Erschließung, Linked Open Data, RDA
Refine
Year of publication
Document Type
- Conference publication (Presentation slides) (607)
- Conference publication (abstract) (258)
- Conference publication (Lecture Text/Appearance) (28)
- Article (10)
- Conference publication (Poster) (8)
- Contribution to a Periodical (3)
- Book (2)
- Conference Proceeding (2)
- Master's Thesis (2)
- Examination Thesis (1)
- Part of Periodical (1)
Is part of the Bibliography
- no (922)
Keywords
- Metadaten (38)
- GND (30)
- Forschungsdaten (28)
- RDA (27)
- Inhaltserschließung (25)
- Semantic Web (25)
- Gemeinsame Normdatei (22)
- Normdaten (21)
- Katalogisierung (20)
- Normdatei (19)
Language
- German (900)
- English (20)
- Multiple languages (2)
Das Thema Nachhaltigkeit ist für Universitäten heute von zentraler Bedeutung: Neben der Durchführung von praktischen Nachhaltigkeitsmaßnahmen im Universitätsbetrieb wird dabei auch der Lehr- und Forschungsbetrieb unter dem Aspekt der Nachhaltigkeit betrachtet. Das Nachhaltigkeitsengagement von Universitäten wird zunehmend in Form von Indikatoren gemessen. Beispielsweise ist im THE-Nachhaltigkeitsranking im Bereich Forschung die Anzahl Publikationen, welche den Zielen für nachhaltige Entwicklung der Vereinten Nationen (United Nations Sustainable Development Goals) zugeordnet werden, zentraler Bestandteil. Zudem können Publikationen innerhalb der Nachhaltigkeitsdimensionen des Drei-Säulen-Modells (triple bottom line) auf ökonomischer, sozialer sowie ökologischer Ebene gezählt werden.
Der vorliegende Beitrag liefert einen Überblick über die derzeit angewendeten Ansätze zur Zuordnung von wissenschaftlichen Publikationen zu den Zielen für nachhaltige Entwicklung. Grundsätzlich können manuelle und automatisierte Ansätze zur Zuordnung von SDGs zu einzelnen Publikationen unterschieden werden. Manuelle Ansätze setzen auf die Zuordnung von Publikationen durch die Forschenden selbst oder durch andere Personen. Automatisierte Ansätze basieren dagegen auf systematischen Suchanfragen oder Machine-Learning- bzw. KI-Methoden, um Publikationen anhand des Textes einem oder mehreren Zielen zuzuordnen. Der Beitrag beschreibt und vergleicht Ansätze in verschiedenen bibliographischen Datenbanken wie Scopus, Web of Science, Dimensions, OpenAIRE und OpenAlex. Zudem wird die aktuelle Implementierung der Erfassung im Repositorium der Universität Mannheim vorgestellt und es werden mögliche Weiterentwicklungen diskutiert. Der Beitrag endet mit einer kritischen Betrachtung der grundlegenden Zuordnungsproblematik aufgrund von Faktoren wie Subjektivität und Fragen der Interpretation.
Das Semantic Web ist die Vision einer Erweiterung des World Wide Webs, so dass die Daten nicht nur für Menschen leicht verständlich dargestellt werden, sondern auch von Maschinen verwertbar sind. Mit einer entsprechenden Ausgestaltung von Links zwischen einzelnen Webressourcen wäre das Web als riesige, globale Datenbank nutzbar. Darin könnten dann Softwareagenten für uns auch komplexe Fragestellungen und Planungen bearbeiten. In dieser Arbeit soll gezeigt werden, dass jede Bibliothek interessante Daten für das Semantic Web hat und umgekehrt von ihm profitieren kann. Ein Schwerpunkt liegt auf möglichen Anwendungsszenarien mit dem speziellen Fokus beim Bibliothekswesen.
