Drum prüfe, wer sich ewig bindet Digitale Langfristsicherung von Forschungsdaten in den Sozialwissenschaften

Transkript

1 Drum prüfe, wer sich ewig bindet Digitale Langfristsicherung von Forschungsdaten in den Sozialwissenschaften Oliver Watteler, GESIS Das Museum von Babel, Frankfurt

2 Übersicht Wer sind wir? Datenarchiv für die Sozialwissenschaften, GESIS Was machen wir? Langzeitarchivierung sozialwissenschaftliche Forschungsdaten Was sind sozialwissenschaftliche Forschungsdaten? Was bedeutet digitale Langzeitarchivierung? Entwicklung der Langzeitarchivierung bei GESIS Empfehlungen zur digitalen Langzeitarchivierung aus Sicht des Datenarchivs 2 Das Museum von Babel,

3 WELCHE DIENSTLEISTUNGEN BIETET GESIS? 3 Das Museum von Babel,

4 Gegründet 1986, restrukturiert Deckt den gesamten Lebenszyklus empirischer Forschung ab, ist Daten erhebende sowie Daten haltende Einrichtung, und bietet ein breites Spektrum an Dienstleistungen rund um die empirische Sozialforschung. 4 Das Museum von Babel,

5 Dienstleistungen GESIS Forschungsdatenzyklus GESIS 5

6 Datenarchivierung seit 1960 Ursprung 1960: Zentralarchiv für empirische Sozialforschung (1960) Seit 2007: Datenarchiv für die Sozialwissenschaften Idee: Wiederverwendung von Daten z.b. für Theorieprüfung (Modernisierungsforschung, Fortschritt) und Sozialberichterstattung Zentrale Aufgabe Langzeitarchivierung sozialwissenschaftlicher Forschungsdaten Seit den Anfangstagen digitale, wenn auch zunächst keine elektronischen Daten. 6 Xxxxxxxxxxxxxxx Xxxxxxxxxx Xxxxxxxxxx xxxxx

7 Zahlen und Fakten ~ sog. Studien (= Pakete mit einem oder mehreren Datenfiles) ~ digitale Objekte, ~ 300 GB ~ Datenweitergaben in Das Museum von Babel,

8 WAS SIND SOZIALWISSENSCHAFTLICHE FORSCHUNGSDATEN? 8 Das Museum von Babel,

9 Sozialwissenschaftliche Daten Sozialwissenschaftlichen = Alle Erfahrungswissenschaften, die sich systematisch mit gesellschaftlichem Zusammenleben befassen (Wörterbuch der Soziologie (2007) Daten = Abbildung eines Ausschnittes der gesellschaftlichen Wirklichkeit zur Untersuchung von sozialen Phänomenen Erzeugung von Daten i.d.r. durch Messung = Zuordnung von Zahlen zu Objekten oder Ereignissen (Bortz, Döring 2006:65) 9 Das Museum von Babel,

10 Sozialwissenschaftliche Daten Drei große Bereiche unterscheidbar: 1) Amtliche Statistik (z.b. Mikrozensus) 2) Prozess-produzierte Daten (z.b. Akten Sozialversicherung, Social Media Daten) 3) Empirische Sozialforschung = forschungsgenerierte Daten Daten in der Regel maschinenlesbar: 4) Informatik (Verarbeitung, Formate etc.) 10 Das Museum von Babel,

11 Sozialwissenschaftliche Daten Beispiele für Ergänzung amtliche Statistik und Sozialforschung: 1) Amtlichen Endergebnisse von Bundes- und Landtagswahlen vom Bundeswahlleiter & Untersuchung Wahlabsichten, Parteipräferenzen, das Fernbleiben von einer Wahl etc. durch Wahlforschung 2) Entwicklung im Bereich Ehescheidungen in Scheidungsstatistik & Untersuchung Gründe für dauerhafte Trennung von Lebenspartnern durch Soziologen 3) Übersicht über Bildungsabschlüsse in Bildungsstatistik & Erfassung individueller Bildungsverläufe durch Bildungsforscher 11 Das Museum von Babel,

12 Datenarten bei GESIS Umfragen Meinungs- und Einstellungsforschung Sozialindikatoren Historische Sozial- und Wirtschaftsforschung Metadaten zu Mikrodaten amtliche Statistik GESIS Webseite 12 Das Museum von Babel,

