大學圖書館如何保護數據(data)及科學自由(scientific freedom)

數據追蹤(Data tracking)是許多企業認為有利可圖的商業模式，但這其中隱藏著一些危險，數據的保護(data protection)及科學研究的自由(freedom of science and research)需要被注意，圖書館及圖書館員可於此扮演重要的角色。

Julia Reda來自德國非營利組織Society for Civil Rights (GFF)，長期關注版權及數據保護相關議題，在此篇訪問中，Julia Reda談到圖書館及數位基礎建設(digital infrastructures)在數據追蹤這個複雜議題中所扮演的角色。

Q1 During the recent online conference #vBib21, you gave a presentation on “Tracking Science: Consequences for Data Protection and Scientific Freedom” (German). Why is this topic also relevant to libraries?

在線上會議 #vBib21中，您的演講主題是“Tracking Science: Consequences for Data Protection and Scientific Freedom” (German)，為什麼這個主題與圖書館有關係呢?

A1：科學出版社買了許多負責科學產業不同面向工作的軟體公司，從可以處理紀錄實驗室測量結果到評估研究品質的各種軟體及公司。商業公司建立了完整的服務架構，是缺乏資金的圖書館無法全面提供的服務。一但與公共利益相關的研究在這些商業平台上進行，商業公司可以輕易取得與研究者相關的高度敏感資料，有害於研究者的隱私及科學獨立性，圖書館必須反對這個發展趨勢(take a stand against this trend)。

Q2 How is scientific freedom threatened when major publishing houses track the surfing and search habits of individual scientists?

當主要出版社開始追蹤科學家的瀏覽及檢索習慣之後，可能對科學自由(scientific freedom)造成的危害是？

A2：如果科學商業公司將使用者使用資料的紀錄，例如閱讀及下載文獻等資料賣給政府，則當當權政府想要限制特定學科領域的發展，則研究者可能變成政府觀察、制裁的目標，科學自由、研究者的獨立性等就會被阻礙。

Q3 In the scientific ecosystem, libraries often advocate Open Science, for example by operating their own Open Access repositories or by negotiating Open Access-friendly contracts with publishers. What pitfalls are lurking here in relation to tracking and scientific freedom?

圖書館會藉由開放取用典藏庫(Open Access repositories)或是與出版社協議開放取用合約來倡議開放科學，您覺得這其中有潛伏與數據追蹤和科學自由相關的陷阱(pitfall)嗎?

A3：圖書館應該以機構內建立的機構典藏庫等基礎建設為主，倚賴綠色開放取用策略，而不是依賴商業公司的系統。與商業公司協議的出版合約會有造成機構負擔的高額出版成本(例如APC)，也是將使用者的使用習慣、瀏覽數據等拱手給了出版社。大學及圖書館應該盡力避免這些合約，並且將資金投注在機構內出版及典藏等基礎設施上。

Q4 In your presentation you called upon libraries to get involved in the debate and campaign for data protection. What can libraries and digital infrastructure institutions do in practice?

在您的演講中呼籲圖書館應該參與數據保護的倡議活動，圖書館實際上可以做些什麼呢?

A4：除了在與出版社協商合約時需要牢記的具體建議外，圖書館聯盟和高等教育機構的管理層必須公開聲援受到科學追蹤(science tracking)影響的研究人員。可以做的事情包含拒絕使用評估研究質量的偽科學量化指標(pseudo-scientific quantitative metrics)、加入並宣傳「停止追踪科學(Stop Tracking Science)」的請願活動或德國心理學會關於科學追蹤的聲明等。

更多採訪內容請見

How University Libraries Can Protect Data and Scientific Freedom

保護及提供服務：研究資料服務發展路徑圖的制定

研究資料管理(Research Data Management)變得越來越重要，不只是因為資料量成長速度及複雜度增加，也是因為法規管理者對資料的要求規範變多，例如歐盟提出的一般資料保護規定GDPR。許多研究資金資助單位開始制定研究資料相關政策政策，研究資料也漸漸被視為大學的重要資產(asset)；資料共享更在研究流程中扮演重要的角色。

