Podium Plus: Onderzoek naar de mogelijkheden tot landelijke samenwerking bij de opslag van onderzoeksdata

Transcriptie

1 Podium Plus: Onderzoek naar de mogelijkheden tot landelijke samenwerking bij de opslag van onderzoeksdata

2 Colofon Podium Plus: Onderzoek naar de mogelijkheden tot landelijke samenwerking bij de opslag van onderzoeksdata SURFfoundation PO Box 2290 NL-3500 GG Utrecht T F info@surf.nl Auteur Paulien Wiersma Universiteitsbibliotheek Utrecht Eindredactie Keith Russell SURFfoundation SURF is de ICT-samenwerkingsorganisatie van het hoger onderwijs en onderzoek ( Deze publicatie is digitaal beschikbaar via de website van SURFfoundation: Stichting SURF SeptemberAugustus 2011 Deze publicatie verschijnt onder de Creative Commons licentie Naamsvermelding 3.0 Nederland.

3 Inhoudsopgave Managementsamenvatting... 5 Management Summary... 7 Inleiding en achtergronden Deelresultaat 1: oriëntatiefase landelijke samenwerking dataverse network Het gebruik van Utrecht Dataverse network Relaties met andere projecten Deelresultaat 2: de pilots Inleiding Enquêtes Look and feel (onderdeel A) Technische aspecten DVN (onderdeel B) Flow en toegankelijkheid van data (onderdeel C) Overige bevindingen Deelresultaat 3: opzet voor samenwerking Licentievoorwaarden en vergelijk Metadatavelden en vergelijk Metadatavelden in de pilots Metadatavelden bij 3TU.Datacentrum Formaten bij DANS Voorkeursformaten van DANS vergeleken met gebruikte formaten in Utrecht Dataverse Network Voorkeursformaten van 3TU.Datacentrum Conclusie m.b.t. metadata en formaten Handmatig overhevelen van datasets uit Utrecht Dataverse Network naar DANS EASY Aandachtspunten m.b.t. technische aspecten van Dataverse Network Levenscyclus van data Conclusies en aanbevelingen Bijlage 1 - UBU Virtual Datacenter Bijlage 2 - Vragenlijst voor gebruikers van DVN Bijlage 3a - Overzicht van de gebruikte formaten in Utrecht Dataverse Network Bijlage 3b - Overzicht van de ingevulde metadata in Utrecht Dataverse Network Bijlage 4a - Utrecht Dataverse Network - terms of use for downloading Bijlage 4b - Utrecht Dataverse Network general terms of use Bijlage 4c - Utrecht Dataverse Network terms of use for posting Bijlage 5 - DANS EASY Dublin Core Metadata Bijlage 6 3TU.Datacentrum Dublin Core Metadata Bijlage 7 - Voorkeursformaten van DANS Bijlage 8 - Overzicht ondersteunde formaten bij 3TU.Datacentrum Bijlage 9 - Utrecht Dataverse Network FAQ

4

5 Managementsamenvatting Dit rapport geeft een onderzoek weer dat is uitgevoerd in opdracht van SURFfoundation. Het valt onder het SURFshare programma in het werkpakket Toegang tot onderzoeksdata. Het project is uitgevoerd van 1 september 2010 tot 1 juni Bij de Universiteitsbibliotheek Utrecht is in 2010 een lokale applicatie van het open source programma Dataverse Network (DVN) geïnstalleerd om aan onderzoekers van de Universiteit Utrecht de mogelijkheid te bieden om hun primaire onderzoeksdata te archiveren en te ontsluiten. Met ondersteuning van de bibliotheek kunnen onderzoekers in eigen huis en onder eigen regie op een verantwoorde wijze voldoen aan de noodzaak van langdurige en (uiteindelijke) openbaarmaking van onderzoeksdata. In twee pilots met onderzoekers van de Universiteit Twente en Universiteit Utrecht is ervaring opgedaan met het gebruik van het open source programma. De archivering in het Utrecht Dataverse Network is in eerste instantie voor de korte en middellange termijn, maar er is geïnventariseerd of datasets uit de pilots in aanmerking komen voor lange termijn opslag. Voor dit tweede onderdeel van het onderzoek is input gevraagd van DANS en 3TU Datacentrum. Het project Podium Plus levert zo een structurele en concrete bijdrage aan de workflow voor opslag en hergebruik van de in de Utrechtse Dataverse Network gedeponeerde data. In het kader hiervan zijn de licentievoorwaarden van DVN en DANS/3TU Datacentrum vergeleken. Ook zijn de metadata uitgebreid vergeleken, waarmee ervaring is opgedaan met het overzetten en het lange termijn bewaren van datasets. Daarnaast zijn er concrete stappen gezet in de landelijke samenwerking met betrekking tot dataopslag: De Universiteit Leiden heeft interesse getoond om te gaan werken met Utrecht Dataverse Network. Ook andere universiteiten hebben interesse voor landelijke samenwerking getoond. Hiermee is dit een mooi voorbeeld van hoe een Cloud oplossing kan worden ingezet voor de opslag van onderzoeksdata. Bij de uitvoering van de pilots is gebleken dat slechts weinig onderzoekers bereid zijn gevonden hun data, als eerste stap in lange termijn dataopslag, op te slaan in DVN. Wetenschappers geven aan dat zij nog weinig tijd hebben voor dataopslag en hier een lage prioriteit aan toekennen. Wel hebben meerdere onderzoekers zich bereid getoond mee te werken aan een enquête voor gebruik van DVN. De uitkomsten hiervan zijn niet in het project Podium Plus gebruikt maar zijn interessant voor vervolgprojecten. De enquêtes bevestigen het beeld dat in andere projecten naar voren is gekomen. Met betrekking tot de technische aspecten van DVN is geconstateerd dat de upload van bestanden soms traag gaat, dat er problemen zijn met SPSS (.sav bestandsformaat) en dat wetenschappers het als een nadeel ervaren dat er geen streaming data in kan worden opgenomen. Aan deze punten zal verder gewerkt worden. Tenslotte blijkt uit het project dat Dataverse geschikt is om data op te slaan. Voor de lange termijn bewaring bij DANS of 3TU Datacentrum zou het een nuttige exercitie zijn als voornoemde organisaties duidelijk zouden aangeven welke verplichte metadata, formaten en verdeling naar vakgebieden aangeleverd moeten worden. In Utrecht wordt momenteel een communicatieplan ingevoerd. Naar verwachting zullen meer wetenschappers datasets deponeren en is er dankzij dit project een begin gemaakt met een workflow om deze datasets voor lange termijn archivering over te hevelen naar DANS dan wel 3TU Datacentrum. Op het gebied van authenticatie werkt de Universiteit Utrecht samen met SURFfederatie aan een federatieve inlog voor DVN. 5

