Sdílení dat v sociálních vědách Jindřich Krejčí

Transkript

1 Český sociálněvědní datový archiv Sociologického ústavu AV ČR, v.v.i. Jilská 1, Praha 1, Česká republika; Sociologie jako současná vědní disciplína, kurz pro doktorandy sociologie FSV UK Sdílení dat v sociálních vědách Jindřich Krejčí

2 Obsah Sdílení dat a dopady na výzkum Nová data - "Big Data" Management dat a koncepce výzkumu Příklady zdrojů dat Sdílení dat - doktorandský kurz 2014 Snímek 2

3 I. MANAGEMENT DAT VE VÝZKUMNÉM PROJEKTU A ARCHIVACE DAT Koncepce správy dat a výzkumný projekt Založení a správa datového souboru v průběhu výzkumného projektu Standardy dokumentace a archivace dat Sociálněvědní dat. archivy: jejich úloha, služby a nástr. Standardizace proměnných v sociálněvědním výzkumu Mezinárodní klasifikace vzdělání a problémy při aplikaci Měření soc. statusu a sociálních tříd na zákl. povolání II. ZDROJE DAT PRO SOCIÁLNĚVĚDNÍ VÝZKUM Mezinárodní sociálněvědní komparativní výzkum a ČR Datová základna české sociologie Data z výzkumů volebního chování v České republice Data z komparativních politologických šetření Šetření ČSÚ a statistiky trhu práce Přehled výzkumů o rodině Mezinárodní výzkumy v oblasti vzdělávání Statistiky a výzkumy imigrantů aneb Jak srovnávat nesrovnatelné Výzkumy věnující se podobám religiozity v ČR po 1989 Výzkum kriminality Str. 3

4 Lyons, P Theory, Data and Analysis. Data Resources for the Study of Politics in the Czech Republic. Praha: SOÚ. Theories of Political Attitudes and Public Opinion Origins and Nature of Political Attitude Surveying Election Survey Research Comparative Survey Research Elite Survey Research Expert and Manifesto Data Research Interpretation of Political Survey Data Conceptualising Survey Data and Interpretation of Questionnaire Responses

5 Sdílení dat a dopady na výzkum

6 Data nejnižší úroveň abstrakce, z níž je odvozeno poznání mnoho druhů dat - různé terminologie pouze digitální data / digitální i analogová data a materiály pořízeny za účelem analýzy k vytváření a validizaci původních výzkumných výsledků v určitém kontextu data, v jiném ne účely využití se mohou v průběhu života dat měnit primární data vs. odvozená data (různé chápání - datové matice, kódování inerview jako sekundární); primární vs. sekundární analýza Sdílení dat - doktorandský kurz 2014 Snímek 6

7 Digitální SV data - typy zdroj: data z pozorování, experimentální, simulační, odvozená, kompilovaná, referenční, kanonická, metadata jednotky: individua, organizace, interakce, kontext formát: čtvercové soubory, hiearchická data, textová, numerické kódování, audio, video... kvantitativní / kvalitativní cross sectional (více témat) longitudinální - panelová strukturovaná agregovaná Sdílení dat - doktorandský kurz 2014 Snímek 7

8 Sdílení dat proměna výzk. prostředí velké množství dat nové typy dat snadná dostupnost přes internet význam sekundární analýzy význam spolupráce ve výzkumu sdílení dat management dat při přípravě a vytváření databáze je třeba počítat se zveřejněním, sdílením a sekundární analýzou Sdílení dat - doktorandský kurz 2014 Snímek 8

9 Přínos sdílení dat generování rozsáhlých zdrojů dat, snadno dostupné propojování databází -> nové zdroje prostředí pro komparativní výzkum (v čase i mezinárodní) informace využitelné i pro přípravu nových šetření archivace -> zabezpečení, zachování využití při výuce výzkum je transparentnější širší zázemí pro spolupráci ve výzkumu demokratičtější podmínky pro výzkum i mimo hlavní centra systematičtější výzkum a prosazování standardů kvality efektivita využití prostředků ve výzkumu Sdílení dat - doktorandský kurz 2014 Snímek 9

