Úvod do m anagementu dat Jindřich Krejčí Sociologický ústav AV ČR, ČSDA Doktorandský seminář Katedry sociologie FF UK 28. listopadu.

Prezentace na téma: "Úvod do m anagementu dat Jindřich Krejčí Sociologický ústav AV ČR, ČSDA Doktorandský seminář Katedry sociologie FF UK 28. listopadu."— Transkript prezentace:

1 Úvod do m anagementu dat Jindřich Krejčí Sociologický ústav AV ČR, ČSDA jindrich.krejci@soc.cas.cz Doktorandský seminář Katedry sociologie FF UK 28. listopadu 2012, Sociologický ústav AV ČR Český sociálněvědní datový archiv Sociologického ústavu AV ČR, v.v.i. Jilská 1, 110 00 Praha 1, Česká republika; http://archiv.soc.cas.cz

2 SDÍLENÍ DAT DATA A KONCEPCE VÝZKUMU MANAGEMENT DAT V PRŮBĚHU ŘEŠENÍ PROJEKTU

3 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 3 Literatura Humprey, Ch. 2006. e-Science and the Life Cycle of Research. http://datalib.library.ualberta.ca/~humphrey/lifecycle-science060308.doc http://datalib.library.ualberta.ca/~humphrey/lifecycle-science060308.doc ICPSR. 2012. Guide to Social Science Data Preparation and Archiving. Best Practice Throughout the Data Life Cycle. 5-th Edition. Ann Arbor:ICPSR http://www.icpsr.umich.edu/files/ICPSR/access/dataprep.pdfhttp://www.icpsr.umich.edu/files/ICPSR/access/dataprep.pdf Eynden, V., L. Corti, M. Woolard, L. Bishop, L. Horton. 2011. Managing and Sharing Data. Colchester: UK Data Archive (UKDA). http://www.data- archive.ac.uk/media/2894/managingsharing.pdfhttp://www.data- archive.ac.uk/media/2894/managingsharing.pdf Sekce Management dat na Webu ČSDA http://archiv.soc.cas.cz/articles/cz/95/MANAGEMENT-DAT.html http://archiv.soc.cas.cz/articles/cz/95/MANAGEMENT-DAT.html Sekce Sharing data na Webu CESSDA http://www.cessda.org/sharing/ http://www.cessda.org/sharing/

4 Krejčí, J., Y. Leontiyeva (eds.). 2012. Praha: SLON (v tisku). ► I. MANAGEMENT DAT VE VÝZKUMNÉM PROJEKTU A ARCHIVACE DAT Koncepce správy dat a výzkumný projekt (Krejčí) Založení a správa datového souboru v průběhu výzkumného projektu (Krejčí) Standardy dokumentace a archivace dat (Krejčí a Vávra) Sociálněvědní datové archivy: jejich úloha, služby a nástroje (Vávra a Čížek) Standardizace proměnných v sociálněvědním výzkumu (Vávra a Leontiyeva) Mezinárodní klasifikace vzdělání a problémy při aplikaci (Soukup) Měření sociálního statusu a sociálních tříd na základě povolání (Šafr a Holý) ► II. ZDROJE DAT PRO SOCIÁLNĚVĚDNÍ VÝZKUM Mezinárodní sociálněvědní komparativní výzkum a ČR (Krejčí, Chylíková) Datová základna české sociologie (Čížek) Data z výzkumů volebního chování v České republice (Lyons) Data z komparativních politologických šetření (Lyons) Šetření ČSÚ a statistiky trhu práce (Mysíková) Přehled výzkumů o rodině (Hamplová) Mezinárodní výzkumy v oblasti vzdělávání (Soukup) Statistiky a výzkumy imigrantů aneb Jak srovnávat nesrovnatelné (Leontiyeva, Chytil) Výzkumy věnující se podobám religiozity v České republice po roce 1989 (Váně) Výzkum kriminality (Podaná)

