Diversity in approaches – ANADP11 (4)

The organizational panel was a showcase for the many different ways in which institutions develop methods to cooperate in digital preservation.

From the left: Martin Halbert (MetaArchive), yours truly (NCDD), David Giaretta (APA), Michelle Galinger (NDIIPP/Library of Congress).

David Giaretta of the Alliance for Permanent Access to the Records of Science (APA) drew a picture of the many initiatives in the European research arena. Digital preservation, David asserted, is not a separate activity, it must be fitted into the research infrastructure. The European Commission is funding many R&D projects in digital preservation (Planets, ParseInsight, CASPAR, Shaman, etc.; you can google them for more info). If truth be told, the variety of institutions and projects is quite overwhelming – perhaps that is why David’s slides have a tendency to be that as well ;-) – here’s an example that can keep you busy for a while.

Present efforts are focused around APARSEN, with over 30 participating organizations. The intention is to establish a Europe-wide competence center for digital preservation. A new acronym for me was SCIDIP-ES. Here is the accompanying elucidating slide:

Europe is also working on a three-tiered audit and certification system that makes a lot of sense to me: it allows institutions to grow into certification:  there is a light-weight instrument for basics (the Data Seal of Approval), a second level of self-audit, and then a super-level of external audit.

While the Alliance clearly takes the technical requirements as its starting point, the US NDIIPP program draws its inspiration from the social context, from ‘shared values’ and ‘common goals’ – Michelle Galinger (left) told the conference. NDIIPP began as a project organization, but as time went on the need was felt to build something more committed, something more sustainable. This led, in 2010, to the establishment of the National Digital Stewardship Alliance (NDSA), in which partners ‘commit to formalized roles and structure within alliance’.

A third genre of DP organizations are the national coalitions, mostly bottom-up voluntary networks of custodial institutions across the borders of traditional domains (archives, libraries, museums, research institutions). The UK DPC and German nestor are networks to promote awareness and share knowledge and expertise. The Dutch NCDD goes a step further and intends to build an infrastructure (see yesterday’s post).

All of the above are enabling organizations, facilitators. To my mind things get really interesting when institutions actually start sharing the burden of digital preservation. Not surprisingly, reciprocal hands-on networks like these have mainly sprung up in the United States. Martin Halbert of North Texas University summarized the distributed preservation approach:

   

 

The American version of the distributed preservation approach is not undisputed. LOCKSS is about bit preservation, and especially in Europe there are those that believe that without proper preservation strategies the job cannot be done. At this conference I got the distinct impression that for economic reasons, thinking is turning in the direction of spending our money on relatively simple preservation methods for the short term, especially because it is very difficult to tell what will be valuable in the future. Matthew Woollard of the UK Data Service spoke out in this direction. After some years the material can be reappraised and more expensive preservation strategies can be applied to selected material only.

Lively discussions about organizational aspects during the break-out session.

One of the nice features of this conference, I thought, was the room for conversation, for discussion. During this break-out session Laura Campbell’s idea for a global preservation body (see blog) was pretty much rejected. It was felt that while the organizations doing the actual preservation must have continuity and long-term commitment, interaction between these organizations should be more fluid, more spontaneous. The International Internet Preservation Consortium (IIPC, see recent blogs on their General Assembly) was repeatedly mentioned as an excellent example of how fluid, voluntary groupings of people with similar problems can work in the  21st century.

The conclusion was that in DP (not unlike in many other situations) one size does not fit all. Commonalities, shared problems, are basic to successful types of cooperation, and sometimes these must be context- and culture-specific. It was also said, during another session, that in a young field such as digital preservation we need to experiment with different approaches in order to discover what works and what does not.

At the end of the day, Laura Campbell and I, over dinner, thought of a very fluid and informal network to address some issues that really need addressing on a high international level, such as how to redefine our collection profiles within a digital paradigm. To be continued!

PS: Meanwhile the conference has come to a close. But there is good stuff yet to share with you. So, if you will bear with me, I will go on blogging about it for a few more days. Until the story is told.

Conference reception: We were so captivated by the singing of the National Library’s Women’s Choir, that the excellent food remained untouched for quite a while …

Video's conferentie Alliance for Permanent Access

Eind november blogde ik hier, hier en hier over de conferentie van de Europese Alliance for Permanent Access to the Records of Science. Nu zijn de video's gepubliceerd en ook wat foto's van ondergetekende. Het verhaal van John Wood, de projectleider van Riding the waves is zeker te moeite van het beluisteren waard. En wie echt wil weten waarover het APARSEN project gaat, kan de dia's van David Giaretta, die elkaar altijd in een moordend tempo opvolgen, in de videoversie gelukkig even stilzetten.