6

7 Management Summary This report presents the results of a study carried out for SURFfoundation. This is one of the activities in the Access to Research Data work package within the SURFshare programme. The project ran from 1 September 2010 to 1 June A local application of the Dataverse Network (DVN) (an open source programme) was installed at Utrecht University Library in 2010 to enable the university s researchers to store and access their primary research data. The library helps them to comply responsibly onsite and under their own control with the need for long-term storage and ultimately sharing their research data. In two pilots, with researchers from the Universities of Twente and Utrecht, researchers were able to familiarise themselves with the open source programme. Archiving in the Utrecht Dataverse Network will initially be for the short and medium term, but a survey was carried out to determine whether datasets from the pilots should be stored for the long term. Input was requested from DANS and 3TU.Datacentrum for this second part of the study. Thus the Podium Plus project will contribute to the entire workflow for storage and reuse of the data deposited in the Utrecht Dataverse Network. To this end, a comparison was made between the licence conditions for DVN and those of DANS and the 3TU.Datacentrum. The metadata were also closely analysed, hereby gaining experience in transferring datasets for long term storage. Steps have also been taken towards countrywide collaboration on data storage: Leiden University has explored collaborating with the Utrecht Dataverse Network, and other universities have also shown interest in countrywide collaboration. This is a good example of how a cloud solution can be used to store research data. The pilots revealed that only a few researchers were prepared to store their data in DVN as the first step towards long-term data storage. Researchers say that they do not have enough time to devote to data storage and that they assign it a low priority. A number of them were prepared, however, to participate in a survey regarding the use of DVN. The results were not actually used in the Podium Plus project but are relevant to follow-up projects. The surveys confirm the picture revealed during other projects. As regards the technical aspects of DVN, it was found that uploading files is sometimes slow, that there are problems with SPSS (the.sav file format), and that researchers consider it a disadvantage that streaming data cannot be included. More work will be done on these points. Finally, the project has demonstrated that Dataverse is suitable for storing data. As regards longterm storage at DANS or 3TU.Datacentrum, it would be useful if these organisations were able to clearly indicate what obligatory metadata, formats, and categorisation into disciplines need to be supplied. A communication plan is currently being introduced in Utrecht. More researchers are expected to deposit their datasets, and the project marks the start of a workflow for transferring these datasets to DANS or 3TU.Datacentrum for long-term storage. For authentication, Utrecht University is working with SURFfederatie on a federative inlog for DVN. 7

8

9 Inleiding en achtergronden Dit rapport geeft een onderzoek weer dat is uitgevoerd in opdracht van SURFfoundation. Het valt onder het SURFshare programma in het werkpakket Toegang tot onderzoeksdata. Met het SURFshare programma wil SURFfoundation een gemeenschappelijke infrastructuur realiseren die de toegankelijkheid èn de uitwisseling van onderzoeksinformatie bevordert. Dit programma loopt van 2008 tot en met 2011 en heeft tot doel om samen met alle Nederlandse universiteiten en hogescholen, NWO en KNAW te werken aan het optimaal delen van onderzoeksresultaten, gebruik makend van de nieuwste ICT mogelijkheden. Met het Parelsnoer initiatief 1, een centrale databank voor klinische data als voorbeeld en best practice, moeten we concluderen dat er bij de Nederlandse Universiteiten nog geen centraal loket voor onderzoekers is, waar zij voor hun korte termijn dataopslag terecht kunnen. DANS zorgt voor de opslag en blijvende toegankelijkheid van onderzoeksgegevens in de alfa- en gammawetenschappen. Daartoe ontwikkelt het instituut zelf duurzame archiveringsdiensten, bevordert dat anderen dat doen, en werkt samen met andere databeheerders. DANS legt zich toe op lange termijn opslag, archivering en volledige openbaarheid van de data, terwijl wetenschappers in de fase ervoor ook behoefte hebben aan opslag van hun data. Onderzoeksfinanciers (zoals NWO en de European Research Council), wetenschappelijke uitgevers en anderen stellen in toenemende mate de eis dat onderzoeksgegevens verplicht bewaard dienen te worden voor langere tijd. Onderzoekers moeten hiertoe wel een mogelijkheid worden geboden hun data te archiveren en te ontsluiten. Daarmee wordt het delen en hergebruiken van datasets mogelijk, waarbij nadrukkelijk de wetenschappers zelf bepalen met wie zij dit doen en wanneer. De bibliotheek kan hierbij een rol spelen door de toegang te garanderen en te zorgen voor ondersteuning. Bij de Universiteitsbibliotheek Utrecht (UBU) is om deze reden in 2010 een lokale applicatie van het open source programma DataVerse Network 2 geïnstalleerd. Deze applicatie is ontwikkeld door Harvard University en MIT. Om het proces te coördineren en te begeleiden heeft de UBU begin 2010 het project Podium (Primaire OnderzoeksData In Utrecht Makkelijk toegankelijk) gelanceerd. Voor de dataopslag maakt de UBU gebruik van de diensten van VANCIS. Dit is een dochteronderneming van rekencentrum SARA in Amsterdam. Meer achtergrondinformatie is te lezen in Bijlage 1. In Utrecht Dataverse Network DVN deponeren een aantal wetenschappers inmiddels hun data. Het Podium Plus project wil een structurele en concrete bijdrage leveren aan de workflow voor opslag en hergebruik van deze onderzoeksdata door samen met DANS en 3TU Datacentrum te onderzoeken op welke wijze de door onderzoekers gegenereerde datasets (op het moment zij hieraan behoefte hebben), overgezet kunnen worden naar DANS of 3TU Datacentrum voor de lange termijn bewaring. Hoewel het archiveringssysteem van DANS gebruik maakt van FEDORA (algemene software voor repositories), wil DANS gebruik gaan maken van het speciaal voor datasets toegesneden DVN