Identifying Open Data in Text Publications - A Systematic Comparison of Classification Algorithms
(2024)
Ein wichtiger Pfeiler nachvollziehbarer und reproduzierbarer Forschung ist der offene Zugang zu Forschungsergebnissen. Dazu gehört, zunehmend festgelegt in Projektförderbedingungen, die Veröffentlichung der im Forschungsprozess entstandenen Daten als Open Data. Die Publikation von Daten wird momentan, je nach Disziplin, sehr unterschiedlich praktiziert. Dies erschwert eine systematische Erfassung von Open Data, etwa über persistente Identifikatoren bzw. Relationen zwischen Text- und Datenpublikationen. Ein an der Charité Berlin entwickelter Text Mining Algorithmus zur automatisierten Identifikation von Open Data in Textpublikationen (ODDPub) bietet dafür eine mögliche Lösung. Das Vorgehen wurde hier anhand einer Stichprobe von Publikationen der TU bzw. des Universitätsklinikums Dresden erprobt und systematisch mit den Klassifikationsergebnissen des DataSeer Natural Language Processing Modells (extrahiert aus dem PLOS Open Science Indicators Datensatz) und einer manuellen Kodierung verglichen.
Die beiden automatisierten Klassifikationen stimmen zu einem großen Teil überein und haben vergleichbare F1-Scores, eine Metrik zur Bewertung von Klassifikationsmodellen. Allerdings hat ODDPub eine etwas höhere Precision als DataSeer, während DataSeer einen höheren Recall aufweist. D.h. DataSeer findet zwar fast alle tatsächlichen Datenpublikationen, identifiziert dafür aber einige fälschlicherweise als Open Data, während ODDPub weniger falsch klassifiziert, dafür aber einige tatsächlich Open Data enthaltende Publikationen verpasst. Abweichungen von der manuellen Kodierung fanden sich für beide Algorithmen u.a. für die Identifikation von Datennachnutzung oder bei fehlerhaften Verlinkungen.
Im Vortrag stelle ich das Vorgehen und die Ergebnisse der Untersuchung dar, wäge die Nutzungsmöglichkeiten der beiden Verfahren gegeneinander ab und geben einen Ausblick auf mögliche Weiterentwicklungsszenarien zum standardisierten Auffinden veröffentlichter Forschungsdaten.
Die Landesinitiative für Forschungsdatenmanagement FDM-BB vereint seit 2019 die acht staatlichen Hochschulen und außeruniversitären Forschungseinrichtungen aus Brandenburg in einem gemeinsamen Netzwerk Forschungsdatenmanagement (FDM). Aus dieser Landesinitiative FDM-BB ist das 2022 gestartete und durch das BMBF und das MWFK des Landes Brandenburg geförderte Projekt IN-FDM-BB hervorgegangen, welches die Etablierung nachhaltiger und institutionalisierter FDM-Strukturen, gemeinsamer FDM-Dienste und verteilter Kompetenzschwerpunkte in Brandenburg vorantreibt.
Das Hands-on Lab startet mit einer kurzen Projektvorstellung und einem Bericht aus der Landesinitiative FDM-BB. Im weiteren Verlauf wollen wir gemeinsam die Rolle und die Möglichkeiten der Bibliotheksbeschäftigten im FDM-Prozess schärfen. Zudem können Herausforderungen und Lösungsansätze anhand von Praxisbeispielen diskutiert werden. Einen besonderen Fokus wollen wir auf die potentiellen Gemeinsamkeiten und Unterschiede bezüglich der Anforderungen an das FDM und die Bibliotheksbeschäftigten an den Hochschulen für Angewandte Wissenschaften, den Universitäten und den außeruniversitären Forschungseinrichtungen legen.
Im Rahmen eines World-Café-Formats werden wir gemeinsam verschiedene Themenbereiche im FDM-Prozess, z. B. Institutionalisierung, Qualifizierung, Berufsfelder (z.B. Data Stewards), FDM-Dienstleistungen, IT-Dienste sowie Zusammenarbeit und Vernetzung bearbeiten.
Bibliotheken sind derzeit mit Schlagworten wie Web 2.0, social software, e-science, open access usw. und den entsprechenden Technologien konfrontiert - da will natürlich niemand den Anschluss verpassen. Nicht nur die Konsequenzen dieser Entwicklungen sind aber unklar, manchmal sind es sogar schon die Definitionen, und Diskussionen über neuartige Informationskanäle wie Wikipedia ähneln oft eher Glaubenskriegen als sachlichen Auseinandersetzungen. Da empfiehlt es sich, in engem Kontakt mit den Benutzern zuerst deren Bedürfnisse festzustellen, und dabei das Kerngeschäft – Informationsbereitstellung und -vermittlung, Beratung und Betreuung, an einer Hochschule auch Schulung und Ausbildung - fest im Auge zu behalten. Neue Technologien und Trends sind daher zuerst einmal im Hinblick auf ihre Nützlichkeit für diese Aufgaben zu beurteilen. Andererseits sind offensichtlich die schon etablierten Datenbanken, e-Books und e-Journals durchaus noch nicht so präsentiert, integriert und genutzt, wie dies erforderlich wäre – nicht nur Benutzer, auch Bibliotheken und sogar die Produzenten haben damit noch zahlreiche Probleme. Eine Momentaufnahme aus dem Informationszentrum Chemie Biologie Pharmazie wird dies veranschaulichen.
