1.1. 연구데이터의 관리 개요

• □ 연구데이터는 현재까지 대부분 개인 또는 소규모의 연구실 그룹에서 관리되었지만, 향후에는 국가연구개발사업을 통해 산출된 연구데이터는 국가적으로 연구 성과물 관리의 대상으로써 연구기관이나 과제관리기관에서 관리 예정.
• □ 향후, 연구자는 DOI(Digital Object Identifier)등의 식별자를 부여하여 연구데이터를 등록하고, 연구데이터 저장/보존 활동을 위해 연구데이터 리포지터리 이용이 필요함.
• □ 국가연구개발사업을 통해 산출된 연구 데이터는 국가 R&D 예산으로 투자되어 얻어진 결과 인 만큼 대내외에 공개 및 공유의 필요성이 높을 것으로 예상.
• □ 연구데이터 공유는 다양한 협업 연구를 유발할 수 있으며, 관련 분야의 연구 발전에 기여할 수 있음.
• □ 기관에서는 연구 성과물인 연구 데이터의 저장 보존, 공개권한 권리, 검색 공유를 위해 연구 데이터 리포지터리를 기관 내 전산 자원에 설치하고 관리할 필요성이 증대됨.

1.2. 연구데이터의 정의

• □ 표준 연구데이터 리포지터리에 저장되는 ' 연구 데이터' 는 관찰,관측, 실험, 조사, 측량, 분석 등을 통하여 산출된 자료로 연구성과의 재현에 필수적이고 객관적인 사일 데이터
• □ 연구 데이터는 데이터를 기술하기 위한 '메타 데이터'와 관찰 및 측정 등을 통해 생산된 원‘ 천 데이터(Raw-data)’가 함께 구성
• □ ‘메타데이터' 는 정보자원이나 정보자원의 묶음(collection, object)을 설명 (기술,describe)한 데 이터를 의미
• □ ‘데이터에 대한 데이터' 가 메타데이터의 보편적 정의로 사용됨.
• □ 메타 데이터는 종류에 따라, ‘원천 데이터’ 파일을 기술하기 위한 메타 데이터부터 논리적으 로 하나의 데이터 묶음이 될 수 있는 '데이터셋' 에 대한 메타 데이터, 그리고 '데이터셋' 에 대한 묶음인 '컬렉션' 에 대한 메타 데이터로 구성될 수 있음.
• □ 이외에 리포지터리 등 객체에 대한 설명 데이터가 '메타 데이터' 에 해당 될 수 있음
• □ ‘원천 데이터 는 관찰 ’, 관측, 실험, 조사, 측량, 분석 등의 연구 활동과정에서 생성된 데이터로 데이터 형식이 미리 연구자 그룹에 의해 정의되어 있기도 하고, 특별한 형식이 없이 스프레 드시트, 이미지, 영상 등의 다양한 형태와 종류의 데이터를 포함 가능

1.3. 연구 데이터의 생성 주기(Data Life Cycle)

• □ 연구 데이터는 연구 활동으로부터 얻어지는 데이터로, 연구 활동의 전주기를 살펴보면 다음 과 같음.
• □ 연구 활동을 통해 새로운 과학적 사실을 발견(Discovery)하고, 이를 분석(Analysis)하여 논문을 작성(Writing)하며, 작성된 논문은 출판(Publication)될 수 있고, 다른 연구자의 인용 등을 통해 연구가 확산(Outreach) 되며, 연구 자산으로서 리포지터리에 보존됨.

• □ 연구 데이터는 연구 활동 중에 과학적 사실을 발견하기 위한 관측, 측정, 실험 등의 과정에서 생산될 수 있으며, 또한 논문, 보고서 등의 연구 산출물의 근거 자료(Supplementary Data)로써 작성 가능
• □ 연구 데이터 리포지터리의 데이터 관리 범위는 데이터 볼륨이 작고, 다양한 종류가 존재하는 Long Tail Data 및 연구 기관에서 보유한 대형 실험 장비에서 산출되는 방대한 분량(페타바이트 급)의 원천 데이터와 이에 대한 설명 정보를 담고 있는 메타 데이터를 포함.

1.4. 연구데이터 관리의 중요성 및 필요성

• □ 전세계적으로 연구의 흐름은 다양한 측정 및 실험 장비로부터 생산되는 방대한 데이터를 통해 과학적 발견을 시도하는 데이터 집중형 연구로 전환함에 따라, 연구데이터의 재활용과 관리의 중요성 증대
• □ 오픈 사이언스, 오픈 액세스 운동 등과 더불어, 공공 자금에서 출자한 연구 과제를 통해 생산된 데이터와 출판물은 공용 리포지터리에서 게시하는 형태로 전환 중
• □ 오픈 액세스 아젠다에 따른 연구 데이터 공유는 다른 연구자 또는 기관에 데이터 활용도를 높임.
• □ 또한, 데이터 참조(Data Citation)등을 통해 연구자 개인 또는 연구 기관의 평판을 높이고, 데이터 검증 등을 통한 더 나은 연구로 발전할 수 있는 기회가 됨.
• □ 데이터의 공유는 데이터의 중복 생산, 중복 게재 비용을 줄일 수 있으며, 이를 통해 미래의 연구에 더욱 집중 가능
• □ 모든 연구 데이터가 공유될 수는 없겠지만, 사생활 보호, 연구 윤리 등의 민감한 사항들을 잘 고려하여 전 처리된 대부분의 데이터 공유 가능
• □ 향후, 연구 과제 관리 기관이 DMP 등을 통해 연구 데이터 공개를 추진하면, 데이터 획득, 저장, 메타 데이터 작성 표준화는 연구 데이터 공유를 실현하기 위한 연구 데이터 관리의 최선의 방안임.

1.5. 연구데이터 리포지터리 역할 및 기대효과

• □ 연구데이터 리포지터리는 국가연구개발사업의 중간 산출물인 연구데이터를 체계적으로 관리 및 보존할 수 있으며, DOI 발급 기능 등과 웹 운영 방식을 통해 대내외에 연구데이터를 공유 활용할 수 있는 연구데이터 출판 기능도 함께 지니고 있음.
• □ 잘 기술된 연구데이터는 데이터 인용 등을 통해 널리 알려질 수도 있고, 향후 동일 분야의 연구자가 연구 또는 교육을 위해 참조할 수 있음.
• □ 이러한 연구데이터 리포지터리는 연구자와 리포지터리를 운영하는 기관에서 다음과 같은 기대효과를 가질 수 있음.
• □ 연구자 측면
  • ◯ 연구자가 생산하는 데이터의 체계적인 관리와 재활용이 가능
  • ◯ 국제적인 데이터 출판과 데이터 인용을 지원으로 연구자의 명성을 높일 수 있음.
  • ◯ 연구자가 소속된 기관의 내부 시스템과 연동을 통해 손쉬운 데이터 제출이 가능
• □ 기관 측면
  • ◯ 연구자 소속 그룹 및 기관의 데이터 관리를 위한 유연한 인프라 구축이 가능
  • ◯ 국가 R&D 예산이 투입되어 산출된 데이터를 국가자산으로 관리할 수 있음.
  • ◯ 연구자의 공유설정으로 외부 공개가 가능한 데이터를 이용하여 연구성과를 대내외 적으로 홍보할 수 있음.

• □ 연구 데이터는 연구 활동 전 주기 단계에서 관리가 이루어져야 함.
• □ 연구 활동 단계는 연구 전 단계, 연구 진행 단계, 연구 수행 후 단계로 구성되며, 각 단계에서 크게 고려할 사항에 대해서 상기 표와 같음.
• □ 연구 전 단계: 데이터 관리 프레임워크를 고려하고 위험 요소 관리 계획과 데이터 관리 계획을 수립하며, 윤리적으로 문제없는지 민감 데이터에 대한 관리 계획을 수립해야 함.
• □ 연구 진행 단계: 연구 데이터 수집과 분석을 통해 메타 데이터 요소를 선정하고 메타 데이터작성 또는 생성, 연구데이터와 작성된 메타데이터는 적합한 연구 데이터 리포지터리 또는 스토리지를 선정하여 저장
• □ 연구 수행 후 단계: 데이터를 출판을 위한 연구 데이터를 등록하고, 데이터 큐레이션을 지속적으로 진행하여 데이터 품질을 보장하기 위한 노력을 진행해야 하며, 데이터 활용이 잘 되고 있는지 지속적으로 모니터링
• □ 위 단계를 고려하여, 연구 활동 단계별 관리 절차는 ① 연구데이터 관리 체계 수립, ②연구데이터 수집, ③ 메타 데이터 작성, ④ 연구데이터 저장 및 접근 관리, ⑤ 연구데이터 출판,⑥연구데이터 공유·활용 으로 구성될 수 있으며, 세부적인 절차는 각 연구데이터 관리 분야 및 주체에 따라 구체화될 수 있음.

2.1. 연구데이터 FAIR 원칙

• □ 연구데이터 리포지터리는 국가연구개발사업의 중간 산출물인 연구데이터를 체계적으로 관리 및 보존할 수 있으며, DOI 발급 기능 등과 웹 운영 방식을 통해 대내외에 연구데이터를 공유 활용할 수 있는 연구데이터 출판 기능도 함께 지니고 있음.
• □ 이러한 목적에 따라, FOURCE(The Future of Research Communications and e-Scholarship) 11 그룹은 2014년 로렌츠 워크샵에서 연구데이터의 FAIR(Findable,Accessible, Interoperable, and Reusable)의 원칙 발표

검색 (Findable)	F1. 메타데이터 또는 원천 데이터는 세계적으로 유일해야 되며, 외부적으로 영구적인 식별자가 할당되어야 한다.
	F2. 연구데이터는 메타 데이터가 풍부하게 기술되어야 한다.
	F3. 메타데이터 또는 원천 데이터는 검색 가능한 자원(리포지터리 등)에 색인되고 등록되어 있어야 한다.
	F4. 메타 데이터는 데이터 식별자를 지녀야 한다.
접근 (Accessible)	A1. 메타 데이터 또는 원천 데이터는 표준 통신 프로토콜에 의해 데이터 식별자가 검색되어야 한다. A1.1. 프로토콜은 공개되어야 하고, 무료이며, 다양하게 구현 가능해야 한다. A1.2. 프로토콜은 필요시 접근 권한 및 인증 기능을 제공해야 한다.
	A2. 원천 데이터가 더 이상 유효하지 않더라도, 메타 데이터는 접근 가능해야 한다.
상호교환 (Interoperable)	I1. 메타 데이터 또는 원천 데이터는 지식을 표현하기 위해 형식(formal)과 접근가능하며, 공유가능해야 하고 이용이 가능한 언어로 기술되어야 한다.
	I2. 메타 데이터 또는 원천 데이터는 FAIR의 원칙을 따르는 단어(Vocabularies) 목록을 사용해야 한다.
	I3. 메타 데이터 또는 원천 데이터는 다른 검증이 된 메타 데이터 또는 원천 데이터를 포함할 수 있다.
재활용 (Reusable)	R1. 메타데이터 또는 원천 데이터는 정확하고, 관련된 속성들을 가져야한다. R1.1. 메타데이터 또는 원천 데이터는 명확하고 접근 가능한 데이터 사용 라이센스로 공개(Release) 되어야 한다. R1.2. 메타데이터 또는 원천 데이터는 데이터의 이력 정보(provenance)와 연계되어야 한다. R1.3. 메타데이터 또는 원천 데이터는 데이터와 관련된 연구 도메인 커뮤니티의 표준형식으로 담아야 한다.

