Milloin avoin aineisto on uudelleenkäytettävä?

Avoimen tieteen keskeinen tavoite on jakaa tutkimuksen tuotoksia muiden saataville, jotta niitä voidaan tarkastella, hyödyntää eri tarkoituksiin ja käyttää uudelleen tutkimuksessa. Tutkimusaineistoja suositellaan avattaviksi silloin, kun eettiset ja oikeudelliset ehdot sen sallivat, ja dokumentoitaviksi niin, että muutkin kuin alkuperäiset tutkijat voivat ymmärtää niitä.

Tavoite on tärkeä. Omassa tutkimuksessani (Rantasaari, 2026) tutkijat perustelivat aineistojen jakamista muun muassa tieteen edistämisellä, yhteistyöllä, resurssien säästämisellä, tutkimuksen läpinäkyvyydellä ja toistettavuudella. Eräs lääke- ja terveystieteiden tutkija kiteytti asian yksinkertaisesti: jos heidän aineistonsa auttaisi jotakuta muuta ratkaisemaan tutkimusongelman, ei ollut olennaista, kuka löydön aineistosta lopulta tekisi.

Aineiston avaaminen ja sen tosiasiallinen uudelleenkäytettävyys eivät kuitenkaan ole sama asia.

Aineisto syntyy osana tutkimusprosessia

Äkkiseltään tutkimusaineiston avoin jakaminen voi vaikuttaa suoraviivaiselta: tutkimuksessa kerätty tai tuotettu aineisto dokumentoidaan ja jaetaan muiden käytettäväksi joko sellaisenaan, niin sanottuna ”raakadatana”, ja/tai eri tavoin käsiteltynä.

Käsitystä valmiista, tutkimusprosessista irrallisesta ”raakadatasta” on kuitenkin pitkään kyseenalaistettu (Bowker, 2005; Gitelman & Jackson, 2013; Leonelli, 2020). Aineisto ei ole neutraali tutkimuksen lähtökohta, vaan se muotoutuu tutkimusasetelman ja -kysymysten, menetelmien, instrumenttien ja käsittelyvaiheiden kautta.

Tämä näkyi myös haastattelemieni 28 kokeneen tutkijan aineistonhallinnan käytännöissä. Joissakin tutkimuksissa aineiston käsittely perustui tutkimusyhteisön yhteisiin infrastruktuureihin, ohjelmistoihin ja pitkälle standardoituihin työvaiheisiin. Tällöin osa dokumentaatiosta syntyi automaattisesti instrumenttien ja ohjelmistojen tuottamina metatietoina ja lokeina, kun taas osa perustui koodiin ja versionhallintaan. Toisissa tutkimuksissa aineisto ja tutkimuskohde rakentuivat vähitellen esimerkiksi lähiluvun, kirjoittamisen ja tutkijan tekemän tulkinnan kautta, jolloin myös dokumentointi oli useammin osa tätä tulkinnallista prosessia. Näillä eroilla oli seurauksia sille, kuinka helposti aineisto voitiin jakaa ja tehdä ymmärrettäväksi ulkopuoliselle käyttäjälle.  

Kun dokumentointi ei riitä

Dokumentointi on keskeinen keino tehdä aineistosta muille ymmärrettävää. Metadata, koodikirjat, ohjelmistoversiot, analyysikoodi, mittausparametrit, tutkimuspäiväkirjat ja muut kuvaukset voivat kertoa, miten aineisto on muodostunut ja mitä sille on tutkimuksen aikana tehty.

Tutkimusryhmälle riittävä dokumentaatio ei kuitenkaan välttämättä riitä ulkopuoliselle uudelleenkäyttäjälle. Aikaisempi tutkimus on osoittanut, että aineiston tulkinta ja uudelleenkäyttö edellyttävät tietoa siitä, miten aineisto on muodostunut, miten sitä on käsitelty ja miten sitä on analysoitu, sekä joskus lisäselvityksiä aineiston tuottajilta (Borgman et al., 2014; Pujol Priego et al., 2022).

Tällaista tutkimusprosessia koskevaa tietoa voidaan tarkastella paradatana. Huvila (2026) on korostanut, että prosessia koskevan tiedon merkitys, riittävyys ja mahdollisuus sen jakamiseen riippuvat kuitenkin käyttökontekstista. Kaikkea aineiston ymmärtämiseksi mahdollisesti hyödyllistä tietoa ei ole realistista eikä aina mahdollista kuvata ja avata.

