1 / 32 Tutkimusaineistoprojektin Jyrki Koivuniemi, Mikko Kukkola, Pauli Leppänen,
2 / 32 Sisällysluettelo 1 Tiivistelmä... 3 2 Johdanto... 5 2.1 Tavoite... 5 2.2 Tietovarannot... 6 2.3 Tieto tiedostoista tietokantaan... 7 3 Projektiorganisaatio... 7 4 tiedonhallinnan tilanne Metlassa ja muissa valtion (tutkimus)organisaatioissa 2009 alusta... 10 5 Työskentelykulttuurin kehittäminen... 11 6 Yleiset tietokantaratkaisut... 13 6.1 Muuttuja- ja koodistoratkaisu... 13 6.2 Tuonti- ja vientiaineistot... 14 7 Osaprojektit... 14 7.1 Tietohallinto... 15 7.1.1 Tehtävät... 15 7.1.2 Tietoarkkitehtuuri... 15 7.1.3 Tietovarannot ja pilottiaineistojen tietokantaistaminen... 16 7.1.4 Mallinnus... 17 7.2 Tiedon löydettävyyden parantaminen metatieto-osaprojekti... 17 7.2.1 Tehtävät... 17 7.2.2 Metatietoformaatti... 17 7.2.3 Aineistokäsite ja -kartoitus... 18 7.2.4 Asiasanastoista ontologioihin... 19 7.2.5 Sanastotyö... 20 7.2.6 Metsägenetiikan aineiston hakupalvelupilotti... 20 7.3 Koerekisteri... 20 7.3.1 Tehtävät ja tavoitteet... 20 7.3.2 Koerekisterin hankinta... 21 7.4 Metsägenetiikan ja Metsänjalostuksen kanta... 22 7.4.1 Tehtävät... 22 7.4.2 Tekniset ratkaisut ja kehitystyö... 22 7.4.3 Tietosisältö... 22 7.4.4 Käytettävyys... 23 7.4.5 Jatkotehtävät... 23 7.5 MaaPuu kanta; tiedostojen hallinnasta tietojen hallintaan... 23 7.5.1 Tehtävät ja tavoitteet... 23 7.5.2 Tulokset 2009-2010... 23 7.5.3 Tietosisältö ja tekniset ratkaisut... 24 7.5.4 Tietokannan yhteydessä toimivat sovellukset... 24 7.5.5 Käytettävyys... 25 7.5.6 Jatkotehtävät... 27 7.6 Suo -aineistot... 27 7.6.1 Tehtävät ja tavoitteet... 27 7.6.2 Tietosisältö ja kantamuunnokset... 27 7.6.3 Jatkotehtävät ja käytettävyys... 28 8 Viestintä... 28 9 Tulosten käyttömahdollisuudet... 28 10 Jatkosuunnitelmat; Tutkimusaineistoprojektista TAISTOON... 29 11 Lähteet... 30 12 Kiitokset... 31 13 Liitteet... 32
3 / 32 1 TIIVISTELMÄ Tutkimusaineistoprojektissa (1.1.2009 31.12.2010) suunnitellaan ja toteutetaan tutkimusaineistojen säilyvyyttä turvaavia ja käytettävyyttä parantavia ratkaisuja, jotka vastaavat Metlan tutkijoiden sekä asiakkaiden tarpeita. Tarpeet ja niiden toteutustavat on määritelty konsulttityönä, josta on kirjoitettu toukokuussa 2010 (Akselin et al. 2010). Projektin rinnalla on laadittu yhteistä aineistopolitiikkaa, joka on kehittynyt Lynet organisaatioiden yhteiseksi linjaukseksi. Lynet aineistopolitiikassa määritellään suuntaviivat tiedon säilyttämiselle sekä hakuratkaisujen kehittämiselle. Projektin tavoitteet ja tulokset tukevat EU lainsäädäntöä sekä valtionhallinnon päämääriä tutkimustiedon ylläpidosta, teknisistä ratkaisuista sekä tiedon saatavuudesta (CSC 2010, Borg & Kuula 2007, EU 2007): EU direktiivit (2007/2/EY, 2003/4/EY, 2003/98/EC) julkisen tiedon saatavuuden parantamisesta liittyen luonnonvara-/tilasto-/paikkatietoon. Julkishallinnon tietovarantojen saatavuuden ja käytön edistäminen -työryhmän (VM125:02/2007) tavoitteet. "JUHTA" Julkisen hallinnon tietohallinnon neuvottelukunnan (VM007:00/2010) tavoitteet. VALTASA hanke Valtionhallinnon yhteinen arkkitehtuuri. Tietohallintolaki esitys, joka edistää mm. yhteentoimivuutta, yhteisten palvelujen käyttöä ja julkisen hallinnon arkkitehtuurien suunnitelmallista kehittämistä valtion hallinnossa (tavoitteena, että laki astuu voimaan 1.1.2011). Edellä mainittuihin linjauksiin pohjautuen Metlassa on lähdetty kehittämään yhteistä tietoarkkitehtuuria sekä työskentelykulttuuria aineisto- ja tietokantatyössä, yhteisiä työskentelymenetelmiä ja työkaluja, tutkimusaineiston dokumentaatiota sekä suunnittelemaan aineistojen säilytys-, ylläpito- ja hakuratkaisuja. Tavoitteena on vähentää päällekkäistä aineistotyötä toteuttamalla yhteisiä tietovarantoja ja roolittamalla sekä kouluttamalla aineistojen sekä kantojen ylläpitohenkilöstöä. Kuten valtion tietohallintojohtaja Yrjö Benson totesi 10.6.2010 Lynetin aineistopolitiikkaseminaarissa SYKEn tiloissa; jatkossa tavoitteena on, että tietoa ylläpidetään yhdessä paikassa ja tiedon monipuolista käyttöä varten rakennetaan tietovarantojen välisiä rajapintoja. Metla tason toimenpiteinä on tehty: Työskentelyprosessien kehitystyö (Kappale 5) Tietoarkkitehtuuri (Kappale 7.1, Akselin et. al 2010) Aineistojen mallinnustyökalun ja dokumentointiohjeet (Kappale 7.1, Liite 1) Yksittäiskantojen ajantasaistaminen => muunto MySQL kantaan (Kappale 7.1, Taulukko 1) Aineistojen metatietoformaatin laatiminen (Kappale 7.2, Liite 2) Aineistojen kartoitus (Kappale 7.2, Liite 3) Käsitekartat tutkimuksesta, tutkimusaiheesta ja aineistosta (Kappale 7.2, Liite 4a,b,c) Muuttujien yhdenmukaistaminen ja muuttuja-/koodistokannan suunnittelu (Kappale 6.1, Liite 5)
4 / 32 Tuontiaineistojen keskitetty hallintaratkaisu (Kappale 6.2) Koerekisterin ajantasaistus (Kappale 7.3) Pilotoinnilla on voitu toteuttaa ja kehittää yksittäisiä tietovarantoratkaisuja käytännössä jopa käyttöönottovaiheeseen. Tämä on tuottanut tietoa sopivista työskentelytavoista, - menetelmistä, tietovarantojen aineistovirroista sekä rakenteista. Pilottikannat on rakennettu tai muunnettu aiemmista kantaratkaisuista MySQL kannaksi. Pilottikantoja voidaan jatkossa laajentaa koskemaan muita keskeisiä Metlan aineistoja. Aineistovarannoille kehitetyissä tietokantaratkaisuissa on tunnistettu Metlan tietoarkkitehtuuri ja tietovarantojen välille on suunniteltu tai rakennettu sopivia rajapintoja, sekä tarpeen mukaan huomioitu Metlan rajapinnat ulkopuolisiin tietovarantoihin. Sanastotyöhön pohjautuva ontologiaan perustuva aineistojen hakuratkaisu on kehitteillä ja hakupilotti Metsägenetiikan ja metsänjalostuksen kantaan on tekeillä. Pilotti ratkaisuina on toteutettu: Metsägenetiikan ja Metsänjalostuksen (Mgen/Mjal) kanta (Kappale 7.4, Liite 6) MaaPuu kanta (Kappale 7.5, Liite 7 ja 8) Suoaineistojen saattaminen tietokantaan (Kappale 7.6, Liite 9) Tutkimusaineistojen hakupilotti Mgen/Mjal -kantaan (Kappale 7.2) Edellä mainitut tehtävät (Metla tason tehtävät tai pilottiratkaisut) tähtäävät 1) Metlan keskeisten tietovarantojen toteuttamiseen, 2) tutkimusaineistojen hakuratkaisujen toteuttamiseen ja 3) laitostason yleisten kehitystarpeiden toteuttamiseen. Oheisessa tiekartassa (Kuva 1) eritellään näihin päämääriin tähtäävät tehtävät ja niiden toteutusajankohdat. Nyt 2009 2010 2011 2012 2013 => 2015 TUTKIMUSAINEISTO pr. =>TAISTO Tieto Oyj: arkkitehtuurimäärittely Arkkitehtuurin jatkokehitys Aineiston mallinnus (Visual Architect) Koerekisteri MaaPuu -pilotti METLAN KESKEISET TIETOVARANNOT Mgen/Mjal -kanta Muut tietovarantoratkaisut Muuttuja- ja koodistokanta Tuontiaineistokanta (mm. kuntarajat) Vientiaineistokanta (luovutetut aineistot) Metatiedon tallennus Aineistokartoitus TIEDONHAKURATKAISUT Sanastotyö Hakupilotti Hakuratkaisut Aineistopolitiikka Metlan palvelukartta LAITOSTASON RATKAISUT Työskentelyprosessit: Apal jne. TAISTO -nettisivut Kuva 1. Projektin tiekartta 2009-2015: Metlan keskeiset tietovarannot (vihreä), Tiedonhakuratkaisut (oranssi) ja laitostason ratkaisut (sininen).