Spätestens seit der Studie „OCR of historical printings" (Springmann und Lüdeling, 2017) ist die landläufige Annahme, dass die Qualität automatischer Texterkennungsverfahren (OCR) mit zunehmendem Alter der Vorlage schlechter wird, widerlegt. Wird die OCR-Software mit passenden, manuell transkribierten Bild-Text-Paaren trainiert, sind Erkennungsraten jenseits 99 % auch für sehr frühe, vorindustrielle Drucke möglich. Dank quelloffener OCR-Engines wie Tesseract, kraken und Calamari ist es technisch möglich, jegliche Digitalisierungsvorhaben mit passgenauen Erkennungsmodellen zu stützen und so wissenschaftlich nachnutzbare Textergebnisse zu erzielen. Hochqualitative Trainingsmaterialen in ausreichendem Umfang sind jedoch für die meisten Schriftarten und Epochen nach wie vor ein Desiderat. Um diesem zu begegnen, engagieren sich Mitarbeitende der SLUB seit vergangenem Jahr in einer kollaborativen Transkriptionsinitiative. Da existierende Annotationswerkzeuge meist hohe technische Kenntnisse und dadurch eine lange Einarbeitungszeit erfordern, wurde zu diesem Zwecke ein einfacher Arbeitsablauf auf Basis geläufiger Tabellenkalkulationsprogramme entwickelt: Zunächst werden die zu transkribierenden Materialien mit Hilfe der im OCR-D-Projekt entwickelten Workflows vorprozessiert. Die noch fehlerbehafteten Textzeilen werden dann gemeinsam mit ihren korrespondierenden Bildderivaten in ein Tabellendokument exportiert. Anschließend korrigieren zwei Bearbeiter unabhängig voneinander die Volltexte und filtern fehlerhafte Bildausschnitte. Die entstehenden Transkriptionen werden dann miteinander verglichen und nur identische Zeilen gehen in die Trainingsdaten ein. Diese werden über GitHub veröffentlicht, stehen so der Allgemeinheit zur Verfügung und können ggf. nachkorrigiert werden. In unserer Präsentation zeigen wir erste Ergebnisse, adressieren häufige Fragen und mögliche Lösungen und berichten über Planungen, die Initiative als partizipatives Format auch für Nutzende auszurollen.
Die digitale Transformation in den Geisteswissenschaften ist eine der tiefgreifendsten methodischen Veränderungen, die die wissenschaftliche Methodik und Arbeitsweise in den ihnen zuzuordnenden Disziplinen erfahren haben. Die Bedeutung dieser Veränderung lässt sich daran ermessen, dass ihr unter dem Namen Digital Humanities (DH) der Status einer eigenen wissenschaftlichen Disziplin zugeeignet wird. Für Bibliotheken bringt die Unterstützung einer digital orientierten geisteswissenschaftlichen Forschung – neben umfangreichen Digitalisierungsanstrengungen zur Ertüchtigung historischer Bibliotheksbestände für die Beforschung mit computerbasierten Methoden – auch für das bibliothekspädagogische Angebot neue Perspektiven. Die SLUB Dresden engagiert sich seit 2016 am Aufbau curricularer Strukturen im Bereich DH an der TU Dresden und war maßgeblich an der Konzeption des DH-Master-Studienganges beteiligt. Dieser startete im Wintersemester 2022 als viersemestriges Angebot mit 15 Studierenden. Die SLUB ist eine von fünf Partnereinrichtungen, die eine enge praktische Rückbindung der Studieninhalte sicherstellen, und ist im kompletten Studienablauf präsent: Dem Beitrag zur Ringvorlesung mit konkreten Einblicken in die Verbindung Bibliothek und DH im ersten Semester folgt das Seminar Datenkompetenz für DH im zweiten und die Durchführung von projektorientierten Praktika mit Bezug zu den Beständen der SLUB im dritten. Die Co-Betreuung von Masterarbeiten durch die SLUB erlaubt es den Studierenden, ihre Praktikumsprojekte wissenschaftlich auszuarbeiten und zu dokumentieren.