10 Rizika sekundární analýzy nedostupnost vhodných dat dat -> modifikace výzk. záměrů nedostatečná dokumentace -> problematické/chybné využití znalost původního konceptu? znalost kontextu výzkumu? znalost průběhu sběru dat? srozumitelnost modifikací provedených v datech? kompatibilita kombinovaných datových zdrojů?...; neschopnost vyhodnotit kvalitu dat, netransparentnost kvality nesrovnatelnost konceptů, proměnných... omezení přístupu k datům nekompatibilita formátů Sdílení dat - doktorandský kurz 2014 Snímek 10

11 Pravidla pro sdílení dat Sdílení dat - doktorandský kurz 2014 Snímek 11

12 Otevřený přístup k výzkumným datům otevřenost znamená přístup za rovných podmínek pro mezinárodní vědeckou komunitu za nejnižší možnou cenu, nejlépe nepřesahující mezní náklady distribuce. Otevřený přístup k výzkumným datům z veřejného financování by měl být snadný, časově nenáročný, uživatelsky přívětivý a nejlépe založený na Internetu. (OECD Principles and Guidelines for Access to Research Data... pouze výzkumná data vzniklá z veřejných fondů za účelem veřejně přístupného vědeckého výzkumu omezení ochrana soukromí osob a osobních údajů ochrana obchodních tajemství a duševního vlastnictví zajištění národní bezpečnosti ochrana ohrožených druhů nenarušení právních jednání (sub judice) technické bariéry - chybějící infrastruktura... ošetření autorských práv Sdílení dat - doktorandský kurz 2014 Snímek 12

13 Cyklus života dat Sdílení dat - doktorandský kurz 2014 Snímek 13

14 Výzkumná infrastruktura - sdílení dat sociálněvědní datové archivy univerzitní datové archivy, datové archivy knihoven kontinuální výzkumné projekty (ESS, SHARE...) iniciativy - tématické archivy (Web of Happiness...) statistické úřady - data pro vědecké účely (Eurostat, European Statistical System (ESS), národní úřady) mezinárodní instituce (OECD, World Bank,...) digitální repozitáře (???) specifické datové zdroje (administrativní data, Big Data, open data...) Sdílení dat - doktorandský kurz 2014 Snímek 14

15 Sociálněvědní datové archivy zachování digitálních materiálů, nástroj sdílení dat vývoj VT, IT, digitalizace, permanentní správa, aktivní přístup, nepřiprav. knihoven Roper Center (USA 1957), Zentralarchiv für Empirische Sozialforschung (ZA, dnes GESIS, Německo 1960), Inter-university Consortium for Political and Social Research (ICPSR, USA 1962), Steinmetz Archive (Nizozemí 1964)... (mezi-)národní centra přístup k datům, výzkumné nástroje podpora pro speciální výzkumné projekty podpora pro mezinárodní spolupráci (sítě CESSDA, ICPSR, IFDO,...) výuka metod analýzy dat (kurzy, školy) metodologický výzkum informační technologie informace, publikace všeobecná podpora sekundárního využití dat rozvoj archivů: internet, kapacita paměti, mezinárodní spolupráce stimulace vývoje sociálních věd komparativní výzkum (dostupnost dat, spolupráce) způsob práce -> význam sekundární analýzy nové typy dat a nové metody Sdílení dat - doktorandský kurz 2014 Snímek 15

16 Archivace digitálních dat rozdílné koncepce archivace elektronický záznam (materiál) vs. virtuální data vyhledání, získání a zařazení do archivu akademický výzkum - chaos, byrokracie legální a etické otázky formáty a další technické aspekty srozumitelnost (dokumentace - metadata, standardizace) dlouhodobé zabezpečení (proces - systém založený na analýze funkčnosti) dostupnost (katalogizace, dokumentace, dohledatelnost, kontrola přístupu, IT) kompatibilita, komparabilita (transformace, harmonizace dat) podpora využití monitoring využití Sdílení dat - doktorandský kurz 2014 Snímek 16