Hyvin dokumentoitukaan aineisto ei siis välttämättä ole itsenäisesti uudelleenkäytettävä. Joissakin tutkimuksissa aineiston ymmärtämiseksi tarvittavaa tietoa voidaan välittää suhteellisen tehokkaasti standardien, metadatan ja koodin avulla. Toisissa aineiston ymmärtäminen voi edelleen edellyttää tutkijan selityksiä, tutkimuskontekstin tuntemusta tai neuvottelua siitä, mihin aineisto soveltuu.

Jakaminen voi toteutua monin eri tavoin

Haastattelemieni tutkijoiden kuvauksissa jakamisen tavat vaihtelivat. Esimerkiksi tähtitieteen, psykologian ja joissakin data-analytiikan projekteissa jakaminen oli vakiintunut osa tutkimusyhteisön tiedontuotantoa. Toisissa, esimerkiksi joissakin kasvatustieteellisissä ja biolääketieteellisissä projekteissa sekä kvanttioptiikan tutkimuksessa, jakaminen oli ehdollisempaa ja tapahtui esimerkiksi luvan tai hakemuksen perusteella, pyynnöstä tai tutkijan välityksellä. 

Kasvatustieteellisessä tutkimuksessa käytetty videoaineisto havainnollistaa tätä hyvin. Videoiden kuva, ääni ja vuorovaikutuksen pienet yksityiskohdat olivat sekä tunnistettavia että tutkimuksellisesti olennaisia. Niiden poistaminen olisi muuttanut itse tutkimusaineistoa. Avoin, itsenäinen käyttö ei siksi ollut käytännössä mahdollinen, mutta tutkija piti aineiston jakamista pyynnöstä ja oman välityksensä kautta mahdollisena. Toisin sanoen vaihtoehtoina eivät olleet vain ”avoin” ja ”suljettu”, vaan niiden välissä oli myös kontrolloituja jakamisen muotoja, jotka mahdollistivat aineiston käytön tietyin ehdoin.

Tämä ei tarkoita, että avoimuuden tavoitteesta pitäisi luopua. Päinvastoin: tutkimusaineistoilla voi olla merkittävää arvoa alkuperäisen projektin ulkopuolella. Jakaminen voi kuitenkin toteutua monin tavoin avoimesta saatavuudesta kontrolloituun, luvanvaraiseen tai tutkijan välittämään käyttöön.

Avoimuudesta uudelleenkäytettävyyteen

Tieteen- ja teknologiantutkimuksessa sekä datatutkimuksessa on kritisoitu oletusta, että dataintensiivisestä tutkimuksesta johdetut avoimen jakamisen ihanteet voitaisiin sellaisinaan yleistää kaikkeen tutkimukseen (esim. Barrocas & Borges, 2022; Leonelli, 2020; Reichmann, 2022). Tämä ei sinänsä ole ristiriidassa FAIR-periaatteiden kanssa. FAIR ei edellytä datan avointa saatavuutta: pääsy voi olla rajoitettua, kunhan aineistoa kuvaava metadata ja pääsyn ehdot ovat asianmukaisesti kuvattuja. Samalla FAIR korostaa pysyviä tunnisteita, rikasta metadataa, yhteisökohtaisia standardeja ja koneellista hyödynnettävyyttä (Wilkinson et al., 2016).

Kaikki jakamisen muodot eivät kuitenkaan toteuta näitä tavoitteita yhtä vahvasti. Aineiston käyttö voi esimerkiksi edellyttää yhteydenottoa sen tuottaneeseen tutkijaan, jolloin osa aineiston ymmärtämiseen tarvittavasta kontekstista välittyy tutkijan kautta eikä metadatan mukana.

Tutkimukseni tukee ajatusta siitä, että jakamisen ja uudelleenkäytön mahdollisuudet riippuvat myös siitä, miten tutkimuksessa tuotetaan tietoa. Aineistossani tämä näkyi siinä, miten tutkimusaineisto muodostui erilaisten menetelmien, instrumenttien, infrastruktuurien ja työnjaon kautta. Nämä tiedontuotannon käytännöt vaikuttavat myös siihen, miten aineiston muodostumista ja käsittelyä voidaan dokumentoida ja kuinka paljon sen ymmärtäminen edellyttää tutkimuskontekstin tuntemusta.

Siksi avoimen tieteen kysymyksen ei pitäisi olla vain:

“Voidaanko tämä aineisto avata?”

Sen rinnalle tarvitaan ainakin kysymykset:

“Voiko joku toinen ymmärtää aineistoa riittävästi voidakseen hyödyntää sitä?”

ja

“Millainen jakamisen tapa mahdollistaa sen parhaiten?”

