111. BiblioCon
Refine
Year of publication
- 2023 (7)
Document Type
Has Fulltext
- yes (7)
Is part of the Bibliography
- no (7)
Keywords
- Forschungsdatenmanagement (7) (remove)
Language
- German (7)
Angebote zum Forschungsdatenmanagement (FDM) gelten als Zukunftsdienstleistungen (nicht nur) von Bibliotheken. Sie können Wissenschaftler*innen über den gesamten Forschungsdatenlebenszyklus, von der Datenplanung über die Datenerhebung und -analyse bis hin zur Datenarchivierung, -publikation und -nachnutzung unterstützen. An der Technischen Universität Berlin bietet das Servicezentrum Forschungsdatenmanagement (SZF), eine kooperative Einrichtung aus Universitätsbibliothek, Rechenzentrum und Forschungsabteilung, ein umfangreiches Serviceportfolio zum FDM an.
Das SZF steht – ähnlich wie andere Serviceanbieter zu Themen der Forschungsunterstützung – vor der Herausforderung, seine Services in der Zielgruppe hinreichend bekannt machen. Ein möglicher Weg, um dies zu erreichen, sind Multiplikator*innen. Hierbei werden die Kontakte anderer Personen in die Zielgruppe genutzt, um die eigenen Services bekannter zu machen. An der Universitätsbibliothek der TU Berlin liegen potentielle Kontaktpunkte mit der Zielgruppe z.B. bei den Fachreferent*innen, beim Auskunftspersonal an den Informationstheken und in der Chat-Auskunft sowie beim Schulungspersonal der Teaching Library.
Im Posterbeitrag wird das Multiplikator*innenmodell des SZF, die FDM-Notrufzentrale, präsentiert. Das Modell sieht drei mögliche Rollen vor, aus denen die Kolleg*innen unabhängig von ihrer Funktion wählen können: Möchten Sie nur einen FDM-Notruf absetzen? Soll schon Erste FDM-Hilfe geleistet werden? Oder kann jemand sogar im FDM assistieren? Alle Wege sind hilfreich, um die Sichtbarkeit der FDM-Services zu erhöhen. Für jede Rolle hat das SZF-Team im internen Wiki die mit der jeweiligen Rolle verbundenen Aktivitäten sowie die relevanten Hinweise, Links und Kontakte in übersichtlicher Form zusammengestellt, sodass die Multiplikator*innen die jeweils benötigten Informationen schnell zur Hand haben.
Der Auftrag an die FIDs, überregionale, leistungsfähige und nutzungsorientierte Informationsinfrastrukturen für die Wissenschaften, zu etablieren, umfasst auch ein professionelles Management der Forschungsdaten. Dabei geht es um Forschungsdaten in jeglicher Form, die etwa durch Digitalisierung, Quellenforschung, Experimente, Messungen, Erhebungen oder Befragungen generiert wurden. Mit der Nationalen Forschungsdateninfrastruktur (NFDI) entstehen derzeit Strukturen, die für die FIDs in ihrem Auftrag, eine geänderte Herangehensweise an das Thema Forschungsdaten bedeutet. Der Vortrag setzt sich einerseits mit der synergetischen Komplementarität zu den NFDI-Konsortien auseinander und zum anderen, wie Angebote der FIDs ergänzend zu den FDM-Dienstleistungen der Hochschulen genutzt bzw. in diese integriert werden können. Fragen, ob Forschungsdaten im institutionellen oder im fachlichen Repository abgelegt werden und welche Lösungen es geben könnte, um sie für wissenschafltiche Fragestellungen zu finden und zu nutzen, werden im Vortrag aufgegriffen. Anspruch mus immer sein, dass die Lösungen sich in den Arbeitsprozess der Wissenschaftler:innen nahtlos integrieren.
Das Thema Forschungsdatenmanagement ist mittlerweile in der Bibliothekswelt fest verankert. Seit 2018 werden im Modellprojekt „eHumanities – interdisziplinär“ – gefördert vom Bayerischen Staatsministerium für Wissenschaft und Kunst – die Anforderungen an geisteswissenschaftliche Forschungsdaten analysiert und entsprechende Dienste, Tools und Best Practices entwickelt. Dies erfolgt in Zusammenarbeit mit den Forschenden selbst und ist damit unmittelbar an deren Bedarfen ausgerichtet. Die daraus resultierenden technischen Lösungen und Unterstützungsangebote tragen dazu bei, Forschende auf dem Weg in Richtung FAIRe Forschungsdaten zu unterstützen.