In unserem Vortrag stellen wir den roten Faden der bibliothekarischen Kompetenzvermittlung im Studiengang DH detailliert vor, exemplifizieren Studieninhalte und Themen der Praxisprojekte, gehen auf gelernte Lektionen ein und bemessen die Frage nach der Bedeutung bibliothekarischer Kernkompetenzen für die digitale, geisteswissenschaftliche Forschung.
Die Qualität der Ergebnisse automatischer Zeichenerkennung (OCR) hängt primär von der Passung der der OCR zugrundeliegenden Modelle und der jeweiligen Vorlage ab. Sowohl kommerzielle als auch freie Software erlauben dem Nutzer aus einer Anzahl vortrainierter Modelle das passendste auszuwählen. Die Modelle werden mit Hilfe von vorhandenem, fehlerfreiem Volltext für eine Sprache oder einen Schrifttyp trainiert. Aus ökonomischen Gründen beschränkt sich die Modellauswahl auf häufig verwendete Sprachen und Schrifttypen.In der Vorbereitung der Digitalisierung dreier obersorbischer Zeitungsunternehmungen haben wir sowohl eine kommerzielle (ABBYY Recognition Server) als auch eine freie OCR-Software (Tesseract) auf ihre Eignung für die Erzeugung wissenschaftlich nachnutzbarer Volltexte getestet.Obersorbisch ist eine in der Oberlausitz von etwa 20000–25000 Menschen gesprochene westslawische Sprache, für die es nur wenige (computer-)linguistisch nutzbare Daten gibt.Die adressierten Zeitungen sind primär in Fraktur gesetzt. Deren Kombination mit slawischen Diakritika stellt eine Besonderheit dar, die von verfügbaren OCR-Modellen nicht abgedeckt wird. Sowohl ABBYY Recognition Server mit dem Modell Altdeutsch/Gothic als auch Tesseract mit dem sprachunabhängigen Modell Fraktur erzielten daher schlechte Erkennungsraten (Zeichenfehler, CER ABBYY: 12–17 % bzw. Tesseract: 8–11 %).Ein großer Vorteil von Tesseract ist die Möglichkeit, eigene OCR-Modelle zu trainieren bzw. vorhandene auf spezifische Vorlagen anzupassen. Um uns dem Ziel hochqualitativer Volltexte anzunähern, haben wir daher das Modell Fraktur mit Hilfe von 47 Seiten feinjustiert und auf weiteren 10 Seiten evaluiert. Mit einer CER zwischen 3,7 und 0,5 % zeigte sich ein deutlicher, positiver Trainingseffekt.Im Vortrag erläutern wir die einzelnen Schritte, die von Text und Bild zum fertigen OCR-Modell führen und diskutieren Möglichkeiten und Grenzen für den produktiven Einsatz in der bibliothekarischen Praxis.
Das von der Text Encoding Initiative (TEI) entwickelte XML-Format zur Repräsentation digitaler Volltexte ist ein weitverbreiteter Standard in den Text be- und verarbeitenden Wissenschaften und wird in vielen Forschungsprojekten und -infrastrukturen verwendet. Digitale Volltexte in Bibliotheken werden zu meist im Format Analyzed Layout and Text Object (ALTO) vorgehalten, während die logische Struktur der Dokumente in Dateien im Format Metadata Encoding and Transmission Standard (METS) referenziert wird. Die Verknüpfung zwischen beiden Ebenen erfolgt lediglich auf Seitenebene. Darin liegt der wesentliche Unterschied zu TEI, wo die Strukturierung der Dokumente inline – also direkt im Volltext – erfolgt. Die generelle Natur der Strukturauszeichnung mit Hilfe verschachtelter div-Elemente ist beiden Formaten gemein. Somit besteht die primäre Herausforderung bei der Erzeugung von strukturierten TEI-Volltexten aus METS-ALTO-Objekten in der korrekten Lokalisierung der Strukturelemente auf den einzelnen Seiten. Zu diesem Zweck wird an der SLUB das Programm mets-mods2tei (https://github.com/slub/mets-mods2tei) entwickelt, das den minimalen Editierabstands (Lewenstein 1965) zwischen manuell erfassten Strukturauszeichnungen (bzw. deren Labeln) und dem meist automatisch per OCR erzeugtem, digitalen Volltext als Platzierungskriterium nutzt. Das erzeugte TEI orientiert sich am Basisformat des Deutschen Textarchivs (DTA, Haaf et al. 2014/15). Es enthält neben dem strukturierten Volltext auch umfangreiche, aus Metadata Object Description Schema-kompatiblem XML extrahierte Metadaten und kann sowohl als Ausgangspunkt für Editionsvorhaben als auch als Grundlage für quantitative Korpusauswertungen dienen.Im Vortrag wird das hier skizzierte Vorgehen anhand von Beispielen illustriert und auf aktuelle Herausforderungen, die etwa durch stillschweigende Normalisierung auf METS- und schlechte Textqualität auf ALTO-Seite entstehen, eingegangen.