5 / 32 Projekti on toteutettu projektipäällikön koordinoimana, hyödyntäen projektijohtajan ja ohjausryhmän näkemyksiä. Projektin suunnittelevana ja toteuttavana yksikkönä on toiminut projektin ydinryhmä, jonka jäsenet on roolitettu hoitamaan omia osaamisalueitaan. Laajennetun projektiryhmän tapaamisissa puolivuosittain on seurattu välitavoitteiden toteutumista ja tiedotettu jatkotoimenpiteistä. Projektin tuloksista on tiedotettu sekä sisäisesti että Metlan sidosryhmien suuntaan mm. Lynet -organisaatiot. 2 JOHDANTO 2.1 TAVOITE Tutkimusaineistoprojektin tavoitteena on tutkimusaineistojen elinkaaren turvaaminen sekä aineistojen nykyistä parempi saatavuus, mikä on olennainen edellytys julkisrahoitteisen tutkimuksen tehokkaalle ja taloudelliselle toteuttamiselle, vahvojen innovaatioketjujen luonnille sekä tulokselliselle kansainväliselle yhteistyölle. Lähtökohtana, Metlassa on ollut yksittäisille aineistokokonaisuuksille tai tutkimusryhmille omia tietokanta- tai muita tietovarantoratkaisuja, jotka eivät keskustele keskenään ja joihin liittyvä ymmärtämys, osaaminen sekä ylläpito on ollut erittäin henkilösidonnaista. Näin ollen tiedon tai tietokannan elinkaari on usein jäänyt lyhyeksi ja aineiston uusiokäyttö heikoksi. Parannamme projektissa Metlan tutkimusaineistojen elinkaarta eli säilyvyyttä (tallennus, tarkastus, dokumentointi, muuttujien yhdenmukaistus, tietovarantojen kehitys, tietoarkkitehtuuri, tutkimusaineiston ylläpito) ja käytettävyyttä (sanastotyö, hakuratkaisut) sekä kehitämme työskentelyprosesseja aineistojen hallinnassa (Kuva 2). Yhteinen tietoarkkitehtuuri, yhteiset tietovarannot, hakutoiminnot, toimintatavat ja pelisäännöt aineistojen hallinnassa jäntevöittävät aineisto- ja tutkimustyötä, vähentävät henkilösidonnaisuutta ja tehostavat toimintaa. Työmme perustuu Tieto Oyj:n tietoarkkitehtuurisuunnitelmaan (Akselin et al. 2010) sekä tietokantapilotteihin (kappale 7). Aineistojen hakuratkaisut perustuvat ontologiaan, mikä mahdollistaa semanttiset haut aineistoihimme. Edellä mainittuja ratkaisuja on kehitetty omissa työryhmissä sekä osaprojekteissa. Tämän ohella tietovarantoja on käyttövaiheeseen saakka tietokantapiloteissa.
6 / 32 Palveluratkaisut, aineistopolitiikka Raakadata arkistoon Haku: käyttöliittymät tilastot, tulokset aineistot tms. Aineisto-/tietopalvelut -asiakkaat, sidosryhmät- alku Aineiston hankinta -kenttähenkilöstö yms.- Vanha aineisto Tiedon tuottaminen -tutkijat- Uusi työskentelykulttuuri! Tietovarantojen kehitys/ ylläpito -data managerit- Tietokannat dokumentointi tieto saataville Yhteiset toimintatavat Haku: käyttöliittymät aineistohaut Tiedon haku, käyttö / uudelleen käyttö -tutkijat, data managerit- Haku: raportointityökalut laskenta kannan tarkastelu yms. 6.12.2010 1 Kuva 2. Tiedon elinkaari turvataan tallentamalla aineisto yhteisesti sovittuihin tietovarantoihin ja rakentamalla aineistojen hakuratkaisuja. Elinkaaren hallinta perustuu organisaatiotason palveluratkaisuihin ja aineistopolitiikkaan. Datamanagerit hoitavat aineiston keruu- ja ylläpitotehtäviä (Aineistopalvelut: aineistotyö/-ylläpito ja tekninen toteutus, Sipan tietohallinto: vaativat tekniset ratkaisut). Tutkijat sekä asiakkaat yms. sidosryhmät hyödyntävät kerättyä aineistoa. Elinkaarimallia voidaan hyödyntää päätöksenteon apuvälineenä aineiston keruun sekä ylläpidon suunnittelussa. 2.2 TIETOVARANNOT Tutkimusaineistotietokannat käsittävät sekä A) tutkimusaineistoa/-dataa sisältävät tietokannat ja muut tietovarannot, että B) näihin liittyvät muut tutkimustietoa kuvailevat tai niiden hallinnollista tai sijaintitietoa sisältävät tietokannat: mm. koerekisteri, metatietokannat (valmisteilla), muuttuja- ja koodistotietokanta (valmisteilla), ostettujen yhteisten tuontiaineistojen tietokanta; kuten säädata, kuntarajatieto tms. Tällä hetkellä tutkimusaineisto/-data sijaitsee tietokantojen ohella erilaisissa muissa tietovarannoissa, kuten tiedostomuotoisena verkkolevyillä. Tutkimustyössä tietoa jalostetaan näissä rakenteissa erilaisten laskenta- ja analyysityökalujen avulla. Tiedon säilytysratkaisut ovat näin ollen myös tutkimuksen aktiivisia työkaluja. Tietokantaratkaisuja kehitetään ja toteutetaan parhaillaan, jolloin lisääntyvässä määrin aiemmin tiedostomuotoista tietoa voidaan viedä tiedoksi kantarakenteisiin. Osa tutkimuksen tiedosta säilyy kuitenkin perustellusti edelleen tiedostomuotoisena verkkolevyllä: mm. kartat, suuret paikkatietoa sisältävät tiedostot tai tiedostoryhmät.