Während der ersten fünf Förderjahre wurden die ursprünglich für die Geisteswissenschaften eingeführten Dienste auch erfolgreich auf andere Disziplinen übertragen. Im Vortrag wird besonders auf „Lessons Learned“ eingegangen und aufgezeigt, wie das bayerische Modellprojekt – im Vergleich z. B. zu FDM-Landesinitiativen – aufgestellt ist. Um dies zu illustrieren, werden die im Projekt entwickelten Dienste und Tools vorgestellt sowie eine zusammenfassende Bewertung vorgenommen. Diese beinhaltet beispielsweise das Training, die Antragstellung und Planung (insbesondere Datenmanagementpläne mit fachspezifischen Fragekatalogen), die Metadaten für die Datenpublikation (DataCite Best Practice Guide und DataCite Metadata Generator), aber auch den gesamten Datenlebenszyklus (Workflows für das FDM in den DH). Alle vorgestellten Dienste werden der Community bereits mittels einschlägiger Plattformen, wie z. B. GitHub/GitLab, Zenodo, YouTube, zur Verfügung gestellt und haben dadurch Sichtbarkeit erlangt. Insbesondere die Nachnutzbarkeit der Projektergebnisse durch die Einbettung in eigene Infrastrukturen und Dienstleistungen werden im Mittelpunkt des Vortrags stehen.
[Autor:innen: Cora Krömer (FAU), Markus Putnings (FAU), Jürgen Rohrwild (FAU), Martin Spenger (LMU)]
Was haben Kühe mit Forschungsdatenmanagement gemein? Bibliografie und FIS als Sprungbrett zum FDM
(2023)
In der aktuellen Standortbestimmung der DINI AG FIS wird empfohlen, das Management von Forschungsdaten und -informationen eng miteinander zu verzahnen. Denn zumeist fehlen zu Beginn des Aufbaus eines institutionellen Forschungsdatenmanagements (FDM) die notwendigen Forschungsinformationen (z. B. zu Projekten und Veröffentlichungen). Dieser fehlende Überblick erschwert in Folge die passgenaue Entwicklung von Services.
Idealerweise wird daher in einem ersten Schritt eine bestehende Universitätsbibliografie um Forschungsdaten erweitert und vorhandene Expertise ausgebaut. Ein FIS bietet darüber hinaus die einzigartige Möglichkeit, bibliografische Angaben von Forschungsdaten und Publikationen mit Einrichtungen, Personen sowie Projekten zu vernetzen und transparent nach außen darzustellen. Während sich an einer Universität in der Regel die Forschungsförderung um die Darstellung der Projekte in einem FIS bemüht und Einrichtungen sowie Personen ggf. automatisiert aus dem Identity Management übernommen werden können, liegen der Aufbau und die Pflege einer Bibliografie in der Regel bei der jeweiligen Bibliothek. Diese Datengrundlage stellt den Ausgangspunkt für statistische Auswertungen aller Art dar, sei es im Kontext der Forschungsberichterstattung (KDSF) oder der Leistungsorientierten Mittelvergabe (LOM).
Anhand des Bamberger Forschungsinformationssystems, auf Basis von DSpace-CRIS, möchten wir in unserem Vortrag näher auf die Integration von Forschungsdaten in unsere Bibliografie eingehen. Außerdem möchten wir anhand eines Forschungsprojektes Erfahrungen und Workflows im FIS präsentieren, die das Zusammenspiel mit Forschungsdatenrepositorien umfassen. Zudem werden mit den vielfältigen Verknüpfungsmöglichkeiten innerhalb des FIS und einem automatischen Datenexport auf die Website Best-Practice-Beispiele vorgestellt, die Forschende dazu motivieren sollen, ihre Forschungsaktivitäten im FIS zu verzeichnen.
Themen wie Verwaltung und Verarbeitung von Daten sowie das kritische Hinterfragen und Nutzen von Daten werden auch in den Geistes- und Kulturwissenschaften immer wichtiger. Prädestinierte Akteure bei der Vermittlung so verstandener Data Literacy sind – in Ergänzung von und Kollaboration mit Digital-Humanities-Studiengängen – forschungsnahe Dienstleistungen an Bibliotheken, z.B. im Bereich Forschungsdatenmanagement (FDM). Entsprechende Vermittlungsangebote richten sich aber oftmals erst an Doktorierende, während eine grundlegende Sensibilisierung für Datenthemen bereits auf Bachelor-Ebene ansetzen sollte.
Solche basale Sensibilisierung und Ausrüstung für den kritischen Umgang mit wissenschaftlichen Informationen gehört dabei zum Kerngeschäft bei der Vermittlung von Informationskompetenz (IK) in der Fachreferatsarbeit. Im Zentrum steht oftmals die Datenbankschulung. Den Proponent:innen, die sowohl im FDM als auch im Fachreferat tätig sind, ergab sich ein konkreter Lösungsansatz für das eingangs skizzierte Problem in der Zusammenführung der Ansätze aus FDM, Data Literacy und IK: Studierende können für die technisch-qualitativen Unterschiede zwischen wissenschaftlichen Datensammlungen (z.B. Volltext-Sammlungen oder digitalen Editionen) und online leicht zugänglichen, aber weniger sorgfältig kuratierten Datenbeständen sensibilisiert und so bei einem konkreten Problem des Studienalltags abgeholt werden («Wieso soll ich diese Datenbank nutzen, wenn ich den Inhalt überall im Internet finden kann?»). Als Leitlinie können dabei die FAIR-Datenprinzipien dienen, die es für das studentische Zielpublikum zu adaptieren gilt. Durch die Schnittfläche mit professionellem Datenmanagement werden die Studierenden zugleich in grundlegende wissenschaftliche Methodik eingeführt. Der Beitrag versteht sich als Mischung aus Erfahrungsbericht und systematischer Verortung von Data Literacy als bibliothekarisches Handlungsfeld am Schnittpunkt von IK und FDM.
