dinsdag 31 maart 2009

Duurzaamheid op zijn Amerikaans

DSC_0057Je zult het maar treffen: vlieg je helemaal naar de Verenigde Staten, haast je je naar het Witte Huis voor een kopje thee, en kom je erachter dat Barack en Michelle net naar Europa zijn gevlogen. Maar ik kan altijd nog zeggen: 'been there, done that, got the T-shirt', want die zijn overal te koop.

DSC_0106Na een dagje vrij om de jetlag te verwerken en wat plaatjes te schieten, ga ik op bezoek bij Martha Anderson, de projectleider van het National Digital Information Infrastructure & Preservation Program (NDIIPP) dat in 2003 met M$100 van Congress werd gelanceerd met de opdracht een 'national strategy for digital preservation' te ontwikkelen. Inmiddels is het NDIIPP GROOT geworden (zoals alles hier in de VS nog steeds GROOT voelt als je uit Europa komt) met 130 partner organisaties waaronder de belangrijke National Science Foundation met zijn budget van miljarden dollars.

Maar er zijn ook berichten dat het allemaal niet vanzelf gaat. Dat niet al het geld dat Congress beloofd had er ook is gekomen en dat het nog steeds veel losse projecten zijn, zonder samenhang.DSC_0134 Hoe dat zit, daar wil ik proberen achter te komen, om te zien of hier lessen geleerd kunnen worden waar we in Nederland ons voordeel mee kunnen doen: welke vormen van samenwerking werken beter dan andere? Natuurlijk zijn de omstandigheden hier anders, maar mensen zijn mensen, en hoe goed je dingen ook regelt op papier, het zijn de mensen die het waar moeten maken: bibliothecarissen, archivarissen, wetenschappers, datacentra. Ik ben benieuwd.

Foto's: De bijen worden uitgezet in de tuin van het Witte Huis; Obama Obama Obama Obama; "National cherry blosom festival" bij het Jefferson Memorial. (IA)

vrijdag 27 maart 2009

Het bedrijfsleven en digitale duurzaamheid

In de publieke sector hadden we zo onze vermoedens over hoe het bedrijfsleven omgaat met digitale duurzaamheid, maar in het kader van een Nationale Verkenning wil je onderzoeken of die vermoedens wel kloppen. Dat heeft de NCDD dan ook gedaan: adviesbureau Thaesis uit Utrecht benaderde vijf grote philipsNederlandse bedrijven en vroeg hen naar hun beleid ten aanzien van het duurzaam bewaren van data.

Zoals we eigenlijk wel verwacht hadden, heeft het duurzaam bewaren van informatie niet echt prioriteit in het bedrijfsleven - het is immers een activiteit die vaak veel geld kost maar niet echt meer omzet oplevert. Dus is het beleid: niet langer bewaren dan strikt noodzakelijk - waarbij 'noodzakelijk' meestal betekent dat wetten het vereisen of dat je rechtzaken moet kunnen onderbouwen met bewijsmateriaal.

Logo_Rabobank Een ander verschil met de publieke sector is het feit dat de 'look&feel' van een document er meestal niet toe doet. Vaak zijn het numerieke bestanden waarvan alleen de inhoud belangrijk is. In de publieke sector willen we vaak 'alles' bewaren, inclusief de handtekening die de authenticiteit van een document bepaalt of een beeld van het oude handschrift zelf.

achmea In het bedrijfsleven denkt de leiding vooral na over 'wat' er bewaard moet worden en voor hoe lang; het hoe laat men graag over aan de IT-afdeling. Opmerkelijk vond ik dat de bedrijven zich nauwelijks druk bleken te maken over 'obsolescence', het in onbruik raken van bestandsformaten en software. Men gaat ervan uit dat 'de markt' op tijd met oplossingen zal komen.

shell De algehele aanpak kenmerkt zich door pragmatiek, door een stap-voor-stap-benadering. Men benadrukt ook het belang van selectie: vraag je steeds af of dit document nu wel echt het bewaren waard is.

De laatste hypothese die we wilden toetsen was de veronderstelling dat het bedrijfsleven veel meer geld beschikbaar heeft om duurzaamheidsproblemen op te lossen - gewoon zes back-ups maken, dan is overleeft er altijd wel wat. Hoewel ik ervan uitga dat de bedrijven in kwestie wat de kosten betreft niet het achterste van hun tong hebben laten zien, concludeert Thaesis dat er geen aanwijzingen zijn dat er beduidend meer geld in omgaat dan bij grote publieke instellingen - zoals bijvoorbeeld de KB. Waarvan akte.images

Later dit jaar zal de NCDD het hele rapport publiceren in het kader van de Nationale Verkenning.

donderdag 26 maart 2009

Hoe houden we onderzoeksdata toegankelijk?