5 Coming soon Lyons, P. 2012. Theory, Data and Analysis. Data Resources for the Study of Politics in the Czech Republic. Praha: SOÚ. (In Print) ► Theories of Political Attitudes and Public Opinion ► Origins and Nature of Political Attitude Surveying ► Election Survey Research ► Comparative Survey Research ► Elite Survey Research ► Expert and Manifesto Data Research ► Interpretation of Political Survey Data ► Conceptualising Survey Data and Interpretation of Questionnaire Responses

6 SDÍLENÍ DAT

7 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 7 Data nejnižší úroveň abstrakce, z níž je odvozeno poznání mnoho druhů dat (různé terminologie) pouze digitální data / digitální i analogová data a materiály pořízeny za účelem analýzy k vytváření a validizaci původních výzkumných výsledků ► v určitém kontextu data, v jiném to nejsou data účely využití se mohou v průběhu života dat měnit primární data vs. odvozená data (různé chápání - datové matice, kódování inerview jako sekundární) ; primární vs. sekundární analýza

8 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 8 Sdílení dat dopad na proměnu výzkumného prostředí velké množství dat nové typy dat snadná dostupnost přes internet význam sekundární analýzy význam spolupráce ve výzkumu sdílení dat  management dat ► při přípravě a vytváření databáze je třeba počítat se zveřejněním, sdílením a sekundární analýzou

9 Snímek 9 Formální rámec sdílení dat

10 Snímek 10 Otevřený přístup k výzkumným datům “otevřenost znamená přístup za rovných podmínek pro mezinárodní vědeckou komunitu za nejnižší možnou cenu, nejlépe nepřesahující mezní náklady distribuce. Otevřený přístup k výzkumným datům z veřejného financování by měl být snadný, časově nenáročný, uživatelsky přívětivý a nejlépe založený na Internetu.” (OECD Principles and Guidelines for Access to Research Data... http://www.oecd.org/dataoecd/9/61/38500813.pdf) http://www.oecd.org/dataoecd/9/61/38500813.pdf pouze výzkumná data vzniklá z veřejných fondů za účelem veřejně přístupného vědeckého výzkumu omezení ► ochrana soukromí osob a osobních údajů ► ochrana obchodních tajemství a duševního vlastnictví ► zajištění národní bezpečnosti ► ochrana ohrožených druhů ► nenarušení právních jednání (sub judice) ošetření autorských práv technické bariéry - chybějící infrastruktura...

11 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 11 Koncept - cyklus života dat

12 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 12 ICPSR - fáze managementu dat Zdroj: ICPSR 2009

13 DATA A KONCEPCE VÝZKUMU

14 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 14 Data management a projekt výzkumu využití existujících databází pro sekundární analýzu příprava vlastních výzkumných nástrojů ► dotazníky z dokumentace dat ► využití existujících dat při ověřování zajištění formálních a legálních předpokladů pořízení dat a práce s daty design správy dat; pořádek -> usnadnění analýzy, předcházení chybám

15 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 15 Review datových zdrojů při psaní projektu Existují data, která mohou odpovědět na naše výzkumné otázky? Je možné srovnání s existujícími daty? Pokud ano, jsou tato data dostupná a za jakých podmínek? Jsou tato data dostatečně srozumitelná, komplementární a kvalitní? Jaká data pro zodpovězení našich otázek postrádáme? Pokud jsou dostupná srovnatelná data, je potřeba záměry srovnávání zohlednit v našich metodikách? Byly již dříve realizovány podobné výzkumné záměry či metodické postupy nebo využity relevantní výzkumné nástroje? Pokud ano, je k nim dostupná nějaká dokumentace? Je možné tuto dokumentaci využít při koncipování našeho výzkumu?

