Teadusandmete otsing

Andmeregistrid

Teadusandmete otsimiseks on loodud mitmesuguseid andmeregistreid ja otsingukeskkondi, mis koondavad teavet erinevates repositooriumides säilitatavate andmestike kohta. Andmeregistrid võimaldavad kasutajatel otsida andmekogusid mitmesuguste metaandmete (märksõnade, autorite, teemade jne) alusel ning tutvuda nende kirjeldustega.
Andmeregistris tehtud otsingu tulemusena saadud kirje ei sisaldada andmeid endid, vaid suunab kasutaja edasi vastavasse repositooriumisse, kus andmestik asub.
Andmeregistritest on võimalik otsida andmekogusid ilma, et peaks enne otsima repositooriumi.
Siinkohal käsitletakse lähemalt nelja andmeregistrit: DataCite Commons, OpenAIRE, Mendeley Data ja Google Dataset Search. Nende näitel vaadeldakse, milliseid võimalusi pakuvad andmeregistrid teadusandmete otsinguks ning kuidas toimub leitud andmestike juurde jõudmine.

DataCite Commons

DataCite on mittetulundusühing, mis registreerib andmekogude metaandmed ja väljastab andmekogudele DOI. Just selle organisatsiooni kaudu saavad ka Eesti teadlased oma andmekogudele DOI. Eesti suuremad kõrgkoolid on moodustanud konsortsiumi DataCite Eesti, et oma teadlastele seda teenust pakkuda.

DataCite’i registrist on võimalik otsida teadusandmeid, publikatsioone, tarkvara, organisatsioone, repositooriume jm, alustades DataCite Commons lehelt.

Otsingusõnadeks tuleks kasutada DataCite’i metaandmete raamistikus nõutud metaandmete väljadel olevaid andmeid: andmekogu autor, pealkiri, võtmesõnad jne.
Millised on DataCite’i kohustuslikud, soovituslikud ja valikulised metaandmed, võib leida DataCite Eesti konsortsiumi kodulehelt.
Praegu on DataCite’i registris üle 135 miljoni DOI, millest Eestis registreeritud teadusandmeid on üle 3,5 miljoni. Suurima panuse sellesse on andnud andmehaldusplatvorm PlutoF.

DataCite’i registril on mõned head omadused võrreldes teiste andmeregistritega:
1. alates 2020. aasta algusest kajastab DataCite’i register seda, kui mitu korda on andmekogu tsiteeritud, vaadatud ja alla laetud. Tuleb tähele panna, et varasemad tegevused ei kajastu, seega täpse ülevaate andmekogu kasutusest saab alles 2020. aastast.
2. Andmekogu on mugav tsiteerida kaheksas enamlevinud vormingus, need saab kohe registrist kopeerida.
3. DataCite pakub viitevormindajat, Data Citation Formatter, kuhu kopeerides DOI, saab moodustada enam kui 5000 standardset viidet.

Näide: Otsime TÜ teadlase Leho Tedersoo avaldatud andmeid. Siinkohal on eesmärk näidata, kui palju on seda konkreetset andmekogu vaadattud, tsiteeritud ja alla laetud. Andmete nägemiseks tuleb avada repositooriumi Dryad link, mis on näha lehe allservas.
Pealkirjal klikates avaneb täpsem andmekogu kirjeldus, kust saab ka viite kopeerida: He, L., Rodrigues, J., Soudzilovskaia, N., Barceló, M., Olsson, P. A., Song, C., Tedersoo, L., Yuan, F., Yuan, F., Lipson, D., & Xu, X. (2020). Global biogeography of fungal and bacterial biomass carbon in topsoil (Version 5) [Dataset]. Dryad. https://doi.org/10.5061/DRYAD.QRFJ6Q5DB

Lisalugemist: Wood-Charlson EM, Crockett Z, Erdmann C, Arkin AP, Robinson CB (2022) Ten simple rules for getting and giving credit for data. PLoS Comput Biol 18(9): e1010476. https://doi.org/10.1371/journal.pcbi.1010476

OpenAIRE EXPLORE

Veel üks andmete ja samuti publikatsioonide otsimise koht on OpenAIRE portaal. OpenAIRE on Euroopa Komisjoni pikaajaline projekt, mis koondab komisjoni poolt rahastatud teadusprojektide tulemused ning lingib need omavahel. Nii et Euroopa teadusmaastikul on see portaal väga tugev ja kvaliteetne.

