研究データのアーカイブ

研究データのアーカイブ化とは、自然科学、社会科学、生命科学などの学術研究データを長期にわたって保存することです。さまざまな学術雑誌では、研究者が公開アーカイブに保存する必要があるデータと方法の量に関するポリシーが異なり、実際にアーカイブされる内容は分野によって大きく異なります。同様に、主要な助成金提供機関は、データの公開アーカイブ化に対する姿勢が異なります。一般的に、科学の伝統では、出版物には、他の研究者が研究を再現してテストできるように十分な情報が含まれている必要があります。近年、一部の分野の研究は、単独では簡単に再現できない大規模なデータセットに依存しているため、このアプローチはますます困難になっています。

データのアーカイブ化は、分野によって重要度が異なります。いくつかの分野では、研究を再現するために必要なすべてのデータがすでにジャーナル記事で公開されています。医薬品開発では、大量のデータが生成され、製薬会社が発行するレポートがデータを正確に反映していることを研究者が確認できるようにアーカイブする必要があります。

データ アーカイブの必要性は、科学の歴史において最近の発展です。これは、大量のデータを中央の場所に保存し、そこからアクセスできるようにする情報技術の進歩によって可能になりました。たとえば、アメリカ地球物理学連合(AGU) は、 WWWの開始から約 3 年後の 1993 年に、データ アーカイブに関する最初のポリシーを採用しました。^[1]このポリシーでは、AGU の論文で引用されるデータセットは、認定されたデータ センターでアーカイブする必要があると規定しています。また、「データ ペーパー」の作成を許可し、データ アーカイブを維持する AGU の役割を確立しています。ただし、論文の著者にデータをアーカイブすることを義務付けていません。

組織的なデータアーカイブ化が進む前は、論文を評価または再現したい研究者は、著者にデータと方法に関する情報を要求する必要がありました。学術コミュニティは、著者が補足データを共有することを期待しています。このプロセスは時間とエネルギーの無駄であると認識されており、さまざまな結果が得られました。情報は何年も経つと失われたり破損したりする可能性があります。場合によっては、著者が情報の提供を拒否することもあります。

研究が健康問題や公共政策の形成を扱う場合、データのアーカイブ化とデューデリジェンスの必要性は大幅に高まります。^{[2] [3]}

Biotropica では、論文の出版条件として、論文の結果を裏付けるデータとそれを説明するメタデータを Dryad、Figshare、GenBank、TreeBASE、NCBI などの適切な公開アーカイブにアーカイブすることを義務付けています。著者は、論文の出版後すぐにデータを公開するか、アーカイブの技術が許せば、論文の出版後最大 3 年間データへのアクセスを禁止するかを選択できます。データの可用性を説明する声明は、著者への指示に記載されているように、原稿に含まれます。機密情報 (絶滅危惧種の所在地など) を含む研究では、編集長の裁量により、必要なデータ アーカイブの例外が認められる場合があります。このポリシーの理由を説明する当社の社説は、こちらでご覧いただけます。データ リポジトリのより包括的なリストは、こちらでご覧いただけます。 データを収集およびアーカイブする研究者とのコラボレーション文化の促進:熱帯生物学者が収集するデータは、多くの場合、長期にわたる、複雑で、収集に費用がかかります。Biotropicaの編集委員会は、データ アーカイブのアーカイブされたデータ セットを再利用する著者に対し、最初にデータを収集した科学者を全面的に協力者として含めることを強く推奨しています。これにより、研究システムの自然史に関するデータ収集者の深い洞察が活用され、新しい分析におけるエラーのリスクが軽減され、ATBC とBiotropicaが広く認められている学際的かつ異文化間のコラボレーションとトレーニングが促進されるため、結果として得られる研究の質と影響が大幅に向上すると考えています。

注意: Biotropicaは、Dryad にデータを投稿する著者に対して料金を支払う 2 つのジャーナルのうちの 1 つです。

American Naturalist では、著者は受理された論文に関連するデータを公開アーカイブに保存する必要があります。遺伝子配列データと系統樹については、それぞれGenBankまたはTreeBASEへの保存が必要です。特定のデータセットに適したアーカイブは多数ありますが、その中には生態学および進化生物学データのDryadリポジトリも含まれます。受理された原稿には、GenBank、TreeBASE、Dryad のすべてのアクセッション番号を Production に送る前に含めておく必要があります。データが他の場所に保存されている場合は、リンクを提供してください。データが出版された文献から抜粋されている場合は、読者の便宜を図るため、照合したデータを Dryad に保存してください。データ共有の障害がある場合は、投稿時に編集者に知らせ、適切な取り決めができるようにしてください。 ^[4]