7 / 32 2.3 TIETO TIEDOSTOISTA TIETOKANTAAN Tieto on informaatiota, joka voi olla vahvasti tiedostosidonnaista (mm. asiakirjat, kuvat, kartat) tai se on dataa, jota tutkimuskäytössä irrotetaan tiedostoista ja kootaan kunkin tutkimusasettelun mukaisiksi kokonaisuuksiksi ja jonka perusteella voidaan laskea uusia johdettuja muuttujia kulloisenkin tarpeen mukaan erilaisilla analyysityökaluilla. Perinteisesti tietoa on säilytetty tiedostomuodossa. Tutkimusaineiston tieto koostuu useista datatiedostoista ja dataa kuvaavista oheistiedostoista. Aineistokohtaiset tiedostomäärät riippuvat aineiston laajuudesta ja mittaustoistojen määrästä. Tiedoston kuvaaminen ei vielä edistä aineistokokonaisuuden säilyvyyttä ja käytettävyyttä. Näin ollen aineistokokonaisuudet kuvataan seuraavasti: 1) sanallisesti, yleensä melko laajastikin (sis. esim. kuvaukset metsikön käsittelyistä tai muista toimenpiteistä jne.), jotta aineiston kerääjän ja/tai haltijan tietämys aineistosta ja siihen liittyvästä kuvailevasta oheistiedosta säilyy sekä siirtyy muille aineiston käyttäjille (kappale 7.1, Liite 1). 2) sopivin, metatiedoin: lyhyt yleiskuvaus, jolla tunnistetaan aineiston olemassa olo ja omistaja(http://mesi.metla.fi/tutkimus/aineistot/henkilo/tutkimusaineistojen_kartoitus.html) (kappale 7.2) 3) aineistokokonaisuuden sisältämät yksittäiset käsitteet ja tiedot kuvataan tietokantaan tallentamisen yhteydessä (kappale 7.1). Tällöin tieto myös harmonisoidaan mittayksiköiden, esitystapojen, koodistojen, nimistöjen jne. suhteen, mikä on edellytys tietojen haulle ja yhdistelylle yksittäisten tutkimusten aineistoa muodostettaessa (kappale 7.2). Tietokannoissa tieto on tiedostovapaata; tieto on irrotettu tiedostoista ja se on sijoitettu tietokantaan tietotauluihin. Tiedon hakijan ei tarvitse tietää missä tieto sijaitsee. Hakija määrittelee käyttöliittymän kautta, minkälaisen datakokonaisuuden hän kulloinkin tarvitsee. Data voidaan toimittaa ohjelmallisesti suoraan laskenta- tai analyysityökaluun, jolloin vältytään ylimääräisiltä manuaalisilta välivaiheilta analysoitavan aineiston käsittelyssä. 3 PROJEKTIORGANISAATIO Tutkimusaineistoprojekti toimii Tiedonhallinnan kokonaisjärjestelmä hankkeen osana (Kuva 3). Hanketta on vetänyt palvelujohtaja Kristiina Borg. Hankkeen toimintaa ohjaa ohjausryhmä, puheenjohtajanaan ylijohtaja Hannu Raitio. Projektin johtajana on toiminut tutkimusjohtaja Pasi Puttonen. Projektia koordinoi, suunnittelee, ohjaa ja seuraa sekä resursseista huolehtii projektipäällikkö Anu Kantola. Projektipäällikkö toimii ydinryhmän puheenjohtajana ja koollekutsujana. Ydinryhmässä on jäseniä projektin eri toimintaryhmistä ja jokaisella jäsenellä on oma roolinsa. Ydinryhmän tehtävänä on huolehtia projektin yleisten suunnitelmien ja tavoitteiden yhteensovittamisesta sekä tarpeen mukaan käytäntöön saattamisesta. Ydinryhmä koostuu osittain osaprojektien vetäjistä sekä osittain tiedon hallinnan asiantuntijoista. Ydinryhmä kokoontuu noin kahdesti kuukaudessa. Osaprojektien vetäjät, ydinryhmän jäsenet sekä projektin seurantajäsenet (Seppo Jokinen, Ulla Järvinen, Marjatta Kantola, Marja-Leena Piiroinen, Leena Paavilainen, Mirja Vuopio) kokoontuvat
8 / 32 puolivuosittain laajennetun projektiryhmän kokoukseen, jossa päivitetään osaprojektien edistyminen sekä sen seuraavat tavoitteet. Hankkeen johto Puttonen Ohjausryhmä Puheenjohtaja Hannu Raitio Ydinryhmä Tehtävä A Projektipäällikkö Anu Kantola Tietohallinto Tehtävä B Kurttio Koerekisteri Tehtävä C Koivuniemi MaaPuu Tehtävä D Ilvesniemi Suoaineistot Tehtävä E Hökkä Mgen/Mjal Tehtävä F Haapanen Metatieto Tehtävä G Mikkola Viestintä Tehtävä H Vuopio Kuva 3. Projektiorganisaatio 2009-2010. Yhteiset projektiryhmät/työryhmät Tehtävä I Projektiorganisaation jäsenet ja tehtävät (osaprojektien vetäjät mainitaan ensimmäisenä): A. Ydinryhmä Anu Kantola: projektin koordinointi, ydinryhmän pj., tietoarkkitehtuuri, aineistot Jukka Pöntinen: tietovarakonsultti, tiedon siirto, tietoarkkitehtuuri Pauli Leppänen: tietomallinnus, tietoarkkitehtuuri Eero Mikkola: metatieto, sanastot Hannu Salminen: tutkija/tiedon käyttäjä (tammikuu 2010 lähtien) Olavi Kurttio: tietohallinto, hankinta (lokakuu 2010 saakka) Jouni Torkkel: tietohallinto, hankinta (marraskuu 2010 lähtien) Jyrki Koivuniemi: koerekisteri (marraskuu 2010 saakka) Jorma Nykänen: koerekisteri (marraskuu 2010 lähtien) B. Tietohallinto: Olavi Kurttio: tietohallinto, hankinta (lokakuu 2010 saakka) Jouni Torkkel: tietohallinto, hankinta (marraskuu 2010 lähtien) Jukka Pöntinen: tietovarakonsultti, tiedon siirto, tietoarkkitehtuuri Pauli Leppänen: tietomallinnus, tietoarkkitehtuuri (lokakuu 2010 lähtien) C. Koerekisteri: Jyrki Koivuniemi: tietosisältö ja toiminnallisuus (vetäjä: marraskuu 2010 saakka) Anu Kantola: koordinointi, tietoarkkitehtuuri (vetäjä: marraskuu 2010 lähtien) Jorma Nykänen: tietojärjestelmä, paikkatieto, tietoarkkitehtuuri Sointu Virkkala: koerekisterin tietojen käytännön ylläpito Jouni Torkkel: tietohallinto, koerekisterin hankinta Pauli Leppänen: tietoarkkitehtuuri, tietomallinnus Jukka Pöntinen: tietovarakonsultti, tiedon siirto
9 / 32 D. MaaPuu -tietokanta: Hannu Ilvesniemi: maantutkimuksen aineistot, tiedon käyttäjän tarpeet Anu Kantola: resurssien hankinta, edistymisen aikataulutus ja seuranta, tiedotus, osaprojektien yhteensovittaminen, käytännön järjestelyt, aineistotyötä, tietoarkkitehtuuri Jukka Pöntinen: tietovarakonsultti, tiedon siirto, Raporttityökalujen suunnittelu, palvelinratkaisut, sovellusohjelmien ja tietokannan välisten rajapintojen suunnittelu ja ohjelmointi, tietoarkkitehtuuri Mikko Kukkola: tutkimusaineiston yleistuntemus, sovellusohjelmien tuntemus ja ohjelmointi, osin tietokannan rakenteen suunnittelu Pasi Aatsinki: tietokannan rakenteen suunnittelu (tietomallinnus) aineiston rakenteen pohjalta, tietokannan ylläpito ja dokumentointi Merja Arola: tutkimusaineiston, sen käsittelyn ja sovellusohjelmien tuntemus sekä tietokannan rakenteen suunnittelu Pauli Leppänen: tietokannan rakenteen suunnittelua, tietokannan dokumentoinnin kehittäminen (Visual ARCHITECT -ohjelma) Jaakko Heinonen: koealojen peruslaskentaohjelmiston (KPL) kehittäminen tietokannan hyödyntämistä ajatellen Leena Mäenpää: juuriaineiston valmistelu tietokantaa varten sekä osallistumista juuriaineistoa vastaavan tietokantarakenteen suunniteluun E. Suoaineistot: Hannu Hökkä: suontutkimuksen aineistot, tiedon käyttäjän tarpeet Merja Arola: datan tallennus ja valmistelu, tietojen siirto, tietokannan rakenne, Sinka -aineistot Markku Tamminen: kannan tietomalli ja rakenne, Suokasvu -aineistot Inkeri Suopanki: datan tallennus ja valmistelu, kannan rakenne, Suokasvu -aineistot Jukka Pöntinen : tietovarakonsultti, tiedon siirto Pauli Leppänen: tietovarakonsultti, tiedon siirto, mallinnus F. Metsägenetiikan ja Metsänjalostuksen (Mgen/Mjal) kanta: Matti Haapanen: Mgen/Mjal aineistot, tiedon käyttäjän tarpeet Arto Aalto: tietokannan kehitystyö, sovelluskehitys Leena Yrjänä: metsägeneettisen rekisterin