Covid-19疫情肆虐之下，學者跟研究者必須在家工作的情況下，做研究的方式有了革命性的改變，讓大眾對研究資料和研究軟體的使用更為聚焦及重視，於此同時，機構及圖書館提供研究者的服務也必須跟著改變。

原文是牛津大學在2019年11月到2020年11月之間與外部單位合作提供機構內RDM服務設計及評估後(RDM review)，根據評估結果建立後續服務路徑圖(road map)的經驗分享。

根據評估與相關利益者的建議，牛津大學發展路徑圖時的考量有以下幾點：

1. 路徑圖應該包含可以被不同群眾理解的多層次面向(granularity)資訊。

2. 不論是在評估期間或是之後，路徑圖應該是易於編輯的動態文件。

3. 路徑圖應該包含標準化領域與類別，以利實施階段可以流程化追蹤。

4. 責任應同時分配到監督（個人）和實施（個人和/或團體）兩種。

牛津大學未來幾年RDM服務發展路徑圖，目前路徑圖是由機構的研究資訊管理與科技小組委員會(Research Information Management and Technology Sub-Committee)管理：

經過評估程序及路徑圖的制定，牛津大學提出幾項建議給未來有志提升研究資料管理服務的機構：

1. 確保高層級單位的支持 (Secure high-level sponsorship)

2. 透過多重諮詢，優先考量與學術社群的連結，確保研究者的需求 (Prioritize engagement with the academic community)

3. 確保RDM的最新發展 (Recognize the cross-cutting nature of RDM)

4. 確保中央與不同層級之間提供支援服務時各自的角色定位 (Acknowledge the respective roles of central and distributed support services)

5. 了解及接受不同學科領域對於資料分享的文化差異 (Understand and embrace different disciplinary cultures for data sharing)

6. 準備好隨時適應不斷改變的環境 (Be prepared to adapt to changing circumstances)

7. 在規劃及預算編排上要實際一點 (Be realistic about institutional planning and budgeting timelines)

8. 認知服務設計實踐的過程跟達成目標是一樣重要的 (Recognize that the journey is as important as the destination)

閱讀詳細的評估及路徑圖設計內容請見：

To protect and to serve: developing a road map for research data management services

JISC的研究資料分享服務(RDSS)

JISC採用工程與物理科學研究學會(Engineering and Physical Sciences Research Council, EPSRC)對於Research data的定義:

‘Research data is defined as recorded factual material commonly retained by and accepted in the scientific community as necessary to validate research findings; although the majority of such data is created in digital format, all research data is included irrespective of the format in which it is created.’

JISC約於2015年開始Research data shared service (RDSS)計畫，該計畫將聚焦資料生命週期的循環，在這個循環中，最終資料物件(finalized data objects)的獲取(ingest)、出版、長期的儲存與保存以用於出版或典藏，並且可以創建連結至現存在data creation 和managing active data的服務。

資料來源 https://insights.uksg.org/articles/10.1629/uksg.346/

RDSS服務的建立

• 需求調查-機構

JISC在2015年下半年啟動需求調查，了解高教單位對RDM的需求，主要包含三個部份

1. 對各機構進行研究系統的調查(institutional survey around research systems)，了解JISC各會員館機構內RDM的現況；
2. 針對現存需求的二手資料研究 (desk research around existing requirements)
3. 需求調查工作坊或是專家會議 (requirements gathering workshops.)

最終的需求調查結果與分析發布在The Official Journal of the European Union (OJEU)的招標公告中 (Jisc Research Data Shared Service Operational Requirements，https://zenodo.org/record/48261#.XUOqavL7SUk)

• 團隊建立-實驗機構(pilot institutions)

JISC從申請參與計畫實驗的機構中依照申請機構的SIZE與類型，平衡選取了13個機構成為實驗機構，這些機構包含倫敦帝國學院、劍橋大學、紐約大學等，與JISC一起合作發展RDSS的服務。

• 團隊建立-供應者(suppliers)

JISC使用OJEU的採購流程建立了供應商架構，這個架構可以分成8個部分：

1. Lot 1 – Research Data Repository Suppliers
2. Lot 2 – Repository Interfaces Suppliers
3. Lot 3 – Research Data Exchange Interface Suppliers
4. Lot 4 – Research Information and Administration Systems Integrations Suppliers
5. Lot 5 – Research Data Preservation Platforms Suppliers
6. Lot 6 – Research Data Preservation Tools Development Suppliers
7. Lot 7 – Research Data Reporting Suppliers
8. Lot 8 – User Experience Enhancement Suppliers.