論文の結論の根拠となる一次データは、科学研究の検証可能性と透明性にとって極めて重要であり、今後数十年にわたって使用可能な形式で保存する必要があります。このため、Journal of Heredityでは、新たに報告されたヌクレオチドまたはアミノ酸の配列、および構造座標を適切な公開データベース (GenBank、EMBL ヌクレオチド配列データベース、DNA データベース、Protein Data Bank、Swiss-Protなど) に送信することを義務付けています。原稿の最終版にはアクセッション番号を含める必要があります。その他の形式のデータ (マイクロサテライト遺伝子型、連鎖地図、画像など) については、Journal は Joint Data Archiving Policy (JDAP) の原則を支持し、すべての著者に Dryad、TreeBASE、Knowledge Network for Biocomplexity などの適切な公開アーカイブに一次データセットをアーカイブすることを推奨しています。著者は、出版時にデータを公開するか、アーカイブの技術が許せば、出版後 1 年までデータへのアクセスを禁止することを推奨します。アメリカ遺伝学会は、大規模なデータセットの作成と管理に個々の研究者が費やした多大な投資も認識しています。したがって、二次分析やメタ分析では、寛大な協力精神をもってこの投資を尊重することをお勧めします。

— オックスフォードジャーナル^[5]

Molecular Ecology では、論文の結果を裏付けるデータが、適切な公開アーカイブ (GenBank、Gene Expression Omnibus、TreeBASE、Dryad、Knowledge Network for Biocomplexity、ご自身の機関または資金提供者のリポジトリなど) に保存されるか、Molecular Ecology Web サイトの補足情報として保存されることを期待しています。データは科学事業の重要な成果物であり、今後数十年にわたって保存して使用できるようにする必要があります。著者は、出版時にデータを公開することを選択できます。または、アーカイブのテクノロジーが許す場合は、出版後最大 1 年間データへのアクセスを禁止することもできます。特に、ヒト被験者データや絶滅危惧種の所在地などの機密情報については、編集者の裁量で例外が認められる場合があります。

— ワイリー^[6]

このような資料は、認定された独立したサイト（URL とアクセッション番号は著者が提供）でホストされるか、投稿時にNature誌に送信する必要があります。ジャーナルのオンライン投稿サービスを介してアップロードするか、ファイルが大きすぎるかこの目的に適さない形式である場合は、CD/DVD（5 部）で送信します。このような資料は、著者の個人または機関の Web サイトのみでホストすることはできません。^[7] Nature では、すべての補足データと方法がアーカイブされているかどうかを査読者が判断する必要があります。このポリシーでは、査読者にいくつかの質問を検討するようアドバイスしています。たとえば、「著者に、論文にオンラインで添付する補足的な方法またはデータを提供するよう求める必要がありますか?（このようなデータには、モデリング研究のソース コード、詳細な実験プロトコル、または数学的導出が含まれる場合があります。」)

— 自然^[8]

Science は、科学コミュニティが利用できるように公開データを集約するデータベースの取り組みを支援しています。したがって、公開前に、大規模なデータセット (マイクロアレイ データ、タンパク質または DNA 配列、高分子構造の原子座標または電子顕微鏡マップを含む) を承認されたデータベースに登録し、公開された論文に含めるためのアクセス番号を提供する必要があります。^[9] 「材料と方法」 –現在、 Scienceでは、著者が材料と方法の説明の大部分をオンラインの補足資料として掲載し、印刷原稿ではテキストの論理に従うために必要な方法の説明のみを提供することを一般に求めています。(もちろん、論文が基本的に新しい方法または技術の研究である場合、この制限は適用されません。)

— 科学^[10]

王立協会のジャーナルに掲載された研究を他の人が検証し、それに基づいて研究を進めることができるように、著者が論文の結果を裏付けるデータ、コード、研究資料を公開することが出版の条件となっています。

データセットとコードは、適切で認知された、公開されているリポジトリに保存する必要があります。データ固有のリポジ​​トリが存在しない場合は、著者はDryad (リポジトリ)やFigshareなどの一般的なリポジトリにデータセットを保存する必要があります。

— 王立協会^[11]

考古学科学ジャーナルは、少なくとも2013年からデータ開示ポリシーを持っています。そのポリシーでは、「記事に関連するすべてのデータは、補足ファイルで利用できるようにするか、外部リポジトリに保存して記事内でリンクする必要があります。ポリシーでは、データを考古学データサービス、デジタル考古学記録、またはPANGAEAなどのリポジトリに保存することを推奨しています。2018年の調査では、データ利用可能率は53％であることがわかりました。これは、このポリシーの施行が弱いか、編集者、査読者、著者がこのポリシーをどのように解釈して実装するかについて完全に理解していないことを反映しています。^[12]