vastuuhenkilö, metsägenetiikan aineistot Anna-Maija Kokkonen: tietokannan kehitystyö, metsänjalostuksen aineistot Marja-Leena Annala: tietokannan kehitystyö (6/2009 asti) G. Metatieto, tutkimusaineistojen löydettävyys: Eero Mikkola: metatieto- ja ontologia-asiantuntija, semanttinen haku, käsitemallinnus, sanastotyö Juha Hautakangas: tekniset ratkaisut; ontologia ja semanttinen haku Jarmo Saarikko: sanastotyö, käsite- ja ontologia-asiantuntija Tapio Huttunen: muuttujien yhdenmukaistus, aineistotyön ja aineistojen tuntija Pauli Leppänen: aineistokartoitus Jukka Pöntinen: aineistokartoituslomake Metatietotyöryhmä: Eero Mikkola, Tapio Huttunen, Anu Kantola, Heimo Karppinen, Jyrki Koivuniemi, Soili Kojola, Mikko Kukkola, Marja-Leena Päätalo, Inkeri Suopanki, Markku Tamminen, Leena Yrjänä H. Viestintä: Mirja Vuopio: Tiedotus, viestintä Anu Kantola: Tiedotus, wiki sivuen ylläpito I. Yhteiset työryhmät, osallistujia eri osaprojekteista tai niiden ulkopuolelta mm: Muuttujatyöryhmä: Tapio Huttunen (muuttujatyö), Jorma Nykänen (kantaratkaisu) Tuontiaineistotyöryhmä: Jorma Nykänen (kantaratkaisu)
10 / 32 Projektityössä on hyödynnetty eri prosessien/työryhmien henkilöstöä: tutkijat, sisäisen palvelun (sipa) tietohallinto, aineistopalvelut (apal), menetelmäpalvelut. Projektin tehtäviin on kuulunut työmäärältään suurimpina aineistotyöhön/-mallinnukseen sekä tietokantoihin tai tutkimusaineistojen metatietoon ja niiden löydettävyyteen liittyvät kehittämistehtävät. Myös erilaiset yhteiset työryhmät sekä viestintään liittyvät tehtävät muodostavat työmäärältään oman oleellisen kokonaisuutensa. 4 TIEDONHALLINNAN TILANNE METLASSA JA MUISSA VALTION (TUTKIMUS)ORGANISAATIOISSA 2009 ALUSTA Projektin päämääränä oli heti alussa tutkimustietovarantojen tarkoituksenmukainen kehittäminen tutkimuksen tarpeisiin. Tämä tarkoittaa tutkimusaineistojen säilyvyyden ja käytettävyyden parantamista sekä yhteisten työskentelytapojen kuvaamista ja kohdentamista aineistotyössä. Projektin aluksi projektipäällikkö selvitti Metlan tutkimusaineistojen keruun, hallinnan ja käytön nykytilanteen sekä näihin liittyvät kehitystarpeet. Selvitys perustui Metlan tutkimusjohtajan Pasi Puttosen, projektin ohjausryhmän jäsenten (ohjausryhmäkokoukset), tutkijoiden (mm. Mikko Kukkola, Kari T. Korhonen, Mari Rusanen, Marja-Leena Päätalo, Heimo Karppinen) aineistotyötä tekevien henkilöiden (mm. Leena Yrjänä, Pasi Aatsinki, Merja Arola) sekä tiedonhallinnan asiantuntijoiden (mm. Olavi Kurttio, Jukka Pöntinen, Pauli Leppänen) kanssa käytyihin keskusteluihin ja heidän näkemyksiinsä. Yleiskuvan perusteella projektipäällikkö laati projektisuunnitelman tavoitteineen ja aikataulutuksineen, muodosti projektiorganisaation sekä roolitti projektiryhmän jäsenet. Projektisuunnitelma hyväksyttiin ohjausryhmän kokouksessa 5.5.2009. Edellä mainittuja keskusteluja on käyty läpi projektin keston Metlan eri asiantuntijoiden kanssa ja huomioitu heidän näkemyksensä projektin tavoitteiden, toimintatapojen ja toteuttamisen suhteen. Ensimmäinen tehtävä projektilla oli tarkemman tilannekuvauksen saaminen Metlan aineistoista, tietovarannoista ja näiden kehitystarpeista. Koska kyseinen kartoitus oli keskeinen projektin laadukkaalle toteuttamiselle, haluttiin sen suorittajaksi ulkopuolinen, sitoutumaton asiantuntijaryhmä. Hankintatoimenpiteiden myötä Tieto Oyj (Lasse Akselin ja Heini Holopainen) valikoitui erittäin kokeneena palvelutarjoajana tietoarkkitehtuuriselvityksen toteuttajaksi. Kyseiseen selvitykseen pohjautuen laadittiin projektin jatkotoimenpidesuunnitelma sekä tämän toteuttamiseksi kaksi rahoitushakemusta (Life+ instrumentti ja TTS rahoitushakemus). Life+ rahoitushakemuksessa on mukana RKTL ja SYKE, joiden asiantuntijoiden kanssa käytyjen keskusteluiden perusteella pystyttiin omaa jatkotoimintasuunnitelmaa kehittämään edelleen. Arvokasta tietoa tiedonhallinnan kehittämisestä haluttiin saada myös muiden valtion tutkimustai tiedonvälitysorganisaatioiden tiedonhallintaratkaisuihin/-apuvälineisiin tutustumisesta. Näin ollen projekti tutustui lukuisiin rinnakkaisorganisaatioihin läpi projektin keston:
11 / 32 Ilmatieteenlaitos (joulukuu 2008) Stuk, Säteilyturvakeskus (toukokuu 2009) Kansallisarkisto (toukokuu 2009) Tilastokeskus (syyskuu 2009) GTK, Geodeettinen tutkimuskeskus (helmikuu 2010) MMM/Tike, Maa- ja metsätalousministeriön Tietopalvelukeskus; tietomallinnustyökaluihin tutustuminen (maaliskuu 2010) Tapio, luonnonvaratietojärjestelmä (toukokuu 2010) RKTL, tutkimuspäällikkö Mika Kurkilahden vierailu (kesäkuu 2010) Syke, paikkatietoryhmä (heinäkuu 2010) MMM/Tike, Maa- ja metsätalousministeriön Tietopalvelukeskus; palvelutarjontaan tutustuminen (syyskuu 2010) Yhteenvetona näistä vierailuista voisi todeta, että tiedonhallintaa on kehitetty tutkimusorganisaatioiden eri yksiköissä hyvinkin pitkälle, mutta läpi organisaation yltävää tietoarkkitehtuuriin perustuvaa kehitysratkaisua ei ole tehty. Tutkimusaineiston metatietojärjestelmä on muutamassa organisaatiossa organisaatiotason ratkaisuna käytössä (GTK ja Tapio), mutta molemmat perustuvat ns. avainsanahakuun, ei nykyaikaiseen ontologianpohjaiseen ratkaisuun, jossa käsitteiden välisten yhteyksien perusteella voidaan tarjota hakijalle kohdennetusti halutunlainen aineistovalikoima käyttöön. GTK ja Stuk ovatkin olleet kiinnostuneita kuulemaan lisää tämän osalta Metlan projektityöstä. Kaiken kaikkiaan valtionhallinnon IT kehitystyö on viimeaikoina panostanut useissa hankkeissaan julkishallinnon tietovarantojen tietoarkkitehtuurin kehittämiseen (VN; IT yksikkö 2010). Tutustumiskäyntien lisäksi projektipäällikkö on osallistunut Metlan ulkopuolisiin tilaisuuksiin tai seminaareihin, jotka liittyvät tutkimusaineiston säilyvyyden ja saatavuuden parantamiseen: Lynet aineistopolitiikkaseminaari, SYKE, 10.6.2010. Tutkimuksen tietoaineistot asiantuntijapaneeli: Kuinka edistää tietoaineistojen saatavuutta ja hyödyntämistä, Lynet yhteenliittymä, HY, 23.10.2009. Seminaari tutkimushankkeita suunnitteleville: Tutkimusaineistojen tiedonhallinta kokemuksia ja ohjeita, HY, 9.10.2009. Tutkimuksen tietoaineistojen infrastruktuurit Suomessa, HY, 29.9.2009. IASSIST / IFDO: Mobile Data and the Life Cycle, Tampere Hall, Tampere. 26.- 27.5.2009. Tietokanta- / ja rekisterimuotoisen tietojen sähköiseen pitkäaikaissäilyttämiseen liittyvät haasteet, Kansallisarkisto 7.5.2009. 5 TYÖSKENTELYKULTTUURIN KEHITTÄMINEN Metlan työskentelykulttuuri on ohjannut siihen, että yksittäiset tutkimusryhmät ja -hankkeet ovat kehittäneet omia tapojaan tiedonhallintaan. Tämä on saattanut olla tehokkainta ryhmän tai hankkeen näkökulmasta, mutta kulttuuri ei ole edistänyt tiedon hallintaa Metlassa kokonaisuudessaan parhaalla mahdollisella tavalla. Aiemmin tutkimusaineistoja on kerätty ja