10

11 1 Deelresultaat 1: oriëntatiefase landelijke samenwerking dataverse network De Universiteitsbibliotheek Utrecht heeft een concrete stap gezet in de landelijke samenwerking met betrekking tot dataopslag: er is een concept samenwerkings-overeenkomst opgesteld met de Universiteitsbibliotheek Leiden. De UB Leiden heeft in eerste instantie toegezegd dat zij in elk geval een jaar gebruik wilde gaan maken van Utrecht Dataverse Network. De kosten voor de installatie van de lokale Utrecht DVN-variant zouden worden gedeeld en er waren afspraken gemaakt over het gezamenlijke technische onderhoud. Zowel in Leiden als in Utrecht zou een gezamenlijke helpdesk georganiseerd. Er zou regelmatig overleg plaatsvinden. Utrecht heeft een begin gemaakt met het opstellen van een FAQ-lijst (bijlage 9). Leiden heeft inmiddels besloten nog niet verder te gaan met DVN. Of de Universiteit Twente verder gebruik gaat maken van DVN is nog onzeker; men geeft aan dat men niet zonder meer verder gaat met DVN. Het zal moeten blijken uit de ondersteuningsactiviteiten die Twente als bibliotheek aan het opbouwen is. (o.m. via het project CARDS 3 ). Mocht er vraag zijn naar dataopslag, dan wil men hosting regelen via 3TU-Datacentrum of DANS. Naast UB Leiden is wellicht ook de Universiteit van Tilburg geïnteresseerd. Tilburg heeft DVN gebruikt binnen het NEEO project 4 en zij willen DVN blijven gebruiken voor de opslag van datasets bij publicaties. Tilburg maakt gebruik van Dataverse zoals deze door de universiteit van Harvard wordt aangeboden. Als er een vervolg komt op NEEO wordt Dataverse waarschijnlijk lokaal geïnstalleerd en op maat gemaakt, maar het is ook mogelijk dat ook Tilburg intensiever gaat samenwerken met Utrecht. Er zijn gesprekken gaande met meerdere universiteiten waaronder de Universiteit van Amsterdam. Als meer universiteiten aansluiten zal Utrecht de naamgeving te zijner tijd veranderen naar (bijvoorbeeld) het Dutch Dataverse Network. Utrecht streeft naar één Dataverse omgeving voor alle academische bibliotheken. Utrecht Dataverse Network zal in het kader van Podium Plus een federatieve inlog (laten) bouwen waardoor de aansluiting op SURFfederatie gerealiseerd zal kunnen worden. Een dergelijke inlog is bijvoorbeeld al te vinden bij Harvard 5 In de toekomst is het dan mogelijk dat gebruikers met hun eigen instellingsaccount (federatief) toegang krijgen tot een heel scala aan gekoppelde diensten, waarvan DVN er dan één is. Het s de bedoeling dat de diensten ook in samenhang met elkaar gebruikt kunnen worden. In het kader van Podium Plus is het goed mogelijk dat Utrecht Dataverse Network wordt verrijkt met een SWORD koppeling. SWORD staat voor Simple Web service Offering Repository Deposit. Van dit uitwisselingsprotocol maakt bijvoorbeeld ook DANS en het project EJME (Enhanced Journals Made Easy 6 ) gebruik. Het is het protocol waarmee datasets van DVN naar DANS en 3TU.Datacentrum, over en weer, kunnen worden overgeheveld. Dit is een zeer belangrijke stap in de koppeling van datasets in DVN naar langdurige archivering. 1.1 Het gebruik van Utrecht Dataverse network Gedurende het jaar 2011 is het gebruik van de dienst gratis, daarna is het gebruik van DVN tot 2 Gigabyte gratis, deze limiet wordt na 2011 misschien verhoogd. In Utrecht wordt momenteel een doorberekeningmodel opgezet naar de faculteiten. Ter indicatie, dit kan liggen in de orde van 7,50 per GB. Voor de opslag maakt de UBU gebruik van de diensten van VANCIS; een dochteronderneming van SARA (Amsterdam)

12 1.2 Relaties met andere projecten Podium Plus heeft relaties met de volgende twee projecten: CARDS (Controlled Access to Research Data Store): een door SURFfoundation gefinancierd project waar onderzocht wordt hoe onderzoekers bij hun lopend onderzoek ondersteund kunnen worden bij hun datamanagement. EJME (Enhanced Journals Made Easy) : een door SURFfoundation gefinancierd project waar een koppeling gemaakt wordt tussen tijdschriften en onderzoeksdata. De invoer van datasets verloopt via het systeem OJS (Open Journal Systems). 12

13 2 Deelresultaat 2: de pilots 2.1 Inleiding Om ervaring op te doen met DVN als software voor dataopslag, is getracht gebruikers bij de Twentse en Utrecht Dataverse Network Universiteit te vinden. Hoewel zowel in Utrecht als in Twente veel inspanning is geleverd waren er slechts drie actieve gebruikers in Utrecht. De reden voor dit geringe aantal deelnemers is gelegen in het feit dat wetenschappers aangeven nog weinig tijd te hebben voor, en prioriteit te geven aan dataopslag. Door omstandigheden is het communicatieplan rondom PODIUM nog niet uitgevoerd. Dit had mogelijk meer belangstelling onder Figuur 1: De homepage van het Utrecht Dataverse Network onderzoekers tijdens de duur van dit project kunnen opleveren. Omdat dit plan in de zomer 2011 zal worden uitgevoerd, is de verwachting dat er binnenkort een groter gebruik zal worden gemaakt van deze dienst. Voor het werken met Utrecht Dataverse Network dienen gebruikers zich akkoord te verklaren met de voorwaarden. De juridische afdeling van de Universiteit Utrecht heeft tijd nodig gehad om voorwaarden op te stellen, hetgeen tot enige vertraging heeft geleid. Tenslotte was er interferentie met het CARDS project waarvoor ook onderzoekers moesten worden benaderd. 2.2 Enquêtes Bij de drie Utrecht Dataverse Network gebruikers van DVN zijn drie volledige enquêtes afgenomen. Voor de vragenlijst zie bijlage 2. Voor de volledige versies van de enquêtes zie: Look and feel (onderdeel A) Twee van de drie gebruikers geeft aan gemakkelijk de weg te vinden in DVN. Uploaden van bestanden vormt een aandachtspunt. Dit gaat één voor één en soms erg traag. Dit wordt veroorzaakt door een trage verbinding Technische aspecten DVN (onderdeel B) De formaten van de opgenomen bestanden zijn opgenomen in bijlage 3a (vraag a). Als er beeld en geluidsbestanden worden gedeponeerd, dan is 2 Gigabyte niet veel. Hoeveel ruimte men in beslag neemt moet men handmatig optellen. Faculteiten kunnen hier te zijner tijd uit kostenbeheersingoverwegingen grenzen aan stellen (vraag b). De gebruikers hebben nog geen rechten uitgedeeld, maar zijn dit wel van plan (vraag c). De gebruikers hebben nog geen accounts voor personen buiten hun organisatie aangemaakt, maar zijn dit wel van plan (vraag d). De gebruikers hebben hun data ook nog op andere plaatsen bewaard (harde schijf/cd-rom) (vraag e). Twee gebruikers ondervonden bij het inrichten van hun dataverse geen problemen, één gebruiker vond het lastig (vraag f). Twee gebruikers geven aan dat de structuur van de gedeponeerde data helder is; één gebruiker is het zicht op de structuur een beetje kwijt (vraag g). 13

