IoT and Data Governance in Long-Term Environmental Monitoring

Abstract

Bruken av intelligente teknologier, IoT enheter, i forskning har bidratt til å gjøre arbeid med miljøforskning lettere og mer tilgjengelig, da det er mulig å måle nesten det en vil til en lav pris. Eksempler på intelligente teknologier er sensorer som måler temperatur, fuktighet eller trykk, kameraer og akustiske enheter slik som ekkolodd, og de er intelligente fordi de kan levere data automatisk uten behov menneskelig interaksjon. Automatiske innsamlinger av sanntidsdata, ofte fra enheter med ulik kvalitet og følsomhet, fører imidlertid til lagring av omfattende mengder med rådata. Som et resultat av dette må forskere kontinuerlig forsikre seg om at enhetene er kalibrerte, og gjøre dataene pålitelige, lesbare og meningsfulle med hensyn til konteksten.

For å gjøre forskning gjennomførbart, er forskningsstasjoner – som også kan bli referert til som forskningsinfrastrukturer – noen ganger avhengige av finansiering via styrende institusjoner som for eksempel ESFRI og Forskningsrådet i Norge. For å motta finansiering – og med et økt fokus på åpen datadeling mellom forskningsinfrastrukturer, stilles det høyere krav til datadokumentasjon i henhold til de standarder og krav som myndighetene setter. Dette er med på å påvirke forskeres datastyringsarbeid.

Forskningen som er gjort i dette prosjektet har som mål å bidra med empirisk innsikt i hvordan intelligente teknolgier brukes på forskningsstasjoner for miljøovervåkning, og hvordan forskeres arbeid påvirkes av økt bruk av teknologi i overvåkning. Det er undersøkt hvordan forskere opplever retningslinjene satt av forskningsinstitusjoner om hvordan dataene skal dokumenteres, og hvordan deres dataarbeid må tilpasses deretter.

Det er gjennomført et casestudie av utvalgte forskningsstasjoner for miljøovervåkning i Norge, og studien baserer seg på kvalitative data fra strukturerte og semi-strukturerte intervjuer og relevante dokumenter fra myndighetene slik som strategidokumenter, retningslinjer og veikart. Funnene er basert på informasjon fra intervjuer av informanter som til daglig arbeider på forskningsstasjoner for miljøovervåkning som dataledere, forskningssjefer, forskningskoordinatorer eller miljøforskere.

Funnene viser at IoT basert miljøovervåkning er muliggjort av datastyringsarbeid, med etablerte prosesser for å sikre at store sett av rådata blir gjort pålitelige, lesbare og meningsfulle for å støtte fremtidig gjenbruk og tolkning. Prosessene er påvirket av retningslinjer, prosedyrer og standarder for hvordan dataene skal samles inn og håndteres, som er med på å påvirke forskeres arbeidspraksiser. På grunn av begrensninger i tid, finansiering og ressurser, viser funnene imidlertid at det kan være vanskelig å ha ønsket kvalitet i forskernes vitenskapelige arbeid.

The use of intelligent technologies, particularly IoT devices, in research has contributed to more accessible and available monitoring of the environment with the possibility of monitoring almost anything with low costs. Examples of intelligent technologies used in environmental research are sensors monitoring temperature, humidity or pressure, cameras, and acoustic devices like echo sounders. The devices are intelligent because they can automatically deliver data without human interaction. However, automatic collections of real-time data from sensor devices with heterogeneous quality and sensitivity lead to extensive raw data storage. Subsequently, researchers must ensure that the devices are calibrated and ensure that the data are trustworthy, readable, and meaningful to the context.

To make research feasible, research institutions – which can also be referred to as research infrastructures – sometimes are dependent on receiving funding from governing institutions such as ESFRI and the Research Council of Norway. In order to receive funding – and with an increased focus on open data sharing between research infrastructures, researchers must adapt to the governments' guidelines and requirements to document their research, influencing their data governance activities.

This research aims to contribute empirical insights into the use of intelligent technologies at research infrastructures for environmental monitoring and how researchers' work is affected by the increased use of technology in monitoring. Additionally, researchers' experience adapting to guidelines and requirements on data documenting is also investigated.

It is conducted a case study of selected research infrastructures for environmental research in Norway. The study is based on qualitative data collected from structured and semi-structured interviews and relevant documents from governing institutions such as strategy documents, guidelines, and roadmaps. The findings are based on information retrieved from interviews of data managers, environmental researchers, research coordinators, and research managers that daily work at research infrastructures for environmental monitoring.

The findings show that IoT-based environmental monitoring is enabled by data governance with the established processes to translate raw, often big data sets, into reliable, readable, and meaningful information to support future reuse and interpretation. The processes are affected by policies, procedures, and standards on collecting and managing the data that consequently affect researchers’ work practices. However, due to constraints in time, funding, and resources, the findings also show that it can be challenging to have the desired quality in researchers’ scientific work.