12 / 32 hallittu omissa pienissä ryhmissä, jolloin tietämys aineistoista on ollut yhden tai muutaman henkilön varassa. Koska tietämys aineistoista on ollut rajallisen ryhmän tiedossa, on aineistojen hyödyntäminen laajasti sekä niiden uusiokäyttö ollut rajallista. Myös päällekkäistä aineiston hankintaa ja ylläpitoa on tehty. Jotta sähköisessä muodossa oleva data, jalostettu tieto ja aineistot saadaan kaikkien tietoa tarvitsevien saataville, on lähdetty kehittämään ja toteuttamaan yhteisiä työtapoja, - menetelmiä ja -välineitä. Työskentelykulttuuria on lähdetty muuttamaan asteittain siten, että Metlan tietopääoma on tehokkaasti koko organisaation ja sen sidosryhmien käytössä tarpeen mukaan. Aineistopalvelun (apal) prosessi on keskeinen tutkimusaineistojen keruun, säilyttämisen, dokumentoinnin ja tietokantatyön saralla. Vuoden 2010 aikana on yhdessä prosessin johtajan Martti Varmolan kanssa mietitty prosessin työskentelytapojen käytännön kehittämistä, toiminnan kannalta järkevissä ryhmissä. Työtä jatketaan vuoden 2011 alusta. Jatkossa tutkimusaineistojen elinkaaren aikana eri prosessit vastaavat oman roolinsa perusteella tehtävistään (Kuva 4). Suunnitelman mukaan valmiin tietovarantoratkaisun ylläpitotehtäviä hoitaa pääasiassa apal -prosessin henkilöstö yhteistyössä menetelmäpalveluiden sekä Sipan tietohallinnon asiantuntijoiden kanssa. Apal henkilöstä vastaa aineistotyöstä ja -ylläpidosta sekä teknisistä ratkaisuista painottuen henkilön tehtävänkuvan mukaan. Sipan tietohallinnon henkilöt vastaavat vaativasta teknisestä toteutuksesta. Tiedon käyttäjät, analysoijat, menetelmäpalveluiden asiantuntijat ja tutkimuksen asiantuntijat ovat avainasemassa käyttäjinä/asiakkaina teknisten ratkaisujen ja työskentelyprosessien jatkokehittämisessä. Apal Aineiston keruu, raakaversioiden arkistointi Aineiston kuvaus/tarkastus Tietohallinto Menetelmäpalvelut Tutkimus Tietokantojen kehitystyö Tietokantojen sisällön ylläpito Tietokantojen tekninen ylläpito Kuva4. Prosessit/palvelut ja niiden tehtävät karkeasti. Aineiston keruu, kuvaus ja tarkastus (Apal), Tietokantojen kehitystyö (Tietohallinto), Tietokantojen sisällön ylläpito (Apal), Tietokantojen tekninen ylläpito (Tietohallinto). Työtä tehdään yhteistyössä Menetelmäpalveluiden ja tutkimuksen kanssa. Myös näistä prosesseista/palveluista voi osallistua henkilöstöä edellä mainittujen tehtävien hoitoon tarpeen mukaan.
13 / 32 Henkilöstölle on järjestetty erityisesti käsite- ja tietomallinnuskoulutusta, opastusta tietokantaja tietomallinnusvälineiden käytössä sekä ontologiakoulutusta. Koulutukseen on osallistunut henkilöstöä tutkimuksesta, aineisto- ja menetelmäpalveluista sekä tietohallinnosta. Projekti on tarjonnut Metlan henkilöstölle seuraavanlaista koulutusta: Ontologiakoulutus, Sanastokeskus TSK ry, 4.6.2010. MySQL graafinen työkalu ja tietokantakyselyt, projektin sisäinen koulutus, 10.5.2010. Tiedon mallintaminen ja katsaus ohjelmistokehitykseen, Tieturi, 6.-7.5.2010. Tiedonhallinta ja mallinnus -Visual Paradigm työkalu, Cerion Solutions Oy, 6.4.2010. Käsite- ja tietomallinnuskurssi, Tieto Oyj, 14.1. ja 21.-22.1.2010. 6 YLEISET TIETOKANTARATKAISUT 6.1 MUUTTUJA- JA KOODISTORATKAISU Projekti haki muuttujien yhdenmukaistustehtäviä varten sisäisellä haulla aineistotuntijaa. Tehtäviin valittiin aineistopalveluprosessin tiimivetäjä Tapio Huttunen. Alkuselvitystyön perusteella todettiin, että työn pohjaksi valitaan Metlan sisäinen ohjeistus maastoaineiston keruulle, VMI maastotyöopas, KPL laskentaohjeet, Koerekisterimuuttujat, MaaPuu kannan muuttujat, Inka/Tinka/Sinka aineistojen muuttujat, Suokasvu aineiston muuttujat (Heinonen 1994, Metsikkökokeiden 1987, VMI 9 maastotyöohjeet 1997). Metsägenetiikan ja metsänjalostuksen muuttujat olivat suurelta osin muuhun mittausaineistoon verrattuna niin erilaisia, että näitä ei perusaineistoksi otettu mukaan. Muuttujien nimeämisessä hyödynnetään JHS standardia sekä Metsätietostandardin sanastotyöryhmän suosituksia (JHS standartdi, Metsätitetostandardi http://www.metsavastaa.net/metsatietostandardi). Mittayksiköiden osalta suositellaan käytettäväsi SI järjestelmää siltä osin, kun se on mahdollista. Muuttujat on ryhmitelty omiin ryhmiinsä (mm. havaintokohteet, kasvupaikkaa kuvaavat muuttujat) ja muuttujasynonyymit on niputettu yhteen. Muuttujasynonyymeille on laadittu yhteinen kuvaus sekä tehty yhteinen nimiehdotus, tietokantanimiehdotus ja lyhenne-ehdotus. Näisä nimiehdotuksista on keskusteltu yhteisesti Tapio Huttusen vetämissä muuttuja workshopeissa, joita on pidetty noin 5 kappaletta projektin kuluessa. Ensimmäiseen workshopiin kutsuttiin yleisesti kaikki Metlan halukkaat työntekijät, toiseen aineistopalvelun jäsenet ja muihin on kutsuttu projektiryhmien jäseniä. Workshopit ovat kuitenkin tiedottaneet toiminnan edistymisestä kaikille metlalaisille avoimilla projektin wiki sivuilla (https://wiki.metla.fi/display/tap/etusivu), jossa muuttujat ovat myös nähtävillä/kommentoitavana. Muuttujien lisäksi Metlassa käytetään erilaisia koodistoja kuvaamaan esimerkiksi puulajeja, kasvupaikkoja, maalajeja jne. Koodistoja käytetään sen mukaan, mitä aineistokokonaisuutta kerätään ja miten tarkkaa luokkien erottelua eri tutkimusasettelut vaativat. Koodistoja ei tutkimuksen vaatimusten vuoksi voi eikä tarvitse yhdenmukaistaa. Muuttujat (yhdenmukaistustyöryhmän suosittelemat muuttujat sekä niiden synonyymit) ja Metlassa käytössä olevat koodistot koostetaan yhteiseen tietokantaan, jonka toteuttaa Jorma Nykänen yhteistyössä Tapio Huttusen ja muiden asiantuntijoiden kanssa (Liite 5).
14 / 32 6.2 TUONTI- JA VIENTIAINEISTOT Metla hankkii ja saa laitoksen ulkopuolella tuotettua dataa käyttöönsä. Esimerkkinä vaikkapa Ilmatieteenlaitoksen säädata tai kuntaraja-aineistot. Samoja aineistoja on osittain ostettu Metlaan useita kertoja, koska tietämystä aineistojen aiemmasta hankinnasta ei ole ollut. Aineistoja on lisäksi osin ylläpidetty päällekkäin. Näille tuontiaineistoille on toteutettu tai ollaan toteuttamassa yhteistä, keskitettyä ratkaisua. Säädatalle on rakennettu yhteinen hakulinkki, josta kaikki halukkaat voivat hyödyntää aineistoa. Kuntaraja, metsäkeskusraja, EU pienalueraja-aineistot sekä näiden historiatiedot on kerätty eri lähteistä (mm. Maanmittauslaitos, Tilastokeskus, Väestökeskus) niin ikään yhteiseen tietovarantoon, jota hallitaan paikkatieto-ohjelmalla, mutta myös numeerisesti. Näitä varantoja voidaan ylläpitää yhden vastuuhenkilön voimin, mikä helpottaa muun henkilöstön työtaakkaa. Metla tuottaa asiantuntijaorganisaationa valtavat määrät tietoa, jota välitetään sen sidosryhmille ja laajemmin yhteiskunnan tarpeisiin sekä erityyppisiin tutkimustarpeisiin tutkimusyhteistyötilanteissa. Metlassa ylläpidetään ns. luovutettujen aineistojen rekisteriä eri tutkimussuunnissa/-ryhmissä (mm. VMI:n rekisteri). Jatkossa näille vientiaineistoille on tarkoitus suunnitella yhteinen tietokanta, jossa kuvataan luovutettu aineisto oheistietoineen. Kantaa ylläpitää kunkin tutkimussuunnan/-ryhmän tietojen ylläpitovastaava. 7 OSAPROJEKTIT Jokainen osaprojekti esittelee tehtävänsä, saavutuksensa sekä jatkotavoitteensa ohessa. Osaprojektin kuvauksista ovat huolehtineet osaprojektien vetäjät työryhmineen (kts. Osaprojektit kappaleessa 3).