2.2. 연구 데이터 관리 체계 수립

• □ 효과적이고 제도적인 연구 데이터 관리를 위해 연구 데이터 관리 주체(연구기관 또는 연구 그룹)는 아래 5개의 기본 요소를 통합 제공 필요
  • ◯ 정책과 절차: 책임 있는 연구 수행을 위해 규제력이 있는 정책과 절차를 수립 및 공표
  • ◯ 지원 서비스: 온라인 툴킷, 정보, 교육 등과 같은 필수 자문과 지원 서비스 제공.
  • ◯ IT 인프라: 데이터와 메타데이터 관리를 지원하는 하드웨어, 소프트웨어와 기타 기능을 포함하여 필수적인 IT 인프라 제공
  • ◯ 메타데이터: 메타데이터는 내부와 외부 목적 모두에 대해 검색 가능하고 접근 가능해야 하며 상호 운용 가능하고 재사용 가능하게 관리(FAIR: findable, accessible, interoperable and reusable)
  • ◯ 연구 데이터: 연구 데이터는 위의 FAIR 원칙(2.4.1 절에서 기술)에 따라 저장되고 관리
• □ 기대효과
  • ◯ 적절하게 정의된 역할과 책임
  • ◯ 정의되고 공표된 표준
  • ◯ 적절한 자원 - 재정, 인력과 장비
  • ◯ 모든 인력 그룹에 갖춰진 적합한 숙련도
  • - 효과적인 데이터 관리는 연구원, 연구 기관, 정보 전문가와 기술 지원 직원 간의 팀워크와 협력을 통해 가장 잘 이루어짐.
  • - 접근 방식과 인프라를 모두 통합함으로써 연구자는 연구 과제 계획 시 작성한 연구데이터 관리 계획(DMP)을 충족할 수 있고, 연구의 효율성을 높이며, 공유, 검증과 재사용을 위해 데이터를 풍부하게 기술 가능
  • - 위험 관리는 위험 요소에 대한 파악, 심각 정도에 대한 평가 및 대응, 순차적으로 해당 프로세스에 대한 사용자 커뮤니케이션으로 구성
  • - 위험요소 관리계획 수립은 잠재적으로 연구 데이터 손실을 예방하는 것으로 위험 요소로는데이터 손실, 파괴, 연구 결과물에 대한 이용률 저조, 민감 데이터 또는 기밀 사항 유출, 저작권 위배 등이 해당
  • - 위험 관리 계획은 빈도수와 영향력의 유사성에 따라 위험요소를 분류 및 평가해야 하며, 위험도에 따라 심각한 정도를 완화할 수 있는 효과적인 방법 정의 필요, 효과적인 위험 관리계획은 위험 관리 표준(ISO 31000:2009) 등을 참조
  • - 연구 데이터 관리 점검 목록

    백업	신뢰할 수 있는 백업 전략으로 재해 대비 데이터 손실 방지용 오프 사이트 백업 고려 자동화된 백업 프로세스를 고려
    기존 데이터의 존속	기존 어떤 데이터를 관리해야 하나?
    생성될 데이터	프로젝트에서 어떤 데이터를 생성하나?
    데이터 소유자와 관계자	생성된 데이터는 누가 소유할 것이며 누가 그것에 관심을 가질 것인가?
    파일 형식 (File formats)	데이터에 어떤 파일 형식을 사용하나?
    메타데이터 (Metadata)	유지할 메타데이터는 무엇인가? 따라야 할 형식 또는 표준은 무엇인가?
    접근과 보안	누가 데이터에 접근 권한을 가지고 있는가? 민감한 데이터(data is sensitive)의 경우, 권한이 없는 접근으로부터 어떻게 보호할 것인가?
    데이터 구조 (Data organisation)	데이터 파일 이름은 어떻게 지정하나? 데이터를 넣을 폴더는 어떻게 구성하나? 서로 다른 기계 간의 데이터 전송 및 동기화를 어떻게 관리하나? 동료와 공동으로 작성하는 것은 어떻게 관리할 것인가? 데이터 파일과 문서의 다른 버전(different versions )의 추적을 어떻게 유지하나?
    저장소(Storage)	데이터는 어디에 저장되나? 누가 하드웨어 비용을 지불하나? 누가 그것을 관리할 것인가?
    서지 관리	어떤 서지 관리 도구를 사용할 것인가? 연구자 그룹의 다른 구성원들과 어떻게 참고 자료를 공유할 것인가?
    데이터 공유, 간행, 보관	어떤 데이터를 다른 사람들과 공유하나? 어떤 라이센스가 적용되나?
    파괴	어떤 데이터를 파괴하나? 시기와 방법은 무엇인가?
    책임	이 계획의 각 항목에 대한 책임자는 누구인가?
    예산	이 계획의 비용은 얼마인가? 가능한 비용에는 백업을 위한 하드웨어, 데이터 큐레이션을 위한 연구 보조 시간, 메타데이터 생성, 보관 등이 포함
    기타	위 항목으로 점검 목록을 제한하지 않으며, 필요한 항목에 대해서는 추가 가능

2.2.1. 민감한 연구 데이터에 대한 윤리 사항 준수 여부 확인

• □ 민감 데이터(Sensitive Data)는 종종 데이터 게시 및 공유에 대한 토론에서 제외 됐으며, 민감데이터를 공유하는 것이 윤리적이지 않거나 안전하게 수행하기가 너무 어렵다는 믿음이 있었음.
• □ 이러한 견해는 데이터를 '민감하지 않게'(즉, 비-식별화) 하기 위한 방법을 더 잘 이해하고 사용함에 따라 변경됨.
• □ 즉, 참가자나 주체가 더 이상 식별 가능하지 않게 정보를 제거하도록 데이터를 수정하고 데이터에 '조건부 접근'을 부여할 수 있는 역량에 의한 것
• □ 또한, 연구원이 자신의 데이터를 게시하고 공유하는 하도록 하는 게시자 및 자금 지원 기관의 요구 사항에 따라 민감 데이터 공유 증가
• □ 국가 차원에서 보면, 잠재적으로 민감한 정보가 포함된 중요한 고품질 데이터셋이 많음.
• □ 여기에는 건강에 대한 역학 조사, 의료 시험 데이터 및 멸종 위기 종에 대한 생태학적 연구가 포함되며, 재정, 효율성, 보전 및 참가자 피로 및 심리적 장애 등의 이유로, 이들 데이터셋은 반복이 아니라 재사용되어야 함.
• □ 민감 데이터는 차별, 해악 또는 원치 않는 주의와 같은 위험을 유발할 수 있는 개인, 종족,개체, 프로세스 또는 위치를 식별하는 데 사용할 수 있는 데이터
• □ 민감한 인적 데이터는 가장 일반적으로 민감한 개인 정보를 의미, 개인 정보를 사용하여 개인 또는 사람들의 그룹 식별 가능.
• □ 개인 정보는 개인을 직접 식별할 때 민감함 (예: 이름, 생년월일, 주소).
• □ 민감 데이터에는 희귀종, 멸종 위기 또는 상업적으로 가치가 있는 종 또는 기타 보전 노력의 위치를 밝히는 데이터가 포함 가능
• □ 민감한 것으로 간주되는 것은 시간 및 사람 또는 주제의 그룹에 따라 다를 수 있음.
• □ 중요하지 않은 데이터는 그 상황이나, 또는 추가 정보가 더해질 때 민감한 데이터가 될 수 있음.
• □ 조직이나 출판사의 기여자 이름 목록은 대개 민감하지 않지만, 이 목록은 해당 그룹의 특별한 관심으로 인해 가입자가 차별을 받을 수 있는 경우, 민감할 수 있음.
• □ 생태학적 데이터의 경우, 어떤 종은 한 지역의 인간 활동으로 인해 해를 입는 위험에 처할 수 있지만 다른 지역은 그렇지 않을 수 있음, 여기서 후자의 경우, 민감도는 종 자체보다는 데이터가 참조하는 위치에 의해 결정될 수 있음.
• □ 분명히 민감하지 않은(즉, 이름 또는 생년월일을 포함하지 않는) 데이터 또는 비-식별화된 데이터는 상황이 바뀔 때 다시 민감해질 수 있음.
• □ 두 가지 일반적인 예:
  • ◯ 삼각 측량 (Triangulation): 참가자나 주체의 식별이나 민감도가 민감하지 않은 여러 정보의조각들이 결합하여 결정될 수 있는 경우. 예를 들어, 인적 데이터의 경우, 어떤 개인의 나이,직업 및 가족 구성에 관한 정보가 있는 경우 상대적으로 작은 샘플에서 이를 식별하는 것은 어렵지 않을 수 있음.
  • ◯ 데이터 연결(Data Linkage)은 동일 인물이나 연구 대상이 포함된 두 개 이상의 데이터셋을 결합한다. 단독으로, 데이터셋에는 개인을 식별하거나 대상에 위험을 초래할 만큼 충분한 정보가 포함되어 있지 않을 수도 있지만, 두 개 이상의 데이터셋이 결합하면 이제 민감 데이터가 될 수 있음.
  • - 예를 들어, 데이터셋 A는 인지 장애가 있는 신원 불명의 환자 그룹의 병력을 기술, 데이터셋B에는 고용 정보와 대중 교통 사용과 동시에, 적절히 적은 개체를 포함할 때, 이러한 데이터셋이 링크되어있는 경우, 환자의 일과 거주하는 위치의 충분한 정보가 있어 식별될 수 있음.
  • - 생태학 연구의 예: 데이터셋 A는 알 수집이 취약한 종의 매와, 시간 경과에 따른 개체와 위치를 기술하고, 데이터셋 B는 유사한 기간 동안 동일한 매 종의 번식 패턴을 포함할 때, 두 데이터 셋이 연결되면, 알을 품고 있을 때의 매의 위치를 결정하는 데 충분한 정보가 될 수있음.
  • - 데이터 소유자 및 관리자는 항상 데이터셋에서 삼각 측량의 가능성을 고려하고 이를 확인해야 하며, 새 데이터, 즉 데이터 연결을 따르는 데이터를 도입하여 삼각 측량 재 고려 필요

2.3. 연구 데이터 수집

• □ 메타데이터 수집: 많은 메타데이터가 데이터 수집 프로세스 중에 자동으로 생성 될 수 있으며, 많은 과학 장비가 데이터 자체와 함께 메타데이터를 생성
• 예: 디지털 카메라는 위치, 시간 및 날짜와 같은 일부 출처 메타데이터를 사진 촬영과 동시에 기록, 현미경, 입자 가속기 및 망원경과 같은 더 큰 도구는 관찰 중에 매우 풍부하고 복잡한 메타데이터를 생성
• □ 자동 메타데이터 수집은 데이터 입력 오류를 방지하고 필요한 노력을 줄여주는데, 메타데이터를 작성하기 위해 사람에 의지하면 아무 것도 만들어지지 않을 수 있음.
• □ 또한, 데이터 입력 시 메타데이터의 온전성 검사를 수행하는 자동화 프로세스 수립 필요
• □ 추출된 메타데이터 수집: 일부 메타데이터는 다른 시스템에서 추출 할 수 있음, 예를 들어, 대학의 인적 자원 관리, 보조금 관리 또는 연구 관리 시스템은 연구원, 연구 보조금 또는 연구 프로젝트에 관한 최상의 정보 출처
• □ 휴먼 메타데이터 수집: 일부 메타데이터는 인간의 참여를 필요로 하며, 사용되는 프로세스는 데이터를 수집하는 도구(예: 전자 노트북 또는 디지털 랩톱에서 획득된 메타데이터)에 많이 의존
• □ 또한 메타데이터 필드(그리고 심지어는 다른 기관의 시스템에 연결되어있는 경우 미리 채워짐)를 표시할 수 있는 양식을 비롯하여 각 메타데이터 레코드에 적합한 어휘 및 데이터 구조를 자동으로 적용 할 수 있는 도구 구성 가능
• □ 메타데이터 레코드는 데이터가 수집 될 때 생성 될 수 있음 또는 나중에 연구원이 수집한 데이터를 일정 기간 동안 정리할 때 수행 할 수 있음 (예: 현장 견학 후).
• □ 메타데이터는 종종 명세서, 데이터베이스 구조, 데이터 모델, 프로그램 코드 또는 마스터 데이터 참조 구조에 숨어 있음, 사람에게 유용 할 수 있도록 이 메타데이터를 명시적이며 사람이 읽을 수 있도록 만들어야 함.