16 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 16 Etika etické kodexy a normy (např. WAPOR, ESOMAR, ISO 20252:2006...) ► respondenty je třeba chránit před škodlivými dopady výzkumu i po skončení terénu - tj. při archivaci, zpřístupnění a sekundárním používání dat - informace individuálního charakteru jsou důvěrné; zvláště citlivé údaje ► respondenti jsou svéprávní, mají právo znát účel a způsob využití jimi poskytnutých informací a rozhodovat o možnostech jejich využití - tato rozhodnutí je pak nezbytné respektovat. ► vždy je třeba zajistit adekvátní využití získaných informací v souladu se stanoveným účelem - proto, aby úsilí respondentů nevyšlo vniveč; data pořízená z veřejných zdrojů je třeba maximální využít (-> sdílení dat)

17 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 17 Ochrana osobních údajů Zákon č. 101/2000 Sb. ► přímé, nepřímé identifikace ► osobní údaje, citlivé údaje ► informovaný souhlas respondenta ► registrace u Úřadu na ochranu osobních údajů projekt výzkumu ► bude potřeba informovaný souhlas respondentů? pokud ano, v jakém rozsahu? ► budeme data anonymizovat? Úřad pro ochranu osobních údajů (ÚOOÚ), http://www.uoou.czhttp://www.uoou.cz MEDARD, http://medard.soc.cas.cz/http://medard.soc.cas.cz/

18 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 18 Informovaný souhlas respondenta participace dobrovolně a se znalostí a bez nepříznivých důsledků podrobné informace, jednoznačné k čemu se souhlas váže na základě přímého jednání ze zákona: v jakém rozsahu je poskytován komu a k jakému účelu na jaké období kdo jej poskytuje šetření: účel výzkumu co participace představuje k čemu je to dobré, jaká jsou rizika možnost odmítnout specifikace použití dat způsob zajištění důvěrnosti uchování dat kdo, jak a do kdy bude mít přístup k datům

19 Snímek 19 Autorská práva ochrana duševního vlastnictví (IPR) Zákon 121/2000 Sb. databáze ► uspořádání, způsob výběru... - autorské dílo souborné ► už v době vzniku (nemusí být označeno (c)) ► ochrana před ztrátou příjmu a morální újmou způsobenou neautorizovaným šířením ► ochraně podléhá dílo, nikoliv fakta v něm uvedená ► např. u hloubkového rozhovoru je držitelem práv na záznam výzkumník, ale k jednotlivým výrokům informant -> svolení ► práva jsou osobnostní - nepřenosná (právo osobovat si autorství, změny, dohled nad plněním povinností ) a majetková (rozmnožování, zveřejňování, vystavování, půjčování, zpřístupnění) ► postoupení licenční smlouvou (užití omezené/neomezené, jednotlivé/veškeré, výhradní/nevýhradní)

20 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 20...autorská práva ► lze citovat výňatky nebo celá drobná díla v odůvodněné míře pro účely kritiky, recenze, vědecké či odborné práce ► lze využít pro výukové, ilustrační účely (uvádět autora, název a pramen) ► držiteli autorských práv jsou všichni spoluautoři - tedy členové výzkumného týmu, nikoliv pouze hlavní řešitel projektu nikoliv pouze učitel, ale také všichni studenti (ale škola má právo na uzavření licenční smlouvy o užití školního díla) ► porady, technické a administr. či pomocné práce nevedou k autorství ► činnosti dané pracovní smlouvou => zaměstnavatel vykonává svým jménem autorova majetková práva k dílu ► studenti nejsou zaměstnanci univerzity, tj. majetková práva kompletně na univerzitu nepřecházejí ► akademické instituce majetková práva někdy přenechávají svým zaměstnancům ► licence typu Creative Commons (tvůrčí společenství)Creative Commons

21 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 21 Plán managementu dat systematický plán, jak budou data vytvořena a jak s nimi bude zacházeno během výzkumu (které kroky je třeba realizovat v jednotlivých fázích) i po jeho skončení ujasnění východisek výzkumu formalizovaný dokument pro grantovou agenturu vzory dostupné na Webu

22 Rozpočet projektu - co nezapomenout získání informovaného souhlasu anonymizace zabezpečení a přístup k datům digitalizace, transkripce (např. přepis rozhovorů) formátování a správa souborů popis dat a kódování čištění popis kontextu dat dokumentace (zjišťování dokumentace v průběhu procesu nebo dodatečně) metadata (vytváření popisu - dokumentace k datům) formáty souborů (náklady konverze audiovizuálních dat atp.) plánování, rozdělení rolí a odpovědnosti (spolupráce více institucí atp.) operacionalizace (plánování a implementace datového managementu) viz též UKDA/JISC Costing Tool: http://www.data-archive.ac.uk/media/257647/ukda_jiscdmcosting.pdf http://www.data-archive.ac.uk/media/257647/ukda_jiscdmcosting.pdf

