TY - GEN A1 - Burblies, Christine A1 - Krüger, Nicole A1 - Pianos, Tamara T1 - "Guckt mal was ich kann!" - Digitale Badges als Microcredentials für Informationskompetenz T2 - Hands-On Lab digital / "Guckt mal, was ich kann!" – digitale Badges als Microcredentials für Informationskompetenz (27.05.2020, 14:00 - 16:00 Uhr, Konferenzraum 15) N2 - Digital Badges, Open Badges oder auch Microcredentials sind Zertifikate oder Lernabzeichen, die in sozialen Medien geteilt werden können. In das Badge eingebettet sind Informationen zur eindeutigen Zuordnung der Person, über die Institution, die das Badge vergibt und die erworbenen Kenntnisse. Diese "Abzeichen" stellen eine besondere Form der digitalen Zertifizierung dar, die über klassische "Scheine" und Zeugnisse hinausgehen. Badges werden insbesondere für Leistungen außerhalb der curricularen Studienleistung vergeben. Mit ihnen werden Eigeninitiative und die Fähigkeit zu lebenslangem Lernen unter Beweis gestellt. So können zukünftige Arbeitgeber*innen beispielsweise auf den Profilen in beruflichen Netzwerken wie XING oder LinkedIn erkennen, welche speziellen Kenntnisse erworben wurden. Derzeit werden Open Badges im Wesentlichen im anglo-amerikanischen Raum eingesetzt. In Deutschland vergibt z.B. die Haufe Akademie für betriebswirtschaftliche Qualifikationen Open Badges. In deutschen Bibliotheken sind sie bisher noch wenig zu finden. In dem geplanten Workshop möchten wir uns mit den Teilnehmer*innen über diese Form der Zertifizierung austauschen. Wir wollen gemeinsam ausloten, welchen Mehrwert Digital Badges für die Sichtbarkeit von Schlüsselkompetenzen im Bereich Informationskompetenz haben können. Wir wollen diskutieren, wie neue Anreizsysteme die nachgefragten "Future skills" bedienen können und wie Studierende auf Anforderungen im Studium und auf dem Arbeitsmarkt vorbereitet werden können. Erfahrungen von Bibliotheken in den USA bieten eine Grundlage für die Diskussion. Des Weiteren werden erste Erfahrungen mit der Realisation eines Badges in Badgr geteilt. Während des Workshops lernen die Teilnehmer*innen zudem etwas über die Plattform Badgr und kreieren ihr erstes Badge. Wir wünschen uns von den Teilnehmer*innen aktive Mitarbeit und ermöglichen dies durch: Diskussion, Austausch und Ideensammlung zum Einsatz von Badges im IK-Kontext. Y1 - 2020 ER - TY - GEN A1 - Pianos, Tamara A1 - Hajra, Arben T1 - Von Weit bis Nah: Author Profiles für die Wirtschaftswissenschaften - GND und co als Basis für automatisch erstellte Profile T2 - Themenkreis 5: Content und Digitalisierung / Sacherschließung heute – kooperativ und automatisiert II (26.05.2020, 16:00 - 18:00 Uhr, Blauer Saal) N2 - Die EconBiz Author Profiles nutzen Normdaten und verlinkte Datenquellen, um möglichst umfassende Profile von Autor*innen in den Wirtschaftswissenschaften automatisch zu erstellen. Dabei werden alle relevanten Daten, die über Linked-Open-Data (LOD) oder andere Dienste bereit stehen und über Normdaten zusammengeführt werden können, genutzt. Darüber hinaus dienen die Publikationsnachweise, die über die EconBiz-API bezogen werden, als Grundlage für thematische Tag-Clouds und Co-Author-Networks. Der Entity Facts Service der Deutschen Nationalbibliothek (DNB) sowie Wikidata fungieren als Quellen. Wobei Wikidata gleichzeitig als Hub zur Verlinkung weiterer Profile und Informationen sowie teilweise zur Bereitstellung von Fotos genutzt wird. Die Gemeinsame Normdatei (GND) ist der Dreh- und Angelpunkt für die weiterführenden Verlinkungen. Neben einer Liste mit Träger*innen des Ökonomie-Nobelpreises und anderen Auswahloptionen, ist die LOBID-Suche für eine Recherche nach Personen eingebunden. In diesem Beitrag werden die einzelnen Services wie beispielsweise thematische Suchoptionen mit Hilfe der Tagcloud vorgestellt. Da nicht 100% der eingebundenen Quellen über GND-IDs verfügen, stellt sich immer wieder die Frage nach dem besten Weg: GND- oder Stringsuche? Überdies präsentieren wir unsere Überlegungen, das Problem der fehlenden GNDs mittelfristig durch automatische Ergänzungen zu umgehen. Die Profile werden seit September 2019 als Beta-Service im Fachportal EconBiz (https://www.econbiz.de/eb/de/beta/econbiz-author-profiles/) angeboten. Beispielsweise anhand der Profile von Nobelpreisträger*innen aus den Wirtschaftswissenschaften werden die wesentlichen Funktionen erläutert: Esther Duflo 2019: (https://authors.econbiz.de/12925312X) William Nordhaus (https://authors.econbiz.de/12365291X) und Richard Thaler (https://authors.econbiz.de/124552080). Aber auch Erwin Weit und Fiona Nah aus dem Titel unseres Beitrags. Y1 - 2020 N1 - Dieser Vortrag wurde auf der Konferenz #vBIB20 gehalten. Sie finden die Folien hier auf dem Server unter https://nbn-resolving.org/urn:nbn:de:0290-opus4-174094 und das Video auf dem AV-Portal der TIB UB Hannover unter der DOI https://doi.org/10.5446/47147 ER - TY - GEN A1 - Hajra, Arben A1 - Pianos, Tamara T1 - Unveiling Scholarly Insights: The Role of Enhanced Author Profiles in Leveraging Linked Data and Persistent Identifiers T2 - TK 4: Forschungsnahe Dienste und Open Science/ Open/Linked Data und/mit KI (06.06.2024, 14:00 - 16:00, Saal B.2 / 1. OG (Streaming)) N2 - The exponential growth of data on entities, persons, etc. is accompanied by a parallel surge in data quality, leading to more accurate clustering, description, accessibility, and interconnectivity. This enhancement extends beyond traditional library ecosystem data, such as authority files, to encompass a broad spectrum of non-library data sources like Wikidata, DBpedia, and OpenAlex. In this context, we present an approach that leverages linked data principles, persistent identifiers, and knowledge-based systems to construct comprehensive representations of author profiles. Rather than resorting to localized storage with isolated data silos, our approach prioritizes the direct ingestion of information from its original sources. This approach, complemented by the integration of harvested data with authors' research outputs indexed in our discovery portal EconBiz, yields a nuanced and thorough overview. The application of Natural Language Processing (NLP), text mining, and Machine Learning (ML) techniques further refines insights, offering diverse perspectives and deepening the understanding of authors. Author profiles provide a multifaceted gateway to understanding a scholar's research contributions. Visual representations enable quick identification of expertise areas and output. Thesaurus- or ML-enriched word tags enhance search capabilities, allowing users to refine queries based on semantically related terms. Co-authorship network visualizations and other features, such as “related authors” expand exploration options, uncovering scholars with similar research interests who are not necessarily co-authors. Additionally, the discovery of other persistent identifiers unlocks new avenues for profile enrichment with diverse information, including citation metrics and research data. We will present the main functionalities of the EconBiz Author Profiles (https://www.econbiz.de/eb/en/beta/econbiz-author-profiles) including a glimpse of new developments. Y1 - 2024 ER -