14 Alle gebruikers vullen beschrijvende velden in. Een overzicht hiervan is opgenomen in bijlage 3b (vraag h). Twee gebruikers geven aan dat de minimale metadata zijn: auteur, contact adres van de auteur en een deposit-datum. Eén gebruiker voegt daar nog trefwoorden, afrondingsdatum, affiliatie, (NWO)-project en samenwerkingspartners aan toe (vraag i). In een study-template worden velden al standaard ingevuld en dat scheelt werk. Eén gebruiker geeft aan hier niet bekend mee te zijn; één wil er wel meer van weten en één kent het, maar werkt er nog niet mee (vraag j). De aangeboden hulpfuncties in Dataverse bestaan uit kleine pop-up vensters (handig vindt één gebruiker) en een uitgebreide handleiding (een gebruiker geeft aan daar niet in gekeken te hebben; een andere gebruiker vindt ze niet duidelijk) (vraag k). Men heeft de eigen Dataverses niet gepersonaliseerd of eigen banners gebruikt; een gebruiker heeft wel eigen voorwaarden opgesteld voor het downloaden van zijn materiaal (vraag l). De door DataVerse Network toegekende URL (handle) is in een enkel geval op een website gebruikt, maar nog niet in publicaties (vraag m) Flow en toegankelijkheid van data (onderdeel C) De gebruikers hebben in alle gevallen hun eigen onderzoeksdata gedeponeerd. Eén gebruiker heeft daar nog data van elders aan toegevoegd (vraag a). Met het delen van data heeft men nog geen ervaring opgedaan (vraag b). De datasets komen allemaal geheel of gedeeltelijk in aanmerking om voor de lange termijn te bewaren (vraag c). Twee onderzoekers zien een duidelijke tweedeling in de toegankelijkheid van hun datasets. Op het moment dat data nog in bewerking zijn en er nog geëxtraheerd en gepubliceerd moet worden willen zij liever geen Open Access. Daarna vormt Open Access geen probleem meer (vraag d t/m f). Subsidiërende instellingen zoals NWO, stellen steeds meer als eis dat data goed bewaard dienen te worden. Daarbij wordt expliciet DANS-EASY genoemd. Er zijn ook financiers van onderzoeksprojecten die niet naar een specifieke plaats verwijzen om data op te slaan. Maar allen wijzen op het feit dat de data opgeslagen dienen te worden en terugvindbaar dienen te zijn. Eén onderzoeker geeft aan hier nog niet mee te zijn geconfronteerd, maar van collega s en samenwerkingspartners weet hij dat dit speelt. De aandachtspunten uit deze enquêtes zijn meegenomen in een lijst met veelgestelde vragen voor DVN (zie bijlage 9) Overige bevindingen In dit hoofdstuk zijn zeven enquêtes opgenomen met wetenschappers die wel benaderd zijn in het kader van dit project, maar er uiteindelijk om verschillende redenen niet concreet mee hebben gewerkt. Dit leverde input die weliswaar voor dit project niet gebruikt kon worden, maar wel interessant is voor vervolgprojecten of een beeld bevestigen wat al in andere projecten of literatuurstudies naar voren is gekomen. Om deze informatie niet verloren te laten gaan, volgt hieronder een weergave: Enquête 1 Deze enquête werd afgenomen bij een onderzoeker werkzaam bij de Faculteit Gedragswetenschappen, vakgroep Media, Communicatie en Organisatie, Universiteit Twente. Data delen is niet het interessantste, doel voor mij zou zijn om het onderzoek als geheel te delen, dus inclusief de instrumenten (bv. vragenlijsten), analyses/publicaties, personen, etc. Kortom, de context van data is van belang! Zo kun je bij Statline van CBS ook veel meer dan alleen maar data zien, ook allerlei selecties en bewerkingen (zoals grafieken) zijn mogelijk. Dit is ook nodig om bijvoorbeeld onderzoek te kunnen herhalen. In de praktijk zal DVN niet werken, want of een onderzoeker al dat omliggende materiaal ook in de dataverse opneemt, moet je maar afwachten. 14

15 Kortom, ik kan net zo goed contact opnemen met de onderzoeker zelf en het benodigde materiaal vragen. DVN vraagt mij iets extra s te doen (opnemen, beschrijven, deels openstellen) maar ik krijg er niet veel voor terug lijkt het. Een open research environment, zeg maar een soort samenwerkingsomgeving voor data verzamelen, analyseren en opslaan is aantrekkelijker. Enquête 2 Deze enquête werd uitgevoerd bij de Faculteit Betawetenschappen, Departement Farmaceutische Wetenschappen, Biomedische Analyse, Biomolecular Mass Spectrometry and Proteomics, Universiteit Utrecht. Bij deze groep worden grote hoeveelheden data geproduceerd die momenteel als stream (UDP Protocol) opgeslagen worden (2 torens van ieder 64 TB-mirror). De opslag vindt evenwichtig plaats (load balancing) en d.m.v. cloud storage. Het operating system achter de hele dataopslag is via Castor Content Router 2.0. De datadeponeerder spreekt een node aan. Op grond van het formaat wordt de data ergens in de cloud bewaard (en op twee plaatsen dus) en het systeem komt terug met een hash-tag. Deze hash-tag is de toegang tot de dataset. Data delen betekent dus de hash-tag delen, maar binnen dit systeem is dit nog niet geformaliseerd; er zou eigenlijk nog een (software) laag boven moeten en die is er nu nog niet. In dat verband zou DVN meerwaarde kunnen hebben, ware het niet dat upload van DVN via http gaat en dus niet handig is in deze constructie. De bestanden die meest groter zijn dan 1 GB, (namelijk in deze onderzoeksgroep momenteel 2-4 GB) vormen een tweede probleem voor DVN. Over de levensduur van de data wordt nog opgemerkt dat deze niet langer is dan 5 jaar; daarna moeten metingen opnieuw gedaan worden, met modernere en verbeterde apparatuur. Maar héél zelden moeten data permanent bewaard blijven. Enquête 3 Deze enquête werd afgenomen bij een onderzoeker van de Faculteit Geowetenschappen- Aardwetenschappen-Geochemie, Universiteit Utrecht. Hier geeft men aan dat DVN geen toegevoegde waarde heeft ten opzichte van andere opslagsystemen omdat automatische opslag van machine-gegenereerde data niet mogelijk is. Dit had dan in technische zin niet alleen voor deze groep interessant kunnen zijn, maar ook voor wetenschappers in de nucleaire magnetische resonantie, moleculaire biologie en farmacie. Bij deze groep slaat men op dit moment de gegevens op de eigen harde schijf op en daarna op de labserver met een back-up mechanisme. Bij Geowetenschappen wordt al veel open access gewerkt en gedeeld. Belangrijke datacentra zijn PANGAEA 7 in Duitsland en NOAA 8. Open Earth is het depot voor Geowetenschappen. Enquête 4 Deze enquête werd afgenomen bij een onderzoeker bij de Divisie Hersenen van het UMC in Utrecht. De wetenschapper werkte met fmri beelden en had al een persoonlijke database van 300 Gigabyte die op servers worden opgeslagen. Bij zijn onderzoeksaanvraag hoefde hij geen datamanagement plan in te dienen. Het formaat van de data is MATLAB (MATrix LABoratory), een wiskundige technische softwareomgeving. Deze wetenschapper zou wel graag kijken in de data van anderen, en is zelf ook bereid om data te delen. Het eerstgenoemde vindt hij belangrijker dan het laatstgenoemde. Een aansluitende enquête bij de datamanagers van het UMC leverde de volgende informatie op. Alle data van de divisie zitten in de zogenaamde Database Wetenschappelijk Onderzoek (DBWO). Deze database is een verzamelplatform met archief en is in principe gesloten. Er is geen koppeling naar het internet. Wetenschappers die gegevens uit deze database willen hebben dienen hiertoe een aanvraag in. ZorgICT is het grote project in het UMC dat de opslag van zorgdata gaat regelen, maar er zijn ook onderzoeks- en onderwijsdata. Meestal zijn deze datasets met elkaar verweven en/of gekoppeld. Het UMC Utrecht organiseert momenteel haar eigen dataopslag