13 Beispiel: Allgemeine Bevölkerungsumfrage der Sozialwissenschaften (ALLBUS) Seit 1980 alle 2 Jahre durchgeführte repräsentative Umfrage Ca Befragte Verschiedene Erhebungsmodi Beispiel für die weitere Präsentation: ALLBUS 2000 als klassische Umfrage mit Stift und Papier (PAPI) 13 Das Museum von Babel,

14 Fragebogen ALLBUS Treffen AK Archive, Berlin 17./

15 15 Treffen AK Archive, Berlin 17./

16 WAS BEDEUTET DIGITALE LANGZEITARCHIVIERUNG? 16 Das Museum von Babel,

17 Herausforderung Digital documents last forever or five years, whichever comes first. (Jeff Rothenberg: Avoiding Technological Quicksand,1999) 17 Das Museum von Babel,

18 Langzeitarchivierung (LZA) Archivieren mehr als dauerhafte Speicherung ( Bitstream Preservation ): Erhalt der digitalen Objekte nur ein Ziel! Erhalt von Verfügbarkeit und Interpretierbarkeit! Erhalt der Informationen, die durch digitale Objekte repräsentiert sind! 18 Das Museum von Babel,

19 Langzeitarchivierung (LZA) Langzeit : Nicht näher fixierter Zeitraum, in dem wesentliche, nicht vorhersehbare technologische und soziokulturelle Veränderungen eintreten Maßnahmen der LZA im Prinzip unabhängig von konkret geplanten Aufbewahrungsdauer! 19 Das Museum von Babel,

20 LZA Teilziel (1) Substanzbewahrung ( Bitstream preservation ) Erhalten der Dateninhalte, aus denen digitale Objekte physikalisch bestehen; Technische Verfügbarkeit und Lesbarkeit. 20 Das Museum von Babel,

21 LZA Teilziel (2) Informationsbewahrung Erhalt der dauerhaften Benutzbarkeit und (inhaltlichen) Interpretierbarkeit, und Erhalt des für die Interpretation notwendige Wissens (nicht in Daten enthalten). Herausforderung: künftige technische Umgebungen und Nutzungsszenarien nicht prognostizierbar. 21 Das Museum von Babel,

22 LZA Kernkonzepte Integrität : Liegen die digitalen Objekte unverändert vor? Wurden die digitalen Objekte wissentlich oder versehentlich manipuliert? Ist ein Bit umgefallen? Authentizität : Bezieht sich auf Echtheit der digitalen Objekte. Handelt es sich bei dem jeweiligen Objekt, tatsächlich um jenes, welches es vorgibt zu sein? 22 Das Museum von Babel,

23 LZA grundlegende (technische) Strategien Konservierung von Systemumgebungen in Hard- und Software museen Emulation (Simulation von Systemumgebungen in virtuellen Umgebungen) Migration (Umzug in neue Welt) Zentral: Dokumentation (Metadaten) 23 Das Museum von Babel,

24 DIGITALE LANGZEITARCHIVIERUNG BEI GESIS 24 Das Museum von Babel,

25 Hardware Apropos Vorhalten alter Hardware: Aktueller Fall von Daten aus den 1970er Jahren auf Magnetspulen, für die wir keine Hardware mehr haben! (Externe Hilfe durch Datengeberin gefunden.) 25 Das Museum von Babel,

26 Dokumente Fragebögen Zusätze zu Fragenbögen (Listen, Show Cards, Bilder etc.) Methodenberichte Derzeitige Herausforderungen: Immer mehr digitale Objekte in neuen Formaten durch z.b. Online-Befragungen. Wechsel von Pdf auf Pdf/A. 26 Das Museum von Babel,

27 Scan 300 dpi 56 Graustufen TIFF als Sicherungsformat Pdf als Serviceformat 27 Treffen AK Archive, Berlin 17./

28 Dokumentation Alle beschreibenden Informationen = Metadaten Zweistufige Beschreibung: 1) Alle: Studienbeschreibung für Katalog 2) Ausgewählte Bestände: Beschreibung der Erhebungen auf Variablenebene Derzeitige Herausforderung (keine LZA): Verknüpfung mit anderen Datenbeständen (z.b. Literatur) 28 Das Museum von Babel,

29 Findmittel Datenbestandskatalog 1. Version) Gedruckt 2. Version) Online Katalog (DB) Export in XML möglich. Dokumentation in XML ASCII Format DDI Standard (Eigenentwicklung CESSDA) Vorteil 1: Längere Haltbarkeit Vorteil 2: Leichte Überführbarkeit in andere DB Vorteil 3: Leichte Überführbarkeit in andere Formate (z.b. Pdf) 29 Treffen AK Archive, Berlin 17./