關於供應商的需求及更多資訊可以參考 

RDSS Operational Requirements document

Jisc RDM blog

• 符合研究者的需求-Data Asset Framework

RDSS將讓研究者可以儲存資料以用於出版、發現、安全儲存、長期的典藏與保存，這衍生了一些問題，例如:

1. What forms of data do researchers have? 
2. How much data are we talking about? 
3. Where do they store their data currently? 
4. Who else needs access to it? 
5. How long does the data need to be kept? 
6. What motivates researchers to share their data – or to keep it closed?

Data Asset Framework 發展於2009年，當時幫助許多單位解決處理資料集的問題，但經過數十年的變化，原先的DAF已不符合實際需求，JISC及RDSS的實驗機構開始新版本的調查(The 2016 DAF survey)，了解目前英國RDM的情形，調查結果大約如下:

1. The RDSS can fill an important gap – 75% of researchers look first to their institution to preserve their data – but we know a lot of institutions cannot fully meet this need at present. This is where the RDSS can help. 
2. Access to institutional support for RDM remains low – only 16% of respondents are currently accessing university RDM support services. This is a twofold challenge: institutions not only need to make appropriate support services available, but also make researchers aware that they exist. 
3. We are pushing at an open door – 68% of respondents either already share data, or expect to do so in the future. Most of them do so because they believe that research is a public good which should be open to all. We just need to make data-sharing easier. 
4. We still have a long way to go – only 40% of respondents currently have an RDM plan, and only 18% follow established metadata standards or guidelines. Delivering change will take time.

• 符合研究者的需求-Metadata

為了瞭解RDSS的元數據(Metadata)和資料模組是否符合需求，JISC與Clax合作舉辦了9場焦點團體，參與者是實驗機構中的研究者，結果簡略如下:

1. The focus groups expressed concern about a number of areas with regard to metadata. Some can be addressed by training and support; many can be addressed by suppliers working with institutions and RDSS. A few require new technologies or culture change. 
2. Early creation and collection of metadata was often mentioned. This can be achieved through the use of dynamic data management plans so that metadata is collected from the planning stage and updated throughout the data collection and analysis process. 
3. Systems should preserve the form and content of the deposited data while allowing updating of the metadata to link to related data sets, subsequent publications and other materials which may have been created after the data was deposited. They should also allow updating of keywords and descriptive materials to reflect changes in the discipline. The facility to allow metadata to include links to other digital object identifiers (DOIs) and URLs – where a DOI does not exist – is essential. 
4. It is often assumed that the collection of metadata will involve researchers in arduous and time-consuming form filling at data deposit time. This is undesirable and unlikely to produce good metadata. Instead, automation of tools, collection processes, equipment and metadata collection integrated into researchers’ workflow throughout the research will, ideally, allow a push-button submission of the data, with metadata already attached, to the repository.

RDSS的概念架構圖

資料來源   https://insights.uksg.org/articles/10.1629/uksg.346/

RDSS 挑戰

從實驗機構端獲得的回饋可以歸納出幾點RDSS目前面對到的挑戰:

1. defining a ‘minimum viable product’ with a multitude of systems, priorities and expectations
2. fitting with existing institution and researcher workflows – for example, fitting RDSS into an institutional policy with the CRIS as the front door for researchers
3. making preservation work for research data, when the development of systems and tools have been led by the cultural heritage system
4. managing large data, data too large to be uploaded over the web, so greater than 5GB and including the challenges of big data
5. managing sensitive data including commercial, personally identifiable information and medical data.

更多詳細資訊及後續更新

JISC Blog – Research Data and related topics

Research Data Network

摘譯自

Establishing a shared research data servicefor UK universities

支援STEM數據分享的新模式-Data Communities

"STEM researchers must be convinced to share their data in the first place before they can be taught how to share it well."

