Co je na obzoru pro vědecké datové služby? Nejnovější z World Data System

Poslední rok byl pro společnost přechodným obdobím Světový datový systém (WDS), přidružený subjekt ISC.

Mezinárodní programová kancelář (IPO) se přestěhovala do Knoxville v Tennessee a její výkonnou ředitelkou byla jmenována Meredith Goinsová. Byli přijati další tři zaměstnanci a vědecký výbor programu má také několik nových členů.  

Chytili jsme to David Castle, předsedkyně vědeckého výboru WDS; Karen Payne, ředitelka mezinárodní technologické kanceláře WDS; Suzie Allard, ředitelka Centra pro informační a komunikační studia na Univerzitě v Tennessee, kde nyní sídlí WDS IPO, a Meredith Goins, kde se dozvíte více. 

Jaký byl dopad nedávných změn na aktivity WDS? 

David: Toto je období konsolidace a soustředění. Před čtyřmi nebo pěti lety jsme vytvořili WDS International Technology Office (ITO) na University of Victoria v Ocean Networks Canada, což je hlavní výzkumné zařízení a člen WDS. Přijali jsme Karen, aby se stala přidruženou ředitelkou ITO, a to nás nastartovalo na cestu, abychom mohli našim členům poskytovat větší objem a diverzifikované služby. V posledním roce se IPO přesunula z Tokia do Tennessee s podporou University of Tennessee a Oak Ridge National Lab a také Ministerstva energetiky (DOE).  

Suzie: Obě kanceláře spolupracují velmi dobře a podpora, kterou můžeme členům poskytnout, je ještě větší, protože aktivity jsou tak úzce koordinovány. To nám dává velký potenciál do budoucna. 

David: Za poslední rok se také změnila zhruba polovina členů ve vědeckém výboru. Přidali jsme několik klíčových nových osob, které se připojí k vracejícím se členům, z nichž všichni jsou usazeni ve světě datových úložišť. Během několika posledních let jsme postavili WDS na pevné základy, ze kterých budeme moci zahájit programovou činnost a dosáhnout souladu s akčními plány ISC.

Snažíme se pochopit, kde jsou úložiště a data nyní a kam se budou ubírat v nadcházejícím období. To zahrnuje otázky týkající se původu dat, způsobu jejich správy a zabezpečení. Pracujeme na souvisejících technických aspektech, jako jsou datové objekty FAIR, ve spolupráci s CODATA a na tom, jak spolupracovat, abychom pro ně vytvořili standardy a očekávání interoperability. 

Čelíme také výzvě, která není vždy zmíněna: Existuje přesvědčení a očekávání, že jakmile budou věci online a zpřístupněny, přetrvají zdarma. To samozřejmě není pravda. Abychom splnili očekávání, že data budou otevřená a přístupná v co největší možné míře, musíme vést upřímnou konverzaci o tom, odkud budou zdroje pocházet. To je otázka pro naše členy a hlavní prioritou pro nás je, jak definujeme ohromnou hodnotu, kterou úložiště přinášejí na národní i mezinárodní úrovni, způsobem, který pomůže úložištím zapojit se do dárců, kteří mohou podporovat udržitelné plány na zpřístupnění těchto dat.  

Další hlavní prioritou je, aby naše členství bylo reprezentativnější globálně. Členství ve WDS je převážně z globálního severu a dává nám smysl spolupracovat s ISC a CODATA na inventarizaci aktivit v Africe, Latinské a Jižní Americe a jihovýchodní Asii a na potenciální identifikaci nových členů pro WDS. Spolupracujeme také s dalšími skupinami, které poskytují datové služby v jiných modalitách, než je udržování úložiště.  

Meredith: Dalším způsobem, jak učinit naše členství reprezentativnějším, je kromě biologických věd a věd o Zemi identifikovat úložiště z různých oborů, abychom zvýšili rozmanitost našich členů. Repozitáře společenských věd a digitálních humanitních věd jsou stejně cenné jako přírodní vědy. Zvýšením rozmanitosti členství můžeme zvýšit naši podporu pro všechny typy úložišť.  

Karen: Máme velký tlak na některé federované služby. Například pro polární výzkum máme příležitost zpřístupnit data z obou pólů výzkumníkům způsobem, který je zcela v souladu, což je nesmírně vzrušující: je to něco, na čem komunita pracuje již dlouhou dobu, a jsme rádi, že jsme součástí toho. 