Im Rahmen des Fachinformationsdienstes (FID) Pharmazie kooperieren die Universitätsbibliothek Braunschweig und das Institut für Informationssysteme (IfIS) der Technischen Universität Braunschweig bei der Erforschung und Entwicklung innovativer Zugriffspfade auf Informationsressourcen. Auf Basis von Grundlagenforschung in den Informationswissenschaften, durch Einsatz von Künstlicher Intelligenz, künstlicher neuronaler Netze und Deep-Learning-Ansätzen, werden unter Einbeziehung und in Abstimmung mit der Fachcommunity prototypische Recherchedienste entwickelt. Erfolgreich positiv evaluierte Prototypen werden in die Rechercheplattform PubPharm (www.pubpharm.de) des FID Pharmazie integriert. Ein Beispiel für einen integrierten Dienst ist die Ausgabe von Suchvorschlägen auf Basis von Kontextähnlichkeit. Bei Suchen nach biologisch aktiven Substanzen in PubPharm werden kontextähnliche Substanzen, Erkrankungen/Symptome und Gene angezeigt. Die Kontextähnlichkeit wurde von künstlichen neuronalen Netzen auf Basis von Metadaten der Medline-Datenbank erlernt. In diesem Vortrag wird anhand dieses Beispiels der gemeinsame Weg von Universitätsbibliothek und IfIS vorgestellt: Von der Idee über die Grundlagenforschung und Prototypen bis hin zum stabilen Dienst.
Der Fachinformationsdienst (FID) Pharmazie hat das Ziel, die Literatur- und Informationsversorgung für die universitäre pharmazeutische Forschung zu verbessern. Als zentraler Dienst ist PubPharm (www.pubpharm.de) seit Oktober 2016 online und wird kontinuierlich ausgebaut. Durch die enge Zusammenarbeit mit dem Institut für Informationssysteme der TU Braunschweig fließt aktuelle Informatikforschung in innovative Recherche-Tools für PubPharm ein. Bereits realisierte und geplante Tools werden näher vorgestellt.
Learning Analytics (LA) befassen sich mit der Aggregation und Analyse von Lernendendaten und deren Kontext, um den Lernprozess zu verstehen und systematisch zu verbessern. Obwohl die Methoden der LA zum größten Teil digitale Daten generieren und komplexe Analyseverfahren verwenden, besitzt die Disziplin bisher weder eine Forschungsdatenkultur noch liegen fachspezifische Konzepte zur Nachnutzung der Daten vor. Insbesondere vor dem Hintergrund, dass die Zahl der Probanden häufig ein kritisches Element der Studien darstellen, wäre diese auf einer übergreifenden Ebene zielführend. Wissenschaftliche Bibliotheken können hier mit ihrer Datenkompetenz eine entscheidende Rolle spielen, Wissenschaftler der LA bezüglich ihrer Datenhaltung zu unterstützen. Anhand eines Fallbeispiels aus der Hochschullehre, der Untersuchung kollaborativen Erlernens von Programmiersprachen, zeigen wir, wie die Arbeit eines beteiligten Data Librarians aussehen kann. Im Fokus soll die unterstützende Arbeit für den Wissenschaftler stehen, die einerseits auf die Analyse der LA Forschung und der sich daraus ergebenden fachspezifischen Bedarfe beruht. Andererseits soll das entwickelte Vorgehensmodell einen Mehraufwand bezüglich der professionellen Datenerhaltung für den Wissenschaftler verhindern, indem Maßnahmen und fachspezifische Lösungen entlang des Datenlebenszyklus in den Bereichen – Planung, Auswahl, Übernahme, Speicherung, Erhaltungsmaßnahmen, Zugriff und Nutzung – abgeleitet werden. Entsprechend zielt das Vorhaben ausgehend von der Analysephase auf eine weitgehend automatisierte Realisierung dieser Schrittfolge. In der Umsetzung des Konzepts entsteht auf der Basis der über mehrere Semester gesammelten Datensätze eine konsistente mehrstufige (Meta-)Datenstruktur, die den Austausch entlang notwendiger Bedarfe (bspw. Privacy) für die Arbeit im unmittelbaren Team, durch Projektpartner und durch Dritte gewährleistet.