化學家、農業科學家、公共衛生學者和土木環境工程師比較偏向個人、一對一或是與認識、信任的人(最常見的就是合作者)分享數據，他們倚重專業領域間的網路做分享，研究者之間非正式的聯絡網路也是很重要的分享管道，資料分享成為一種社交活動(social activity)，成功的資料分享常發生於Data Community。

“A data community is a fluid and informal network of researchers who share and use a certain type of data.”

另一個重要的分析面向是Creation of data curation profiles，分析數據生命週期的實證數據可以讓我們專注在分享特定類型資料的技術層面上(technical process)，而非以學科概括。另外也必須注意正在發生中，在更廣泛、技術支援範圍內的資料分享，有數個數據儲存庫(data repositories)可以被視為成功案例好好觀察：

1.劍橋結構資料庫(Cambridge Crystallographic Data Centre’s Cambridge Structural Database, CSD)-起源於1965年，由劍橋晶體數據中心建立的晶體結構的數據儲存庫

 2. FlyBase-基因和基因組序列的數據庫
1992年由NIH的國家人類基因組研究機構資助建立，該網站不只有資料取用與繳交的功能，還包含許多智慧導向工具(sophisticated navigation tool)、研究者名錄、線上論壇等。

3. DesignSafe-CI
美國國家科學基金會NSF所資助的計畫Natural hazards engineering research infrastructure所建立的數據儲存庫，研究者可以在雲端儲存、取用和分析自然災害的相關數據。該儲存庫可以接受任何形式的數據，但是資料檔案的形式(file format)是標準化的；該數據儲存庫另一個強項是整合了研究流程的各個階段，研究者可以上傳100T以上的raw data後以內建的工具分析資料並讓資料開放取用。

我們可以從以上這三個成功的Data community案例歸納出三個共同特色：

1. 由下而上、由小到大開始Bottom-up Development
這三個歷史久遠的data communities都是開始於研究者之間小規模的合作，長期的資助和組織的支持則是逐漸讓他們在數據產出、數據儲存和分享上納入新科技的使用，當研究者或是其同仁開始注意到資料分享的益處之後，communities也開始漸漸壯大，接著出版社與資助者對於資料分享的規範也有助於發展communities的規範。

2. 減少技術障礙 Absence or Mitigation of Technical Barriers
在三個成功案例中，研究者分享的資料在技術上都可以輕易上傳、轉換(transfer)及再利用，資料文件(data files)檔案不大、未包含敏感或是個人資料、文件具有標準且易懂(intelligible)的形式，data community的出現與可以使獲得重要的元數據(metadata)且使其標準化變得簡單的技術發展有關，例如CSD的成功有部分也歸功於.CIF文件形式的廣泛採用。data community的發展應該減少資料分享上倫理及技術上的障礙，或是發展出可以降低障礙、提升資料文件標準化的技術。

3. Community Norms
Data communities thrive when they cultivate formal or informal norms through which data sharing comes to be expected within the community. 數據分享的動機不能只因為數據會被引用，而應該在community裡建立規範與風氣，例如分享資料時加上穩定持久的識別碼(PID)DOIs有助於數據引用及作者可以得到Credit，另外出版社與資助者對資料分享的要求也可以有效建立community的規範及分享的風氣。

學術圖書館及其館員的角色

學術圖書館的規模/等級可能不足以處理研究者或科學家面對的挑戰，圖書館員若是想要有效地支持科學家，就必須找到有創意的方式，更廣泛、跨機構及跨領域地來貢獻(contribute)他們的專業。

覺知(awareness)是很重要的一件事，了解機構內的科學家/研究者屬於哪一個data community，很多data communities的網路及機構基本設備都建在特定的機構中，例如DesignSafe-CI是由奧斯丁德州大學的研究者所領導，所以DesignSafe-CI的雲端儲存和分析能力都歸功於德州大學進階運算中心，館員可以提供的專業協助可以發會在智財權及著作權的議題。

摘譯自ITHAKA S+R報告
Data Communities: A New Model for Supporting STM Data Sharing