23 MANAGEMENT DAT V PRŮBĚHU ŘEŠENÍ PROJEKTU

24 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 24 Cíle managementu dat integrita dat, kvalita dat - přesnost a správnost výzkumu srozumitelnost pro všechny potenciální uživatele efektivita výzkumné práce - čas a náklady autenticita dat - možnost replikace, opravy analýz zajištění legálních a formálních předpokladů výzkumu zabezpečení a zachování dat zpřístupnění dat

25 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 25 Pojmenování datových souborů systematicky, krátké názvy odkazující na obsah a/nebo vznik rozlišení sérií, verzí a edicí (viz dále) konzistentní formát nezávislost jména na lokaci a software ► nepoužívat speciální znaky, místo mezer podtržítka, velká/malá písmena mohou být při převodu nestabilní (převoditelnost mezi systémy)... ► scalability (rozsah kódu odpovídá počtu verzí, y2k problem...) když hodně souborů (např. fotografie) lze použít nástroje na automatické přejmenování (batch renaming), např.: ► Ant Renamer (http://www.antp.be/software/renamer)http://www.antp.be/software/renamer ► RenameIT (http://sourceforge.net/prpjects/renameit)http://sourceforge.net/prpjects/renameit ► Bulk Rename Utility (http://www.bulkrenameutility.co.uk/)http://www.bulkrenameutility.co.uk/

26 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 26 Struktura datového souboru flat file - obdélníkový datový soubor, datová matice hiearchický soubor: záznamy vyššího a nižšího řádu uspořádány v hiearchické struktuře (např. data z šetření domácností, kde v jedné úrovni jsou zaznamenány údaje o domácnostech a v další úrovni údaje o jednotlivých členech domácností) relační databáze: systém datových tabulek a asociací mezi nimi. např. výzkum domácností, kdy údaje členů domácnosti jsou zaznamenány v samostatných tabulkách propojených parametrem reprezentujícím sounáležitost a vztah mezi členy domácnosti (lze např. vyhledávat řádky se shodnými atributy a vytvářet podsoubory)

27 Příklad: SHARE

28 Who answers what in the CAPI questionnaire? mergeid - unique identifier for all waves. “CC-hhhhhh-rr”, “CC” = country code, “hhhhhh”= household identifier, “rr” = respondent identifier within each household hhid identifies the household to which a person belonged when entering the panel hhidW identifies the household, where “W” refers to the specific wave

29 Snímek 29 Proměnné variable names, varible labels řazení a označení dotváří strukturu souboru ► vzájemné vztahy mezi proměnnými ► návaznost na další prvky výzkumu (různé zdroje dat, návaznost na dotazník, jiné soubory atp.) ► pomocné proměnné pro organizaci a správu souboru variable names = volací znaky v software (nezačínat číslem, 8 míst...) => převoditelnost formátu dat přehlednost prezentace dat systémy značení ► číselný kód (V001, V002...) ► kód odkazující na výzkumný nástroj (Q1a, Q1b... ► mnemotechnická jména (BIRTH, EDUC...) variable labels ► srozumitelnost, návaznost na prvky výzkumu (kódy otázek, zdroje dat...), délka, diakritika formát proměnné (typ proměnné, počet znaků) ► možnosti analýzy, velikost souboru

30

31 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 31 Hodnoty proměnných naměřené hodnoty / odpovědi / audio / video / vzorky... numerické kódování - ve všech stat. softwarech => převoditelnost někdy komplikovaný kognitivní proces (teoreticky a analyticky zal.) ► příklad ISCO (Harry Ganzeboom) kódované kategorie by měly být vztaženy k obsahu testovaných hypotéz, nicméně kódovací struktury jsou využitelné ve více výzkumech standardizace dokumentace, značení (value labels) kódování - samostatný proces u složitějších úloh