Otsimaks portaalist teadusandmeid ja teisi teadustöö väljundeid, tuleb avada OpenAIRE Explore. Andmeotsinguks avada kohe liitotsing (advanced search) ning seal saab juba kohe valida otsingu andmeallikatest.

Otsime OpenAIRE Explore registrist autori “Rämmer” teadustöö väljundeid. Leiame nii publikatsioone kui ka teadusandmeid, mis on omavahel lingitud. Näeme, et ühe TÜ teadlase teadusandmed on erinevates andmerepositooriumides, kuid siiski leitavad OpenAIRE portalist. Põhjus võib olla selles, et EK rahastatavad projektid on koostööprojektid, kus osalevad paljude maade teadlased, seega andmed pannakse kõikide partnerite poolt heaks kiidetud repositooriumisse. Embargoperioodi määrab andmete autor tavaliselt nii kauaks, kui andmete analüüsimine on lõppenud ja artikkel avaldatud.

Mendeley Data

Mendeley firma omanik on teaduskirjastus Elsevier. Mendeley Data on teenus, mis pakub teadlastele andmete säilitamise ja avaldamise võimalust ning andmete otsingut üle paljude registrite. Oluline erinevus võrreldes teiste otsisüsteemidega on see, et Mendeley Data võimaldab otsida nii andmestike metaandmete kui ka oma repositooriumi st Mendeley Data failide sisu alusel.
Kahjuks ei ole teada, millistest teistest allikatest Mendeley Data andmekogusid otsib, või mis kriteeriumise alusel.
Dokumentatsioonis on siiski välja toodud mõned põhimõtted, millest lähtutakse: metaandmete kättesaadavus, standardiseeritud andmevahetus, andmete leitavus ja juurdepääs. Need on tehnilist laadi kriteeriumid, mille kohta võib öelda, et mida FAIR-imad on andmed, seda suurema tõenäosusega on need leitavad Mendeley Data otsinguplatvormil.

Mendeley võimaldab andmete liitotsingut järgmiste tunnuste järgi:

AUTHOR
AUTHOR_ID (Mendeley User ID, Scopus User ID, ORCID and all user IDs supported by DataCite)
TITLE
INSTITUTION
INSTITUTION_ID (Scopus Institution ID, Scival Institution ID, Mendeley Institution ID)
ID
DOI
KEYWORDS
SUBJECT_AREA
IS_SUPPLEMENT_TO

Töötavad ka Boole’i operaatorid AND, OR, NOT, “jutumärgid” ja sulud (), kuid sulgude sees operaatorid ei pruugi enam toimida.
Näide: otsime Maarja Kruusmaa teadusandmeid liustike hüdroloogia teemal: Kruusmaa AND “glacial hydrology”. Saame kaks tulemust, mis viivad Zenodo repositooriumisse.

Google Dataset Search

Google Dataset Search on Google’i otsingumootor, mis võimaldab leida eri valdkondade andmestikke üle veebi. See koondab otsingutulemusi teadusandmete repositooriumidest, riiklikest andmeportaalidest ja muudest veebiallikatest, võimaldades otsida andmestikke ühest kohast, sõltumata sellest, millises keskkonnas neid tegelikult hoitakse. Google indekseerib veebilehti, millel on andmestikke kirjeldav struktureeritud metaandmestik, kasutades Schema.org standardit. Samal standardil põhineb Google Scholar, nii et need otsingusüsteemid on sarnased. Google Dataset Search ei ole ise andmehoidla.
Google Dataset Search on hea vahend esialgseks ülevaateotsinguks, kuid põhjalikuks andmete otsinguks tasuks kasutada ka teisi andmeregistreid.