16 Enquête 5 Deze enquête werd afgenomen bij een onderzoeker Politicologie aan de Universiteit Twente. Deze gebruikt datasets van maximaal 1Gigabyte in het formaat.sav (SPSS) en.xls. De data worden gedeeld met een beperkt aantal collega s en wetenschappers en studenten. Voor onderwijs specifiek bewerkte data worden als oefenstof in de elektronische leeromgeving (Blackboard) aangeboden. In principe wil deze wetenschapper eindversies voor lange termijn bewaren na afloop van het eigen onderzoek. Publiek gefinancierd onderzoek zou Open Access beschikbaar moeten worden gemaakt; dit is ook belangrijk voor de repliceerbaarheid van het onderzoek. Let op privacygevoelige data; deze dient te worden afgeschermd of opgeschoond. Enquête 6 Deze enquête is uitgevoerd bij de vakgroep Maatschappelijke Risico s en Veiligheid, Universiteit Twente. Deze wetenschapper kent DVN van een presentatie van Gary King en is geïnteresseerd in de software. Hij heeft het niet zelf gebruikt (wegens tijdgebrek), maar heeft er wel naar gekeken en vindt DVN prettig in gebruik, overzichtelijk en heeft er snel zijn weg in gevonden. De mogelijke toepassing van DVN ziet hij vooral als mogelijk programma voor dataopslag in het Universiteit Twente datalab-initiatief. Dus het is meer op instituuts- (of groeps-)niveau in te zetten dan voor individueel onderzoek. Ook zag hij nog niet direct de meerwaarde ten opzichte van bijvoorbeeld Dropbox of andere bestaande programma s voor het delen van bestanden. Het toekennen van een persistente identifier zag hij vooral als nuttig om de dataset te koppelen aan een publicatie. De wetenschapper zag in eerste instantie niet dat DVN de mogelijkheid biedt om rechten toe te kennen aan derden voor toegang tot eigen data. Dit punt is meegenomen in de veelgestelde vragen (bijlage 9). Het formaat van de data die nu op zijn harde schijf staan, zijn.rdata, SPSS en.txt. De data varieert van 100 kilobyte tot 1 megabyte per bestand; in totaal zijn er nu enkele tientallen megabytes. De data groeit met 10 megabyte per jaar. Deze wetenschapper heeft tot nu toe uitsluitend externe data gebruikt en genereert door combinatie hiervan nieuwe eigen datasets. Hij heeft nog geen ervaring opgedaan met het delen van data, maar geeft aan dat na afloop van zijn onderzoek de data gedeeld mogen worden m.u.v. de privacy gevoelige data. Hij is voorstander van Open Access op grond van gemeenschapsgeld argument en alleen na afloop van het onderzoek. Als aanvulling op de enquête geeft deze wetenschapper nog aan: De toegang tot grote externe databestanden moet altijd op instituutsniveau geregeld worden, dat is voor een individuele onderzoeker niet te regelen. Er moet veel geregeld worden op het gebied van afscherming, enz. Hij heeft wel eens het probleem van onvoldoende rekencapaciteit op zijn eigen computer. Dan zou een externe partij uitkomst moeten kunnen bieden, bv. Amazon Elastic Compute Cloud. Maar dat geeft alleen tijdwinst bij parallelle bewerkingen, niet of nauwelijks bij sequentiële. Enquête 7 Deze enquête is afgenomenbij de vakgroep Politicologie, Universiteit Twente. Deze wetenschapper geeft aan dat het handig is om met een tool als DVN alle data op een overzichtelijke manier bij elkaar te hebben, datasets goed beschreven te hebben en een overzicht te hebben van verschillende versies (bijvoorbeeld na operationalisatie). Het formaat van zijn data is.sav bestanden (SPSS) en.xls. De data varieert van 100 kilobyte tot 1 megabyte per bestand; in totaal beslaat het enkele tientallen megabytes, met een groei van 10 megabytes per jaar. De data staan nu in een mappenstructuur en dat zal wel blijven bestaan, zo zegt hij. Zijn data zijn beperkt beschikbaar voor collega s en studenten. Vvoor onderwijs specifiek bewerkte data worden als oefenstof in Blackboard aangeboden. De data worden zelf of met collega s verzameld. Men slaat geen externe data op; die staan bijvoorbeeld bij het Nederlands Kiezers Onderzoek (NKO). Deze onderzoeker heeft geen ervaring met het delen van data. Alleen de eindversies van data komen volgens hem in aanmerking om voor langere termijn te bewaren. Daarnaast ook de ruwe versies, maar wellicht minder systematisch. Als het niet hoeft, moet men geen data weggooien. Over Open Access schrijft deze onderzoeker: Eindversies na het onderzoek kunnen openbaar gemaakt worden, open access zou dan ook moeten met publiek gefinancierd onderzoek. Is ook belangrijk voor repliceerbaarheid. Wel letten op privacy gevoelige data: afschermen of opschonen. Tijdens het onderzoek moeten data 16

17 nog niet openbaar zijn. Hij heeft zelf nog geen ervaring met de eis van beschikbaarheid van data door subsidiërende instellingen, maar weet dat het gebeurt. 17