32 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 32 Doporučení ke kódování Identifikační proměnné na začátku záznamů - jednoznačnost Kódy kategorií vzájemně exkluzivní, vyčerpávající a přesně definované Kódujte v největší možné podrobnosti. Informaci pak lze převést na méně podrobnou, opačně to nejde Uzavřené otázky: kódovací schéma v digitálním formátu, kvůli zabránění omylům Otevřené otázky: jakékoliv kódovací schéma je třeba uvést v dokumentaci Úplné odpovědi v textovém formátu: posouzení dat z hlediska ochrany osobních údajů Kontrola kódování: opětovné zakódování nezávislým kodérem - ověření práce kodéra i kódovacího schématu Série odpovědí: jestliže série odpovědí vyžadují více než jedno místo, je vhodné aplikovat společné kódovací schéma rozlišující hlavní a sekundární kategorie atd. Shodné kódovací struktury pro více znaků - systematicky vytvořené kódovací schéma Přebírání kódovacích struktur z jiných šetření - standardizace

33 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 33

34 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 34 Chybějící hodnoty Žádná odpověď (No Answer, NA) Odmítnutí (Refusal) Neví (Do not Know, DK) Chyba zpracování (Processing Error) Nehodí se (Not Applicable/Inapplicable, NAP, INAP) Chybí přiřazená hodnota (No Match) Chybí údaj jednotný systém kódování

35 Snímek 35 ESS 4

36 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 36

37 Snímek 37 Zajištění integrity vkládání dat - programování software (data-entry, CATI/CAPI) vývoj technologií a změny koncepce designu doporučení ► nepřetěžovat operátory - kódování a vkládání jako samostatné úlohy ► méně kroků - redukce možností vzniku chyb ► specializovaný software umožňuje nastavit platné hodnoty a filtry ► dvojí vkládání a srovnání výsledků. ► provést kontrolu úplnosti záznamů. ► provést logickou kontrolu a kontrolu konzistence dat, např.: kontrola rozsahu hodnot (např. věk respondenta vyšší než 100 let je nepravděpodobný), kontrola nejnižších a nejvyšších hodnot a extrémů, kontrola poměrů souvisejících proměnných (např. dosaženému stupni vzdělání by měl odpovídat věk), srovnání s historickými daty (např. počet členů domácnosti mezi dvěma vlnami panel. výzk.). ► řadu kontrol lze provádět automaticky za pomoci počítače ► určité procento, např. 5 - 10%, by mělo projít podrobnou hlubší kontrolou ► změny by měly být dokumentovány a původní data obnovitelná

38 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 38 Anonymizace ochrana osobních údajů odstranění přímých identifikací - anonymní kódy malé skupiny, nepřímé identifikace ► odstranění ► agregace údajů, redukce podrobnosti geografické a časové informace ► ošetření extrémních hodnot

39 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 39 Vážení Jsou v souboru váhy? Mám je použít? ► typ vah, popis vah (algoritmus), rozsah a průběh (DOKUMENTACE!) ► jaký je výsledek s váhou a bez váhy? Designové váhy: kompenzce rozdílu pravděpodobností výběru jednotek v souboru Vážení výpadků návratnosti: kompenzace rozdílů návratnosti u různých skupin Poststratifikační váhy: dosažení shody rozložení podle známých charakteristik populace Přizpůsobení poměrů skupin: různé skupiny mohou být zastoupené odlišně vzhledem k reálným poměrům (např. kvůli analýze větších celků (Evropa) v mezinárodní databázi) Kombinované, celkové váhy

40 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 40

41 Snímek 41

42 Snímek 42 Dokumentace metadata porozumění - interpretace ► výzkumný tým ► ostatní výzkumníci pravidla, standardy ► ESOMAR, WAPOR/AAPOR... elementy dokumentace předem, protože pořízení podkladů v průběhu celého výzkumu formát dokumentace ► výzkumné nástroje, codebook, syntax, technická/metodologická zpráva, protokol o experimentu, popis transformací, schéma databáze ► mezinárodní standard DDI - standardizovaná struktura, XML formát tři základní úrovně ► projekt ► databáze ► proměnné a případy