2.4. 메타 데이터 작성
2.4.1. 메타데이터의 개요

• □ 풍부하게 설명된 메타데이터는 연구 데이터를 게시 가능하고, 검색 가능하며, 인용 가능하고, 재사용 가능하게 만드는 핵심 요소
• □ 메타데이터 수집, 업데이트 및 유지 관리는 모든 연구 프로젝트 계획 및 예산 책정에 필수적인 포함 요소
• □ 메타데이터
  • ◯ 내용, 품질, 형식, 위치 및 접근 권한과 같은 객체의 특성을 설명하는 객체 또는 자원에 대한 정보
  • ◯ 디지털 객체(문서, 이미지, 데이터셋, 소프트웨어 등)뿐만 아니라 물리적 객체 (질그릇 조각, 표본 등)를 설명
  • ◯ 자유 텍스트(예: readme 파일)부터 표준화되고 체계화된 기계 가독성, 확장성 있는 컨텐츠까지 다양한 형태가 될 수 있음.
  • ◯ 해당 메타데이터가 설명하는 데이터와 연결, 이것은 데이터 파일 안에 삽입되거나, 연구 데이터 컬렉션을 가리키는 카탈로그 레코드에 포함 또는 데이터 파일 컬렉션에 링크된 별도의텍스트/스프레드시트 파일로 기록 될 수 있음.
• □ 디지털 데이터 객체는 온라인상에서 저장 위치가 변경될 수 있으므로, 데이터와 메타데이터 간의 링크를 관리하는 것이 중요 (예: DOI 등)
• □ 가능하면 주로 확립된 메타데이터 표준 중 하나 또는 몇 가지를 사용, 만일 어떤 프로젝트에서 특정 메타데이터 요소 집합을 유일하게 사용한다면, 해당 프로젝트는 상호 운용성 및 재사용에 대한 어려움을 증대될 수 있음.

2.4.2. 메타데이터 작성의 필요성

• □ 연구데이터용 메타데이터: 잘 설명된 메타데이터 레코드는 연구 데이터 컬렉션을 검색 가능,인용 가능, 재사용 가능 및 장기간 접근 가능하게 만드는 데 있어 풍부한 메타데이터의 힘을 보여주며, 메타 데이터 스키마 설계는 통합 메타데이터 설계 지침을 참조
• □ 메타데이터 생성 이유: 데이터 검색 및 재사용 가능 및 향상
• □ 데이터 검색: 텍스트와 같은 데이터 형식은 자신을 색인 및 검색되도록 할 수 있음(예:Google 검색). 하지만 오디오, 이미지 및 비디오와 같은 형식의 검색 기능은 제한적이며 검색 가능성은 메타데이터 검색에 의존. 메타데이터를 통해 연구자는 다음과 같은 예의 데이터를 찾는데 도움을 받을 수 있음.
  • ◯ 지리공간 메타데이터를 통해 관심 있는 지역과 관련이 있는 데이터
  • ◯ 연구 분야, 키워드 또는 어휘 메타데이터를 통해 관심 있는 연구 분야와 관련이 있는 데이터
  • ◯ 선행 연구원이나 기고자 메타데이터를 통해 관심이 있는 다른 연구원이 생성된 데이터
• □ 데이터의 가치 결정: 데이터셋의 유용성, 가치 및 품질을 평가하기 위해, 연구원은 데이터 주변의 상황을 이해할 필요가 있으며, 이것은 메타데이터에서 다음과 같이 주어짐.
  • ◯ 데이터가 수집된 이유, 실험 설계 및 데이터 수집 방법 등의 기술
  • ◯ 관련 연구원 및 기관에 대한 링크
  • ◯ 연구 프로그램 또는 보조금 확인
  • ◯ 연구 데이터에서 나온 출판물에 대한 지시
  • ◯ 명시적으로 제공되는 출처, 라이센스, 권리 및 기술 정보
• □ 데이터 접근에 필요한 사항
  • ◯ 연구 데이터 컬렉션을 식별하는 정보: 일반적으로 메타데이터 컬렉션(카탈로그) 레코드를 통해 얻음
  • ◯ 데이터 또는 연락처 정보 링크: 개방된 접근을 위한 온라인 데이터에 대한 직접 다운로드 링크, 또는 중재된 접근을 위한 데이터 관리자의 연락처 정보.
• □ 데이터 사용 및 재사용에 필요한 메타데이터
  • ◯ 데이터 구조에 대한 메타데이터
  • ◯ 데이터 기술(Technology) 내용에 대한 메타데이터
  • ◯ 데이터를 읽는 방법 (예: 열 표제 및 단원)
  • ◯ 장비 설정 및 교정, 사용된 시약 또는 설문 질문과 같은 방법론적 정보에 대한 메타데이터
  • ◯ 라이선스와 같은 권한 메타데이터를 통해 데이터로 수행 작업에 대한 메타데이터
  • ◯ 데이터를 인용하여 원래 저작자를 확인하는 방법에 대한 메타데이터
• □ 상기 정보의 적절한 기록은 데이터 생산자를 위해 중요하며, 미래의 재사용자뿐만 아니라 데이터를 분석할 때 중요한 실험의 세부 사항을 망각하기 쉽기 때문에 필요
• □ 예를 들어, 천문학자들은 특정 색상만 통과하는 다른 필터로 광학 이미지를 보정하는 데 매우 주의해야 하며, 사용된 필터에 대한 정보가 이미지와 분리되면 데이터의 가치가 많이 상실되며, 마찬가지로 범죄 현장의 사진에 수정이 가해지고 변경 사항이 제대로 기록되지 않으면 데이터의 신뢰성과 가치가 손실됨.
• □ 메타데이터 수준: 세 가지 수준의 데이터 그룹 (항목, 하위 항목, 컬렉션) 으로 수집 가능
  • ◯ 하위 항목 수준. 때로는 단일 객체가 구성 요소로 구성, 즉 책에는 장이 있고, 다큐멘터리에는 장면이 있으며, 관계형 데이터베이스에는 테이블이 있음. 특정 하위 항목 구성 요소를 검색하려면, 항목 수준 메타데이터뿐 아니라 하위 항목 또는 구성 요소 수준 메타데이터도 필요
  • ◯ 항목 수준 메타데이터: 개별 객체를 설명
  • ◯ 컬렉션 수준 메타데이터: 데이터 그룹 전체로써 컬렉션을 설명한다.
• □ 수집 방법 및 설명의 후속 수준은 검색 가능성 및 관리 비용과 노력에 영향
• □ 예를 들어, 모든 주요 TV 방송국에서는 뉴스, 스포츠, 만화 및 다큐멘터리와 같이 방송된 자료의 비디오 아카이브를 유지 관리되며, 이 아카이브의 효과적인 사용을 지원하기 위해, 레코딩은 일반적으로 여러 단계로 설명
  • ◯ 레코딩은 한 번 이상 발생할 수 있는 방송 날짜를 알리기보다는 뉴스, 스포츠, 연속극 등 프로그램 유형에 기반한 컬렉션으로 그룹화되며 쇼에 대해 어떤 것도 알려주지 않음.
  • ◯ 항목 수준에서 프로그램의 특정 에피소드를 식별, 진행 중 인 시리즈의 경우 'The Simpsons'의 'Series 10, Episode 5'와 같은 메타데이터 요소를 기록 할 수 있으며, ' When you dishupon a star '라는 제목을 가질 수도 있음. 뉴스와 같은 라이브 쇼의 경우 ‘서울’ 및 날짜 ‘1January 2018’ 위치를 갖는 '8pm News '로 녹음 될 수 있음.
  • ◯ 뉴스 에피소드의 하위 항목 레벨에서 특정 스토리를 식별할 것인데, ‘8pm News, 서울, January 1 2018’ 항목은 4분 25 초에 시작하는 두 번째 스토리가 되는 ‘청와대 "북, 평창올림픽 참가 환영"에 관한 스토리에 대한 참조를 가짐.
• □ 상기 예제에서의 계층적 구조는 사용자가 단일 아카이브 내에서 다수의 완전한 레코딩을 수동으로 스캔하는 것이 아니라 특정 자료를 직접 찾을 수 있음.

2.4.3. 메타데이터 유형

• □ 설명 메타데이터 (Descriptive metadata): 컬렉션의 발견과 평가에 필요한 정보
  예: 제목, 공헌자, 주제 또는 키워드, 연구 설명, 연구의 위치 및 날짜
• □ 출처 메타데이터: 이것은 데이터의 출처 및 처리와 관련이 있으며, 데이터의 해석 및 재사용을 가능, 이것은 인간에서부터 고도의 기술에 이르기까지 다양하며 일반적으로 생성될 도메인에 대한 지식을 필요
  예: 데이터는 어디에서 왔는가? 왜 수집되었는가? 누가 언제 그것을 수집했나?데이터를 수집하는 데 사용된 도구/기술은 무엇이며 어떻게 구성되었나? 데이터는 어떻게 처리 되었나?
• □ 기술 메타데이터: 사람이나 컴퓨터 응용 프로그램이 데이터를 읽는 데 필요한 기본 정보.
  예: 데이터는 어떻게 설정되나? 어떤 형식 및 형식의 어떤 버전이 사용되나? 데이터베이스는 어떻게 구성되어 있나? 다른 데이터와 어떤 관련이 있나?
• □ 권한 및 접근 메타데이터: 접근을 허용하는 정보 및 라이센스 또는 사용 규칙.
  예: 누군가가 데이터에 어떻게 접근 할 수 있나? 어떤 조건의 사용자에게 데이터 또는 메타데이터를 보거나 수정하는 것이 허용되나? 데이터에 대해 누가 어떤 권한을 가지고 있나? 접근과 관련된 비용이 있나? 데이터를 사용할 수 있는 라이선스는 무엇인가?
• □ 보존 메타데이터: 소유권, 권한 및 기술 메타데이터로부터의 히스토리를 기반으로 구성되며,장기간 접근을 위해 데이터를 관리 할 수 있는 정보도 포함
  예: 파일에 대한, 예를 들어 새로운 파일 형식으로 마이그레이션한 것에 의한 구조 조정이나 기타 변경 사항이 있었나? 데이터에 접근하는 데 사용되는 소프트웨어는 무엇인가?
• □ 인용 메타데이터: 누군가가 데이터를 인용하는 데 필요한 정보
  예: 생성자, 출판 연도, 제목, 출판사, 식별자.