15 / 32 7.1 TIETOHALLINTO 7.1.1 Tehtävät Tietohallinnon rooli projektissa on tietoarkkitehtuurin kuvaaminen ja kehittäminen Metlassa sekä tietotyön kehittäminen ja työvälinehankintojen koordinointi. Keskeisimmät asiat, joihin Tietohallinto on osallistunut projektin aikana olivat konsulttiavun hankkiminen tietoarkkitehtuurikuvausta varten, tietovarantojen kehitystyö sekä tietomallinnus. Tietomallit ja niiden perusteella toteutetut tietovarannot ovat pohja näiden päälle rakennetuille tiedonhakuratkaisuille (Kuva 5) (Kaila 1998, Saarenmaa et al. 1990). Tietohallinnolla on keskeinen rooli projektin ydinryhmässä, joka koordinoi koko projektin toimintaa. Tietomallit Tietovarannot Aineisto- ja tietovirrat organisaatioiden sisällä ja niiden välillä Kuva 5. Tietoarkkitehtuuri, tietovarannot ja aineistojen sekä tiedon virta läpi tietovarantojen. 7.1.2 Tietoarkkitehtuuri Selkeimpänä ensimmäisenä tavoitteena oli tietoarkkitehtuurikuvauksen laatiminen, pohjaksi tietovarantojen ja tiedon hakuratkaisujen kehittämiselle. Tavoitteena oli, että arkkitehtuurin tulee olla hallittavissa oleva kokonaisuus ja että sen tulee tukea Metlan toiminnallisten tavoitteiden toteutumista (Hay 1995). Tavoitteena on tietovarantojen hyödyn maksimointi käytännön tutkimustyössä. Tätä tavoitetta varten hankittiin Metlan ulkopuolinen, riippumaton asiantuntijaryhmä arvioimaan tietoarkkitehtuurin nykytilaa ja kehittämistarpeita tietovarantojen, tiedon haun ja työskentelykulttuurin kehityksen osalta. Tietohallinnon osaprojekti huolehti konsultointipalvelun hankinnasta ja kilpailutuksesta keväällä 2009. Tieto Oyj:n konsulttipalvelu saatiin käyttöön syksyllä 2009. Konsulttityö alkoi erilaisten tutkimushankkeiden/-ryhmien, aineiston omistajaryhmien, tietovarantoryhmien ja tietohallinnon haastattelulla (ns. 360 o kartoitus). Kartoituksen pohjalta konsultit laativat kuvauksen Metlan tutkimustiedon hallinnan ja arkkitehtuurin nykytilasta, kouluttivat henkilöstöä sekä laativat loppuraportin, jossa eriteltiin tehdyt toimenpiteet ja kuvattiin tarvittavat jatkotoimenpiteet aikataulutuksineen, jotta tavoitteet saavutetaan. Jatkotoimet näkyvät tiekartassa (Kuva 1). Tiedon hallinnan tavoitetila vuoteen 2015 mennessä on tiivistetty seuraavasti (Akselin et al. 2010): Metlan sisäinen tiedon hallinta on järjestetty tukemaan tiedon jakamista Metla tarjoaa aktiivisesti tietoa sisäisille ja ulkoisille asiakkailleen Metla vastaa tehokkaasti yhteiskunnan tieto- ja palvelutarpeisiin
16 / 32 7.1.3 Tietovarannot ja pilottiaineistojen tietokantaistaminen Valtionhallinnon arkkitehtuuriperiaatteiden mukaisesti tietokantatyökaluksi valittiin avoimen lähdekoodin (MySQL) kantatyökalu (VN; IT yksikkö 2010), jolla luodut tietokannat sijaitsevat Metlan palvelimilla (Taulukko 1). Tietokannat ovat joko valmiita ylläpitokantoja tai jatkokehitettäviä kantoja, jotka palvelevat tietokantojen kehitystyössä. Lisäksi osa tietokannoista on muunnettuja eli konvertoituja muista vanhoista tietokantaratkaisuista (esim. Ingres tai Paradox). MySQL kantojen tietosisältö on jo nyt erittäin kattava ja tietomassaltaan suuri. Projektin toimesta on pilottiaineistojen/-kantojen ohella viety muitakin Metlan keskeisiä tietoaineistoja MySQL muotoon (Taulukko 1). Taulukko 1. Tutkimusdataan liittyvät MySQL -tietokannat 'yleispalvelimilla'. Tutkimusaineistoprojektin toimesta tietokantaistettu tietovaranto on merkitty tähdellä (*). Lähde: Jukka Pöntinen. Palvelin Tietokanta Tauluja kannassa Muuttujia kannassa haara *Mgen/Mjal 1 99 456 haara *Mgen/Mjal 2 9 30 haara *Mgen/Mjal 3 41 336 haara *MaaPuu -kanta 204 935 haara *Sinka -aineistot 17 164 haara *Inka -aineistot 33 267 haara *Suokasvu -aineisto 9 91 haara *Biosoil, suokasvu, VMI 3,8,9: kasvillisuuskartoitus 364 829 haara *Säädata 32 330 haara *Keko -kanta 51 414 haara Kuva-arkisto 5 157 haara Metsätilastot: hakkuuaineistot 60 133 haara Mela 22 107 haara Treebreedex 18 159 www Fenologia 18 161 www Masi -kanta (marja- ja sienisato) 9 91 www Metsätilastot 1 66 146 www Metsätilastot 2 153 89 www Metsätilastollinen tietopalvelu 56 44 www Noltfox 16 72 www Sirex (metsätuhojen tunnistuspalvelu) 9 42 www Tiedotekanta 4 40 www Metsätilastopalvelu 287 506 22 kantaa 1483 5143 Mikäli tietoaineisto sisältää paikkatietoaineistoa, jota käsitellään Esrin tuotteilla, tarvitaan kyseisten paikkatietotuotteiden kanssa yhteensopiva tietokantaratkaisu. Metlan
17 / 32 asiantuntijatyöryhmä (Jorma Nykänen, Jouni Torkkel, Kai Mäkisara, Jukka Pöntinen, Pauli Leppänen, Juha Hautakangas, Arto Aalto) sopi, että jatkossa siirrytään ainakin paikkatietoaineiston osalta käyttämään PostgreSQL kantaratkaisua. Keskeisessä asemassa projektissa on pilottiaineistojen käsittely. Tässä työssä saadaan käytännön kokemusta ongelmista, mitkä on ratkaistava, kun halutaan parantaa tietojen käytettävyyttä ylipäätään ja tietoaineistojen yhteiskäyttöä. Uusien oivallusten testaaminen ja uusien työtapojen löytäminen voi tapahtua vain tämän käytännön työn kautta. 2011 aikana työ MaaPuu aineiston kanssa jatkuu. Lisäksi mallinnus- ja tietokantaosaamista sovelletaan muihin aineistoihin kuten Suokasvu. Pilottiprojekteissa saatua kokemusta kerätään ohjeisiin ja pyritään jakamaan työpajoissa aineistojen kanssa työskenteleville. Jatkossa kannattaa kehittää prosessinäkökulmaa tietoaineistojen käsittelyssä. Koko tiedon käsittelyketjua primääridatasta laskenta-aineistoon pyritään automatisoimaan virhealttiiden manuaalisten käsittelyvaiheiden vähentämiseksi. 7.1.4 Mallinnus Työn tavoitteena oli käsite- ja tietomallinnuksen osaamisen parantaminen Metlassa. Tämä aloitettiin Tieto Oyj:n ja Tieturi Oyj:n vetämillä koulutustapahtumilla 2010. Koulutustapahtumia oli neljä, minkä jälkeen on kokoonnuttu työpajoihin jatkamaan työskentelyä. Lisäksi tehtävän toteuttamiseksi hankittiin Database Visual Architect mallinnustyökalu. Jatkossa mallinnusosaamisen kehittämistä ja tietomallinnuksen yhdenmukaistamista tehdään työpajoissa. Tietohallinto tekee tietoaineistojen dokumentaatioeli kuvausohjeet. Ohjeiden ensimmäinen versio valmistuu 2010 loppuun mennessä (Liite 1). Mallinnustyökalua ja alustavaa ohjeistusta on käytetty pilottikantojen tietosisällön kuvauksessa (Liitteet 6, 7, 9) 7.2 TIEDON LÖYDETTÄVYYDEN PARANTAMINEN METATIETO-OSAPROJEKTI 7.2.1 Tehtävät Yhtenäiset sanastot, koneluettavat ontologiat ja metatietojen systemaattinen kuvaaminen ovat keinoja tutkimusaineistojen löydettävyyden parantamiseen. Tutkimusaineistoprojektin Metatieto osaprojektissa perehdyttiin aluksi olemassa oleviin metatietoformaatteihin ja keinoihin parantaa tutkimusaineistojen löydettävyyttä, minkä jälkeen projektissa päätettiin ryhtyä toteuttamaan ontologiaan perustuvaa metsägenetiikan tutkimusaineiston pilottia, jonka avulla testataan ja etsitään toimivia käytäntöjä aineistojen löydettävyyden parantamiseksi Metlassa. 7.2.2 Metatietoformaatti Metatietojen kuvaaminen on aineistojen hallinnan sekä tiedon hakemisen ja koostamisen kulmakivi. Metatiedoilla tarkoitetaan tiedon ymmärrettävyyttä lisääviä, kuvailevia tietoja ts. tietoa tiedosta. Metatietojen kuvaamisen tulee perustua yhdessä sovittuihin sanastoihin. Sanastojen yhtenäistäminen tarkoittaa käytännössä sitä, että jokin yhteisö harmonisoi jonkin