43 43 Informace o projektu původ datového souboru ► název výzkumu (včetně zkratek, alternativních, cizojazyčných názvů...) ► institucionální informace (autoři, instituce, sponzoři a čísla grantů, zadavatelé...) ► abstrakt projektu, cíle, koncepty, hypotézy, odkazy na navazující projekty popis a metody sběru dat ► popis všech zdrojů, z nichž jsou data získána ► časové vymezení sběru dat ► časové a geografické pokrytí ► cílová populace ► jednotky pozorování ► popis výběrového designu včetně opory ► metody sběru dat ► původní výzkumný instrument a další materiály použité při sběru dat (zvací dopisy, pokyny pro tazatele atp.) ► použitá klasifikační schémata a koncepty ► návratnost a další vyhodnocení (např. známé odchylky od populace) ► identifikace změn metodiky u časových sérií a longitudiálních výzkumů

44 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 44 Informace o databázi popis datových souborů ► specifikace verze a edice souboru (pokud jich je víc) ► struktura souborů ► specifikace vztahů a propojení ► informace o rozsahu (počet záznamů a proměnných) ► informace o formátech a kompatibilitě. editace a modifikace dat ► metody a výsledky kontrol integrity, validizace, čištění dat, příp. dalších postupů ošetření kvality dat (kalibrace, imputace chybějících hodnot, okontrola a opravy přepisu atp.) ► anonymizace ► transformace a konstrukce odvozených proměnných ► vážení (identifikace proměnných pro vážení a popis metod a jejich konstrukce)

45 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 45...informace o databázi přístup k datům ► vymezení přístupnosti, specifikace podmínek používání, informace o ochraně osobních údajů katalogizační a citační informace ► bibliografická informace, doporučená citace, klíčová slova, katagolizační údaje odkazy na související materiály a zdroje, pokud je to relevantní

46 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 46 Informace o proměnných a případech informace o proměnných v souboru ► jména proměnných ► označení a popis proměnných a jejich hodnot včetně popisu odvozených proměnných ► k dispozici by mělo být přesné původní znění otázky ► frekvence, základní třídění apod. (?) informace o případech v souboru ► specifikace případů, pokud je to relevantní

47 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 47 Verze a edice databáze správa dat, analýzy => více verzí a edicí => strategie jejich správy ► jednoznačná identifikace verzí a edicí, přehled o rozdílech ► zajištění autenticity (zabránit neautorizovaným zásahům) doporučení ► stanovit podmínky používání dat a seznámit s nimi uživatele ► rozlišovat mezi verzemi sdílenými více výzkumníky a prac. verzemi jednotlivců ► zavést jednoznačné a systematické značení verzí a edicí datového souboru ► vést záznamy o vytváření verzí a edicí, jejich obsahu a vzájemných vztazích ► dokumentovat provedené změny ► zachovávat původní verze datových souborů, resp. materiály umožňující rekonstrukce původních souborů (např. syntax) ► stanovit „master file“ a přijmout opatření k zachování jeho autenticity, tj. vhodně jej umístit a vymezit přístupová práva a odpovědnosti, kdo a jaké změny smí provádět ► pokud je více kopií stejné verze, kontrolovat jejich shodnost

48 Krejčí: Úvod do managementu dat; listopad 2012 Snímek 48 Zálohování, formáty a média proces - pravidelné zálohování a obnova ► digitální média z principu nespolehlivá ► software, instituce atd. procházejí změnami + další rizika kratší čas - operabilita ► formáty navázané na kokrétní software, ale lépe jejich transportní verze (SPSS: *.por) ► diakritika => kódování znaků (UTF 8) delší čas ► jednoduché textové formáty (ASCII - fixní/volné) + strukturovaná dokumentace ► PDF/A (archivační verze PDF definovaná ISO) média ► nezáleží jen na typu, ale i kvalitě; náchylnost k fyzickému poškození ► nejméně dvě různé formy archivace ► pravidelné přehrávání na nová média

49 Snímek 49 Děkuji za pozornost a prosím o Vaše otázky