Teeme näiteotsingu digitaalhumanitaaria vallast, kus kirjandusteoste tekstianalüüsi andmed on üks olulisi uurimissuundi. Project Gutenberg andmestikud on maailma suurim vabalt saadaval autoriõiguseta raamatute (nt Shakespeare, Jane Austen, Dostojevski) digitaalne kogu. Google Dataset Searchi kaudu leiab selle eri versioone – näiteks andmestikke, kus tekstid on juba jaotatud žanrite, autorite või sajandite kaupa.
Visuaalselt näeb see välja nagu teised Google’i otsingud.

Data Citation Index

Sarnaselt Web of Science viitamisandmebaasile on Clarivate arendanud teadusandmete otsingu registri Data Citation Index.
DCI loodi selleks, et siduda andmestikud ja teaduspublikatsioonid üheks viidete võrgustikuks. See ei ole lihtsalt andmeotsing, vaid bibliomeetriline tööriist teadusandmete mõju mõõtmiseks.

koondab metaandmeid vaid valitud repositooriumidest,
seob andmestikud neid kasutanud või kirjeldavate artiklitega,
võimaldab jälgida andmete tsiteerimist,
integreerib andmed Web of Science’i artikliotsinguga.

Maailma juhtiv teadusinfo andmebaas Web of Science on Tartu Ülikoolis kättesaadav, kuid Data Citation Index ei ole ostetud.

Kokkuvõte

Tabelis on peamised andmeotsingu võimalused, nende erinevused ja tugevad küljed välja toodud. Võib küsida, miks ei ole üht ja selget otsimootorit andmetele, kuid võrreldes artikliandmebaasidega on neid isegi vähe. Põhjus peitub ikka omanikus ja tema ärihuvis, miks ta just üht või teist otsinguvõimalust on arendanud.

Tunnus	Google Dataset Search	Mendeley Data	DataCite Commons	OpenAIRE Explore
Peamine eesmärk	Andmekogude otsinguks. Otsib paljudest repositooriumidest.	Andmerepositoorium ja andmekogude avaldamise platvorm. Andmeotsing.	DataCite DOI-metaandmete registril põhinev otsing,	EK rahastatud projektide teadustulemuste, projektide ja rahastajate otsing
Mida otsib?	Andmekogud metaandmete põhjal.	Mendeley Data andmestikud + valikuliselt muud allikad.	DOI-ga seotud objektid, ORCID, ROR, repositooriumid.	Publikatsioonid, andmed, tarkvara, projektid, organisatsioonid, rahastajad.
Andmeallikad	Repositooriumid veebis, mis kasutavad schema.org metaandmeid.	Mendeley Data ja sellega seotud andmehoidlad.	DataCite DOI-metaandmed, osaliselt Crossref, ORCID ja ROR.	Andmeallikad: Crossref, DataCite, ORCID, Zenodo, re3data, OpenDOAR jm.
Peamine tugevus	Väga lihtne kasutada, lai katvus. Sarnane Google Scholar’iga.	Võimaldab andmeid nii avaldada kui ka leida; DOI ja versioonihaldus	Näitab uurimisobjektide omavahelisi seoseid	Kõige rohkem seoseid projektide, rahastuse ning teadustöö väljundite vahel.
Püsitunnuste (PID) kasutus	Vähem rõhutatud.	DOI andmestikele.	Väga tugevad PID seosed (DOI, ORCID, ROR).	Väga tugevad PID seosed (DOI, ORCID, ROR).
Tsitaadid ja mõjuandmed	Piiratud.	Andmekogu tsiteerimine DOI kaudu.	Kuvab viited, vaatamised, tsiteeringud, allalaadimised.	Sisaldab mõju-, kasutus- ja seoseandmeid Graphist.
Sobib kõige paremini	Kiireks andmekogude leidmiseks sõltumata valdkonnast.	Andmestiku avaldamiseks või andmestiku leidmiseks.	Andmeotsing. Registris ka artiklid jm.	Projektide, rahastuse ja teadustulemuste terviklikuks uurimiseks.
Omanik	Google	Elsevier	DataCite	OpenAIRE (EK)