Data Literacy ist längst als Schlüsselkompetenz des 21. Jahrhunderts anerkannt. Im Rahmen des wissenschaftlichen Arbeitens wird dies durch die erhöhte Relevanz der Kompetenzen des Sammelns und Analysierens von Daten deutlich. Bisher wenig im Studium berücksichtigt - aber im Sinne guter wissenschaftlicher Praxis unerlässlich - ist jedoch auch die Teilkompetenz des Managens von (Forschungs-)Daten. Um diese z.T. generalistische und z.T. fachbezogene Teilkompetenz zu fördern, bedarf es der Zusammenarbeit zwischen Forschung, Lehre, Bibliotheken und landesweiten Akteuren, wie sie im Projekt FDM@Studium.nrw - einem Konsortium der Landesinitiative für Forschungsdatenmanagement - fdm.nrw, der Universität Duisburg-Essen, der Universitätsbibliothek der Bergischen Universität Wuppertal und der Technischen Hochschule Köln - umgesetzt wird. Im Vortrag wird das vom Ministerium für Kultur und Wissenschaft des Landes Nordrhein-Westfalen für 18 Monate geförderte Projekt, dessen Ziel die Entwicklung von Open Educational Resources (OER) zur Förderung von FDM-Kompetenzen Studierender ist, vorgestellt. Durch eine kooperative Bestimmung geeigneter Aspekte und Methoden für die didaktische wie multimediale Vermittlung und unter Einbezug von e-Learning-Expert:innen soll die Übertragbarkeit der modular erstellten Materialien in verschiedene Einsatzszenarien in der Lehre und im Selbststudium ermöglicht werden. Welche Chancen sich durch die Einbindung in Data Literacy Angebote ergeben, zeigt sich exemplarisch an einem Kursabschnitt über Data Wrangling an der Universität Duisburg-Essen. Eine Veröffentlichung der Lern-Lehrkurse über das OER-Portal ORCA.nrw soll außerdem die Sichtbarkeit erhöhen und die Nachnutzung stärken. Zur Qualitätssicherung und nachhaltigen Förderung des Diskurses initiiert das Projekt gleichzeitig ein landesübergreifendes Netzwerk unter Einbeziehung der Nationalen Forschungsdateninfrastruktur (NFDI).
Das Konzept Data Stewardship als Unterstützung für Forschende und Forschungsgebiete ist von immer größer werdender Bedeutung. Wissenschaftliche Bibliotheken wenden sich zunehmend dem Forschungsdatenmanagement (FDM) als eigenständigem Servicebereich zu.
Die Bezeichnung „Data Steward“ findet sich immer häufiger als Stellenbeschreibung. Das Verständnis darüber, welche Aufgaben, Rollen oder institutionelle Einbettung Data Stewards haben ist jedoch unklar. Bibliotheken gelten als eine Option der zentralen Verortung von Data Stewards und dies wird derzeit erprobt.
Der Vortrag bietet Ergebnisse aus dem Forschungsprojekt DataStew, das die deutsche akademische Landschaft in den Blick nimmt. Hierbei wird auf die relevanten Ergebnisse für Bibliotheken fokussiert. In die Untersuchung wurden Expert*innen aus Biblotheken als Stakeholdergruppe direkt einbezogen.
Als Erkenntnisse folgen, dass das Stellenprofil Data Steward differenziert betrachtet werden muss und nur ein Überbegriff sein kann. Data Stewards nehmen eine vermittelnde Rolle an der Schnittstelle von Infrastruktur und Forschung ein und ihre Aufgaben rechtfertigen ein eigenständiges Stellenprofil. Diese Schnittstelle kann gut in Bibliotheken verortet sein.
Anhand von Kriterien lassen sich unterschiedliche Profile für Data Stewards ableiten, die notwendige Kompetenzen und somit Ausbildungswege nach sich ziehen. Profilbildende Kriterien sind: (i) institutionelle Verortung, (ii) IT Kenntnisse, (iii) Basiskenntnisse zum FDM, (iv) Notwendigkeit von fachlichen Kenntnissen, (v) Breite des Aufgabenspektrums, sowie (vi) Serviceorientierung in Abgrenzung zu wissenschaftlichen Tätigkeiten.
Aus der Kombination der Ausprägungen der Kriterien ergeben sich dann verschiedene Profile.
Welche dieser Data Steward-Profile für eine Bibliothek geeignet sind und wie das Zusammenspiel zwischen Bibliothek und anderen Verortungen innerhalb eines Data Stewardship Teams erfolgen kann, wird im Vortrag dargestellt.