Gisteren woonde ik een interessante expert meeting bij over bewaren en hergebruik van onderzoeksdata in de wetenschap. Georganiseerd door SURFfoundation, de grote 'facilitator' in het hoger onderwijs. Aan tafel zaten vooral de organisaties die enige verantwoordelijkheid hebben voor het bewaren van onderzoeksdata – voor de korte of de lange termijn: bibliotheken, datacentra, instituten die zelf data opslaan.

Op tafel lag een typische uitdaging uit het digitale tijdperk: hoe kunnen we ervoor zorgen dat (ruwe) onderzoeksdata – die vaak een enorme waarde vertegenwoordigen – net als publicaties beschikbaar worden gemaakt voor andere onderzoekers. Of, zoals ik iemand laatst hoorde zeggen: hoe kan een tweede onderzoeker zichzelf 6 maanden laboratoriumwerk besparen door twee uur achter de computer te kruipen. Dat is een nobel doel om na te streven, maar ook een gecompliceerd doel, want er is wel het een en ander voor nodig om die data ook daadwerkelijk herbruikbaar te maken: interoperabiliteit, standaarden, precieze informatie over de context waarin de data geproduceerd zijn (welke instrumenten, etc.). Daar gaat het nodige werk in zitten, werk waarvoor de producerende wetenschapper vaak noch de tijd, noch de belangstelling, noch de juiste vaardigheden heeft. Wie gaat dat werk dan wel doen, wie gaat het betalen, en wie gaat bepalen wat wel en wat niet bewaard moet worden?

Gisteren bleek dat al die vragen nog lang niet beantwoord zijn, maar toch zag ik de nodige ontwikkelingen ten opzichte van een aantal jaren geleden toen ik werkte bij UKB, het samenwerkingsverband van universiteitsbibliotheken. Toen kon je uit de mond van bibliothecarissen nog weleens optekenen dat die wetenschappers dan maar moesten leren om hun informatie te 'ontsluiten' zoals bibliotheken dat doen (metadata!). Nu sprak Marc vd Berg van de UvA van 'geruisloze' diensten: de bibliotheek of het datacentrum biedt data-'verzorgende' (in het Engels: data curation) diensten aan die het voor de wetenschapper mogelijk maken om vooral zijn eigen werk te doen en daarbij 'bijna' onmerkbaar data te genereren die door anderen hergebruikt kunnen worden.

Men was het er gisteren over eens dat dit het streven moet zijn. De volgende vraag is natuurlijk hoe we daar komen, en daar blijken nog wel wat hobbels op de weg te liggen:
  • iedere discipline heeft weer zijn eigen manier van onderzoek doen, en zelfs binnen disciplines is ieder onderzoek ook weer nét dat beetje anders dan het vorige;
  • om standaardisatie mag je daarom eigenlijk niet vragen; dat zou het eigenlijke wetenschappelijke proces te zeer belemmeren;
  • het eigenaarschap van ruwe data, genalyseerde data en al die tussenvormen is juridisch nog lang niet altijd duidelijk;
  • de hoeveelheden data zijn vaak enorm en dat zou ervoor kunnen pleiten om te selecteren wat je wel en niet gaat bewaren, maar wie gaat dat bepalen? Datacentra kunnen wel wat technische controles doen, maar ze kunnen niet op de stoel van de onderzoeker gaan zitten en inhoudelijke oordelen vellen. Bovendien: soms kan totaal vastgelopen onderzoek onschatbare informate opleveren voor toekomstige pogingen om het beter te doen;
  • omdat het hier een nieuw soort problematiek betreft, is vooralsnog niet uitgekristalliseerd wie waarvoor verantwoordelijk is en wie wat moet gaan betalen.
De experts die gisteren om de tafel zaten concludeerden dat dat laatste punt de hoogste prioriteit heeft: pas als je de taken en rollen goed hebt verdeeld, kun je gewogen beslissingen nemen over al die andere punten. En laat dat nu net het onderwerp zijn waar de NCDD Verkenning naar kijkt. Ik geef toe, tijdens de bijeenkomst meldde ik dat iets te enthousiast, waarna enkele deelnemers met zo mogelijk nog meer enthousiasme zich oefenden in het achteroverleunen, hetgeen natuurlijk absoluut niet de bedoeling was, zoals ik mij haastte toe te voegen. De NCDD legt lijntjes en 'koepelt' waar nodig, maar kan en wil niet vervangen. Om even bij de taakverdeling te blijven: het viel mij op dat de aanwezige universiteitsbibliotheken (Utrecht, Amsterdam, Tilburg, Delft (d.w.z. als UB alleen), Rotterdam) niet de ambitie hebben om de langetermijnbewaring zelf te gaan verzorgen. Langetermijnbewaring, zo was de consensus, is een vak apart dat grote investeringen vraagt en dat kun je beter overlaten aan gespecialiseerde datacentra. Daarvan zullen er in Nederland maar een paar ontstaan, zo schatten de aanwezigen in, bij voorkeur gericht op specifieke disciplines met eigen standaarden. Veel zal ook internationaal belegd moeten worden, aangezien diverse wetenschappelijke disciplines al in zo'n context werken, met name rond grote onderzoeksfaciliteiten als de Large Hadron Collider, die 5000 onderzoekers over de hele wereld gaat 'voeden' met data. (Hetgeen het organisatorische en financiële plaatje wel compliceert, maar dat terzijde.) Van die gespecialiseerde datacentra hebben we er in Nederland al enkele:
  • DANS, dat is opgericht door NWO en de KNAW om de onderzoeksdata uit de alfa- en gammawetenschappen duurzaam op te slaan en ter beschikking te stellen.
  • het 3TU.Datacentrum (momenteel projectfase) wordt opgezet door de drie technische universiteiten (Delft, Eindhoven, Twente) om hetzelfde te doen voor de technische wetenschappen;
  • daarnaast zijn enkele gespecialiseerde centra voor dataopslag, zoals bijvoorbeeld bij het IISG en Nederlands Instituut voor Ecologie (NIOO), waar men al wel datasets opslaat, maar waarvan het langetermijnperspectief nog in ontwikkeling is;
  • en één deelnemer sloot niet uit dat op dit gebied ook nog een rol weggelegd kan zijn voor de Koninklijke Bibliotheek, die zich tot dusverre vooral richt op de langetermijnbewaring van publicaties.
Aan het eind van de bijeenkomst stelden de deelnemers een aantal prioriteiten voor nader gesprek/onderzoek vast. Ik noem hier de belangrijkste:
  • verantwoordelijkheden, rollen, taken benoemen en coördinatie regelen;
  • onderzoeken hoe al die verschillen tussen disciplines aangepakt moeten worden;
  • kennisvergaring en uitwisseling;
  • stimuleren dat onderzoekers actief gaan meedoen aan het deponeren van datasets, wellicht door een combinatie van regels vanuit financiers als NWO én geruisloze 'verleidings'-technieken vanuit de datacentra. Het zou zeker ook helpen als auteurs op de een of andere manier beloond zouden worden voor hun data-inspanningen;
  • nadenken over wat we gaan bewaren en voor hoe lang (selectie).