18

19 3 Deelresultaat 3: opzet voor samenwerking In dit hoofdstuk worden specificaties beschreven voor de koppeling van dynamische omgevingen naar statische data-archieven (DANS). 3.1 Licentievoorwaarden en vergelijk De licentievoorwaarden van de Universiteit Utrecht voor het gebruik van Utrecht Dataverse Network zijn opgenomen in Bijlage 4 a t/m c; de licentievoorwaarden van DANS zijn te vinden op: Het 3TU Datacentrum gebruikt dezelfde licentievoorwaarden als DANS. DANS heeft de licentievoorwaarden vergeleken en concludeert: Er zijn wel verschillen tussen de DANS en de Dataverse licenties. Zo kunnen de Dataverse terms zonder voorafgaande aankondiging eenzijdig veranderd worden door de UU; bij DANS kan dat niet. Een belangrijk verschil is verder dat privacygevoelige data categorisch niet in de Dataverse opgenomen mogen worden. Bij DANS mag dat wel (onder restricted access). Datasets blijven bij DANS in principe altijd in het archief, bij Dataverse kan de service beëindigd worden. Opvallend is ook dat Dataverse blijkbaar alleen persoonlijk wordt afgesloten. Bij DANS kan ook een organisatie (legal entity) dat doen. Alleen voor medewerkers van de UU geldt dat blijkbaar niet, blijkt uit de Terms of Use for Posting. Daarbij wordt er van uitgegaan dat de UU de "eigenaar" is. Verder zijn de Dataverse terms nog veel gedetailleerder dan die van DANS m.b.t. wat er allemaal niet mag staan in de data (unlawful, threatening etc.) ook m.b.t. computerbedreigingen als virussen, enz. Verder nog: De Terms of Use for Downloading van CLIO-INFRA (IISG) zijn vrij mager vergeleken met de Gebruiksvoorwaarden van DANS. Bij ons mogen data niet verder verspreid worden, zeker niet commercieel gebruikt of verkocht enzovoorts en daar staat bij Dataverse niets over. En ook niet wat er gebeurt bij niet-naleving. Een matrix van de belangrijkste verschillen: DANS/3TU.DC DVN Access: open Ja Ja Access: restricted Ja Ja Privacygevoelige data mogelijk Ja Nee Depositors: personen Ja Ja Depositors: organisaties Ja Nee Verwijderen datasets mogelijk door depositor Nee Ja Verwijderen datasets mogelijk door archief Ja Ja Er kan worden vastgesteld dat de verschillen gering zijn en geen barrière vormen voor de migratie van datasets. Op het moment dat datasets gaan migreren, zal de onderzoeker opnieuw akkoord moeten gaan met de gebruiksvoorwaarden en dan tegelijkertijd kennis kunnen maken met de verschillende toegangsvormen zoals DANS deze hanteert. Open en restricted access wordt contractueel vastgelegd. Zijn er uitgebreidere of specifieke wensen dan wordt een contract op maat gemaakt. Deze informatie moet voorafgaand aan het gebruik van Utrecht DataVerse Network worden gecommuniceerd. Gebruikers van DVN moeten zich goed bewust zijn dat op het moment dat zij de handle in een publicatie gebruiken; de data open access moet worden. Van de 4 licentiemodellen van DANS, gebruikt 3TU.Datacentrum het meest variant a, en ook other access. Restricted access is nog niet aan de orde. 19

20 Bij de licentievoorwaarden van Utrecht Dataverse Network dekken de General Terms of Use al het gebruik af (niet iedereen deponeert ook daadwerkelijk data); vandaar de aparte Terms of Use for Posting. Deze laatste zijn niet alleen bedoeld voor de medewerkers UU, maar voor deponeerders in Utrecht Dataverse Network en die kunnen ook van buiten de UU komen. 3.2 Metadatavelden en vergelijk DANS EASY maakt gebruik van Dublin Core Metadata velden (zie Bijlage 5) en vergelijk hiervan met de metadata velden in DVN levert het volgende op: DVN - DANS EASY Study Global ID - Title or Identifier Authors - Creator Software - Format Producer - Creator or Publisher Production Date - Date Distributor - (possibly) (Copy)right holder or Publisher; DANS is in the License agreement Distributor Contact - DANS is in the License agreement Distribution Date - (possibly) Date available Deposit Date - Date submitted Replication For - (possibly) Access rights Provenance - Source Abstract - Description Abstract Date - Date Keywords - Subject Topic Classification - (possibly) Audience Time Period Covered - Temporal coverage Date of Collection - Date created Related Publications - Relation Kind of Data - Type Country/Nation - Spatial coverage Geographic Unit - Spatial coverage Dublin Core Metadata die niet in DVN aanwezig zijn: Acceptance of the License agreement - Kan worden gezien als metadata Contributor(s) Language Remarks Alternative title (Copy)right holder - is waarschijnlijk gelijk aan het veld Authors en/of Distributor Publisher - is waarschijnlijk gelijk aan het veld Distributor De aanvaarding van de licentieovereenkomst is een verplicht onderdeel van de DANS EASY metadata procedure. Alternatieve titel, (Copy)rightholder en Publisher zijn optionele velden die bij DANS alleen worden gebruikt bij de discipline Archeologie. Sociale wetenschappen, geschiedenis en alle andere disciplines bieden deze optionele velden niet. EASY kent automatisch een persistent identifier toe aan een dataset; het vereiste veld 'Titel ' in EASY kan het equivalent van 'Study Global ID' in DVN worden. De deponeerder in DANS heeft de optie om de dataset met meer identificatiemiddelen (dat wil zeggen, projectnummers) beschrijven. 20

21 Als de metadata velden, zoals hierboven geschetst, vergelijkbaar zijn, dan zouden de volgende velden in Utrecht Dataverse Network verplicht moeten worden gesteld: Study Global ID Authors Abstract Date of Collection Topic Classification 3.3 Metadatavelden in de pilots In Bijlage 3B zien we in de rode velden het overzicht van de verplichte velden in de verschillende dataverses uit de pilots. DANS schrijft hierover het volgende: De Dataverse 6 (Jeroen Salman), 10 (Website Institutions for Collective Action - Commons) en 11 (Website Institutions for Collective Action - Guilds) bevatten sterke metadata. Bij de metadata van Dataverse nr 6 ontbreekt een beschrijving bij Date of Collection. Er worden wel data vermeld in de velden production, distributor, deposit en abstract. Deze velden zijn wellicht relevanter en/of even belangrijk, en zijn afhankelijk van de inhoud van de dataset. Bij de dataverses 10 en 11 staat nog nergens aangegeven wanneer de data openbaar wordt. Hier moet in DANS wel iets worden ingevuld. Voor het matchen van Dataverse datasets met DANS EASY is het noodzakelijk om een samenvatting/beschrijving te hebben. Dit veld is alleen in de dataverses 6, 10 en 13 ingevuld. Bij de meeste dataverses is er niets ingevuld in het veld Authors. Dit moet worden ingevuld en zal in de meeste gevallen matchen met het veld Creator. Andere verplichte velden kunnen mogelijk worden omgezet naar een standaardwaarde. 3.4 Metadatavelden bij 3TU.Datacentrum Zoals te zien is in Bijlage 6 zijn er bij 3TU.Datacentrum deels andere velden verplicht en andere velden optioneel. Als 3TU.Datacentrum nauwer gaat samenwerken met DANS, wat bleek uit de presentaties op de Open Onderzoeksdata Dag op 18 mei 2011, dan verdient het aanbeveling dat hierover goede afspraken worden gemaakt zodat op een eenduidige wijze kan worden gecommuniceerd naar de onderzoekers. Bovendien worden ook niet alle metadatavelden op dezelfde wijze omschreven. 3.5 Formaten bij DANS DANS heeft een lijst met voorkeursformaten waar de archivering en de toegang het meest gegarandeerd zijn. Er zijn geen specifieke regels voor data deponeerders wat betreft formaten: DANS staat open voor alle formaten, maar kan bij de niet-voorkeursformaten echter niet garanderen dat deze nog goed gearchiveerd worden en toegankelijk zijn in de toekomst. Een van de diensten van DANS is ondersteuning bij conversie en de vraag is hoe belangrijk dit voorkeursformaat is. Een lijst met de voorkeursformaten van DANS is opgenomen in Bijlage 7. 21