米国では、国立科学財団（NSF）がデータアーカイブに関する要件を厳格化しました。NSFからの資金援助を求める研究者は、助成金申請書の補足書類として2ページのデータ管理計画書を提出することが義務付けられています。^[13]

NSF Datanetイニシアチブは、 Data Observation Network for Earth ( DataONE ) プロジェクトへの資金提供につながりました。このプロジェクトは、世界中の科学者が作成した生態学的および環境的データの科学的データ アーカイブを提供します。DataONE の目標は、マルチスケール、マルチ分野、および多国籍のデータを保存し、それらへのアクセスを提供することです。DataONE のユーザー コミュニティには、科学者、生態系管理者、政策立案者、学生、教育者、一般の人々が含まれます。

ドイツのDFGは、研究データは研究者自身の機関または適切な全国規模のインフラストラクチャに少なくとも10年間アーカイブされることを義務付けています。^[14]

英国デジタルキュレーションセンターは資金提供者のデータポリシーの概要を管理している。^[15]

研究データは、データ ライブラリまたはデータ アーカイブにアーカイブされます。データ ライブラリ、データ アーカイブ、またはデータ リポジトリは、研究で二次使用するための数値データ セットや地理空間データ セットのコレクションです。データ ライブラリは通常、より大規模な機関 (学術機関、企業、科学機関、医療機関、政府機関など) の一部であり、研究データのアーカイブ化およびその組織のデータ ユーザーへのサービス提供のために設立されます。データ ライブラリは、ローカル データ コレクションを収容し、さまざまな手段 ( CD / DVD -ROM またはダウンロード用の中央サーバー) でそれらにアクセスできるようにする傾向があります。データ ライブラリは、ユーザーが情報にアクセスできるように、ライセンスされたデータ リソースへのサブスクリプションを維持することもあります。データ ライブラリがデータ アーカイブでもあるかどうかは、コレクション内の独自の保有量の範囲、長期保存サービスが提供されているかどうか、およびより広範なコミュニティにサービスを提供しているかどうか (国立データ アーカイブのように) によって異なります。ほとんどの公共データ ライブラリは、研究データ リポジトリのレジストリにリストされています。

2001年8月、研究図書館協会（ARL）は、数値データリソースの収集とサービス提供に携わるARL加盟機関の調査結果を示す 報告書^{[16]を発表しました。}

研究における数値データセットやその他の種類のデータセットの使用について機関レベルでサポートを提供する図書館サービス 。通常利用できるサポート活動には次のようなものがあります。

• 参照支援 - ユーザーのクエリに応じて、特定のトピックまたはトピックのグループに関する測定可能な変数を含む数値データセットまたは地理空間データセットを検索します。
• ユーザー指導 - 特定のトピックに関するデータ リソースの検索方法、データをダウンロードしてスプレッドシート、統計、データベース、または GIS パッケージに読み込む方法、コードブックやその他のドキュメントを解釈する方法などについて、ユーザー グループに実践的なトレーニングを提供します。
• 技術支援 - 登録手順の簡素化、ドキュメントのエラーなどのデータセットの問題のトラブルシューティング、ユーザーが操作できる形式へのデータの再フォーマット、統計手法のサポートなど。
• コレクションの開発と管理 - ローカル ユーザー コミュニティによる二次分析に使用されるデータ ファイルのコレクションを取得、維持、管理し、機関のデータ サブスクリプションを購入し、機関のデータ プロバイダーおよび国立データ アーカイブに対するサイト代表として機能します。
• 保存およびデータ共有サービス - メディアの更新やファイル形式の移行など、コレクション内のデータセットの保存戦略を実行します。中央リポジトリから更新されたバージョンをダウンロードして記録します。また、中央リポジトリまたは機関リポジトリに保管するか、より非公式な方法でデータを共有するかのいずれかで、他のユーザーが二次使用するために元のデータを準備するユーザーを支援します。これには、データ ドキュメンテーション イニシアティブなどの適切な XML 標準にデータをマークアップしたり、オンラインでの検索を容易にするために他のメタデータを追加したりすることも含まれます。

次のリストは科学データ アーカイブを示しています。

• CISL 研究データ アーカイブ
• データワン
• ドライアド
• ESO/ST-ECF 科学アーカイブ施設
• 国際樹木年輪データバンク
• 政治社会研究のための大学間コンソーシアム
• 生物複雑性に関する知識ネットワーク
• 高齢化に関するコンピューターデータの国立アーカイブ
• 国立刑事司法データアーカイブ[3]
• NCAR 研究データ アーカイブ: http://rda.ucar.edu
• 国立気候データセンター
• 国立地球物理データセンター
• 国立雪氷データセンター
• 国立海洋データセンター
• オークリッジ国立研究所分散アクティブアーカイブセンター
• パンゲア - 地球と環境科学のデータ出版社
• NASA SeaBASS - 海洋色データのデータアーカイブ
• ワールドデータセンター