2.4.4. 메타데이터의 구성

• □ 메타데이터의 공통어: 일반적으로 사용되는 메타데이터 용어를 이해하면 메타데이터를 보다 효과적으로 계획, 수집 및 적용하는 데 도움이 된다. 그 예는 메타데이터 요소, 스키마, 표준, 어휘 등
• □ 요소와 스키마: 메타데이터 스키마는 특정 정보 자원 또는 특정 도메인에 관한 메타데이터에대한 전체적인 구조임, 스키마는 일련의 메타데이터 개념 또는 용어(요소라고 함) 및 그의 관련 정의(의미) 및 관계를 지정, 각 요소에 대해 주어진 값은 그 내용임, 메타데이터 스키마는 흔히 단일 커뮤니티 그룹(예: 라이브러리 커뮤니티)에서 드러나거나 특정 형식(예: 디지털오디오 파일) 또는 도메인을 설명하기 위해 개발 될 수 있음. 예를 들어, MARC 는 기계 가독 형식으로 서지 정보를 표현하고 전달하는 표준이며, ISO 19115 는 지리 정보 및 서비스를 설명하기 위한 국제 표준
• □ 스키마는 다음을 지정할 수도 있음.
  ◯ 콘텐츠 규칙 - 예: 필수 형식 및 통제된 어휘 ◯ XML(Extensible Markup Language) 처럼, 그 안의 요소를 인코딩 (또는 표현)하는 구문
• □ 하지만, 특정 구현 규칙인 응용 프로그램 프로파일에는 메타 데이터가 종종 제공되며, 둘 이상의 스키마로부터의 요소들을 종종 포함한다. 응용 프로그램 프로파일은 요소가 필수 요소인지, 선택적 요소인지 또는 반복 가능한지 여부를 지정할 수 있음.
• □ 예를 들어, 가장 일반적인 스키마 중 하나는 Dublin Core Metadata Initiative 로, 이 메타데이터 이니셔티브는 현재까지 서술 메타데이터에 대해 가장 널리 채택된 스키마이며, 이것은 제목, 날짜, 유형, 형식, 작성자, 적용 범위 및 권한을 포함하여 원래의 Dublin Core Metadata Element Set에 있는 단 15 개의 요소만으로 된 간단하고 포괄적인 스키마이지만, Dublin Core는 이후 DCMI terms 네임스페이스에서 55 개의 용어로 확장되었으며, 각 필드는 기본적으로 자유 형식 텍스트 일 수 있으며 몇 가지 제한이 있음.
• □ Dublin Core는 "dc"네임스페이스가 있는 웹 페이지에서 많이 사용되며, 웹 페이지의 html 헤더 안에서 메타데이터 태그로써의 "dc.Title"과 같은 것을 자주 보게 될 것임.
• □ 비디오로 작업하는 경우, Dublin Core 및 MPEG-7 표준을 비디오 아카이브에 대해 사용할수 있으므로 "dc.Title"및 "mpeg7:Title"필드를 얻을 수 있으며, 각 스키마에는 스키마를 사용할 수 있는 자체 규칙(스키마의 네임스페이스에서 검색 가능)을 가지고 있음.
• □ 표준
  • ◯ 공식 표준: ISO (International Standards Organisation) 또는 더블린 코어 메타데이터 이니셔티브 (Dublin Core Metadata Initiative (DCMI))등의 동등한 기관과 같은 표준 조직이 공식적인 유효성 검사 프로세스를 거치는 메타데이터 스키마는 공식 메타데이터 표준이 됨 (예:
• □ DDI (Data Documentation Initiative) 및 보존 메타데이터 용 PREMIS 데이터 사전).
• ◯ 사실상의 표준은 공식 표준보다 일반적이며 대부분의 경우 적용이 가능, 누군가가 잘 문서화하고 승인하고 유지 관리하는 일반적으로 사용되고 일관되게 적용되는 메타데이터 스키마도적합
• □ 콘텐츠 규칙 및 통제 어휘: 각 메타데이터 요소의 허용 가능한 컨텐츠 및 값 형식에 대한 규칙을 지정하면 메타데이터의 정확성과 기계 가독성이 향상되므로 컬렉션의 발견 가능성이 향상됨, 자유 형식 텍스트 입력은 모호한 데이터로 이어질 가능성이 있음(예: 3/10/15는 1915 년 10 월 3 일이나 2015 년 3 월 10 일을 나타낼 수 있음)
• □ 필드, 즉 제어된 어휘에서 사용될 수 있는 특정 용어 세트를 갖는 것은 데이터의 필터링 및 패싯(facet)을 허용하여 검색 기능을 향상
• □ 통제 어휘 범위
  • ◯ 지역적으로 정의됨(예: 직원 목록에서 이름 선택 만 허용)
  • ◯ 확립된 표준
• □ 데이터 형식
  • ◯ 지역적으로 정의됨(예: 이름에는 이름 성이 입력됨)
  • ◯ 국제 표준 사용 (예: 더블린 코어 date 요소에 대해 권장되는 모범 사례는 ISO 8601의 W3CDTF 프로파일과 같은 인코딩 체계 사용)
• □ 네임스페이스: 메타데이터 스키마의 '네임스페이스'는 고유한 요소 및 정의 집합을 선언, 네임스페이스는 개별 요소 이름과 함께 요소를 고유하게 식별하는 URI를 생성하는 스키마와 연결된 도메인 이름으로 이상적으로 표현
• □ 네임스페이스 예제: DCMI 네임스페이스(http://purl.org/dc/terms/)에서 DC 용어 'title'은 http://purl.org/dc/terms/title에 의해 식별되고 정의됨.
• □ 사용 중인 메타데이터 스키마의 네임스페이스를 지정하면 각 요소가 속한 스키마를 정의하고 해당 요소의 용인된 정의를 사람들에게 알릴 수 있음.
  • ◯ 예를 들어, "date"라는 용어는 많은 스키마에 나타나지만, "date"가 정의되거나 기록되는 방식은 스키마에 따라 다를 수 있음, "date"는 한 스키마에서 데이터가 게시된 날짜 또는 다른 스키마에서 데이터가 수집된 날짜로 다양하게 나타낼 수 있음.
  • ◯ 다른 메타데이터 스키마로 크로스워크(Cross-walk): 크로스워크는 한 스키마의 요소를 기계 가독성 있는 방식으로 다른 스키마의 해당 요소에 매핑, 이렇게 하면 시스템이 사용하는 스키마와 다른 스키마에 있는 메타데이터를 처리 할 수 있음.
  • ◯ 크로스워크는 소스 메타데이터 컨텐츠가 일관되게 구조화/형식화된 경우에 가장 효과적임.

2.4.5. 메타데이터 스키마 작성 계획

• ① 사용자 관점에서 계획하기
  기록해야 할 메타데이터는 데이터를 찾고, 선택하고, 접근하고 사용하는 사용자의 요구에 기반하며, 데이터를 관리하고 보존 할 사람도 포함됨, 그런 다음 어떤 스키마가 가장 적합한 지, 그리고 관련 어휘 및 형식을 선택할 수 있음.
• ② 메타데이터 스키마 찾기 및 선택
  스키마는 매우 포괄적인 것에서부터 매우 전문적인 것 또는 리소스에 이르기까지 다양함.
  
  • ◯ DCMI 와 같은 일반 스키마는 널리 채택되고 있으며 사용하기 쉽지만, 이것은 너무 일반적이어서 설명이 보다 전문화되면서 모든 사람이 아주 다른 방식으로 사용
  • ◯ 분야 별 스키마는 보다 풍부하고 대상이 보다 명확화된 구조와 어휘를 제공하므로, 자세한 정보를 보다 체계적이고 세부적인 형식으로 제공 할 수 있음, 이러한 발견은 인터넷에서 “[discipline] metadata schema”를 검색하는 것처럼 간단 할 수 있으며, 필요하다면, 매우 높은 수준에서 시작(예 : "농업 메타 데이터 스키마")하여 점점 더 꾸준히 보다 구체적(예:“crop yield metadata schema”)으로 검색해 갈 수 있음, 또한, Data Curation Center의 메타데이터 표준 목록(List of Metadata Standards)과 같은 메타데이터 스키마 레지스트리나, Research Data Alliance의 메타데이터 표준 디렉토리( Metadata Standards Directory)를 검색 할 수 있음.
• ③ 스키마의 채택, 조정, 또는 생성
  □ 메타데이터 스키마를 처음부터 개발할 수는 있지만 기존 표준 및(또는) 널리 확립된 스키마를 사용하거나 적용하는 것이 바람직함
  
  • ◯ 비용 절감 - 스키마와 사용 지침이 개발되어 시간과 노력을 절약 할 수 있다.
  • ◯ 도움 및 조언에 대한 접근 – 표준에 대한 사용자 커뮤니티가 있을 수 있다
  • ◯ 유용성 - 사용자는 표준 및 그 용어에 대해 잘 알고 있을 것이다.
  • ◯ 상호 운용성 – 시스템 간에 정보를 쉽게 공유 할 수 있다.
  • ◯ 지속 가능성 - 스키마를 계속 사용하려면 유지 관리 및 업데이트가 필요하다.
• □ 스키마 선택 기준
  • 1) 명백한 하나의 메타데이터 표준 만 있고 사용자 요구를 충족하는 경우, 표준을 사용한다.
  • 2) 당신의 필요를 충족시키는 몇 가지 확실한 스키마가 있는 경우, 여러분 지역 사회 내의 '우수 사례'모델을 따른다. 잘 구조화된 메타데이터는 한 표준에서 다른 표준으로 매핑되거나교차 될 수 있다.
  • 3) 적합한 하나의 스키마를 찾을 수 없는 경우:
  • a) 사용자의 요구에 더 잘 맞도록 기존 스키마를 적용 또는 확장하고, 기존 표준에서 배포한 문서화 방법과 매핑을 가이드로 사용하여 변경 사항을 매우 신중하게 문서화한다. 변경 작업을 수행하는데 도움을 줄 수 있으므로, 스키마의 '소유자'에게 연락하여 함께 작업하는 것을 시도해 본다.
  • b) 대안으로, 다양한 메타데이터 요소 (및 요소의 지침과 문서)가 서로 다른 메타데이터 스키마 에서 가져와 함께 혼합되는 새로운 '응용 프로필'을 개발한다.
  • 4) 사용할 수 있는 스키마가 전혀 없는 경우 다시 확인하는데, 요즘은 드문 상황이다. 스키마를 찾을 수 없는 경우에는 스키마를 개발해야 할 수도 있다. 그러나, 스키마 개발은 공정한 작업을 필요로 하고, 할 수 있다면 해당 분야의 관심 있는 많은 사람들을 모아야 한다.
• ④ 메타데이터와 데이터 연결하기
  □ 메타데이터를 저장하기 위한 다양한 옵션이 있으며 모든 메타데이터가 한 곳에서 끝나는 것은 아니지만, 구조화된 접근 방식을 사용하면 메타데이터 검색 관리가 용이함.
  
• ⑤ 데이터 파일 내의 메타데이터
  □ 메타데이터가 있을 수 있는 첫 번째 장소는 데이터 자체가 있는 파일 내부이며, 메타데이터 필드의 범위를 포함하는 많은 디지털 파일 형식이 있으며, 여기에는 다음이 포함됨.
  
