データ公開

データ公開（データ出版ともいう）とは、研究データを公開形式で公開し、他の人が利用できるようにすることです。これは、特定のデータまたはデータセットを一般向けに準備し、誰もが自由に利用できるようにするための実践です。この実践は、オープンサイエンス運動の不可欠な部分です。この実践から得られる利点については、幅広い学際的なコンセンサスがあります。^{[1] [2] [3]}

主な目標は、データを第一級の研究成果に高めることです。^[4]現在、いくつかの取り組みが進行中であり、合意点やまだ論争中の問題もあります。^[5]

研究データを公開する方法はいくつかあります。たとえば、次のとおりです。

• 研究論文に関連する補足資料としてデータを公開すること。通常は、論文の出版社がホストするデータファイルを使用します。
• 公開されているウェブサイトにデータをホストし、ファイルをダウンロードできるようにする
• データ公開をサポートするために開発されたリポジトリ（例：figshare、Dryad、Dataverse、Zenodo ）にデータをホストします。一般的なデータリポジトリや専門的なデータリポジトリ（研究テーマ別など）が多数存在します。^[6]たとえば、UK Data Serviceでは、ユーザーがデータコレクションを預け、研究目的で再共有することができます。
• データセットに関するデータ ペーパーを公開します。これはプレプリントとして、通常のジャーナル、またはデータ ペーパーのサポート専用のデータ ジャーナルで公開される場合があります。データはジャーナルによってホストされる場合もあれば、データ リポジトリで個別にホストされる場合もあります。

データを公開することで、研究者は自分のデータを他の人が利用できるようにできるだけでなく、データセットを他の研究出版物（記事や書籍など）と同様に引用できるようになり、データセットの作成者は自分の研究に対して学術的な評価を得ることができます。

データを公開する動機は、研究をよりアクセスしやすくしたい、データセットの引用を可能にする、研究資金提供者や出版社がオープンデータの公開を義務付けていることなど、多岐にわたります。UK Data Serviceは、データを正しく引用することの重要性を高め、研究者がそれを行えるよう支援するために他の組織と協力している重要な組織の1つです^[7]。

プライバシー保護アルゴリズム、データ「マスキング」方法、地域プライバシーレベル計算アルゴリズムなど、データ公開におけるプライバシーを保護するためのソリューションが提案されている。^[8]

多数のジャーナルや出版社は、データセットなどの研究論文に補足資料を添付することをサポートしています。歴史的には、こうした資料はリクエストに応じて、またはマイクロフォームで図書館にのみ配布されていましたが、今日のジャーナルはこうした資料をオンラインでホストするのが一般的です。補足資料は、ジャーナルの購読者、または記事やジャーナルがオープン アクセスの場合は誰でも利用できます。

一般的なトピックと専門的なトピックの両方について、多数のデータ リポジトリが存在します。多くのリポジトリは、社会、経済、人文科学データの信頼できるデジタル リポジトリであるUK Data Serviceなどの特定の研究分野に焦点を当てた分野別リポジトリです。リポジトリは、研究者がデータをアップロードするのに無料の場合もあれば、データのホスティングに対して 1 回限りまたは継続的な料金を請求する場合もあります。これらのリポジトリは、ホストされているデータセットを検索および参照するための公開 Web インターフェイスを提供し、データの永続的な引用や関連する公開論文やコードへのリンクのためのデジタル オブジェクト識別子などの追加機能を備えている場合があります。

データペーパーまたはデータ記事は、「標準的な学術慣行に従って公開された、特定のオンラインでアクセス可能なデータセットまたはデータセットのグループを説明する検索可能なメタデータドキュメントの学術出版物」です。^[9]その最終的な目的は、「データの何、場所、理由、方法、および人物に関する情報」を提供することです。^[4]データペーパーの目的は、データの処理と分析ではなく、データ収集、特徴、アクセス、および潜在的な再利用に焦点を当てた関連データセットの説明情報を提供することです。^[10]データペーパーは他の種類の論文と同様に学術出版物と見なされているため、データを共有する科学者は、学術システム内で認識される通貨でクレジットを受け取ることができ、「データ共有を有効活用」できます。^[11]これにより、データを共有する追加のインセンティブが提供されるだけでなく、ピアレビュープロセスを通じてメタデータの品質が向上し、共有データの再利用性が向上します。

このように、データペーパーはデータ共有に対する学術コミュニケーションのアプローチを表しています。データペーパーは潜在的可能性を秘めていますが、すべてのデータ共有と再利用の問題に対する究極的かつ完全な解決策ではなく、場合によっては研究コミュニティに誤った期待を抱かせると考えられています。^[12]

データ ペーパーは、豊富なデータ ジャーナルによってサポートされています。データ ジャーナルの中には、データ ペーパーのみを公開する「純粋な」ジャーナルもあれば、データ ペーパーを含むさまざまな種類の記事を公開する「混合」ジャーナル (大多数) もあります。

データジャーナルに関する包括的な調査が利用可能です。^[13]データジャーナルの非網羅的なリストは、エディンバラ大学のスタッフによって作成されています。^[14]

「純粋な」データ ジャーナルの例としては、Earth System Science Data、Journal of Open Archaeology Data、Open Health Data、Polar Data Journal、Scientific Dataなどがあります。

データ論文を出版する「混合」ジャーナルの例としては、Biodiversity Data Journal、F1000Research、GigaScience、GigaByte、PLOS ONE、SpringerPlusなどが挙げられます。

データ引用とは、研究論文やモノグラフなどの他の出版された情報源に書誌引用が提供されるのと同様に、データセットに対して正確で一貫性のある標準化された参照を提供することです。通常、確立されたデジタルオブジェクト識別子（DOI）アプローチが使用され、DOIはデータセットのメタデータとデータセット自体を含むWebサイトにユーザーを誘導します。 ^{[15] [16]}

2011年の論文では、社会科学におけるデータの引用頻度を判断できないことが報告されている。^[17]

2012-13年の論文では、データの引用は一般的になりつつあるが、その実践は標準化されていないと報告されている。^{[18] [19] [20]}

2014年にFORCE 11はデータ引用の目的、機能、属性を網羅したデータ引用原則の共同宣言を発表しました。^[21]

2018年10月、CrossRefはデータセットのカタログ化とその引用の推奨を支持すると表明した。^[22]

人気のあるデータ指向のジャーナルは、2019年4月にデータ引用を使用する予定であると報告しました。^[23]

2019年6月の論文では、データの引用が増えると、データ共有が促進され、共有する人の名声が高まり、誰にとってもその実践がより価値のあるものになると示唆されている。^[24]

データの引用はコンピュータサイエンスの新たなトピックであり、計算上の問題として定義されています。^[25]実際、データの引用はコンピュータ科学者にとって大きな課題であり、対処すべき主な問題は次のとおりです。^[26]

• 異種データモデルとフォーマットの使用 – 例：リレーショナルデータベース、カンマ区切り値（CSV）、拡張マークアップ言語（XML）、^{[27] [28]} リソース記述フレームワーク（RDF）^[29]
• データの一時性。
• 異なるレベルの粗さでデータを引用する必要性、つまり深い引用^[30]
• さまざまな粒度でデータへの引用を自動的に生成する必要性。

• データアーカイブ
• 懲戒リポジトリ
• オープンサイエンスデータ
• 研究データリポジトリのレジストリ