22 3.6 Voorkeursformaten van DANS vergeleken met gebruikte formaten in Utrecht Dataverse Network DVN - DANS EASY.mdb -.csv (done by the archive).jpg -.jpg and.tif.usr - not present in DANS datasets would be:.csv (done by the archive).exe - no preferred format.dll - no preferred format.fmf - not present in DANS datasets would be:.jpg and.tif.doc -.pdf.wmv -.mpg,.avi (Windows), QuickTime DV (Mac).vol - no preferred format.accdb -.csv (done by the archive) Geen van de formaten genoemd in het overzicht van Utrecht Dataverse Network behoort tot de voorkeursformaten van DANS, behalve.jpg Converteerbare formaten zijn:.mdb,.doc,.wmv and.accdb. Ongebruikelijke formaten zijn:.usr en.fmf. DANS heeft geen ervaring met deze formaten maar kan wel aanbevelingen doen op grond van de categorieën waar deze formaten toe behoren. (.usr is een data tabel of database;.fmf is een fax image). Het.vol format is een gecomprimeerd format net als bijvoorbeeld.zip en.rar bestanden. Het verdient aanbeveling.vol files uit te pakken en de bestanden die het bevat om te zetten naar de voorkeursformaten..exe en systeemfiles worden in de regel niet gearchiveerd door DANS; het EASY-archief is een data archief en geen software-archief. 3.7 Voorkeursformaten van 3TU.Datacentrum 3TU.Datacentrum beperkt zich niet tot een lijst van toegestane formaten, maar raadt het gebruik van open (non-proprietary) en bekende formaten aan. Er is een geringe overlap met de formaten van DANS. Het gebruik van bepaalde formaten heeft soms te maken met het vakgebied en aangezien DANS tijdens de Open Onderzoeksdata Dag heeft aangegeven naast alfa- en gamma wetenschappen nu ook in overleg te zijn met de bètawetenschappen, heeft een gezamenlijke lijst van formaten de voorkeur, zodat onderzoekers weten waar ze aan toe zijn. 3.8 Conclusie m.b.t. metadata en formaten De verplichte metadata van DANS wijken deels af van de verplichte metadata van 3TU.Datacentrum. Het verdient daarom aanbeveling dat DANS en 3TU Datacentrum met elkaar bespreken hoe dit te uniformeren. Wat de formaten betreft is er ook een verschil in voorkeursformaten bij beide organisaties. Ook dit kan worden gestroomlijnd, dan wel leiden tot een verdeling van de formaten over de beide organisaties. 22

23 4 Handmatig overhevelen van datasets uit Utrecht Dataverse Network naar DANS EASY In dit hoofdstuk zal worden beschreven welke lessen zijn geleerd van het handmatig overhevelen van datasets van DVN naar DANS. Hierbij wordt gebruik gemaakt van (gedeelten van) de datasets van de drie wetenschappers in het Utrecht Dataverse Network. Het concrete overhevelen van data is tijdens de looptijd van het project nog niet uitgevoerd, maar er wordt aan gewerkt om dit voor elkaar te krijgen. Tijdens de pilot, waarin de datasets van de drie Utrecht Dataverse Network wetenschappers zullen worden ingevoerd in het DANS EASY systeem, zal vooral gekeken worden naar de metadata, het dataformaat, toegang en versiebeheer. Doel is om te komen tot een automatisch proces waarbij de workflow centraal staat. De pilot kan alleen goed verlopen in nauw overleg met alle drie de spelers: de drie Utrecht Dataverse Network wetenschappers, Universiteit Utrecht en DANS. Een aantal vragen staat centraal: welke data wordt overgezet (selectie door de onderzoekers) wanneer wordt de data overgezet (ondertekening DANS licentie) hoe wordt de data en metadata aangeleverd welke onderdelen van het proces kunnen geautomatiseerd worden. De drie pilots moeten drie use cases opleveren en naar aanleiding van de resultaten zal een procedure worden opgesteld die uiteindelijk moet uitmonden in een workflow die voor alle DVN's gebruikt kan worden. Het hele proces kan worden onderverdeeld in twee componenten: organisatie en techniek. We hebben ons in eerste instantie vooral gericht op de organisatorische aspecten. Het deponeren van data, na afloop van het onderzoek, naar een trusted digital repository is nog geen vanzelfsprekend onderdeel van het wetenschappelijke proces. Onderzoekers hebben nog veel vragen met name over de controle over hun data (zie de vragen aan het eind van dit hoofdstuk). Welke data wordt overzet? De selectie moet door de onderzoeker worden gedaan. In een aantal gevallen moeten, voordat de data toegankelijk kan worden gemaakt voor anderen, een aantal acties plaatsvinden: de data moet worden opgeschoond, geanonimiseerd, er moet documentatie worden toegevoegd etc. Extra werk voor de onderzoeker, maar wel noodzakelijk voor de validatie van het onderzoek en (toekomstig) hergebruik. SURFfoundation, DANS en 3TU hebben een aantal algemene richtlijnen opgesteld voor het beoordelen en selecteren van onderzoeksdata 9. Wanneer wordt de data overgezet? Bovenstaande pleit ervoor om de data pas na afloop van het onderzoek te deponeren bij een trusted digital repository. Op het moment dat de onderzoeker aangeeft dat het onderzoek is afgerond en de data en de metadata klaar zijn om overgezet te worden dan zou er, na ondertekening van het licentiecontract, een mogelijkheid moeten zijn om de data te uploaden naar DANS (of een andere DSA gecertificeerde repository). Bij langlopende projecten zou er periodiek een 'snapshot' gedeponeerd kunnen worden met een eigen unieke identifier. In dat geval is overleg met DANS wenselijk. Hoe wordt de data en metadata aangeleverd? 1. DANS accepteert in principe alle bestandsformaten. Daarbij geldt wel dat alleen voor bepaalde formaten gegarandeerd kan worden dat ze in de toekomst ook leesbaar zijn. Zie voor een lijst met de zg. 'Preferred formats' bijlage 7, zie ook: hoofdstuk 3.6 Voorkeursformaten van DANS vergeleken met gebruikte formaten in Utrecht Dataverse Network. Of deze lijst aangevuld zou moeten worden is afhankelijk van een aantal 9 'Studie Selection of Research Data': 23