17 Archivy - mezinárodní organizace CESSDA (Consortium of Social Scieneces Data Archives), dříve neformální sdružení, síť spolupracujících archivů dnes nová pan-evropská výzkumná infrastruktura ve stavu zrodu rozcestník archivů, budoucí služby (integrovaný katalog), informace ICPSR (Inter-university Consortium for Political and Social Research), Ann Arbor, USA největší archiv, americké a mezinárodní databáze, data z jiných zemí organizace na členské bázi sdružuje archivy i uživatelské instituce pro nečleny přístup hrazený International Federation of Data Organisations (IFDO), (sdružení institucí, informace o digitální archivaci) International Association for Social Science Information Services and Technology (IASSIST), (profesionální asociace, informace, konference) Sdílení dat - doktorandský kurz 2014 Snímek 17

18 CESSDA a ESFRI ESFRI Roadmap: MŠMT:

19 "BIG DATA" a specifická data

20 "BIG DATA" např. sociální sítě, mobilní komunikace, služby na Webu..., ale také administrativní data kombinace více úrovní analýzy obecné trendy -> detailní individuální profily interdisciplinární výzkum - computational science informační věda + všechny obory sociálních věd nástroje a výpočetní postupy jako primární východisko přístup k datům - vyhledávání, zachytávání, extrakce... výpočetní kapacita, rychlost, úložný prostor propojování databází specifické metodologické, legální a etické problémy reprezentativita stálost, možnosti opakování rozsah etika - ochrana osobních údajů legální problémy - mezinárodní využití, propojování Sdílení dat - doktorandský kurz 2014 Str. 20

21 Elias, P. Challenges for the Social Sciences. Conference presentation. Facing the Future: European Research Insfrastructures for the Social Sciences, Berlin , Str. 21

22 Sdílení dat - doktorandský kurz 2014 Str. 22

23 příklady nových typů dat Strohmaier, M. Challenges and Opportunities for Computational Social Science. maier_facingthefuture_ pdf administrativní data v UK Woollard, M. Administrative Data: Problems and Benefits. ard_facingthefuture_ pdf open data initiatives EU Open Data Portal opendata.cz Management dat Str. 23

24 Management dat Str. 24

25 Management dat a koncepce výzkumu

26 ICPSR: fáze managementu dat Snímek 26

27 Cíle managementu dat integrita dat, kvalita dat - přesnost a správnost výzkumu srozumitelnost pro všechny potenciální uživatele efektivita výzkumné práce - čas a náklady autenticita dat - možnost replikace, opravy analýz zajištění legálních a formálních předpokladů výzkumu zabezpečení a zachování dat zpřístupnění dat Sdílení dat - doktorandský kurz 2014 Snímek 27

28 Review datových zdrojů při psaní projektu Existují data, která mohou odpovědět na naše výzkumné otázky? Je možné srovnání s existujícími daty? Pokud ano, jsou tato data dostupná a za jakých podmínek? Jsou tato data dostatečně srozumitelná, komplementární a kvalitní? Jaká data pro zodpovězení našich otázek postrádáme? Pokud jsou dostupná srovnatelná data, je potřeba záměry srovnávání zohlednit v našich metodikách? Byly již dříve realizovány podobné výzkumné záměry či metodické postupy nebo využity relevantní výzkumné nástroje? Pokud ano, je k nim dostupná nějaká dokumentace? Je možné tuto dokumentaci využít při koncipování našeho výzkumu? Snímek 28

29 Etika etické kodexy a normy (např. WAPOR, ESOMAR, ISO 20252: ) respondenty je třeba chránit před škodlivými dopady výzkumu i po skončení terénu - tj. při archivaci, zpřístupnění a sekundárním používání dat - informace individuálního charakteru jsou důvěrné; zvláště citlivé údaje respondenti jsou svéprávní, mají právo znát účel a způsob využití jimi poskytnutých informací a rozhodovat o možnostech jejich využití - tato rozhodnutí je pak nezbytné respektovat. vždy je třeba zajistit adekvátní využití získaných informací v souladu se stanoveným účelem - proto, aby úsilí respondentů nevyšlo vniveč; data pořízená z veřejných zdrojů je třeba maximální využít (-> sdílení dat) Sdílení dat - doktorandský kurz 2014 Snímek 29

