouni Hyvärinen: atk-suunnittelija, jatkaa Metlassa Erkki Oinas: eläkkeellä Kullervo Ruotsalainen: metsätalousteknikko, jatkaa Metlassa Eero Siivola: metsätalousteknikko, jatkaa Metlassa Tapio Timonen: atk-ohjelmoija, jatkaa Metlassa Katsaus hiljaiseen tietoon Ylijohtaja on korostanut blogeissaan ns. hiljaisen tiedon pelastamista Metlan tietokantoihin. Tässä yhteydessä oli mielenkiintoista testata työryhmämme 33 vuoden takaisia muistikuvia. Kullervo Ruotsalainen, joka teki päätyön aineiston esikäsittelyssä, muistaa ryhmästämme selvästi parhaiten vielä 33 vuoden jälkeenkin työn yksityiskohdat, mistä oli runsaasti hyötyä rekonstruoidessamme aineiston ensimmäistä mäntyrunkoa (Kuva 2) uusiokäyttöön. On toistaiseksi vielä tutkimatta, mistä löytyy aineistonkeruuta koskeva kirjallinen dokumentaatio. Osa luultavasti on asianmukaisesti talletettuna Rovaniemen yksikön arkistohuoneeseen, mutta jotakin näyttää säilytetyn myös tutkimustiimimme ns. häkkivarastossa. 9

10 Kuva 1. Esimerkki Metlan arvokkaisiin tutkimusaineistoihin kuuluvan ns. Roiko-Jokelan runkoanalyysiaineiston elinkaaren kuvauksesta ns. TrapThor Timeline-esityksenä. Aineiston maastotyöt tehtiin vuonna 1978 tutkimustiimin yhteistyönä ja mtt Kullervo Ruotsalainen esikäsitteli vielä samana vuonna aineiston pienemmän työnryhmän kanssa. Kuva 2. Mtt Kullervo Ruotsalainen toimii ns. Roiko-Jokelan runkoanalyysiaineiston (RDL-59) vastuuhenkilönä. Hän joutui lokakuussa 2011 palaamaan vanhan työnsä ääreen valmistellakseen pikaisesti vuonna 1978 esikäsittelemänsä aineiston FT Samuli Helaman CARATE-projektin käyttöön. Kuvassa on meneillään ensimmäisen runkoanalyysipuun rekonstruointi. Aineistoa säilytetään Metlan Rovaniemen yksikön ulkovarastossa. Alkuperäinen aineisto sisälsi Laanilasta ja Pallasjärveltä kaadetun 10 puun noin 120 eri korkeuksil- 10 ta sahattua poikkileikkauskiekkoa. Jo etukäteen oli päätetty, ettei niitä varastoida, vaan otetaan jokaisesta kiekosta 60 asteen välein kolmiomuotoinen lustonäyte. Kunkin kiekon kuusi lastua arkistoitiin pieniin paperipusseihin (taustalla). Näin menetellen massiivinen alkuperäisaineisto saatiin pakattua kahteen pieneen laatikkoon ilman, että kiekoista luopumalla tietoa oltaisiin merkittävästi hukattu!

11 Kuva 1. Metlan tiedonhallinnan asiantuntija Jari Määtän näkemys Metlan tiedonhallinnan kulmakivistä. 11

12 Kuva 2. Viime vuosina tapahtuneet harppaukset sekä tietotekniikan että informaatioteknologian kehityksessä saattavat jo lähivuosina mullistaa käsityksemme tiedon hyödyntämismahdollisuuksista. Se voisi näkyä Metlassa mm. erilaisten nopeasti kehitettävien asiantuntijajärjestelmien yleistymisenä ja entistä vähempien henkilöresurssien tarpeena. Lustotutkimuksen informaatiomalli toimii viitekehyksenä Metlan tarpeisiin sovitetuille lustoinformaation asiantuntijajärjestelmille (mm. Lustotiedon Virtuaalimetsä), jotka voidaan helposti mukauttaa vastaamaan Metlan kulloistakin strategista ajattelua. 12

13 Kuva 3. Neljä erilaista toimintamallia lustotietojen hyödyntämiseksi. Perinteinen tapa (alin viiva) kuvaa Metlan nykyistä mallia, jossa tietokannat ja tiedon jatkokäsittely puuttuvat. Oranssi ja tummansininen käyrä kuvaavat nykyistä murrosvaihetta, jossa kehitetään TAISTO-tutkimusaineistojen hallintaa. Violetti (ylin) käyrä kertoo oliopohjaisesta lähestymistavasta, jossa olioarmeija mahdollistaa sekä henkilöresurssien vähennyksen että informaation laaja-alaisemman tarkastelun. Tilastomatemaattiseen laskentaan ja grafiikan luontiin kehitetty oliopohjainen R-ohjelmointikieli yhdistettynä Informaatioteknologiaan (MID) tarjoaa suotuisan toimintaympäristön (TRAPTHOR) pyrittäessä tehokkaaseen informaationhallintaan. Kuvan pohjana käytetty Mirja Vuopion laatimaa TAISTO-kaaviota. 13

14 Kuva 4. Lustotutkimuksen tietovirtojen kuvauksessa huomioidaan puun sisäisen rakenteen, ajan, paikan ja laajennetun metainformaation tutkimukselliset vaateet. Lustotutkimuksen informaatiota voidaan tallentaa joko MeLTiH-lustotietokantaan tai TAISTOon, jonka aineistonhallintatarpeet muodostavat vain osan MeLTiH-tietokannan tietosisällöstä. 14

15 Kuva 5. Lustotutkimustiedon hyödyntäminen perustuu kahteen asiaan: perustietokantoihin (MeLTiH +DATA) ja niitä hyödyntäviin älykkäisiin käyttöliittymiin. Lustotutkimuksen tiedonvaihtoa hallitaan TRAPTHOR-pohjaisella käyttöliittymällä, joka näkyy käyttäjälle (ASIAKAS) helppokäyttöisenä nettisivuna (PALVELUT). Samaa oliopohjaista analogiaa voidaan soveltaa myös Metlan kenttäkokeiden tiedonhallintaan, jolloin kenttäkokeiden tutkimusaineistot muuttuvat globaalimuutostutkimuksen aineistoiksi ja päinvastoin. Olioajatteluun perustuvan älykkään tiedonhallinnan voidaan odottaa valtaavan tutkimustulosten käytäntöön vientiä jo lähitulevaisuudessa, mikä tulee huomioida Metlankin tutkimustulevaisuuden suunnittelussa. 15

16 16