  • ◯ 텍스트 형식: DOCX, HTML 및 PDF
  • ◯ 이미지 형식: TIFF 및 JPEG
  • ◯ 비디오 형식: MPEG
  • ◯ 오디오 형식: WAV
  • ◯ 전문 분야 형식: FITS (천문학) 및 HDF (원격 감지)
• □ 파일 내부에 메타데이터 저장 이점은 파일과 함께 이동하며, 데이터와 메타데이터 간의 연관성 유지 용이하지만 다음과 같은 단점들이 존재
  
  • ◯ 원하는 모든 메타데이터 필드를 추가 할 수 있는 것은 아님.
  • ◯ 컴퓨터가 모든 단일 쿼리에 대해 모든 단일 파일을 열어야 하므로 특히 파일 및 쿼리 수가 늘어남에 따라 컬렉션 검색 속도가 느려짐.
  • ◯ 컬렉션 수준의 메타데이터는 관리가 쉽지 않으며, 각 파일에 콜렉션 참조를 작성한 다음 변경 사항을 적용하고자 하는 경우, 영향을 받는 모든 단일 파일을 편집해야 함.
• ⑥ 메타데이터를 별도의 파일로 저장
  □ 이 솔루션은 아무런 제한 없이 모든 종류의 메타데이터를 저장할 수 있는 무한한 유연성을 제공한다. XML을 사용하여 잘 구성된 별도의 파일에 메타데이터를 쓰고 이를 데이터 파일과 연결한다. 파일화-메타데이터 파일 연결을 강화하는 일반적인 방법은 동일한 파일 이름 스템, 예를 들어 cat1.tiff는 이미지이고 cat1.xml은 메타데이터로 하는 것과 같은 방식을 사용하는 것이다. 이렇게 하면 검색 및 메타데이터 수정 성능이 다소 향상 될 수 있다. 하지만 다음과 같은 단점들이 있다.
  • ◯ 데이터가 여전히 동일한 저장 매체에 있고 쿼리나 변경을 위해 여전히 동일한 수의 파일을열어야 한다.
  • ◯ 파일 이동 시 데이터와 메타데이터가 분리될 위험이 증가한다.
• ⑦ 스프레드시트 및 데이터베이스
  □ 여러 데이터셋에 대한 메타데이터를 단일 스프레드시트 또는 데이터베이스에 모으면 검색, 변경 및 기록된 메타데이터 필드에서 더 많은 유연성을 얻을 수 있다.특정 컬렉션에 속한 항목에 플래그가 지정되고 컬렉션 수준 레코드를 가리키면 데이터베이스에서 컬렉션 수준 변경이 매우 쉬워진다. 변경되어야 할 해당 콜렉션의 모든 항목들에 대해 데이터베이스의 레코드 하나 (컬렉션-수준 레코드) 만 변경되어야 한다. 메타데이터는 메타데이터 레코드 내의 데이터에 대한 파일 이름 및 위치 (또는 URI)를 기록하고 데이터 위치가 변경 될 때마다 이를 업데이트함으로써 데이터와 연관된다.
• ⑧ 특수화된 메타데이터 및 데이터 저장소 데이터 저장소 또는 리포지터리는 메타데이터 획득 및 저장을 위한 특수 시스템을 파일 저장시스템과 결합한다. 메타데이터 저장소는 메타데이터만 보유하며, 데이터 객체의 위치를 가리킨다. 데이터 및 메타데이터 저장소의 이점은 일반적으로 하나 이상의 메타데이터 스키마로 사전 구성되어 있으며, 일정 수준의 사용자 편의 및 사용자 지정 옵션을 사용하여 검색 가능하고접근 할 수 있다는 것이다. 많은 저장소들이 AV 파일이나 이미지 같은 텍스트 형식이 아닌 복잡한 메타데이터도 처리 할 수 있다.

2.5. 연구 데이터 저장 및 접근 관리

• □ 연구 데이터에 대한 스토리지 솔루션의 선택은 장기간에 걸쳐 데이터가 공유 가능하고, 재사용 가능하며, 검색 가능하고 접근 가능한 방법에 기여
• • ◯ 메타데이터 유지 관리와 통합하여 접근과 큐레이션을 계속 제공
  • ◯ 데이터 스토리지 선택의 차이가 메타데이터 관리에 영향을 미치며, 여기에서 설명하는 스토리지 솔루션은 상호 배타적인 것이 아니라 보완적인 것임. 각 솔루션은 서로 다른 요구를 해결할 수 있도록 설계됨. 데이터 관리 전략을 수립할 때 기관은 사용 가능한 모든 유형의 스토리지를 활용해야 할 필요가 있음, 단 하나(예: 기관 데이터 저장소 또는 리포지터리)에 집중하면 다른 솔루션의 장점을 포기하고, 연구자 자신의 모든 요구 사항을 충족하지 못함.
• □ 예를 들어, 장기 저장을 보장하는 기관의 구체적인 약속을 가지고 있기 때문에 기관 솔루션이 지식 분야 기반 솔루션보다 지속 가능함. 이 솔루션은 장기간 접근에 대한 요구 사항을 충족시키지만, 지식 분야 솔루션은 연구자가 기본적으로 데이터를 검색하는 장소로 검색을수행하는 데 지식 분야 기반 솔루션이 더 적합한 환경을 제공하기 때문에 검색 요구 사항에 더 적합
• □ 데이터 저장 솔루션은 조사자의 데이터를 발견 가능하고 지속 가능하게 관리하며 재사용을 용이하게 하기 위해 잘 설명된 학술 기록의 일부로 사용 가능 (적절한 경우)
  

  	설명
  개인/프로젝트 데이터 저장소	연구원과 프로젝트 팀이 관리하는 로컬 스토리지
  기관 리포지터리	기관 리포지터리로 다양한 기존 시스템(Dspace, Dataverse 등)이 사용될 수 있으며, 대부분의 기관이 리포지터리를 보유하고 있지 않기 때문에 해당 리포지터리 개발 및 보급을 위하여 본 지침서에서 설명하고자 하는 리포지터리를 기관용으로 개발하였으며, 정부출연기관 중심으로 보급예정이다.
  기관 데이터 저장소	다수의 대학과 대형 연구 기관에는 많은 수의 대형 객체에 최적화된 특수 데이터 저장소가 있다.
  국가 데이터 저장소 인프라	The RDS (2015-)는 천문학, 기후와 기상 과학, 해양 과학, 광물과 탐사 데이터 등 9개 연구 영역 지원에 중점을 두고 있다.
  클라우드 저장소(기업 데이터 저장 인프라)	클라우드 스토리지는 일반적으로 타사에서 호스팅하는 가상화된 스토리지 풀을 통해 네트워크화된 엔터프라이즈 스토리지이다.
  분야 리포지터리	여러 분야에서 데이터를 저장하고 공유하기 위해 잘 확립된 위치를 가지고 있으며, 일반적으로 기관 구성원의 컨소시엄이 관리한다. 이 저장소의 저장과 공유는 종종 게시 프로세스와 함께 발생한다

  
  
  

  스토리지 솔루션	작업 데이터에 대한 적합성	높은 가치, 재사용 데이터에 대한 적합성	약점	장점
  개인/프로젝트 데이터 저장소	그렇다	아니다	게시자과 자금 제공자, 취약한 지속 가능성, DOI가 없는 접근 지침을 충족하지 못할 수 있음	싸고, 빠르고, 쉽고, 편리함
  기관 리포지터리	아니다	그렇다	데이터에 최적화되지 않을 수 있음	신뢰할 수 있고, 잘 정리되고, 지속 가능하며, 간행물 통계분석 지원함 (예: DOI)
  기관 데이터 저장소	그렇다	그렇다	일부 경우, 발견(discovery) 지원 안됨	신뢰할 수 있고, 지속 가능함
  클라우드 저장소	그렇다	충분한 데이터 설명에 따라 다름	상업용: 대역폭과 파일 보안 문제가 발생할 수 있으며, 데이터가 저장되는 하드웨어에 대한 제어 권한이 더 적음	저장된 데이터 처리를 위한 저렴한 컴퓨팅에 대한 자동화된 백업, 공유와 접근
  국가 데이터 저장소(RDS, etc)	그렇다	그렇다		높은 신뢰성, 대규모 데이터 세트 지원
  지식 분야 리포지터리	아니다	그렇다	장기 자금 지원의 품질이 매우 다양함	연구원 발견 지원함

  
  
  
• □ 어떤 스토리지 솔루션을 선택하든, 기본 데이터에 수반되는 풍부한 메타데이터를 생성하면 연구원과 팀, 기관과 광범위한 연구 커뮤니티에서 데이터를 쉽게 찾고 재사용할 수 있음.
• □ 한편, 지식 분야 저장소는 종종 지식 분야에 대한 기록 리포지터리이며, 여러 모델을 따를 수 있음.

2.6. 연구데이터 출판

• □ 연구 데이터 출판은 공공 자금으로 조성 된 연구 결과물, 데이터를 다른 사람들이 사용할 수 있게 만들어 주는 프로세스
• □ 출판되는 연구 데이터는 잘 기술 (메타 데이터)되며, 인용, 검색 및 재사용 가능해야 함.
• □ 연구 데이터의 잠재적인 재사용자는 데이터 활용에 대한 명확한 지침이 필요하여, 이것은 일반적으로 라이센스를 통해 이루어짐.
• □ 연구 자료는 수집 설명, 인용 가능하고 온라인으로 접근 가능한 형태로 출판 될 수 있음.
• □ 출판된 연구 데이터에서는 연구 데이터 요소 또는 웹 서비스, API 또는 개념 정의와 같은 다른 객체를 인용 할 수 있음.
• □ 연구 데이터 출판은 연구자(데이터 생산자)가 설정한 권한에 따라 게시되며, 이를 이용하는 연구자들은 권한에 따라 연구 데이터의 메타 데이터 정보만을 열람하거나, 연구 데이터를 다운로드 받을 수 있음.