Vielen wissenschaftlichen Untersuchungen dienen Forschungsdaten als Grundlage neuer Erkenntnisse. Um diese Grundlage nicht zu verlieren, sollten die Daten sicher gespeichert, nachhaltige archiviert und langfristig bereitgestellt werden. Der breite Zugang zu Forschungsdaten erlaubt neue Perspektiven für wissenschaftliches Arbeiten, indem bereits bestehende Ergebnisse reproduziert werden und einfacher zu neuen Erkenntnis gelangt wird. Learning Analytics (LA) nutzen Daten, die von Lernenden und Lehrenden produziert werden. Dabei verfolgen LA das Ziel, mit Analysemodellen, Informationen und soziale Verbindungen innerhalb des Lernprozesses sichtbar zu machen, um Lernverhalten zu unterstützen. Die statistischen Analysemethoden der LA benötigen eine große Anzahl an Datensätzen, um valide Aussagen treffen zu können. Oft ist die Anzahl der untersuchten Lernfälle jedoch gering, weshalb sich eine Zusammenlegung unterschiedlicher Forschungsdatensätze anbietet. Wir untersuchen das kollaborative Erlernen von Programmiersprachen an drei Standorten, um mehrere ähnliche Lernbereiche zusammenzubringen und zugleich eine hinreichend große Datenbasis für eine Analyse zu schaffen. Dabei soll eine einfache Transferierbarkeit der erhobenen Lernendendaten auf unterschiedliche Programmiersprachen, Übungskonzepte und Hochschulkontexte ermöglicht werden, mit dem Anspruch die heterogenen Daten untereinander nutzbar zu machen. Auf informationstechnischer Ebene erfolgte eine Bedarfsanalyse der LA, aus der heraus ein Objektmodell abgeleitet wurde. Dieses bildet relevante Charakteristika und Objekte des LA Forschungsprozesses ab und führt zu einem Metadatenmodell. Dieses wird in einem Forschungsdatenrepositorium genutzt, um eine Nachnutzbarkeit der Daten zu erzielen. Somit wird eine Grundlage für die nachhaltige Nutzung von Learning Analytics-Daten und -Ansätzen in Forschung und Lehre an deutschen Hochschulen gebildet.
Digital Scholarship: Mit diesem Begriff wird der zunehmende Einsatz von digitalen, datenbasierten Methoden in verschiedenen Wissenschaftszweigen (z.B. Computational Linguistics, Digital Humanities, Computational Social Sciences) beschrieben. Die Forschenden arbeiten auf Basis, mit und an spezifischen Datensets und -strukturen, nutzen Technologien der Datenanalyse, des Natural Language Processing und des maschinellen Lernens, und publizieren Forschungsergebnisse in neuen digitalen Formen. Gleichzeitig erfordert ein umfassendes Verständnis von Open Science bzw. Open Scholarship die Verfügbarmachung von Kulturerbe mit neuen Zugängen und Formen. Um diesen Entwicklungen gerecht zu werden, sind Bibliotheken aufgerufen eigene und fremde Bestände strukturiert als Datenkonvolute aufzubereiten und neue Zugänge zu diesen zu schaffen nötige Werkzeuge und Infrastrukturen der Data Science vorzuhalten Forschung, Lehre und Öffentlichkeit bei deren Nutzung beratend und vermittelnd zu unterstützen. Die Universitätsbibliothek Bern baut im Rahmen der universitären Digitalisierungsstrategie solche Dienstleistungen zur Unterstützung von Digital Scholarship auf. Grundlage hierfür bilden neuere Konzepte wie Collections as Data und die Vermittlung von digitalen Kompetenzen, insbesondere Data Literacy . Der Vortrag gibt zunächst einen Einblick in Methoden der datenbasierten Forschung. Zentral sollen Anforderungen und Herausforderungen – und Chancen – diskutiert werden, die im Umgang mit Daten und Datenkonvoluten auf wissenschaftliche Bibliotheken zukommen. Schliesslich werden neben dem Angebot der UB Bern internationale Beispiele von Digital Scholarship Services vorgestellt.