Onderzoeksdata (3): het Europese landschap

Aan het eind van de Alliance (kort: APA, Alliance for Permanent Access)-conferentie (zie ook vorige blogs) is het tijd om de balans op te maken. Wat zijn we opgeschoten ten opzichte van vorig jaar, en wat zijn de vooruitzichten?

 

Nieuwe Europese projecten: APARSEN EN ODE

Onder de APA-paraplu zijn twee nieuwe Europese projecten gelanceerd (de website voor beiden is gloednieuw, en dus nog niet helemaal gevuld, maar daar wordt aan gewerkt). Eerst APARSEN (Alliance for Permanent Access to the Records of Science Excellence Network). In dat project werken maar liefst 30 (!) partners samen om een virtueel kennisnetwerk te vormen rond duurzame toegang tot wetenschappelijke bronnen (publicaties, data). Als we de enthousiaste projectleider David Giaretta mogen geloven, gaat dit project alles aan elkaar knopen wat eerder aan onderzoek is gedaan naar duurzame toegankelijkheid (CASPAR, Planets, SHAMAN, etc.) en het vervolgens toepasbaar maken in alle grote e-infrastructuren in Europa. Er zitten grote partners in, dat is zeker. En zelfs het NCDD-bureau gaat een bescheiden bijdrage leveren aan het ‘outreach’-programma. Zoals gisteren al geblogd zal de veelheid aan nationaliteiten en culturen ongetwijfeld ook tot een Toren van Babel leiden, maar gelukkig is een projectleider van de Europese Commissie ervan overtuigd dat het hier een necessary chaos betreft. Ikzelf zoek nog een beetje naar de focus in al die ambities …
ODE (Opportunities for Data Exchange), geleid door Salvatore Mele van CERN, is een ‘compact’ project dat ‘will gather evidence to support the right investment in a data sharing, re-use and preservation layer in the emerging e-Infrastructure’. Ergo: ervoor zorgen dat op de grote onderzoeksinfrastructuren die in Europa ontstaan ook daadwerkelijk een laag wordt gebouwd die ervoor zorgt dat onderzoeksdata duurzaam bewaard, hergebruikt en gedeeld kunnen worden. Want dat is momenteel nog lang niet overal het geval. Volgens Mele is de eerste taak van ODE: ‘collect success stories, near misses and honourable failures in data sharing, re-use and preservation’. Die ga ik in de gaten houden!

Overigens werd tijdens de bijeenkomst duidelijk dat hier inderdaad nog een wereld te winnen valt. Eefke Smit, van STM Publishers, liet resultaten uit het PARSE-Insight project zien, waaruit bleek dat de meeste uitgevers inmiddels wel maatregelen hebben genomen om de duurzame toegankelijkheid van hun publicaties veilig te stellen (vaak via bibliotheken, zoals bijvoorbeeld de Nederlandse KB), maar dat ze met data nog niets doen en dat ook niet van plan zijn. Dus blijft de vraag wie daarvoor verantwoordelijkheid neemt én wie ervoor gaat zorgen dat publicaties en onderliggende onderzoeksdata gekoppeld blijven.

 

De Alliance for Permanent Access zelf

De Alliance for Permanent Access (APA) zelf heeft een poosje, wat zal ik zeggen, een beetje gesukkeld. Dat gebeurt soms als de motor achter een organisatie (de executive director) niet de juiste man op de juiste plaats blijkt te zijn. Daarom was het mooi om te constateren dat de nieuwe Executive Director, David Giaretta, voortvarend van start is gegaan. APA leeft weer, en zit vol ambities en plannen. Op een iets andere manier dan bij de oprichting voorzien, namelijk nu ook als thuis voor projecten als ODE en APARSEN. Naast de taak als lobby en aanspreekpunt voor de Europese Commissie en haar kaderprogramma’s op het gebied van digitale informatie en e-infrastructuren. De Executive Board van APA wordt versterkt met Peter Doorn van DANS, die namens de NCDD zal optreden.
Europa kan ook wel wat hulp gebruiken, want onlangs de indrukwekkende lijst acroniemen die de revue passeerden, en waarachter belangrijke wetenschappelijke projecten en infrastructuren schuilgaan, noemde Salvatore Mele de bijdrage van de Europa aan een omgeving waar onvoorstelbare hoeveelheden data worden geproduceerd, nog maar een ‘drop in the ocean’. Hij vroeg EC-vertegenwoordiger Liina-Maria Munari of de Commissie niet iets kan doen om een sneeuwbaleffect te veroorzaken. Munari antwoordde politiek correct dat ze zich bewust was van de ‘drop in the ocean’, maar dat ze hoopte dat de technische voorzieningen volwassen zouden worden en genoeg plaats zouden bieden voor al die data. En dat de wetenschappers goed data-management zouden integreren in hun werk.