30 Ochrana osobních údajů Zákon č. 101/2000 Sb. přímé, nepřímé identifikace osobní údaje, citlivé údaje informovaný souhlas respondenta registrace u Úřadu na ochranu osobních údajů projekt výzkumu bude potřeba informovaný souhlas respondentů (rozsah souhlasu)? budeme muset anonymizovat? Úřad pro ochranu osobních údajů (ÚOOÚ), MEDARD, Sdílení dat - doktorandský kurz 2014 Snímek 30

31 Informovaný souhlas respondenta participace dobrovolně a se znalostí a bez nepříznivých důsledků podrobné informace, jednoznačné k čemu se souhlas váže na základě přímého jednání ze zákona: v jakém rozsahu je poskytován komu a k jakému účelu na jaké období kdo jej poskytuje šetření: účel výzkumu co participace představuje k čemu je to dobré, jaká jsou rizika možnost odmítnout specifikace použití dat způsob zajištění důvěrnosti uchování dat kdo, jak a do kdy bude mít přístup k datům Sdílení dat - doktorandský kurz 2014 Snímek 31

32 Anonymizace - základní metody odstranění přímých identifikátorů odstranění nebo nahrazení propojení s jinými dostupnými neanonymními databázemi nebo informacemi agregace údajů nebo redukce podrobnosti znaku ošetření extrémních hodnot znaků Sdílení dat - doktorandský kurz 2014 Snímek 32

33 Autorská práva ochrana duševního vlastnictví (IPR) Zákon 121/2000 Sb. databáze uspořádání, způsob výběru... - autorské dílo souborné už v době vzniku (nemusí být označeno (c)) ochrana před ztrátou příjmu a morální újmou způsobenou neautorizovaným šířením ochraně podléhá dílo, nikoliv fakta v něm uvedená např. u hloubkového rozhovoru je držitelem práv na záznam výzkumník, ale k jednotlivým výrokům informant -> svolení práva jsou osobnostní - nepřenosná (právo osobovat si autorství, změny, dohled nad plněním povinností ) a majetková (rozmnožování, zveřejňování, vystavování, půjčování, zpřístupnění) postoupení licenční smlouvou (užití omezené/neomezené, jednotlivé/veškeré, výhradní/nevýhradní) Sdílení dat - doktorandský kurz 2014 Snímek 33

34 ...autorská práva lze citovat výňatky nebo celá drobná díla v odůvodněné míře pro účely kritiky, recenze, vědecké či odborné práce lze využít pro výukové, ilustrační účely (uvádět autora, název a pramen) držiteli autorských práv jsou všichni spoluautoři - tedy členové výzkumného týmu, nikoliv pouze hlavní řešitel projektu nikoliv pouze učitel, ale také všichni studenti (ale škola má právo na uzavření licenční smlouvy o užití školního díla) porady, technické a administr. či pomocné práce nevedou k autorství činnosti dané pracovní smlouvou => zaměstnavatel vykonává svým jménem autorova majetková práva k dílu studenti nejsou zaměstnanci univerzity, tj. majetková práva kompletně na univerzitu nepřecházejí akademické instituce majetková práva někdy přenechávají svým zaměstnancům licence typu Creative Commons (tvůrčí společenství) Sdílení dat - doktorandský kurz 2014 Snímek 34

35 Plán managementu dat systematický plán, jak budou data vytvořena a jak s nimi bude zacházeno během výzkumu (které kroky je třeba realizovat v jednotlivých fázích) i po jeho skončení ujasnění východisek výzkumu formalizovaný dokument pro grantovou agenturu vzory dostupné na Webu Sdílení dat - doktorandský kurz 2014 Snímek 35