Wissenschaftskommunikation ermöglicht die Bekanntmachung und Qualitätsprüfung von Erkenntnissen und erfüllt Funktionen zur Sicherung der Wissenschaftlichen Integrität.[1] Durch generative künstliche Intelligenz (genKI) werden Praktiken des wissenschaftlichen Publizierens aktuell transformiert und zum Teil in Frage gestellt.[2]
KI-Assistenzsysteme versprechen Effizienzgewinne für alle beteiligten Parteien – bergen allerdings immanente Risiken wie wissenschaftliches Fehlverhalten[3] und die Beeinflussung von editorischen Entscheidungen.[4] Mittelbar droht eine weitere Verschärfung der quantitativ orientierten Publikationspraxis. Fragen der Verantwortung, Vertraulichkeit und Vertrauenswürdigkeit im Publikationsprozess müssen zur Sicherung der Wissenschaftlichen Integrität neu beantwortet werden. Herausgeber, Verlage und akademische Institutionen beteiligen sich daher intensiv an der Aushandlung neuer Normen bei der Nutzung von KI-basierten Werkzeugen.[5]
Für Bibliotheken, die begleitende, ermöglichende und beratende Funktionen in der Wissenschaftskommunikation wahrnehmen, bedeutet dies die notwendige Weiterentwicklung ihrer Aufgaben:
die aktive Verfolgung des Normendiskurses und geg. die Mitgestaktung von Governancedie kritische Evaluation von Produkten und Tools, die KI-Verfahren einsetzendie Förderung von Kenntnissen und Fähigkeiten im Umgang mit diesen.
[1] „DFG-Positionspapier zum wissenschaftlichen Publizieren als Grundlage und Gestaltungsfeld der Wissenschaftsbewertung“ 2022
[2] Birhane u.a. „Science in the Age of Large Language Models“ 2023
[3] Van Noorden und Perkel „AI and Science“ 2023
[4] Hosseini und Horbach „Fighting reviewer fatigue or amplifying bias?“ 2023
[5] „Stellungnahme des Präsidiums der DFG zum Einfluss generativer Modelle für die Text- und Bilderstellung auf die Wissenschaften und das Förderhandeln der DFG“ 2023; Kaebnick u.a. „Editors’ Statement on the Responsible Use of Generative AI Technologies in Scholarly Journal Publishing“ 2023
Um Forschende bei der Identifizierung geeigneter Open-Access-Zeitschriften für ihre Forschungsergebnisse zu unterstützen, haben TIB und SLUB Dresden im Rahmen der BMBF-geförderten Richtlinie Beschleunigung der Transformation zu Open Access und in Zusammenarbeit mit vielen Partnereinrichtungen B!SON als offenen und unabhängigen Dienst entwickelt. Ausgehend von einem zu veröffentlichenden Manuskript kommen semantische und bibliometrische Verfahren zum Einsatz, um inhaltlich passende und qualitätsgesicherte Open-Access-Zeitschriften vorzuschlagen. Im Gegensatz zu ähnlichen Angeboten setzt B!SON dabei konsequent auf eine offene und nachhaltige Infrastruktur: Der Dienst bezieht die für die Ähnlichkeitsbestimmung benötigten Metadaten von den Partnern DOAJ und OpenCitations; der Quellcode ist unter einer freien Lizenz veröffentlicht.
Auch in Hinblick auf die Einbindung des Services beschreitet das Projekt B!SON neue Wege. Neben dem über die Projektseite erreichbaren zentralen Webangebot erlaubt eine TYPO3-Extension die Einbettung des B!SON-Frontends in die digitalen Beratungsservices von Bibliotheken und wissenschaftlichen Einrichtungen. Die Anbindung an den zentralen B!SON-Server wird per Schnittstelle (API) realisiert. Die lokalen Nutzer:innen können somit das Angebot im vertrauten Look & Feel ihrer Einrichtung nutzen und sich dabei von den lokalen Expert:innen beraten lassen. Ein weiterer Vorteil dieses Ansatzes besteht darin, dass sich die Suchergebnisse auf Basis einrichtungsspezifischer Gegebenheiten modifizieren bzw. mit einrichtungsrelevanten Informationen (spezifische Preiskonditionen etc.) anreichern lassen.
