公開はゴールではなく、長い後半戦の始まりに過ぎない。データセットが参照され続けるためには、更新と版の管理、リンクの維持、形式の陳腐化への対処、そして誰が何をしたかの記録が必要になる。地理・画像・三次元のデータはとくにファイルが大きく、形式の変化も速く、閲覧や配信に専用の仕組みを要するため、これらの課題がより切迫した形で現れる。

更新・版管理・撤回

データセットは公開後も修正や拡張が生じる。どの版がいつ公開され、何が変わったかの記録がないと、引用した研究者が後から同じデータを参照できなくなる。版に識別子を対応づけて引用可能にする設計については「識別子とデータ引用」を参照。

撤回も同じく記録の問題である。データを非公開に戻した場合、その事実と理由を残さないと、リンクが単純に切れたのか意図的に下げられたのかが判断できなくなる。公開可否の判断基準については「公開できるもの・できないもの」を参照。

リンクが切れること、形式が読めなくなること

公開したデータへの参照が時間とともに壊れていく経路は二つある。URL が無効になることと、形式が将来のソフトウェアで読めなくなることである。

URL の維持については、DOI や ARK のような永続識別子の解決サービスをどう長期にわたって運営するかという問いがあるが、この問いを正面から論じた記事は本節に紐づいていない。識別子の設計自体は「識別子とデータ引用」が扱う。

形式の陳腐化は、とくに三次元データで顕著に現れる。バム遺跡の三次元復元では、公開に際してメタデータをオントロジーに基づいて記述し、Dublin Core などの標準語彙と Object ID を組み合わせ、RDF ストアと Apache Jena による API を整備した [UC-020 §メタデータの管理と公開]。標準ベースの記述は、形式が変わった場合にもメタデータの意味を保つ方向に働く。一方でホスティング環境の変化には別の対処が必要になる。同プロジェクトではデータを公開していたが、そのサイトへのリンクはその後切れている [UC-020 §関連リンク]。長期公開の設計が整っていても、配信先の維持は独立した問題として残る。

誰が何をしたかの記録

データの来歴と処理の記録は、再利用と検証の前提になる。バム遺跡の事例では、オントロジーの設計を担った共同研究者の役割が明示されており、Protégé を用いたメタデータ作成のプロセスも記録されている [UC-020 §メタデータの管理と公開]。誰がどの処理をどの道具で行ったかを残すことで、後からそのデータを使う研究者は処理の信頼性を評価できる。

地理・画像・三次元のデータに固有の難しさ

ファイルサイズが大きい、形式の変化が速い、閲覧に専用の配信基盤が要る、という三点は、地理・画像・三次元のデータに共通して現れる。三次元データの具体的な形式と処理については「三次元の計測と復元」を参照。

配信の仕組みの側では、メタデータの標準化とともに RDF ストアや API のような技術基盤の整備が伴うことが、バム遺跡の事例から読み取れる [UC-020 §メタデータの管理と公開]。こうした基盤は、データを一度公開するだけでなく機械的に参照可能な状態で維持するために必要だが、その運用コストと担い手の確保については、この事例からは詳細が読み取れない。