36 Rozpočet projektu - co nezapomenout získání informovaného souhlasu anonymizace zabezpečení a přístup k datům digitalizace, transkripce (např. přepis rozhovorů) formátování a správa souborů popis dat a kódování čištění popis kontextu dat dokumentace (zjišťování dokumentace v průběhu procesu nebo dodatečně) metadata (vytváření popisu - dokumentace k datům) formáty souborů (náklady konverze audiovizuálních dat atp.) plánování, rozdělení rolí a odpovědnosti (spolupráce více institucí atp.) operacionalizace (plánování a implementace datového managementu) viz též UKDA/JISC Costing Tool: archive.ac.uk/media/257647/ukda_jiscdmcosting.pdf Sdílení dat - doktorandský kurz 2014 Snímek 36

37 Zdroje dat - příklady

38 Český sociálněvědní datový archiv: datový katalog: data on-line kvalitativní výzkum: Medard web directory management dat publikace Sdílení dat - doktorandský kurz 2014 Snímek 38

39 GESIS - mezinárodní databáze v katalogu ZACAT European Values Study 1981, 1990, 1999/2000, 2008 (stránky projektu: International Social Survey Programme (ISSP)) Primární data z Eurobarometru Standard & Special EB (1970+) EB Trend File (selected trends) Candidate Countries EB ( ) Central & Eastern EB ( ) data from Eastern Europe World Values Survey EE & Germany Evaluation of Programs to assist young Unemployed/self-employed in Post Communist CEE Consolidation of Democracy in Central and Eastern Europe selected election studies from CEE Sdílení dat - doktorandský kurz 2014 Snímek 39

40 Survey of Health, Ageing and Retirement in Europe ČR: Management dat Str. 40

41 Progress in Int. Reading Literacy Study (PIRLS) Trends in Int. Mathematics and Science Study (TIMSS) timss.bc.edu, lighthouse.air.org/ Programme for Int. Student Assessment (PISA), REPORTS FREE DATA DOWNLOADS Info den, 06/12/2011 Snímek 41

42 Country: Belarus; Bulgaria; Croatia; Czech Republic; Estonia; Hungary; Latvia; Lithuania; Poland; Romania; Russia; Serbia; Slovakia; Slovenia; Ukraine Management dat Str. 42

43 International Social Justice Project, Eurofound, European Working Conditions Survey (EWCS) European Quality of Life Survey Comparative Study of Electoral Systems (CSES), European Election Studies (ESS) - PIREDEU, International Crime Victim Survey, UNICRI/ICVS Str. 43

45 ČSÚ - data pro vědecké účely Demografie - narození, zemřelí, stěhování vnitřní, vnější, sňatky, rozvody, potraty Mikrocensus 1996 nebo Mikrocensus 2002 Životní podmínky (SILC) Výběrové šetření pracovních sil (VŠPS) Statistika rodinných účtů (SRÚ) výzkum a vývoj: roční výkazy, šetření o inovacích AES - Vzdělávání dospělých a dalších odborných zaměstnanců CVTS - Další odborné vzdělávání zaměstnaných osob volební data některé speciální zakázky Data ČSÚ pro vědecké účely přehled - ČSDA: podmínky a formulář: Str. 45

46 Evropský statistický systém - mikrodata dva typy dat úplné soubory považovány za důvěrné: přístup v safe centres odvozená data zcela anonymní: distribuce na CD pod heslem na základě smlouvy setreni European Community Household Panel (ECHP) Labour Force Survey (LFS) EU Statistics on Income and Living Conditions (EU-SILC) Structure of Earning Survey (SES) Community Innovation Survey (CIS) Adult Education Survey (AES) Continuing Vocational Survey (AES) Farm Structure Survey (FSS) Sdílení dat - doktorandský kurz 2014 Str. 46

48 Str. 48

49 OECD: - statistics by topics / by countries -> statistics statistics OECD.Stat Extracts: a selection of datasets (no subscription) OECD.Stat: complete statistics service by subscription Country Statistical Profiles OECD Factbook & other publications (PDF) - OECD ilibrary OECD.Stat Extracts By keyword using search By selecting data in popular queries or data by theme By accessing your saved queries under my queries Str. 49

50 Str. 50

51 UN Statistical Division statistics - statistics on-line Str. 51

52 Děkuji za pozornost a prosím o Vaše otázky Sdílení dat - doktorandský kurz 2014 Snímek 52