SURFfoundation zal het debat over deze zaken blijven stimuleren. Een nieuwe bijeenkomst van deze groep is al gepland. Foto's: van boven naar beneden: John Ellis van CERN in een 'overzichtelijker' tijdperk; van internet geplukt; CERN's Large Hadron Collider; logo van het NIOO.

zondag 1 maart 2009

Data-diensten: generiek of specifiek?


Onlangs schreef Chris Rusbridge van het UK Digital Curation Centre een interessante blog over de diverse manieren waarop je infrastructuren - in dit geval voor de wetenschap - kunt insteken: lokaal, nationaal, internationaal, en, misschien nog belangrijker: generiek of discipline-specifiek.

Rusbridge reageerde op recente initiatieven om een nationale infrastructuur voor wetenschappelijke data te bouwen, het UKRDS initiatief. Hij constateert dat de eisen die je aan een infrastructuur voor wetenschappelijke informatie moet stellen eigenlijk haaks op elkaar staan:

- voor datacentra en digitale archieven geldt: hoe groter des te goedkoper, en hoe generieker hoe gemakkelijker ze op te hangen zijn aan bestaande structuren als universiteitsbibliotheken met hun langetermijnfinanciering.
- voor goede datacuratie geldt: hoe lokaler hoe effectiever, omdat iedere discipline weer zijn eigen eisen stelt aan hoe data georganiseerd moet worden. Die curatie zou je dus het liefst zo dicht mogelijk bij de wetenschapsuitoefening willen onderbrengen, in onderzoeksprojecten die vaak tijdelijk van aard zijn.

Hoe breng je die twee uitersten bij elkaar? Rusbridge suggereert een soort matrix met generieke archieven, waarbij de instroom van wetenschappers zelf komt (eigen verantwoordelijkheid!), die dan weer moeten voldoen aan curatienormen die nationaal bepaald worden door koepels, en door de financiers verplicht worden gesteld. En daar past hij bestaande instellingen als JISC en het Research Information Network dan weer in als adviseurs.

Rusbridge signaleert hier een belangrijk knelpunt: economie en wetenschap stellen verschillende eisen. Dat kan niet anders dan leiden tot een complexe infrastructuur, waarbij het heel belangrijk is om rollen en verantwoordelijkheden heel goed te benoemen. Complicatie daarbij is dat er maar weinig stakeholders zijn die het geheel overzien, dat blijkt ook uit de interviews in het kader van de Nationale Verkenning.

Wat Nederland betreft zie ik nog niet direct de impuls om een 'nationale' wetenschappelijke data-service te gaan bouwen; misschien zijn we daarin als klein land anders dan de UK. Maar de uiteenlopende eisen van economie en wetenschap gelden ook hier.