 

Groen databeheer

Het Finse CSC (IT Center for Science) dat gastheer was voor de conferentie is het grootste wetenschappelijke datacentrum in Finland. Om ervoor te zorgen dat het databeheer CO2-neutraal wordt, bouwt CSC in Kajaani, in noord-Finland, een nieuw datacentrum in een oude papierfabriek. De koeling wordt verzorgd door het koude Finse klimaat en voor de rest van de energiebehoefte zorgen drie (bestaande) waterkrachtcentrales. Een mooi initiatief, dat ik om de een of andere reden niet helemaal kan rijmen met het feit dat de thermostaat in mijn hotelkamer continu op 23 graden stond, terwijl het buiten min 7 was. Maar misschien eis ik nu te veel.
Meer foto's op picasa.


“Sustainability of earth science data preservation is not guaranteed in Europe” (Vincenzo Beruto, European Space Agency, ESA)

Onderzoeksdata (2): een ‘nieuwe renaissance’?

De Alliance conferentie werd vanochtend geopend door Sir John Wood, voorzitter van het hoogste wetenschappelijke adviesorgaan van de Europese Commissie (ERAB) en voorzitter van de commissie die Riding the Waves schreef (zie vorige blog). Alsof Wood die gelezen had [no such luck, Inge!], zei hij over de hoge ambities van Riding the Waves: ‘It is easy to write the words, isn’t it? Reality, how do we do it, is very different.’ Daarna volgde een lange lijst van projecten en digitale infrastructuren die al met Europees geld tot stand zijn gekomen, ik zal jullie de afkortingen hier besparen.

Maar hoe gaan we verder? Op Woods dia’s stonden keurig de aanbevelingen uit de diverse rapporten, maar in zijn toelichting liet hij doorschemeren dat hij het niet altijd eens is met hoe Europa investeert in de digitale agenda. Te veel kleine bedragen, waardoor de spoeling dun wordt. Risicovol onderzoek krijgt geen kans, terwijl daar juist echte kansen liggen. En mondiale zaken (hoe gaan we 9 miljard mensen van schoon water en eten voorzien?) worden te provinciaal aangepakt. Om een voorbeeld te noemen: voor EU-subsidies komen geen projecten in aanmerking waar partners van buiten de EU aan meedoen. Woods heeft de Commissie ooit aanbevolen om de projectgelden aan de lidstaten te geven onder voorwaarde dat ze met minimaal twee andere landen zouden samenwerken – de suggestie werd hem niet in dank afgenomen.

In opbouwende zin beval Woods aan om vooral holistisch te denken, over de grenzen van al die kleine disciplines heen. Hij noemde  het een nieuwe ‘renaissance’. Ook pleitte hij voor veel meer aandacht voor training. ‘We hebben momenteel domweg nauwelijks mensen die de enorme data-infrastructuren kunnen managen die we nu nodig hebben.’

Later op de dag ontstond nog een mooie discussie met Wouter Schallier, de Executive Director van LIBER, de Europese organisatie van wetenschappelijke bibliotheken. LIBER ziet een nieuwe rol weggelegd voor bibliothecarissen in het managen van de data in onderzoeksprojecten en de wetenschappers die daarbij betrokken zijn. Met respect voor het beroep van bibliothecaris betwijfelde Woods of dat een goede insteek was. Liever ziet hij in de wetenschap een ‘data scientist’ ontstaan die de data managet en ze dan kant en klaar aflevert bij de digitale repositories.

In de middag bleek trouwens dat rapporten als Riding the Wave, weinig concreet als ze soms zijn, wel degelijk gelezen worden in Brussel/Luxemburg en bijdragen aan visievorming door de Commissie. Twee sprekers namens de commissie lieten blijken dat ze het rapport goed gelezen hadden. Liina-Maria Munari (foto links) was goed te spreken over het nieuwe APARSEN project dat onder regie van de Alliance for Permanent Access wordt uitgevoerd en waaraan o.a. de KB meedoet. Dit moet leiden tot een Europees Centre of Excellence op het gebied van digitale duurzaamheid. Ze gaf toe dat het werken met vele talen en culturen (er zijn 30 partners!) hier een daar tot chaos leidt. ‘But that is chaos that must happen’ in een tijd van ‘grand, global challenges’. Dus toch een nieuwe renaissance?

Onderzoeksdata in Europees spotlight (1)

Na de archieven en de media (vorige blogs), zijn de komende dagen wat mij betreft gewijd aan wetenschappelijke zaken. Ik zit in (koud, donker en besneeuwd) Helsinki, waar de jaarlijkse conferentie van de European Alliance for Permanent Access to the Records of Science (APA) wordt gehouden – een organisatie die in Europees verband grip probeert te krijgen op al die datastromen en hun duurzame toegankelijkheid (foto rechts het Dipoli conferentiecentrum). Eerdere conferenties (2008, 2009) lieten zien dat er nog veel schort aan de duurzaamheid. Bij grootschalige onderzoeksfaciliteiten waar petabytes aan data worden geproduceerd, worden die vaak na een maand of zes gewoon gewist vanwege gebrek aan opslagcapaciteit. Nu zal ik de laatste zijn om te beweren dat we alles moeten bewaren, maar een beetje gericht beleid ten aanzien van wat we weggooien en wat we bewaren, lijkt me toch wel nuttig.