社会科学では、データライブラリはデータアーカイブと呼ばれます。^[17]データアーカイブは、社会および行動データの取得、準備、保存、および配布のための専門機関です。社会科学におけるデータアーカイブは1950年代に発展し、国際的な運動として認識されてきました。

1964年までに、国際社会科学会議（ISSC）は社会科学データアーカイブに関する第2回会議を主催し、社会科学データに関する常設委員会を設置し、データアーカイブ運動を刺激した。21世紀初頭までに、ほとんどの先進国と一部の発展途上国は、公式かつ十分に機能する国家データアーカイブを組織した。さらに、大学キャンパスには、教員、スタッフ、学生がデータを利用できる「データライブラリ」が設置されていることが多い。これらの大半はアーカイブの責任を最小限にとどめており、その機能は国立機関に頼っている（Rockwell、2001、p. 3227）。^[18]

• re3data.org は、あらゆる分野のデータ アーカイブをインデックスする研究データ リポジトリのグローバル レジストリです: http://www.re3data.org
• CESSDA メンバーは、社会科学データをアーカイブし、二次利用のためにデータを提供するデータ アーカイブおよびその他の組織です: https://www.cessda.eu/About/Consortium
• 欧州社会科学データアーカイブコンソーシアム: http://www.cessda.org/
• フィンランド社会科学データアーカイブ (FSD): http://www.fsd.uta.fi/
• デンマークのデータアーカイブ: http://www.sa.dk/content/us/about_us 2014-12-29 にWayback Machineにアーカイブされました。特定のページ (デンマーク語のみ): https://web.archive.org/web/20150318230743/http://www.sa.dk/dda/default.htm
• 政治社会研究のための大学間コンソーシアム: http://www.icpsr.umich.edu/
• ローパー世論調査センター: https://ropercenter.cornell.edu/
• 社会科学データアーカイブ: http://dataarchives.ss.ucla.edu/
• コーネル大学社会科学センター: https://socialsciences.cornell.edu/ciser-data-and-reproduction-archive

• データバンク
• データセンター
• データキュレーション
• デジタルキュレーション
• デジタル保存
• オープンデータ

• 研究データリポジトリのレジストリ re3data.org [4]
• Natureが要求する統計チェックリスト[5]
• 米国科学アカデミー紀要のポリシー（米国） [6]
• 米国CODATA全国委員会[7]
• 経済研究の将来におけるデータとプログラムコードアーカイブの役割[8]
• データの共有と複製 – ゲイリー・キングのウェブサイト [9]
• マカローとマッキトリックによる政策形成における実証研究のデューデリジェンスの必要性[10]
• チャック・ドスウェルによる査読付きジャーナル出版に関する考察[11]
• 「正しい行動を促す方法」 2002年3月にネイチャー誌に掲載された意見記事[12]
• NASA天体物理学データシステム[13]
• パントン科学オープンデータ原則、シチズンディウム[14]
• 政治社会研究のための大学間コンソーシアム[15]

• Clubb, J.、Austin, E.、および Geda, C. 「社会科学における研究データの共有」。Sharing Research Data、S. Fienberg、M. Martin、および M. Straf 編、National Academy Press、ワシントン DC、1985 年、39-88 ページ。
• Geraci, D.、Humphrey, C.、Jacobs, J. 「データの基礎」。カナダ図書館協会、オタワ、オンタリオ州、2005 年。
• Heim, Kathleen M.「数値データに対する社会科学情報のニーズ: 国際データ アーカイブ インフラストラクチャの進化」 Collection Management 9 (1987 年春): 1-53。
• Martinez, Luis & Macdonald, Stuart、「英国の学術コミュニティにおけるローカルデータ ユーザーのサポート」。Ariadne 、第 44 号、2005 年 7 月。
• 1960 年代、1970 年代から 1996 年まで遡って、データ ライブラリの歴史とアーキビストの専門職との関係をたどる記事については、Wayback Machineの IASSIST Bibliography of Selected Works Archived 2016-03-03 を参照してください。
• 1993 年から現在までの IASSIST Quarterly の記事を参照してください。データ ライブラリ、データ アーカイブ、データ サポート、および社会科学の情報技術に焦点を当てています。

• カリフォルニア大学アーバイン校機械学習リポジトリ

• IASSIST（国際社会科学情報サービス技術協会）
• DISC-UK (データ情報専門家委員会 - 英国)
• APDU (米国公共データ利用者協会)
• CAPDU (カナダ公共データ利用者協会)