Joskus vastaus voi olla avoimesti saatavilla oleva aineisto, joka on kuvattu yhteisten standardien mukaisesti. Joskus se voi olla kontrolloitu käyttö, aineiston luovuttaminen hakemuksesta tai tutkijan osallistuminen uudelleenkäytön mahdollistamiseen.

Tällöin avoimen tieteen tavoite ei ole vain avoimesti jaettu aineisto. Olennaiseksi tulee myös se, millaisin ehdoin aineisto voidaan siirtää alkuperäisestä tutkimuskontekstista niin, että se on riittävän ymmärrettävä ja sitä voidaan käyttää uudessa kontekstissa. Juuri tässä näkyy, miten tiedontuotannon käytännöt muovaavat dokumentointia ja sitä kautta myös aineiston avaamisen ja uudelleenkäytön edellytyksiä.

Kirjoitus perustuu Journal of Documentation -lehdessä julkaistuun artikkeliin:
Rantasaari, J. (2026). Research data lifecycles in practice: constructing knowledge across epistemic cultures. Journal of Documentation, 82(7), 597–615. https://doi.org/10.1108/JD-07-2026-0398

Muut lähteet:

Barrocas Ferreira, B. and Borges, M.M. (2022), “The epistemic cultures of the digital humanities and their relation to open science: contributions to the open humanities discourse”, Central European Journal of Educational Research, Vol. 4 No. 2, pp. 1–7. https://doi.org/10.37441/CEJER/2022/4/2/11388

Borgman, C.L., Darch, P.T., Sands, A.E., Wallis, J.C. and Traweek, S. (2014), “The ups and downs of knowledge infrastructures in science: implications for data management”, Proceedings of the ACM/IEEE Joint Conference on Digital Libraries, pp. 257–266. https://doi.org/10.1109/JCDL.2014.6970177

Bowker, G.C. (2005), Memory Practices in the Sciences, MIT Press, Cambridge, MA.

Gitelman, L. and Jackson, V. (2013), “Introduction”, in Gitelman, L. (Ed.), “Raw Data” Is an Oxymoron, MIT Press, Cambridge, MA, pp. 1–14.

Huvila, I. (2026), “Navigating limits and extents of open process transparency in research documentation: a paradata perspective”, Journal of Documentation, Vol. 82 No. 7, pp. 358–375. https://doi.org/10.1108/JD-11-2025-0367

Leonelli, S. (2020), “Learning from data journeys”, in Leonelli, S. and Tempini, N. (Eds.), Data Journeys in the Sciences, Springer, Cham, pp. 1–24. https://link.springer.com/chapter/10.1007/978-3-030-37177-7_1

Pujol Priego, L., Wareham, J. and Romasanta, A.K.S. (2022), “The puzzle of sharing scientific data”, Industry and Innovation, Vol. 29 No. 2, pp. 219–250. https://doi.org/10.1080/13662716.2022.2033178

Reichmann, S. (2022), “The narrow road to data: data sharing for global, unspecified reuse”, SocArXiv preprint, available at: https://doi.org/10.31235/osf.io/vtxpg

Wilkinson, M.D., Dumontier, M., Aalbersberg, I.J.J., Appleton, G., Axton, M., Baak, A., Blomberg, N., Boiten, J.W., da Silva Santos, L.B., Bourne, P.E., Bouwman, J., Brookes, A.J., Clark, T., Crosas, M., Dillo, I., Dumon, O., Edmunds, S., Evelo, C.T., Finkers, R., Gonzalez-Beltran, A., Gray, A.J.G., Groth, P., Goble, C., Grethe, J.S., Heringa, J., ’t Hoen, P.A.C., Hooft, R., Kuhn, T., Kok, R., Kok, J., Lusher, S.J., Martone, M.E., Mons, A., Packer, A.L., Persson, B., Rocca-Serra, P., Roos, M., van Schaik, R., Sansone, S.-A., Schultes, E., Sengstag, T., Slater, T., Strawn, G., Swertz, M.A., Thompson, M., van der Lei, J., van Mulligen, E., Velterop, J., Waagmeester, A., Wittenburg, P., Wolstencroft, K., Zhao, J. and Mons, B. (2016), “The FAIR Guiding Principles for scientific data management and stewardship”, Scientific Data, Vol. 3, Article 160018. https://doi.org/10.1038/sdata.2016.18

Jukka Rantasaari

Kirjoittaja työskentelee palvelupäällikkönä Turun yliopiston kirjastossa.

Julkaisun tiedot: 3/2026, Open Up!-blogi, ISSN 2814-8967