Europees ‘High-Level Rapport’ over onderzoeksdata

Daarom is het mooi dat juist vorige maand het High-Level Rapport Riding the Wave: How Europe can Gain from the Rising Tide of Scientific Data verscheen dat op verzoek van EU-Commissaris Neelie Kroes werd geschreven door een commissie van wijzen uit de wetenschap zelf. Het is een wervend geschreven rapport, ik kan niet anders zeggen, en alle belangrijke kwesties worden er overzichtelijk in benoemd. Voor niet-ingewijden dus een must. En ook voor de politici die de geldkraan beheren, want er wordt onverholen een beroep gedaan op overheden om meer geld te investeren in infrastructuren voor digitale wetenschap, omdat Europa het anders qua innovatie gaat verliezen van andere werelddelen.
Er staat een mooie visie 2030 in, waarin iedereen natuurlijk zijn data deponeert, en iedereen daar ook weer naadloos en interoperabel van kan genieten. Ter meerdere eer en glorie van een florerende wetenschap. Maar ik vind dat het rapport een beetje mank gaat aan realisme en pragmatisme. Het is weer een hoop we should en we would en weinig ‘zo gaan we dat aanpakken.’ Dat vindt ook Neelie Kroes, al zegt ze het wat voorzichtiger in edata&research (die 3 december in de bus valt c.q. op de website bekeken kan worden; ik heb net de proef bekeken). Ze zegt opbouwend dat we vooral realistisch en pragmatisch te werk moeten gaan. Waarbij ze waarschijnlijk doelt op het prijskaartje.
Wat me wel opviel, is dat de wetenschappelijke schrijvers van het rapport het thema vertrouwen hoog op de agenda hebben staan. Als onderzoeker moet je ervan uit kunnen gaan dat er zorgvuldig met je data wordt omgesprongen. Alleen dan zullen meer wetenschappers bereid zijn hun data met anderen te delen.
Morgen, tijdens dag 1 van de Alliance conferentie, geeft John Wood, de voorzitter van de commissie die het rapport schreef, de keynote. Ik ben benieuwd.

Duurzame toegang in de wetenschap financieren

Op 4 november werd in Boedapest de jaarlijkse conferentie van de Alliance for Permanent Access gehouden onder de titel: 'Keeping the Records of Science Accessible - Can we Afford it? Business models for permanent access'. Voor de Alliance website heb ik een uitgebreid conference report geschreven dat ik hier niet zal herhalen. Het beeld is duidelijk: het zijn vooral de wetenschappers zelf (en niet de bibliotheken) die hun data organiseren en dat doen zij per discipline verschillend, maar vooral over nationale grenzen heen. Dat maakt financiering lastig: universiteiten, onderzoeksfinanciers, nationale overheden en de EU zijn allemaal partijen die daarbij betrokken zijn. Er zijn belangenbehartigers op Europees niveau nodig om al die lijntjes bij elkaar te brengen, en daar is de Alliance nu juist voor opgezet.

Maar kunnen we het ons veroorloven? We horen immers vaak dat digitale duurzaamheid zo duur is. De Engelse Archaeological Data Service (ADS) heeft een prijskaartje gehangen aan duurzame opslag: 0,30 GBP per megabyte voor opslag 'in de eeuwigheid'. Maar dat is alleen de opslag (inclusief migraties). Wat acquisitie en ingest kosten aan de ene kant, en toegang aan de andere, hangt van zoveel factoren af dat het niet in zijn algemeenheid te schatten is. Het Max-Planck-Institute for Psycholinguistics becijferde dat een complex levend archief, met depots op verschillende plaatsen, toch minstens 400.000 euro per jaar kost.

Is dat duur? Graham Cameron van het European Bioinformatics Institute (EBI) stelde : 'Permanent access is the cheap way to doing science': een paar uur achter de computer kan jarenlang laboratoriumwerk vervangen. De vraag is natuurlijk wel hoe je die opbrengst concreet kunt maken tegenover financiers - wat is de prijs van een versnelde ontdekking van een bepaald medicijn?

Ian Halliday van de European Science Foundation, die de conferentie voorzat, had een pragmatische kijk op de financiering van permanente toegang: uiteindelijk zal het erop uit draaien dat de wetenschap een bepaald budget krijgt en het daarmee moet doen. Dan wordt het een kwestie van selecteren wat we wel en niet willen bewaren.