Federované služby pro polární data se skládají ze dvou částí: federované vyhledávání, které již dlouhou dobu probíhá s tradičním sběrem metadat, a nová sada protokolů a procesů pro sběr metadat, která je více orientovaná na web. Je to méně tradiční katalog služeb a více v souladu s tím, co byste našli ve Vyhledávání Google. Vybudovaná infrastruktura nám umožňuje vysílat prohledávače, aby indexovaly vstupní stránky datových úložišť, které implementovaly konkrétní typ označení na svých vstupních stránkách metadat. Poskytujeme výzkumným pracovníkům možnost vyhledávat data z Arktidy i Antarktidy a spolupracujeme s výzkumnými komunitami, abychom se ujistili, že ontologie, které implementují (označení), jsou také v souladu. 

Zajistit finance na takovou práci je opravdu ošemetné. Je to mezinárodní projekt, takže se hodně mluví o financování v různých oblastech. Zde v Kanadě zkoumají různé modely financování, jak pro národní investice, tak také proto, aby mohli být součástí globálního kooperativního souboru sponzorů. Například jedním z modelů, které přezkoumávají, je Global Biodata Coalition, která je navržena tak, aby koordinovala globální financování klíčových zdrojů v biologických vědách. 

Máme také pracovní skupinu v rámci Research Data Alliance, která se zabývá tím, co nazýváme Global Open Research Commons. Existují různé národní, celostátní a doménově specifické organizace, které se snaží zorganizovat přístup a interoperabilitu ke zdrojům, jako jsou datové sady, software a výpočetní zdroje. Na národní úrovni má smysl mít dobrou strukturu řízení a plán pro všechny jejich investice do výzkumu, takže vidíte organizace jako Australian Research Data Commons nebo japonskou infrastrukturu koordinovanou v Národním institutu informatiky. Na celostátní úrovni vidíte ambiciózní projekty, jako je European Open Science Cloud a African Open Science Platform. A domény jako International Virtual Observatory Alliance, která slouží astronomům po celém světě, jsou všechny velmi důležité pro podporu jejich příslušných výzkumných komunit. Cílem skupiny RDA je vytvořit plán, jak mohou tyto společné zdroje plynule sdílet zdroje, aby bylo pro vědce snazší spolupracovat globálně pro větší dobro. Stavíme na práci, která trvá již dlouhou dobu, ale opravdu se zdá, že je tu spousta motivace tyto kousky spojit právě teď. 

Můžete vysvětlit, co bude federální vyhledávání znamenat pro výzkumníky, kteří se snaží získat přístup k dotyčným datům, například pro polární výzkum? co se změní? 

Karen: Právě teď musí výzkumníci jít na různá místa, aby našli data. A jakmile tato data najdete, věnujete čas harmonizaci jejich struktury a poté dvojité kontrole obsahu, abyste se ujistili, že rozumíte sémantickému významu měřených proměnných v datech. Toto je první pokus, jak učinit tento proces soudržnějším a strojově proveditelným. Pokud je mi známo, toto je jediný portál, který umožňuje uživatelům vyhledávat data z obou pólů současně. Právě teď se zaměřujeme na vyhledávání a objevování datových sad a přidávání více úložišť do indexu. Očekáváme, že se infrastruktura bude vyvíjet, aby podporovala další iniciativy, jako je kanadské konsorcium pro arktickou datovou interoperabilitu (CCADI), které vytváří vylepšené vizualizační a analytické nástroje. Chceme podporovat naše partnery, ne znovu vynalézat kolo. 

Suzie: IPO je odhodláno informovat o všech druzích práce, kterou Karen dělá, a zajistit, aby byla dobře šířena. Pracujeme také na tom, abychom každého zrychlili pořádáním workshopů nebo školení a vytvářením příležitostí pro lidi, aby se mohli zúčastnit. ITO dělá špičkovou práci společně se všemi těmito různými skupinami. A IPO pomáhá zajistit, aby se každý dozvěděl, co se děje, zatímco pokračujeme v budování těchto skvělých úložišť.

Kde dnes vidíte práci na úložištích a datech? a kam to jde? Jaké jsou nové výzvy nebo věci, o kterých budou lidé muset přemýšlet v příštích pěti až deseti letech? 

