Anna blev klar veterinär 2012 och jobbade några år innan hon kom tillbaka till SLU 2018 och började som doktorand vid institutionen för husdjurens utfodring och vård (numera institutionen för tillämpad husdjursvetenskap och välfärd).
– Jag jobbade till största del i forskningsprojektet INDILACT. Projektet pågår fortfarande med hjälp av finansiering genom Stiftelsen Seydlitz MP bolagen, Stiftelsen Lantbruksforskning och Formas. Målet är att förbättra mjölkkors hälsa och fruktsamhet samtidigt som mjölkproduktionen förbättras, genom att utveckla verktyg för att kunna anpassa hur ofta en ko får en kalv utifrån kons och gårdens förutsättningar.
I projektet arbetade Anna med mycket data och stora dataset, som kom från flera olika källor. Mycket kom från rådgivningsföretaget Växas databas Kokontrollen. Kokontrollen innehåller data från svenska gårdar som används som grund för rådgivning till svenska bönder.
– Databasen innehåller bland annat information om när korna insemineras, när de kalvar, hur mycket mjölk de ger vid provmjölkningar och vad mjölken har för sammansättning. Allt som jag var intresserad av!
Hur man arbetar med data var något som Anna saknade under sin grundutbildning.
– Det kanske kom upp på någon föreläsning, att någon pratade om att det är viktigt med öppenhet och transparens i forskning. Men inte hur man faktiskt gör rent praktiskt.
Som doktorand gick Anna bibliotekets doktorandkurs ”Att söka, hantera och kommunicera vetenskaplig information”.
– Det var en av de bästa kurserna när jag var doktorand. Jag fick med mig många bra verktyg, bland annat grunderna i hur man hanterar data. Det var supernyttigt.
Anna gick även kursen ”Advanced use of Excel” och tyckte den var väldigt matnyttig. Hon önskar dock att det hade funnits fler kurser om datahantering, till exempel om hur man organiserar data, skapar en mappstruktur och skriver metadata på ett tydligt sätt.
– För mig var datahantering en så stor del av doktorandtiden så jag hade önskat mig en ännu djupare kurs. Om jag hade fått börja med en sådan kurs, oj vad mycket tid jag hade kunnat spara!
Anna har publicerat artiklar i framför allt Journal of Dairy Science, som inte vill att data publiceras som supplementärt material utan i ett repositorium. Det var en av motivationerna till varför hon publicerade data öppet, förutom att hon tycker det är viktigt.
– En grund för bra forskning är bra hantering av data. Det är annars svårt att kunna lita på resultaten. Jag tycker att forskning ska vara transparant, och att den ska vara så tillgänglig som möjligt.
Anna nämner också FAIR-principerna, som är internationella riktlinjer för att göra forskningsdata så användbara och återanvändbara som möjligt.
– Jag tycker det är jätteviktigt med FAIR-principerna. Att sprida resultat och metoder vidare, så att andra inte behöver uppfinna hjulet igen, är en stor del av forskningsarbetet. Att något kan användas av andra sparar tid och gör att kunskapsutvecklingen går framåt snabbare.
Anna publicerade data från sina projekt i ett repositorium som förvaltas av Svensk nationell datatjänst (en forskningsinfrastruktur som SLU är med och driver). Eftersom hon inte hade publicerat data tidigare tog hon hjälp av SLU-biblioteket och SLU:s stödfunktion för datahantering.
– Det var fantastiskt vilken hjälp jag fick. Med allt, varje steg, lugnt och fint.
Eftersom stora delar av de data Anna arbetade med kom från ett företag skrev hon ett avtal om hur de kunde användas. Till exempel hade hon fått data från 20 gårdar och får enligt avtalet inte publicera information som gå att koppla information till en enskild gård. I stället för att tillgängliggöra alla data publicerade därför Anna metadata, alltså beskrivningar av data.
– Den här databasen, Kokontrollen, är jätteviktig, både för Växa och för gårdarna själva. Vi på SLU är också måna om att ha ett bra samarbete med dem. Den data de samlar in är extremt värdefull för oss, och vi hoppas förstås att vår forskning även är viktig för dem.
Annas erfarenhet av att arbeta med Kokontrollen blev även en viktig del i utvecklingen av SLU:s infrastruktur för kodata, Gigacow. Ett samarbete som nu fortsätter i hennes nya roll vid Seydlitzlaboratoriet vid SLU, där hon jobbar med att använda och tillgängliggöra data från 15 kommersiella mjölkproducenter som valt att dela med sig av sina data i forskningssyfte. Dessa data är tillgängliga både för forskare vid SLU samt för externa forskare.
Även om data inte kan publiceras öppet måste de arkiveras. Anna såg därför till att dataseten från projektet blev arkiverade hos SLU.
– Vi har ju krav som forskare på en statlig myndighet att arkivera våra data. Om man till exempel misstänker något fusk ska det ju gå att ta del av data, men i detta fall krävs en sekretessprövning eftersom vi har avtalen med Växa och gårdarna. Från SLU:s arkiv har vi också fått en identifierare, en så kallad handle, som man kan referera till metadata med i exempelvis en artikel, tillsammans med information om att tillgången till data i detta fall kan vara begränsad.
I den första studien gjorde Anna mycket av databearbetningarna i Excel och statistiska analyser i R, men efter att ha läst statistikkurser började hon använda R mer.
– På ett av de första kurstillfällena frågade de vilka som skulle använda SAS och en räckte upp handen. Sen frågade de vilka som ska använda R och alla andra räckte upp handen, så jag tänkte att det är nog framtiden och bäst att jag också lär mig det. Det var den första kontakten jag hade med R och det var superbra och det är jag väldigt glad för.
I den andra studien använde Anna R också för databearbetningar, till exempel för att aggregera data när hon preparerade sitt dataset. Hon inkluderade också skript för R i publikationerna av metadata.
– Det känns väldigt öppet och reproducerbart när man har ett R-skript som gör allt. Det blir tydligt att någon annan kan göra motsvarande. Det tog mycket tid eftersom jag var ny på R, men nu har jag stor nytta av det.
När hon lärde sig R tog Anna hjälp av ChatGPT.
– Om man får ett felmeddelande i R kan man, i stället för att sitta och googla väldigt länge, fråga ChatGPT och så får man en färdigrättad kod. Men som alltid med en AI-chatt kan man aldrig lita fullt ut på resultatet. Man måste ha kunskapen att se om den missar något eller om det blir som man har tänkt.
Anna påpekar också att det finns andra nackdelar med AI-tjänsterna.
– Till exempel går det åt mycket energi. Och man måste vara försiktig, man kan till exempel inte lägga in känsliga data för det finns risk att den samlas in och kommer på avvägar. Men när det gäller ren kod har jag inga problem, för det är metodiken, jag tänker att det är bara bra om den sprids och kanske kan vara till nytta för någon annan.
Nu jobbar Anna i ett nytt projekt där hon kollar på lite andra delar av samma data, och hon upplever att hon har nytta av tiden hon la på datahantering.
– Jag har strukturen på data klar och en databeskrivning jag kan referera till, där det står hur data har samlats in. Jag har också nytta av dokumentationen. Man tänker gärna att det är självklart att man kommer ihåg, men sen två veckor senare, eller bara dagen efter, undrar man ändå hur man gjort.
Till Vårt SLU
Intevju: Hanna Östholm. Text: Simon Hallstan.