30 Forschungsdaten Dateiformat von sozialwissenschaftlichen Forschungsdaten für Statistik-Software (relativ) simpel: Datenmatrix Datendefinitionsdatei Herausforderung steigt, wenn Daten in Datenbanken abgelegt sind! 30 Das Museum von Babel,

31 Datenmatrix ASCII 31 Datendefinition ASCII Befehle à la FORTRAN, BASIC o.ä. Das Museum von Babel,

32 Migration: 2 Umzüge in neue Welten Hardware Zählmaschine Lochkarten Software Steueranweisungen Daten Digital Nicht elektronisch Binäre Daten Großrechner Magnetbänder Datendefinitionen Statistiksoftware (SPSS) Digital Elektronisch EBSDIC (IBM) Daten maschinengebunden Unix Server RAID, externe Festplatten Datendefinitionen Statistiksoftware (SPSS) Digital Elektronisch ASCII nach Möglichkeit nicht mehr maschinengebunden Dokumentation Metadaten extern auf Papier Studienbeschreibung digital Dokumente Papier Dokumentation XML Dokument digital

33 Praktisches Vorgehen beim 2. Umzug Großrechner Unix-Server Erzeugung SPSS Dateien (Portable) Transfer Erzeugung aktuelle SPSS Dateien 33 Das Museum von Babel,

34 Herausforderungen Software SPSS nicht mehr erste Software der Wahl Produkt wechselte vor einigen Jahren Eigentümer (> IBM) Andere Software, andere Datendefinitionen > Daten müssen identisch sein! Ein möglicher Schritt für Sicherung: Aufspaltung der Datenfiles in Rohdaten und Datendefinitionen 34 Das Museum von Babel,

35 Prinzipielle Herausforderung digitaler Objekte Keine Originale mehr! Digitale Objekte können in mehreren Orten (= Archiven etc.) vorliegen! Digitale Objekte werden in unterschiedlichen Kontexten verändert! Varianten werden in verschiedenen Kontexten genutzt und zitiert! 35 Das Museum von Babel,

36 Zukünftige Herausforderungen Sicherung von Datenbanken Bsp. Textsammlungen für Inhaltsanalysen Probleme mit Wechsel auf neue Versionen Software (z.b. Microsoft Access)! Sicherung von Videos und Audiodateien Bsp. Videos von TV-Debatten in Wahlkämpfen Herausforderung durch Technikbrüche (z.b. Magnetbänder zu digitalen Dateien) Priorität auch hier: Herstellerunabhängigkeit durch offene Formate 36 Das Museum von Babel,

37 EMPFEHLUNGEN ZUR DIGITALEN LANGZEITARCHIVIERUNG AUS SICHT DES DATENARCHIVS 37 Das Museum von Babel,

38 Offene Formate wählen! Möglichst offene Dateiformate wählen! Grund: Überführbarkeit in neue Programmversionen und andere Softwarepakete. Formatvielfalt beschränken! Grund: Vielfalt wächst mit der Zeit und damit wachsen Probleme mit Software. 38 Das Museum von Babel,

39 Gesicherte Arbeitsabläufe schaffen! Zertifizierung im Rahmen des Data Seal of Approval (DAS) in Arbeit Self audit oder Zertifizierung nach DIN oder ISO: DIN 31644: Kriterien für vertrauenswürdige digitale Langzeitarchive ISO 16363: Audit and certification of trustworthy digital repositories 39 Das Museum von Babel,

40 Digitale Objekte registrieren! Digital Object Identifier (DOI) o.ä. vergeben (bekannt von elektronischen Publikationen). Damit einhergehend Versionierung und Änderungshistorie der digitalen Objekte durch Daten haltende Einrichtung. 40 Das Museum von Babel,

41 Netzwerke nutzen! Austausch mit anderen Daten haltenden Einrichtung essentiell (für jedes Archiv): Mitglied des europäischen Archivverbundes CESSDA Mitglied der International Association for Social Science Information & Technology (IASSIST) Mitglied des Langzeitarchivierungsnetzwerkes nestor Mitglied AK Archive WGL 41 Das Museum von Babel,

42 Vielen Dank Foto: Richter Friedemann, 42