24 factoren: het gebruik binnen de wetenschappelijke discipline, gebruik van open-source of proprietary sofware en mogelijke alternatieven. 2. DANS en UU zouden afspraken moeten maken over een minimale set metadata die noodzakelijk is om de data duurzaam te bewaren. Deze metadata velden zouden dan verplicht moeten worden gesteld voor iedere dataset. In hoofdstuk 3.2 Metadatavelden en vergelijk is te zien dat er een grote overlap bestaat tussen de DVN metadata en de DC velden die DANS gebruikt, maar er zijn ook verschillen. Afspraken tussen beide partijen hierover is een eerste vereiste. Welke onderdelen van het proces kunnen geautomatiseerd worden? 1. Bij deponering zou metadata automatisch toegevoegd kunnen worden bij de data. Of dit alleen geldt voor een minimale set of alle DVN metadata en eeventuele door de onderzoeker toegevoegde additionele metadata is een kwestie van afspraken tussen onderzoekers, DVN en DANS. Het ondertekenen van het licentiecontract zou als een aparte stap in het deponeringsproces gezien kunnen worden.uploaden van de data. Deze mogelijkheid wordt momenteel door DANS onderzocht. Gedacht wordt aan het opzetten van een DANS Dataverse waarbij dmv een SWORD server de koppeling wordt gelegd tussen Dataverse en EASY. 2. Bericht aan de depositor wanneer de dataset is gepubliceerd. Vragen van Utrecht Dataverse Network wetenschappers (met cursief antwoord van DANS): 1. Wat is het uiteindelijke doel van de opslag bij DANS: optimale bewaarmogelijkheden, optimale toegankelijkheid van de data, of anderszins? Het uiteindelijke doel om de data bij DANS onder te brengen is de data toegankelijk te houden op de lange termijn. Dit is nodig om twee redenen: - Verifieerbaarheid van het onderzoek - Hergebruik voor nieuw onderzoek 2. Zijn data direct toegankelijk voor ons, voor anderen, of is de zichtbaarheid door onszelf te beperken? Volgens het huidige model zal de data, na afloop van het project en na toestemming van de 'eigenaar' vanuit DVN worden overgezet naar DANS. De data zullen dan vallen onder de toegangscategorie die door de depositor wordt aangevinkt: open of restricted. Er is ook een optie 'other', waarbij de data bij DANS duurzaam wordt bewaard maar de toegang elders wordt geregeld. In de toekomst zal het ook mogelijk zijn om ook een specifieke groep aan te geven zoals nu mogelijk is voor archeologen, of open toegang voor wetenschappelijk personeel (dat betekent toegang via de SURF federatie waarbij alleen geregistreerd wetenschappelijk personeel van Nederlandse universiteiten en hogescholen vrij toegang hebben). Wat betreft zichtbaarheid: er is een mogelijkheid een embargo van 2 jaar op de data te leggen, daarna wordt de data beschikbaar onder de categorie die is aangegeven: open of restricted. Alleen vanuit privacyoverwegingen en na overleg met DANS kan hiervan worden afgeweken. Tot nu toe kunnen alleen geregistreerde gebruikers de data gebruiken, maar momenteel wordt onderzocht, ivm linken en harvesten van data, of ook anonieme gebruikers data mogen gebruiken, dit uiteraard in overleg met de eigenaar van de data. 3. In hoeverre zijn datasets nog wijzigbaar na plaatsing? Nadat de data in het archief is opgenomen kan er niets meer door de depositor worden gewijzigd, alleen door een archiefmedewerker. Dit is gedaan omdat er al naar de data in zijn 'oorspronkelijke vorm' verwezen kan zijn. Alle veranderingen worden als nieuwe dataset opgenomen met een verwijzing naar de oorspronkelijke dataset. Aanvullende data of metadata kunnen wel worden aangevuld of verbeterd maar alleen in overleg met DANS. 4. In hoeverre zijn datasets nog 'terug te halen' na plaatsing? Als de dataset nog niet 'gepubliceerd ' is kan dat wel. Publiceren wil zeggen dat een archivaris heeft gekeken of alles in orde is (controle van de metadata, bestandsformaat etc.). Vervolgens wordt de dataset gepubliceerd. Na publicatie moet in principe een nieuwe dataset worden 24

25 gedeponeerd, zie vorige vraag. Het helemaal terughalen is niet mogelijk, dat punt ligt tussen het overzetten van de data van DVN naar DANS. 5. Hoe verloopt het beheer? Door de originele dataleveranciers of door DANS? Beiden. Functioneel beheer valt onder DANS, maar de depositor blijft de eigenaar van de data. Als datasets worden gedeponeerd onder restricted access en er is een verzoek om dat bestand te gebruiken dan verloopt dat proces automatisch via het DANS archiefsysteem. De depositor krijgt een met een verzoek en kan dan zelf bepalen wie wel of geen toegang kan krijgen. Ook is het mogelijk aanvullende eisen te stellen. Depositor stuurt een terug naar het systeem en de aanvrager krijgt bericht of het verzoek wel of niet is gehonoreerd. DANS kan wel beslissen of data bijvoorbeeld omgezet moet worden naar een ander formaat ivm beheer en/of toegang. In het licentiecontract dat wordt afgesloten tussen DANS en de depositor staat waartoe DANS zich verplicht ivm het beheer. 6. Is er informatie over synchronisatie van datasets bij eventuele wijzigingen (ofwel: hoe te voorkomen dat bij DANS een 'verouderde' dataset komt te staan?) De depositor is en blijft verantwoordelijk voor de inhoud. Zie verder vraag 3, 4 en Bovenstaande vragen hebben uiteraard ook deels te maken met de status waarin veel van de datasets verkeren. Veel datasets zijn nog in opbouw en worden nog regelmatig aangevuld en soms ook gewijzigd in opzet. We ervaren nu de flexibiliteit die we hebben bij plaatsing in de Dataverse Network omgeving. Behouden we die flexibiliteit bij plaatsing van deze data in een nog permanenter medium? Dit zijn o.a. zaken die de UU en DANS moeten bespreken. Bij voorkeur zou de overdracht na afloop van het project moeten plaatsvinden. Bij langlopende projecten zou er periodiek een 'snapshot' gedeponeerd kunnen worden met een eigen unieke identifier. Zie ook vraag 3 en Blijft de handle werken bij het overzetten van data vanuit DVN naar DANS/3TU.Datacentrum? Hier wordt over nagedacht. Momenteel is er een bijeenkomst over Persistent Identifiers en dit is ook een van de onderwerpen. 25