2.7. 연구 데이터 공유·활용

• □ 연구 데이터는 연구 활동을 통해 새로운 사실 등을 발견하고, 이에 대한 연구 결과를 작성하는 단계에서 등록 가능
• □ 많은 연구에서 논문의 본문에서 실험 등에 활용한 연구 데이터에 대한 DOI를 인용, 데이터 저널을 통해 연구 데이터에 대한 기술 내용에 대한 부분을 출판
• □ 즉, 연구 데이터의 등록은 대내외에 공개할 수 있기 때문에, 연구 활동 과정에서 연구 산출물 작성 또는 출판 단계에서 이루어질 수 있음.
• □ 연구 데이터 등록 절차
  • ① 연구 데이터의 메타 데이터 작성
  • ② 파일(원천 데이터) 업로드
  • ③ 승인자(예: 과제 책임자)로부터 등록을 위한 데이터 승인
  • ④ 메타 데이터 작성 시, DOI 발급 여부에 따른 DOI 발급
  • ⑤ 연구 데이터 리포지터리 홈페이지에 메타 데이터 및 파일 링크 게시
• □ 연구 데이터 업데이트 등록 절차
  • ① 기 작성된 연구 데이터의 수정 신청
  • ② 승인자로부터 연구 데이터 수정 승인을 통하여 수정 승인 권한을 획득
  • ③ 업데이트 되는 메타 데이터 및 파일(원천 데이터) 수정
  • ④ 신규 DOI 획득을 통한 연구 데이터 업데이트 및 버전 부여

• □ 3장에서는 연구데이터 관리를 위해 KISTI에서 개발한 연구데이터 리포지터리 시스템에 대한 전반적인 내용을 3.1절에서 소개하고, 리포지터리 시스템을 설치하는 부분을 3.2절에서 리포지터리에 대한 환경설정 부분을 3.3절에서 소개
• □ 4장에서는 리포지터리 관리자가 연구데이터 관리를 위해 필요한 활동과 방법을 연구데이터 리포지터리 활용 예제를 통해 기술
• □ 5장에서는 연구자가 연구데이터 제출과 검색을 위해 필요한 활동과 방법을 연구데이터 리포지터리 활용 예제를 통해 기술

3.1. 연구데이터 리포지터리 시스템 개요

• □ 표준 연구데이터 리포지터리는 다양한 과학기술 분야의 연구자들이 소속 기관 또는 커뮤니티에서 연구 개발 과정에서 산출된 연구 데이터를 자유롭게 다른 연구자와 공유하거나 교육 자료 등으로 활용할 수 있음.
• □ 표준 연구데이터 리포지터리는 연구데이터 등록, 연구데이터 검색, 연구데이터 공유, 연구데이터 보존 기능 제공
• □ 표준 연구데이터 리포지터리의 전체적인 시스템 개념도

• □ 표준 연구데이터 리포지터리는 연구 기관에서 기관 내에서 산출되는 연구 데이터를 관리하고, 대외 리포지터리 시스템 또는 국가연구데이터플랫폼과의 연계를 통해 연구데이터 공유를 목표로 하는 표준형 기관 데이터 리포지터리(IDR: Institutional Data Repository)
• □ 활용되고 있는 대표적인 리포지터리 시스템으로는 DSpace1), DataVerse2), Invenio3) 등이 있지만 연구데이터의 원천 데이터는 그 크기가 페타바이트급까지 매우 방대해 지고 있기 때문에 대용량 데이터를 저장할 수 있고, 또한 연구 데이터에 대한 메타 데이터를 자유롭게 기술 할 수 있는 연구데이터 리포지터리를 개발
• □ 연구데이터 리포지터리는 기본적으로 연구 데이터 제출, 연구 데이터 검색 및 출판, 그리고 메타 데이터 관리 기능을 제공
• □ 연구데이터 리포지터리에서는 DOI 에이전시중 하나인 한국 DOI 센터와 연계하여 데이터 출판 시 DOI 부여
• □ 연구데이터 리포지터리는 다른 리포지터리와 OAI-PMH 프로토콜을 통해 메타 데이터를 연계할 수 있으며, 대용량 데이터 저장소로 사용하는 iRODS의 Federation 기능을 활용하여 원천 데이터의 공유를 직접적으로 가능할 수 있도록 리포지터리 시스템 설계
• □ 또한, 지속적으로 리포지터를 확장 발전시키기 위해, 특정 오픈 소스의 의존성을 줄이고 각 모듈을 독립적으로 개발함.
• □ 대용량 연구데이터를 저장하는 연구데이터 스토리지 서비스는 연구자에게 스토리지를 제공 하는 서비스이며, 연구데이터가 적재되는 이종의 스토리지 배분, 관리 및 확장이 가능함.
• □ 연구데이터 리포지터리에서는 한국과학기술정보연구원(KISTI)에서 운영 중인 사용자 연합 인증 기능인 SAML(Security Assertion Markup Language) 기반의 KAFE(Korean Access Federation) 회원이면 리포지터리를 이용할 수 있으며, 연구자 ID로 활용할 수 있는 ORCID(Open Researcher and Contributor ID)로 로그인을 할 수 있음.
• □ 또한, 기관의 SSO(Single Sign On)으로 사용자 인증을 지원하기 위해 API를 제공
• □ 리포지터리를 운영할 인적자원 혹은 물리적 여건이 허락되지 않는 기관을 위해, 국가연구데이터플랫폼에서 클라우드 서비스를 활용하여 리포지터리 보급 및 운영 지원 계획
• □ 국가연구데이터플랫폼에서 연구데이터 리포지터리를 설치/운영하는 기관 동의를 거친 후, 리포지터리에서 공개한 메타데이터를 수집하여 국가차원의 연구데이터 검색서비스 제공 계획
1) DSpace: https://duraspace.org/dspace/
2) DataVerse: https://dataverse.org/
3) Invenio: https://invenio-software.org/

3.1.1. 연구데이터 관리 절차

• □ 연구데이터 리포지터리에서의 연구데이터 수집·저장을 위한 관리 절차는 아래 그림과 같음.
  • ① 메타 데이터 스키마 생성: 연구데이터 수집 및 저장을 위해 관리자는 메타데이터 스키마를 생성
  • ② 연구데이터 코드 생성: 메타데이터 스키마 생성 시 활용할 수 있고, 기관에서 관리해야 하는 기관 코드를 생성함.
  • ③ 연구데이터 컬렉션 생성: 연구데이터 관리를 위해 관리자는 논리적인 연구데이터셋 묶음인 컬렉션을 생성함.
  • ④ 연구데이터 컬렉션 사용자 권한 부여: 컬렉션에 제출할 수 있는 사용자 권한을 부여
  • ⑤ 연구데이터 작성 및 제출: 리포지터리 관리자가 연구기관에서 정의한 메타 데이터 스키마와 코드 등을 리포지터리에 입력하면, 연구자는 이를 준용하여 연구데이터를 제출할 수 있음.
  • ⑥ 개인 저장소 활용: 대용량 데이터이거나, 웹 인터페이스로 업로드하기 어려운 데이터는 개인 저장소를 활용하여 업로드할 수 있음.
  • ⑦ 연구데이터 검토 및 승인: 연구책임자 또는 부서장 등 승인 권한을 가진 연구자가 제출된 연구데이터를 검토하고 승인
  • ⑧ 연구데이터 업데이트: 기존 제출했던 연구데이터를 갱신하기 위해 기존 제출 연구데이터와 메타데이터를 수정 및 제출 할 수 있음.
  
• □ 연구데이터 리포지터리에서의 연구데이터 공유·활용 절차는 아래 그림과 같음.
  • ① 연구데이터 검색: 리포지터리 사용자는 연구데이터 리포지터리에 공개된 데이터를 검색할 수 있음.
  • ② 연구데이터 공유: 리포지터리 사용자는 공개된 연구데이터를 SNS, 문헌 관리 시스템등과 공유할 수 있음.
  • ③ 연구데이터 요청: 연구데이터 다운로드 권한이 없는 사용자는 연구데이터 제출 연구자에게 공유를 요청할 수 있음.
  • ④ 요청 확인 및 승인/반려: 연구데이터 제출 연구자는 사용자로부터의 데이터 공유 요청을 확인하고 승인 또는 반려할 수 있음.
  

3.1.2. 소프트웨어 구성 환경
※공통사항 : 외산, 자산상태=유휴, 라이선스정책=무제한

3.1.3. 하드웨어 권장 구성 환경

3.2. 시스템 구성 및 설치방법
- Docker 기반 환경

① idr 계정에 sudo 권한을 추가한다.

$ usermod -aG wheel idr

② 서버의 설치 시스템을 업데이트 한다.

$ sudo yum update

③ Docker 설치
docker 공식 문서 참조 https://docs.docker.com/install/linux/docker-ce/centos/

$ sudo yum install -y yum-utils device-mapper-persistent-data lvm2 $ sudo yum-config-manager —add-repo https://download.docker.com/linux/centos/docker-ce.repo $ sudo yum install docker-ce

④ Docker 실행

$ sudo systemctl status docker $ sudo systemctl enable docker $ sudo systemctl start docker

2) Docker 버전 확인


3) Docker 저장 경로 변경 /data/docker

$ sudo vi /etc/docker/daemon.json $ sudo systemctl restart docker

4) Docker Compose 설치

$ sudo curl -L https://github.com/docker/compose/releases/download/1.22.0/docker-compose-$(uname -s)-$(uname -m) -o /usr/local/bin/docker-compose $ sudo chmod +x /usr/local/bin/docker-compose

⑤ 어플리케이션 설정(idr-db)
1) 어플리케이션 실행 경로 생성

$ mkdir /data/rt

2) DB 저장 경로 생성

$ mkdir /data/rt/db

3) docker-compose 파일 생성

$ cd /data/rt $ cat docker-compose.yml

4) Database(postgresql) 실행

$ cd /data/rt $ cat docker-compose.yml

⑥ 어플리케이션 설정(idr-web)
1) 어플리케이션 실행 경로 생성

$ mkdir /data/rt

2) compose 파일 생성


3) Nginx 및 관리자 서비스 실행

$ docker-compose up -d

3.3. 연구데이터 스토리지 서비스 설정

• □ 표준 연구데이터 리포지터리 시스템의 연구데이터 스토리지 서비스는 iRODS 4.2.4를 기반으로 실행하며, 외부 사용자의 클라이언트 툴을 활용하여 연구데이터 업로드를 위하여 DAVRODS를 활용함.
• □ iRODS는 iRODS 4.2.4와 iRODS전용의 데이터베이스로 구성된 이미지를 실행
• □ DAVRODS는 iRODS 에 접속하여 iRODS의 저장소를 WebDAV로 접근하는 방법을 제공
• □ 일반 이용자가 연구데이터 개인저장소에 WebDAV 방식으로 접근하기 위해서는 리포지터리에서 DAVRODS 설정 필수
• □ 아래는 docker-compose.yml에서 iRODS 관련 설정임.
• □ iRODS의 기본 포트는 1247이며 외부 접속을 허용하려면 아래의 설정에서 ports 부분의 주석 제거 필요, WebDAV 방식만을 제공할 경우에는 접속 포트 설정 불필요
• □ iRODS의 기본 사용자ID와 비밀번호는 .env파일을 사용하여 변경

irods: image: mjstealey/irods-provider-postgres:4.2.4 restart: unless-stopped networks: - idr # ports: # - 1247:1247 environment: - IRODS_SERVER_ADMINISTRATOR_USER_NAME= - IRODS_SERVER_ADMINISTRATOR_PASSWORD= - IRODS_CONTROL_PLANE_KEY=aiNiePhi4queshiacoog3uugai4UhooJ - IRODS_ZONE_NAME=rdss - UID_IRODS= - GID_IRODS= volumes: - ./data/irods-data:/var/lib/irods - ./data/irods-etc:/etc/irods



• □ 아래는 docker-compose.yml에서 DAVRODS 관련 설정
• □ 개인저장소에 WebDAV 접속을 허용하기 위한 설정, 네트워크 환경에 따라 기본 포트(8010)

davrods: image: renci/docker-davrods:4.2.2 restart: unless-stopped networks: - idr ports: - 8010:80 environment: - IRODS_CLIENT_SERVER_POLICY=CS_NEG_REFUSE - IRODS_SERVER_CONTROL_PLANE_KEY=aiNiePhi4queshiacoog3uugai4UhooJ - VHOST_SERVER_NAME=localhost - "VHOST_DAV_RODS_SERVER=irods 1247" - VHOST_DAV_RODS_ZONE=rdss

3.4. 환경 설정

• □ 연구데이터 리포지터리의 운영을 위하여 필요한 리포지터리 메타 데이터 관리, 발송 메일 서 버 관리, 사용자 통보 내역 관리 등을 설정할 수 있음.
• □ 리포지터리 메타데이터 관리: 리포지터리 메타데이터는 re3data 등과 같이 외부 리포지터리 통계 관리 사이트에 전송할 수 있는 데이터들로 구성할 수 있음.