18 / 32 kohdealueen käsitteet ja sopii käsitteitä edustavista termeistä. Harmonisoidut sanastot, muuttujat ja käsitteet ovat edellytys luotettavalle tietojen löytymiselle ja yhdistämiselle. Metatietojen kuvaaminen on ollut Metlassa melko satunnaista eikä ole perustunut yhtenäisiin käytäntöihin ja kuvauspohjiin. Tutkimusaineistoprojektiin kuuluvassa Metatiedon osaprojektissa suunniteltiin metatietojen kuvauspohjaa. Vuoden 2009 aikana tutkimusaineistoprojektin metatietoryhmä tutustui olemassa oleviin metatietoformaatteihin, minkä perusteella se valmisteli Metlan tutkimusaineistoille sopivan formaatin (Liite 2). Formaatissa on aineiston yleistiedot, aikaviite sekä aineiston rakenteen, laadun, paikkatiedon, muuttujien, saatavuuden ja itse metatietojen kuvausta yhteensä 36 elementtiä. Sovitun formaatin elementit perustuvat Data Documentation Initiative (DDI) -, Federal Geographic Data Committee (FGDC) ja Ecological Metadata Language (EML) formaatteihin sekä JHS suosituksiin (Federal Geographic Data Committee 2000). Suurin osa metatiedoista on jo olemassa Metlan koerekisterissä tai aineistotietokannoissa, mutta nykyisissä järjestelmissä tätä metatietoa ei hyödynnetä. 7.2.3 Aineistokäsite ja -kartoitus Aineistokokonaisuus on keskeinen käsite Metlan aineistojen hallinnan ja jakamisen kannalta. Aineistokokonaisuudesta ei ole kuitenkaan ollut olemassa yhtä kaikkien samoin ymmärtämää määritelmää, mikä on aiheuttanut epäselvyyttä käsitteestä puhuttaessa. Tarkkaa kuvaa ei ole myöskään siitä, mitä ja millaisia aineistoja Metlassa on olemassa. Metatiedon osaprojekti toteutti keväällä 2010 aineistokartoituksen ensimmäisen vaiheen, jonka tavoitteena oli selvittää, mitkä ovat Metlan keskeisimmät aineistot, miten niitä hallitaan ja miten ne on kuvattu tällä hetkellä. Kartoituksen tavoitteena oli myös turvata aineistot ja niiden hallintaan liittyvät resurssit, kun projektin jatkosuunnitelmia tehdään. Ensimmäisessä vaiheessa kartoitettiin sähköisessä muodossa olevat tutkimusaineistot. Aineistojen kartoituksessa päädyttiin käyttämään seuraavaa yhdeksää keskeistä metatietoelementtiä, jotta kuvaaminen oli riittävän kevyttä, ja näin kartoitukseen saatiin osallistuman mahdollisimman monia tutkimusryhmiä: Aineiston nimi Tekijät (henkilöt) Sisällönkuvaus, tiivistelmä (enintään 150 sanaa) Asiasanat Tieteenala Kohdealue Ajallinen kattavuus Aineiston sijainti ja formaatti Yhteystiedot Kevään 2010 aikana aineistokartoituslomakkeen kautta - http://mesi.metla.fi/tutkimus/aineistot/henkilo/tutkimusaineistojen_kartoitus.html - tutkimusryhmät tallensivat 91 aineiston kuvaukset (Liite 3). Kyselyn aikana useilta tutkimusryhmiltä tuli viesti, että he eivät ehdi täyttää lomaketta tai heidän aineistojen kuvaukset löytyvät koerekisterin kautta. Aineistokartoituksen kautta saatujen kuvausten lisäksi ainakin
19 / 32 Rovaniemen ja Muhoksen yksiköissä on keskitetyt aineistorekisterit, joidenka kuvailutietoa ei tässä vaiheessa tallennettu erikseen. Kartoituksen tuloksia ollaan hyödyntämässä aineistokokonaisuuksien analysoinnissa. Aineistokartoitus on ensiarvoisen tärkeä jo siksi, että siten saadaan käsitys aineistojen laadusta ja sijainnista. Kartoitus on välttämätön myös aineistojen hallinnan jatkotoimenpiteiden suunnittelussa. Kartoituksella on myös yhteiskunnallista merkitystä, sillä vuosien ja vuosikymmenten aikana kerätty tutkimusaineisto on osa kansallisomaisuutta, jonka säilyvyys on turvattava. On olemassa merkittävä riski, että piilossa olevien ja dokumentoimattomien aineistojen myötä katoaa suuri määrä ns. hiljaista tietoa tutkijoiden ja muiden asiantuntijoiden siirtyessä eläkkeelle. 7.2.4 Asiasanastoista ontologioihin Samaan aikaan metatietoformaatin valmistelun ja tutkimusaineistokartoituksen kanssa projektissa tutustuttiin muiden organisaatioiden metatietoratkaisuihin esim. STUK:n, Tilastokeskuksen ja GTK:n. Tässä vaiheessa osaprojektissa mietittiin Metlan mahdollisia metodeja ja työkaluja aineistojen löydettävyyden parantamiseksi. Kun olemassa oleviin metatietoratkaisuihin tutustuttiin, tuli niissä esille, että erilliset metatietopalvelut ovat työläitä ylläpitää vaatien aina jonkin määrän ylimääräistä työtä. Lisäksi niiden hyödynnettävyys ei käytännössä ole kovin korkea, koska palvelun käyttäjän eli tiedon hakijan pitää tuntea hyvin käytettävät asiasanat ja tiedon rakenne, jotta haluttu tieto löytyy. Sanastoja onkin perinteisesti laadittu ihmisten, erityisesti tiedon indeksoijan tarpeita silmällä pitäen. Tällöin termien semantiikan kuvaus on voitu jättää osittain ihmisen tulkinnan varaan. Yhä enenevässä määrin sanastoja käyttävät kuitenkin tietokonesovellukset. Uusi tärkeä sovellusalue on mm. semanttinen web ja web-palvelut. Koska tietokoneelta puuttuu ihmisen piilotietämys ja tulkintakyky, täytyy termien merkitys määritellä sanastoissa aiempaa täsmällisemmin ontologioina. Tiedon löydettävyyden perusehtoja ovat: Tieto on tallennettu siten, että se voidaan saavuttaa hakuvälineillä Tieto on kuvattu siten, että se löytyy luotettavasti käyttäjän antamilla hakukriteereillä Tieto on sellaisessa muodossa, että tiedon hyödyntäjä voi ottaa sen käyttöönsä Jotta tiedon löydettävyyden ehdot täyttyisivät paremmin kuin perinteisissä metatietopalveluissa osaprojektissa perehdyttiin asiasanaston ontologisointiin, jossa on kysymys siitä, että ihmiselle tarkoitetun sanaston käsitteistö ja suhdeverkosto täsmennetään sellaiseksi, että tietokone pystyy sitä hyödyntämään aiempaa paremmin. Esimerkki semanttisen webin ontologioiden mahdollisuuksista Suomessa on kansainvälisesti ja kotimaassa palkittu MuseoSuomi -järjestelmä (Hyvönen et al. 2005). Siinä eri museoiden tietosisällöt voitiin yhdistää sisällöllisesti seitsemän yhteisen ontologian avulla yhdeksi virtuaaliseksi kokoelmaksi: käyttäjä löytää yhden luukun takaa eri museoiden aineistot saumattomasti toisiinsa liitettyinä.
