När du beskriver forskningsdata med metadata är det en fördel att göra det med hjälp av en etablerad standard. Det finns flera olika metadatastandarder, och en viss standard kan vara mer användbar i ett forskningsfält än ett annat. Använd en standard som är vedertagen inom din forskningsdomän för att uppfylla FAIR-principerna.
Vad är en metadatastandard?
En metadatastandard är en på förhand bestämd struktur som kombinerar olika typer av metadata. Ofta är en metadatastandard framtagen i ett sammanhang där det finns ett behov av att hitta ett gemensamt sätt för att beskriva en särskild typ av innehåll eller data. Det kan till exempel röra sig om en standard för att beskriva forskningsdata och publikationer som produceras inom en särskild forskningsdomän.
När du använder en etablerad metadatastandard blir dina metadatabeskrivningar läsbara och begripliga för både människa och maskin. Detta är centralt för att uppfylla FAIR-principerna.
En metadatastandard är en praktiskt användbar vägledning till att åstadkomma en uttömmande metadatabeskrivning. Den innehåller information som gör det möjligt att:
följa en konsekvent struktur för att göra data sökbart och möjligt att dela
veta vad som menas med olika sorters metadata och hur man bäst fyller i dem inom det specifika området
använda den som bas för att skapa metadata på ett sätt som är etablerat inom forskningsdomänen
beskriva uppkomst och ursprung på ett kontrollerat och överenskommet sätt
beskriva tekniska processer på ett kontrollerat och överenskommet sätt
beskriva behörigheter och åtkomst till information och data på ett kontrollerat och överenskommet sätt
använda sig av kontrollerade vokabulär, terminologier och ontologier som passar forskningsdomänen
använda sig av forskningsdomänens gemensamma kodnycklar och auktoritetsdokument
Börja tidigt
Forskningsprojekt kan i olika grad använda metadatastandarder för att beskriva och organisera data redan under projektets gång. Metadatastandarden är anpassad för att användas i digitala format, till exempel i databaser och i XML-format. Du som inte använder sådana redskap kan ändå använda dig av metadatastandarden som ett stöd i att organisera dina data.
På så vis får projektets data en struktur som innebär goda förutsättningar för överblickbarhet under pågående forskning. Det är också en bra förberedelse inför det avslutande arbetet med att bevara och tillgängliggöra projektets data, eller när dataarbetet sammanfattas i samband med byte av forskningsfokus. Upprätthållandet av en sådan struktur är ett sätt att se till så att data är nära tillhands och lätt att återanvända om det skulle behövas.
När du registrerar metadata hos Svensk nationell datatjänst (SND) så innehåller deras tjänst Doris (SND:s dataorganiserings- och informationssystem) på förhand definierade fält för metadata. Dessa fält bygger på metadatastandarden Data documentation initiative (DDI):
Läs mer om att använda SND och Doris för att beskriva och tillgängliggöra forskningsdata: Beskriv och dela data (SND)
Logga in för att registrera och tillgängliggöra forskningsdata: Mina sidor (SND)
Här hittar du information om den metadatastandard (DDI) som används i Doris och hur den relaterar till Dublin core-standarden: Beskriva forskningsdata (SND)
Har du frågor om registrering av forskningsdata och metadata? Du som är forskare eller arbetar med forskningsdata vid Umeå universitet kan få hjälp både från bibliotekets team för forskningsdata och från SND.
Det finns resurser som du kan använda för att hitta en standard som passar för ditt forskningsfält. I urval:
Förteckning över metadatastandarder och -typer sorterade efter forskningsfält från Digital Curation Centre, DCC: Disciplinary metadata (DCC)
Research Data Alliance öppna samarbete för att ta fram en metadataförteckning på GitHub: RDA Metadata Directory
Dublin Core är en väl etablerad metadatastandard som passar flertalet forskningsdomäner. Den är även utformad för att stödja metadatabeskrivningar av tvärvetenskapliga resurser: Dublin Core