Der Vortrag gliedert sich in zwei Teile. Im ersten Teil wird die lokale Einbindung des Open-Access-Zeitschriften-Empfehlungssystems B!SON anhand eines Praxisbeispiels vorgestellt und Grenzen und Potential dieses Ansatzes diskutiert. Darauf aufbauend wird am Beispiel eines neuen Services das Potential des B!SON-Systems für weitere Anwendungsfälle aufgezeigt.
Das Bibliotheks- und Archivwesen verschmilzt im Rahmen von Digitalisierungsmaßnahmen zunehmend mit anderen Disziplinen. Zusätzlich zur Publikation werden zunehmend auch die zugrundeliegenden Fachdaten dauerhaft über Identifikatoren eindeutig referenzierbar und über vernetzte Dateninfrastrukturen verknüpft. Standards für Daten und Metadaten sowie Regeln des Austauschs bestimmen zunehmend die Informationssysteme des Bibliothekswesens.
Auch in den Geowissenschaften findet sich diese Annäherung wieder : Untersuchungen des Untergrundes produzieren immer größere Mengen an digitalen Geodaten, die über Geodateninfrastrukturen (GDI) digital veröffentlicht werden müssen. Die gewonnenen Erkenntnisse werden zusätzlich durch erläuternde und interpretierende Literaturveröffentlichungen verbreitet. Die Bereitstellung von Daten in Form von Kartenprodukten aus GDIen heraus erfolgt über Geoportale, die wie ein OPAC einen Katalog darstellen und zusätzlich Geodaten visualisieren können sowie räumliche Filterungen ermöglichen.
Ein Treiber für die Bereitstellung auch von Archiv/Papierdaten ist das Geologiedatengesetz, welches neben der Bereitstellung von geowissenschaftlichen Untersuchungsergebnissen auch den Zugriff auf archivierte Alt/Papierdaten fordert. Archivdaten müssen digitalisiert und möglichst in räumlichen Bezug gesetzt werden, um sie anschließend gleichwertig neben vergleichsweise neuen Daten anzubieten. Da sich die Geologie nur langsam verändert und deren Erhebung aufwendig ist, bleiben ältere Untersuchungsergebnisse stets aktuell und wertvoll. Bestenfalls gelingt sogar die maschinenauswertbare Verknüpfung mittels Methoden des Semantik Webs. Der Schlüssel zum Verständnis von Daten und deren Nachnutzung für neue Anwendungsfälle insbesondere in den Geowissenschaften liegt also in der engen Verknüpfung der Bibliothek mit dem Archiv und einer GDI. Das Geoportal der BGR beschreitet diesen Weg und stellt in einem ersten Schritt bereits eigene Literaturveröffentlichungen bereit.
Gemeinsamer Verbünde Index: Sachstand und (Erfahrungs-)Bericht von drei unterschiedlichen Frontends
(2019)
Der Gemeinsame Verbündeindex (GVI) ist ein uniformer Suchindex über die Bestände der sechs deutschen Verbundsysteme sowie der DNB und der ZDB. Er wird in einem kollaborativen Open-Source-Modell unter der Führung von BSZ, HeBIS und KOBV entwickelt und betrieben. Die uniforme Indexierung der unterschiedlichen Datenquellen hilft nicht nur bei der Bearbeitung von Fernleihen. Sie ist auch eine potentielle Quelle für Fachportale und die Entwicklung von neuen Diensten wie Data Mining, Discovery-Systeme oder weiterer spezialisierter Webservices. Im Vortrag werden nach einer kurzen Einführung die Neuerungen der zweiten Version vorgestellt. Wir präsentieren die Erfahrungen aus dem Regelbetrieb und zeigen anhand von drei exemplarischen Frontends BOSS (BSZ/SWB), HeBIS-Portal und KOBV-Portal, wie von den neusten Index-Features wie z.B. das Zusammenfassen von Dubletten, profitiert werden kann. Fragen zur Nachnutzung werden von anwesenden Entwicklern beantwortet.