• □ 사용자에게 통보 내역 및 회원 가입 등의 절차 관리를 위해 메일 발송 서버 설정 가능


• □ 리포지터리 사용자에게 제출, 승인 등의 내역을 통보하기 위한 템플릿 관리
• ① 통보내역 목록 조회

② 통보내역 상세정보 조회
③ 통보내역 템플릿 목록 조회
④ 통보내역 템플릿 상세 조회

• □ 기관 리포지터리 관리자가 연구데이터 리포지터리 관리를 위해 필요한 활동을 KISTI에서 개발한 연구데이터 리포지터리를 예제로 활용하여 기술
• □ 해당 관리자의 기능은 각 연구기관의 특성 및 연구데이터의 특성에 따라 수정 또는 확장될 수 있음.

4.1. 메타데이터 스키마 관리

• □ 메타데이터 제출을 위한 스키마를 관리하고, 연구기관에서의 연구 데이터 제출을 위하여 메타 데이터 스키마를 생성, 편집, 삭제 할 수 있음.
• □ 연구데이터 리포지터리에서는 기본적으로 Dublin core, TTA 표준 메타데이터 스키마 등을 제공하며, 관리자는 이를 기반으로 메타데이터 스키마를 편집하거나, 해당 스키마를 복사하여 새로운 메타 데이터를 생성할 수 있음.
• ① 연구데이터 리포지터리의 관리자 메뉴에서 스키마 관리를 클릭하면 데이터 스키마 목록으로 이동


• ② 스키마명을 클릭하면 스키마 상세보기 화면이 조회
• ③ ‘정보수정 을 클릭하면 스키마 정보를 수정 가능
• ④ 스키마 영역의 수정 버튼을 누르면 스키마 편집 가능 상태로 변경


• ⑤ 스키마 수정 버튼을 클릭하여 편집화면으로 이동
• ⑥ 원하는 스키마 형태로 변경 후 편집 완료 버튼을 클릭 시 스키마가 저장됨.
• 1)색인 항목은 검색엔진 색인 및 데이터 연계 시 공통으로 사용됨.
• 2)XSD 파일을 반입하여 일괄 편집을 하거나 항목을 추가하여 개별 편집 가능


• ⑦ 스키마 생성은 데이터를 입력하고 복사할 스키마를 리포지터리에서 기본적으로 제공하는 스키마 중에서 선택하면 스키마가 생성됨.
• ※ 원본 스키마를 선택하면 기존의 스키마 항목이 복사되어 새로운 스키마가 생성, 기존 스키마 항목을 기반으로 스키마의 추가 수정 가능

• ⑧ 스키마 상세화면에서 삭제 버튼 클릭 시 스키마 삭제

4.2. 컬렉션 관리

• □ 연구데이터 리포지터리에서는 연구 데이터 관리를 위해 데이터셋의 묶음인 컬렉션 단위로 데이터를 나눌 수 있고, 관리자는 연구데이터의 컬렉션을 생성, 편집, 삭제 가능함.
• □ 연구데이터 컬렉션 생성
• ① 관리자 메뉴에서 컬렉션 관리를 클릭하면 컬렉션 목록으로 이동


• ② 컬렉션 생성 버튼을 클릭하면 컬렉션 생성화면으로 이동
• ③ 컬렉션 정보를 입력 후 저장 버튼을 클릭하면 컬렉션이 생성


• □ 연구데이터 컬렉션 편집
• ① 컬렉션 목록에서 컬렉션명을 클릭하면 컬렉션 상세화면으로 이동
• 1)TTA 표준의 필수항목을 컬렉션 기본정보로 관리
• 2)기본정보 수정, 삭제, 하위 컬렉션 생성의 기능을 제공

4.3. 사용자 관리

• □ 연구데이터 리포지터리 사용자는 '연구데이터 제출 연구자', ‘승인 연구자’, ‘관리자' 로 나눌 수 있으며, 리포지터리 관리자는 사용자 관리 기능을 통해 컬렉션 별로 사용자 권한과 사용자 그룹 권한을 관리할 수 있음.
• □ 연구데이터 리포지터리 사용자 관리
• ① 사용자 목록 조회
• ② 사용자 이메일을 클릭하면 해당 사용자 상세화면으로 이동


• ③ 사용자 상세화면으로 로그인 차단, 내부사용자 설정 기능을 지원
• ④ 저장소 모듈을 사용하는 경우, 저장소 사용자 계정 생성 및 사용 중지 설정 가능


• □ 연구데이터 리포지터리 사용자 그룹 관리
• ① 연구데이터 리포지터리 사용자 그룹은 ' 연구데이터 제출 그룹', ‘연구데이터 승인 그룹’, ‘관리자 그룹'으로 나뉠 수 있으며, 각 컬렉션을 클릭하여 권한을 지정할 수 있음.


• ② 그룹명의 편집 버튼을 클릭하면 그룹별 별칭 수정 및 권한 관리 가능


• ③ 그룹관리 목록에서 컬렉션명을 클릭
• ④ 해당 컬렉션 권한 관리 화면으로 이동, 컬렉션별 사용자의 제출 및 승인 권한 관리 가능

4.4. 코드 관리

• □ 연구데이터 리포지터리에서는 메타 데이터 스키마 생성을 위해, 기술요소들 (element)을 코드화하여 관리할 수 있으며, 관리자는 코드 관리 기능을 통해 리포지터리에서 필요한 코드를 생 성, 편집, 삭제 할 수 있음.
• □ 코드 목록 생성
• ① 리포지터리 코드 목록을 조회하면 아래와 같음.


• ② 코드 추가를 클릭 시 코드 추가화면으로 이동
• ③ 코드 추가화면에서, 데이터를 입력 후 저장 버튼을 클릭 시 코드 생성


• □ 코드 목록 편집
• ① 코드 목록에서 편집 버튼을 클릭하면 코드 수정 화면이 팝업
• ② 변경할 데이터를 입력 후 저장 버튼을 누르고 입력한 데이터로 저장


• ① 코드 목록에서 삭제 버튼 클릭
• ② 코드 삭제 확인 창이 출력
• ③ 확인 창에서 삭제하겠습니다 “ .” 버튼 클릭하면 코드가 삭제됨.

4.5. 연구데이터 관리

• □ 연구데이터 리포지터리에서 관리자는 리포지터리에 등록된 모든 연구데이터를 관리할 수 있 는 권한을 지니며, 제출완료, 승인, 폐기, 복원의 기능을 수행할 수 있음.
• □ 연구데이터 리포지터리를 운영하는 연구기관의 정책에 따라 연구데이터 리포지터리 관리자 의 권한을 수정하여 활용할 수 있음.

4.5.1. 제출완료 데이터

• □ 연구데이터 리포지터리에 제출 및 승인 완료 된 연구데이터를 조회
• ① 관리자 메뉴에서 데이터 관리 > 제출완료 데이터를 클릭
• ② 제출완료 데이터 목록으로 이동


• ③ 특정 데이터의 제목을 클릭하여 상세화면으로 이동


• ④ XML 버튼을 클릭하면 메타데이터를 XML로 제공


• ⑤ 폐기버튼을 클릭하면 폐기사유 입력창 출력
• ⑥ 폐기 사유 입력 후 폐기를 클릭하면 데이터 폐기 가능

4.5.2. 승인대상 데이터

• □ 연구데이터 리포지터리에서 승인 대상인 연구데이터를 조회
• ① 관리자 메뉴에서 데이터 관리 > 승인대상 데이터를 클릭
• ② 제출완료 데이터 목록으로 이동


• ③ 데이터의 제목을 클릭하면 데이터 상세화면으로 이동


• ④ 데이터 반려를 클릭하면 반려 사유 입력창 출력
• ⑤ 반려 사유 입력 후 반려 버튼을 클릭하면 데이터는 DRAFT 상태로 데이터 상태 변경

4.5.3. DRAFT 데이터

• □ 연구데이터 리포지터리에서 작성 중인 모든 DRAFT 데이터 조회
• ① 관리자 메뉴에서 데이터 관리 > DRAFT 데이터를 클릭
• ② 제출완료 데이터 목록으로 이동
• ※ 제출 및 삭제 버튼을 클릭하여 제출 승인요청 ( ) 및 삭제 처리 가능


• ③ 데이터 제목을 클릭하여 데이터의 상세화면으로 이동
• 1)수정 : 수정 화면으로 이동하여 메타데이터 , 파일데이터, 공개설정을 수정
• 2)제출 : 승인자에게 데이터 승인요청
• 3)삭제 : DRAFT 상태의 데이터 삭제 처리

4.5.4. 폐기 데이터

• □ 연구데이터 리포지터리에서 폐기한 모든 연구데이터를 조회
• ① 관리자 메뉴에서 데이터 관리 > 폐기 데이터를 클릭
• ② 제출완료 데이터 목록으로 이동


• ③ 데이터 제목을 클릭하여 데이터의 상세화면으로 이동


• ④ 복원 버튼을 클릭하여 데이터를 복원
• ⑤ 복원 사유를 입력하고 복원 버튼을 클릭
• ⑥ 데이터를 이전 데이터 상태로 복원

4.6. 데이터 점검 및 관리

• □ 연구데이터 리포지터리에 등록되어 관리되는 파일 데이터를 전사적으로 점검
• ① 파일 데이터의 점검 이력 목록 조회


• ② 점검시작 버튼을 클릭하여 데이터 점검을 실행
• ③ 점검에 대한 상세정보는 점검이력을 클릭하여 확인


• ④ 점검결과 상세 조회
• ※ 전체 체크썸불일치 정상 탭으로 구분하여 결과 조회 가능

4.7. 연구데이터 통계 정보 관리

• □ 연구데이터 리포지터리의 관리자 메뉴에서는 첫 화면으로 전체 데이터 현황을 파악할 수 있 는 현황판(DashBoard)를 제공
• □ 관리자 메뉴에서 DashBoard 를 클릭하여, 데이터 현황을 조회
• ※ 시스템에 제출 된 전체 연구 데이터에 대한 현황을 컬렉션 및 스키마별로 파악


• □ 연도별 월별로 제출 완료된 연구데이터 현황을 제공



• □ 등록 데이터 통계
• ※ 컬렉션별/등록자별 등록 데이터 통계 제공, 통계대상, 통계 유형, 통계 기간을 조건으로 등 록 데이터 조회 가능

4.8. 연구데이터 스토리지 서비스(저장소) 관리

• □ 연구데이터 스토리지는 연구데이터 저장을 위해 관리되며, 리포지터리 관리자는 현재의 저장 소와 저장소에 저장된 연구데이터 파일, 저장소 사용자 계정 관리 가능
• □ 연구데이터 리포지터리를 운영하는 연구기관은 연구데이터 관리 범위와 크기에 따라 연구데 이터 스토리지를 운영 여부를 결정할 수 있으며, 해당 저장소 관리자 또한 리포지터리 관리 자와 별도로 운영을 할 수도 있음.
• □ 저장소 현황 정보 조회


• □ 연구데이터가 실제 스토리지에 저장된 공간을 리소스라 명명하며 이를 관리자 메뉴를 통해 조회 가능함
• ① 연구데이터 전체 리소스 조회


• ② 사용자가 업로드한 파일을 확인할 수 있는 리소스 상세 경로 조회


• □ 사용자의 저장소 정보 조회

• □ 1~2 장에서 기술한 연구데이터 관리를 위해 기관 표준형 연구데이터 리포지터리를 개발하였 으며, 이를 중심으로 본 지침서에서는 연구자가 연구데이터 리포지터리에서 연구데이터 관리 에 필요한 절차 및 기능을 살펴봄
• □ 5.1 절에서는 연구데이터 리포지터리 활용을 위한 사용자 등록 기능을 기술하며, ORCID, KAFE ID 연합 인증 등의 타 사이트에 등록된 연구자의 정보로도 연구데이터 리포지터리 사 용 가능
• □ 5.2 절에서는 연구데이터 제출 절차가 연구데이터 리포지터리 상에서 실제 어떻게 구현되어 있는지를 살펴보며, 해당 절차는 연구데이터 관리 기관의 특성에 따라 수정될 수 있음.
• □ 5.3 절에서는 연구데이터 검색 절차에 대해서 살펴보며, 연구데이터의 특성에 따라 색인하는 데이터의 요소는 다를 수 있으며, 본 지침서에서는 필수 요소 중심으로 색인 및 검색을 지원 하는 리포지터리를 구현하였음.
• □ 5.4 절에서는 연구데이터 공유.활용 절차에 대해서 알아보며 , 제출 연구자의 데이터 공개 여 부에 따라 검색 연구자가 데이터를 요청 및 승인하는 절차에 대해서 연구데이터 리포지터리 의 예를 활용하여 살펴봄.