David: Jsou konkrétní věci, které je potřeba udělat. Jedním z nich je zajištění bezpečnosti našich členských úložišť. To je kritický faktor pro zajištění integrity dat, která je základem celé vědy. Další je, že objemy dat narostly tak výrazně, že staré modely přesouvání dat tam, kde byste s nimi skutečně pracovali ve vysoce výkonném výpočetním prostředí, se nyní obracejí. Nyní je to tak, že musíme najít způsoby, jak data analyzovat in situ, přivedení počítače k ​​datům. Výzvou je pomoci repozitářům WDS aktivovat cloud.  

Druhá část se týká kapacity a kompetencí pracovní síly, jako je mobilizace datových vědců, technických výzkumných pracovníků a správců dat. Jedná se o vyvíjející se role ve vědeckém podniku, které je třeba pečlivě monitorovat, abychom zajistili, že jsou k dispozici správné kompetence a že máme vzdělání a školení, které můžeme zájemcům poskytnout. 

Karen: Mnoho lidí pracuje na komponentách, které by výzkumníkům umožnily opustit publikování statických článků v časopisech a místo toho vytvořit reprodukovatelný článek dostupný online. Někdo by mohl publikovat část dat nebo provést část analýzy, pak ji napsat a publikovat jako typ snadno znovu použitelného balíčku, který může převzít někdo jiný, aby buď reprodukoval stejné výsledky, což je důležité pro tvrzení. vědecky ověřitelné, nebo jej znovu použít novým způsobem. Někdo by mohl vzít balíček, připojit jinou část dat nebo změnit parametr na části analytického softwaru a vytvořit nový výsledek, který publikuje. Jde tedy o atomizaci dat a softwarových komponent, takže můžete vzít kousky věcí a snadno je publikovat. Reprodukovatelný dokument pomáhá řešit problémy s reprodukovatelností výsledků, opětovným použitím dat a potenciálně redundancí výzkumu. 

Tento trend vidíte ve vývoji softwaru, kde dochází k rozčlenění API (Application Programming Interfaces) na back-endu, takže můžete používat jejich části. V rámci komunity pro správu dat existuje podobná myšlenka ohledně digitálních objektů FAIR – už nechcete publikovat celý tento soubor dat ke stažení, chcete poskytovat datovou službu pro každé pozorování nebo měření a chcete, aby tato měření byla použitelná, takže že si můžete vybrat, která pozorování chcete použít, aniž byste je museli zdlouhavě zpracovávat – data by měla být prezentována v co nejpřístupnější formě. 

Komponenty, stejně jako data, musí být rozčleněny a atomizovány a přístupné lidem i strojům bez ohledu na to, kde jsou distribuovány po celém světě. Z pohledu výzkumníka a technologa se to všechno děje zdola nahoru. Je toho téměř příliš mnoho na to, abyste si to rozmysleli, takže jde o to, jak málo zasahovat, aby to mělo smysl. Zejména Americká geofyzikální unie (AGU) odvedla opravdu dobrou práci, když se zaměřila na počítačové notebooky jako první krok k tomu, aby se ukázalo, jak by se mohl reprodukovat papír. To je opravdu skvělý případ použití pro to, co se stane mnohem složitější infrastrukturou. 

Je toho hodně a někdy je těžké přesně vědět, kam se zaměřit. Ale doufejme, že je to jeden z hodnotových návrhů, se kterými může WDS IPO a ITO pomoci našemu členství. 

Jak se mohou čtenáři dozvědět více o WDS a jak se mohou zapojit do vašich aktivit nebo se stát členy? 

David: Meredith o tom přemýšlela. Zintenzivnili jsme pravidelnou komunikaci s našimi členy a vylepšujeme naše webové stránky pravidelnějšími aktualizacemi, které budou pokračovat. Bude také celá řada dalších aktivit, jakmile bude IPO plně obsazeno a jakmile bude zveřejněn náš dvouletý akční plán. 

Meredith: Kromě opětovného spuštění našich sociálních médií v současné době dokončujeme a testujeme přepracovaný web. Budoucí iniciativy zahrnují informační a vzdělávací webináře pro naše členské repozitáře WDS, partnery a přidružené organizace. Kromě toho máme pro členy jednou za dva týdny zpravodaj, časově citlivou komunikaci o příležitostech zasílanou členům prostřednictvím e-mailu a těšíme se na vytvoření výroční zprávy pro organizaci, což se od roku 2015–2016 nestalo. V tomto roce také společně vyhlásíme cenu WDS Data Stewardship a cenu ITO Data Prize, abychom dali inženýrům a vědcům na počátku kariéry dvě příležitosti, aby ukázali svou dokonalost s daty.

Obrázek by NASA přes Flickr.