20 / 32 7.2.5 Sanastotyö Metlan sanastotyö on aloitettu. Muuttujien harmonisointi on aloitettu (ks. luku 6.1), käsitemalleja on kuvattu osana tietoarkkitehtuurin kehittämistä ja ontologian kuvaamista on suunniteltu TSK Sanastokeskuksen ja Viikin AFO-ryhmän kanssa. Karkean tason käsitemallin (käsitekarttojen) suunnittelussa sekä aineistokokonaisuuksien hahmottamisessa hyödynnettiin professorikokouksessa (26.3.2010) järjestetyn työpajatyöskentelyn tuloksia. Projektissa on kuvattu seuraavat käsitekartat, joita kehitetään edelleen, kun eri aineistojen käsitteitä käydään läpi ja samalla luodaan Metlan ontologiaa: Metlan karkean tason käsitemalli (Liite 4a) Metla Tutkimusaihe käsitekartta (Liite 4b) Metla Aineisto käsitekartta (Liite 4c) Karkean tason käsitekartan tehtävä on kiinnittää yleisimmät ylimmän tason käsitteet, niistä käytettävät termit ja käsitteiden väliset suhteet. Käsitekartat auttavat ihmisten välistä kommunikointia Metlan käsitteistä keskustellessa. Käsitekartat luovat myös lähtötason, josta voidaan edetä tarkemman tason käsitemallien kuvaamiseen, ja niitä hyödynnetään Metlan ontologiaa luotaessa. Metlan sanastojen kehittämisessä tulee ottaa huomioon koko metsäsektorin intressiyhteisö. Resurssien tehokas hyödyntäminen ja tietojen ja järjestelmien yhteen toimivuus edellyttävät, että lähitulevaisuudessa sanastojen määrittelyyn osallistuvat myös Metlan keskeiset sidosryhmät. Maa- ja metsätalousministeriön onkin käynnistänyt standardointityön, jolla pyritään helpottamaan ja tehostamaan metsäalan toimijoiden välistä tiedonsiirtoa. Standardointi toteutetaan Metsätalouden kehittämiskeskus Tapion koordinoimana laajapohjaisena metsäorganisaatioiden välisenä yhteistyönä, johonka Metla (Eero Mikkola) on osallistunut. Ks. http://www.metsavastaa.net/metsatietostandardi. 7.2.6 Metsägenetiikan aineiston hakupalvelupilotti Metatiedon osaprojektissa on käynnistynyt pilotti, jossa on aloitettu metsägenetiikan aineiston ontologian laadinta, minkä perusteella suunnitellaan ensimmäinen version Metlan tutkimusaineistojen semanttisesta hakupalvelusta. Tiedonhakuratkaisussa arvioidaan, miten haku voidaan ulottaa aineistoihin saakka ja miten erilaiset käsitemallit ja sanastot tukevat toisiaan. Pilotin jälkeen arvioidaan ontologisoinnin jatkotoimenpiteet. Tavoitteena on, että metsägenetiikan pilotin ontologian luonnin jälkeen jatketaan Metlan koko metsäntutkimuksen ontologian luontiin vuodesta 2011 lähtien. 7.3 KOEREKISTERI 7.3.1 Tehtävät ja tavoitteet Tutkimuksen aihepiiristä riippumatta kaikilla kenttäkokeilla on yhteisiä kokeiden hallinnointiin liittyviä tietoja (esim. kokeen sijainti, vastuuhenkilöt ja perustamisajankohta). Koerekisteri sisältää nämä pitkäaikaisten kenttäkokeiden hallinnoinnissa tarvittavat tiedot.
21 / 32 Koerekisteri muodostaa Metlan tietovarantojen pienen, mutta erittäin oleellisen ytimen, jossa kuvataan tutkimusaineiston yleistiedot (Nykänen & Nenola 2009). Näin ollen koerekisteri on yksi merkittävä metatiedon lähde Metlassa. Aiempi koerekisteriversio oli ingres tietokannassa, jota ei enää tueta. Lisäksi paikkatieto oli pistemäistä, eikä kokeiden tms. aluerajoja pystytty rajaamaan karttapohjalle. Näin ollen koerekisteri oli ajantasaistettava. Tämä tarve ajoittui Tutkimusaineistoprojektin aloittamisen yhteyteen. Todettiin, että tässä tilanteessa on syytä arvioida laajemmin koerekisterin käyttötarpeet ja yhteydet muihin Metlan tietovarantoihin. Koerekisterin tietosisältöä hyödynnetään keskeisesti Metlan tutkimusdataa sisältävissä kannoissa. Kokeita identifioivan koeavaimen avulla voidaan yhdistellä koerekisterin sisältämä paikka- ja hallinnollinen tieto sekä tutkimusaineistokannan sisältämä mittausdata. Koerekisteriuudistuksen tavoitteet ovat: 1. Kaikkien Metlan kestokokeiden sijainti tullaan kuvaamaan polygoneina paikkatietojärjestelmässä. 2. Vanhoja päivitettyjä tietoja ei hävitetä, vaan ne säilytetään historiatietoina tietokannassa. 3. Metsähallitus ja muutkin suuret maanomistajat saavat ajantasaiset tiedot maillaan sijaitsevista kokeista koerekisteristä. Koerekisteri sisältää myös ajan tasalla pidettävän kokeilla tehtävien töiden tilauskirjan. Metsähallitukselle toimitetaan heidän toiminnan suunnitteluaan varten mahdollisimman hyvissä ajoin tiedot kokeille suunnitelluista hakkuu- ja metsänhoitotöistä. Metsähallitus toimittaa koerekisteriin tiedot toteutettujen töiden toteutusajankohdasta. 4. Kokeiden tietojen ylläpito on nykyistä helpompaa. Kokeiden tietoja voidaan hakea nykyistä monipuolisemmin. Koerekisterin karttakäyttöliittymässä on nähtävissä koemetsikkökarttatason lisäksi useita taustakarttatasoja. 5. Koerekisterin ulkopuolelta saatavat automaattisesti päivitettävissä olevat tiedot päivitetään koerekisteriin automaattisesti. Koerekisteri huomauttaa tietojen ylläpitäjää sellaisista vanhentuneista tiedoista, jotka se voi automaattisesti huomata. 7.3.2 Koerekisterin hankinta Koerekisteri teetetään Metlan ulkopuolisella toimittajalla. Uuden koerekisterin tietosisältö ja toiminnallisuus on määritelty: mm. käsitemalli, käyttötapaukset ja käyttöliittymäluonnos. Määrittelystä ei ole vielä tehty yhtenäistä dokumenttia, koska hankintaprosessin onnistuminen edellyttää joiltakin osin tarkempaa vaatimusmäärittelyä, jonka laatimisesta Metlalla ei ole riittävästi kokemusta. Tiken (Maa- ja metsätalousministeriön tietopalvelukeskus) kanssa on sovittu, että vaadittavat lisäykset määrittelyyn ja määrittelyn viimeistely tehdään Tiken kanssa yhdessä ryhmätyönä tammikuun (2011) aikana. Ennen koerekisterin varsinaisen hankinnan aloittamista kenttäkokeiden parissa työskentelevällä tutkimushenkilöstöllä on mahdollisuus vaatimusmäärittelyn kommentointiin. Tiken kanssa on alustavasti sovittu myös projektin perustamisesta koerekisterihankinnan toteuttamiseksi. Tiken mukaan koerekisteri voitaisiin teettää joko hyödyntämällä Tiken omia puitejärjestelyjä tai, jos Metla päättää hoitaa hankintaprosessin itse, Tike voisi vain avustaa hankinnassa. Tiken palvelujen kustannuksista on puhuttu vasta karkealla tasolla. Ennen kuin