5.1. 연구데이터리포지터리 이용자 등록

• □ 표준 연구데이터 리포지터리에 자료를 제출하기 위해서는 이용자 정보를 등록이 필요
• □ 이메일, 이름, 비밀번호를 입력하여 이용자 등록 가능


• □ 이메일 인증 등으로 회원 가입 확인 가능

5.1.1. 사용자 인증(ORCID, KAFE, ID/PASSWORD)

• □ 연구데이터 리포지터리에 이용자 등록은 외부에 기 등록된 ORCID, KISTI KAFE에 가입된 사용자 정보를 활용할 수 있음.

5.2. 연구데이터 리포지터리 데이터 제출

• □ 제출 권한이 있는 사용자가 연구데이터를 리포지터리에 제출
• □ 연구데이터 제출 절차
  • ① 제출권한이 있는 데이터 제출 연구자가 컬렉션 및 스키마 선택
  • ② 메타 데이터 작성 후, 연구데이터 제출
  • ③ 연구 데이터 승인자의 승인을 받은 후, 제출완료
  • ④ 리포지터리 관리자는 데이터 제출 및 승인 권한 관리, 리포지터리 컬렉션 및 스키마 생성을 담당

5.2.1. 연구데이터 제출

• ① 메인 화면에서 Submit Data 링크 클릭 시 데이터 유형 등록 화면이 출력되며, 제출할 데이 터의 컬렉션과 스키마 정보를 입력
  
  
• ② 데이터 유형 등록 화면에서 다음 단계를 클릭하면 메타데이터 등록 화면이 선택된 스키마에 따라 입력 데이터 항목이 다르게 출력
• - 메타데이터 입력사항은 전체/필수 체크를 통해 메타데이터 입력 양식을 유동적으로 확인 가능
  
• ③ 연구데이터의 원천 데이터에 해당하는 파일과 관련 정보를 입력
  
  
• 1)로컬 파일을 웹 인터페이스를 통해 입력 시
  - ‘파일 업로드’ 버튼 클릭시, ‘로컬파일’ 탭에서 파일 추가 버튼 클릭하여 연구자 컴퓨터에 저 장된 데이터를 리포지터리에 제출
  
  
• 2) WebDAV 프로토콜로 연구데이터 스토리지 저장소에 데이터 저장 시
• - ‘저장소 모듈‘ 탭은 연구데이터 리포지터리 시스템에서 스토리지를 사용하고, 로그인한 이용 자가 스토리지 사용자로 설정 된 경우 표시됨.
• - 연구데이터 스토리지에 미리 업로드 된 파일을 선택하여 연구데이터를 제출 가능
• - 연구데이터 스토리지에 접속 및 데이터 업로드를 위해 WebDAV 방식 기반의 데이터 관리 툴 활용 가능
• - 아래 그림은 MacOS 에서 WebDAV 방식으로 접속하여 위성영상 데이터를 저장소 모듈을 통 해 업로드한 예제임


• 3) 파일 관련 정보 선택
• - 파일 유형, 자료유형, 파일 공개 여부 선택 가능
• - 파일 공개 여부에 따라 사용자에게 파일 다운로드 가능
• ④ 공개 및 라이선스 정보를 입력, 데이터 공개 여부에 따라서 데이터 공개 설정 가능
• - 공개 구분, DOI 출판, CC 라이선스 이용안내 저작권 자료 사용시 주의사항 입력 가능


• ⑤ 메타데이터의 DOI 4)출판 여부 및 엠바고 설정이 가능합니다. 엠바고 설정을 하면 엠바고 설정 일자 이후 데이터가 공개구분에 따라 검색 됩니다. DOI 출판은 데이터셋의 승인이 되 는 시점에 출판됩니다.


• ⑥ 임시저장, 제출취소, 다음단계 버튼 클릭을 통해 다음단계로 진행
• - '임시저장' 버튼 클릭 시 현재 등록 중인 정보를 임시로 저장, 임시 저장된 데이터는 'DRAFT 데이터 보기' 메뉴를 통해 조회 및 제출 작업 재개 가능
• - '제출취소' 버튼 클릭 시 현재 등록 중인 정보 삭제
• - '다음단계' 버튼 클릭 시 필수항목에 대한 조건 검사 후 '데이터 확인' 화면으로 이동

5.2.2. 연구데이터 업데이트

• □ 제출 완료 된 연구 데이터는 아래와 같은 절차로 업데이트 가능
• ① 메인화면에서 Submit Data를 클릭 행
• ② 화면 상단의 제출완료 데이터를 클릭 및 제출완료 된 데이터 목록 조회
• ③ 데이터를 클릭하면 상세화면으로 이동되고, 데이터 수정 버튼을 클릭
• ④ 데이터 수정사유 입력창에 사유를 입력하고 '수정하겠습니다’ 버튼을 클릭


• ⑤ 제출완료 된 데이터의 메타 데이터와 파일 데이터가 복사되어 새로운 제출데이터를 생성
• ⑥ 데이터 제출과 동일한 과정으로 데이터를 제출

5.2.3. 작성 중인 연구 데이터 조회

• □ 연구데이터 리포지터리에서는 데이터 제출 중 임시 저장된 데이터 목록 조회가 가능하여, 리포지터리로 로그인한 사용자가 제출한 데이터에 한정하여 조회할 수 있음.
• ① 메인화면에서 Submit Data를 클릭
• ② 상단의 DRAFT 데이터를 클릭
• ③ 사용자가 제출 중인 데이터 목록을 조회
• 1) 삭제 버튼 클릭 시 선택 된 임시저장 데이터 삭제(Draft 상태의 데이터만 가능)
• 2) 임시저장 데이터 제목 클릭 시 선택된 데이터의 제출하기 화면으로 이동

5.2.4. 승인대상 연구 데이터 조회

• □ 승인 권한이 있는 사용자가 연구데이터 리포지터리에 로그인 시, Draft 데이터 중 승인 대기 중인 데이터를 조회가 가능함
• ① 메인화면에서 Submit Data를 클릭
• ② 상단의 승인대상 데이터를 클릭
• 1) 이력 보기 버튼 클릭 시 선택한 데이터의 이력을 조회

• ③ 데이터의 제목을 클릭하면 데이터의 상세화면으로 이동
• ④ 승인 또는 반려 버튼을 클릭하여 승인 대기 상태의 데이터를 처리
• 1) 반려 클릭 시 반려 사유를 입력하여 제출자에게 반송

5.2.5. 제출완료 연구 데이터 조회

• □ 연구데이터 리포지터리에서는 리포지터리에 로그인한 연구자가 제출 완료한 연구 데이터를 조회 할 수 있음.
• ① 메인화면에서 Submit Data를 클릭
• ② 상단의 제출완료 데이터를 클릭
• 1) 이력 보기 버튼 클릭 시 선택한 데이터의 등록 이력을 조회


• ③ 연구 데이터 제목 클릭 시, 데이터의 상세화면으로 이동
• ④ 데이터 수정 클릭 시, 연구데이터의 업데이트 버전을 제출할 수 있음.

5.3. 연구데이터 리포지터리 데이터 검색

• □ 연구데이터 리포지터리에서는 승인 된 데이터 브라우징 및 검색 기능을 컬렉션, 제목, 승인 별로 제공하며, 리포지터리를 운영하는 연구기관과 연구데이터 특성에 따라 데이터 브라우징 및 검색 기능은 달라질 수 있음.

5.3.1. 데이터 조회
5.3.1.1. 컬렉션별 브라우즈

• □ 메인 화면에서 BROWSE 링크를 클릭하면 컬렉션별 브라우즈 화면이 조회
• □ 컬렉션이란 데이터를 관리하기 위한 데이터셋의 묶음을 의미하며, 하위 컬렉션을 포함할 수 있음.
• □ 브라우즈 결과는 사용자의 데이터 접근 권한에 따라 달라질 수 있음.


• □ 특정 컬렉션을 클릭하면 컬렉션에 속한 컬렉션이 표시되며, 해당 컬렉션에 속한 데이터셋 목 록이 조회

5.3.1.2. 제목별 브라우즈

• □ 메인 화면에서 BROWSE 링크를 클릭하면 브라우즈 화면이 조회됨
• □ 제목별 탭을 클릭하여 데이터 확인 가능
• □ 제목 및 수행일별로 정렬 가능함

5.3.1.3. 승인일별 브라우즈

• □ 메인 화면에서 BROWSE 링크를 클릭하면 브라우즈 화면이 조회됨.
• □ 승인일 탭을 클릭하여 데이터 확인
• □ 연구자가 데이터셋을 제출하고, 데이터셋 검증이 완료 된 시점을 승인일로 기준을 정함.
• □ 제목 및 승인일별로 정렬이 가능함.

5.4. 연구데이터 공유·활용
5.4.1. 소셜 네트워크 연구데이터 인용

• □ 연구 데이터 공유를 위해 연구 데이터의 메타 데이터 정보를 소셜 네트워크에서 인용할 수 있음.
• □ 연구데이터 리포지터리에서 사용자가 제출 완료한 연구 데이터(데이터셋) 의 상세화면에서는 E-Mail,트위터,텀플러,페이스북, Mendeley 공유를 지원함.


• □ SNS 공유 미리보기에서 데이터명 제출자 승인일,DOI가 출력되며, Share 기능을 통하여 사용자의 SNS에 데이터셋 정보를 공유 가능

5.4.2. 메타데이터 Export 방법

• □ 데이터셋 상세화면에서는 메타데이터의 Export 기능을 제공
• □ JSON 및 Dublin Core Export는 해당 데이터의 형식에 맞추어 화면에 텍스트로 출력
• □ Excel은 메타데이터의 구조 형태로 다운로드

5.4.3. 데이터 파일 요청관리

• □ 연구데이터 리포지터리에서는 파일에 대한 접근 권한이 없는 사용자가 파일 다운로드 요청 을 한 경우, 이를 조회할 수 있음.
• ① 메인화면에서 Submit Data를 클릭
• ② 상단의 데이터 파일 요청관리를 클릭
• ③ 비공개 엠바고 파일에 대한 나의 요청 및 내게 들어온 요청을 관리
• ④ 내게 요청된 파일에 대하여 승인 및 거절 가능
• ⑤ 요청한 파일 데이터가 승인처리가 되면 파일을 다운로드