Filtern
Dokumenttyp
Gehört zur Bibliographie
- ja (5)
Schlagworte
- Datenmanagement (2)
- Forschungsdaten (2)
- Weiterbildung (2)
- DDM (1)
- Data Literacy (1)
- Data Steward(ship) (1)
- Datenverarbeitung (1)
- Digital data management (1)
- European Open Science Cloud (1)
- FAIR (1)
Der Artikel beschreibt die Einführung eines neuen weiterbildenden Masterstudiengangs Digitales Datenmanagement (DDM) während des Corona-Lockdowns, welche zum Studienstart einen sofortigen Wechsel in die online synchrone Lehre umfasste. Der Beitrag fasst wichtige Anforderungen an einen virtuellen Lehrraum zusammen und diskutiert Lessons Learned aus dem ersten erfolgreichen Studiensemester. Eine Besonderheit des Studiengangs ist die Zusammensetzung der Studierendenkohorte, die sich einerseits durch eine ausgeprägte Methoden-und Wissenskompetenz sowie sehr gute technische Ausstattung auszeichnet, andererseits aber hohe Anforderungen an die Inhaltsvermittlung und didaktischen Fähigkeiten der Dozierenden stellt.
Der vorliegende Beitrag gibt einen Überblick über Aus- und Weiterbildungsmöglichkeiten im Bereich des wissenschaftlichen Forschungsdatenmanagements (FDM) in Deutschland. Sowohl internationale als auch nationale Koordinierungsmaßnahmen für das FDM wie die European Open Science Cloud und die Nationale Forschungsdateninfrastruktur erfordern gut qualifiziertes Personal. Jedoch befinden sich sowohl Rollen- als auch Berufsbilder noch in der Entwicklung und es besteht die Herausforderung, Kompetenzbereiche entsprechend zu definieren. Grundlage für ein gutes FDM ist ein hohes Maß an Datenkompetenz (Data Literacy), die zu einem kritischen und lösungsorientierten Umgang befähigt. Hierzu werden beispielsweise vom Stifterverband Projekte für Qualifizierungsmaßnahmen gefördert. Kompetenzbereiche und entsprechende Profile werden auf internationaler Ebene ausgearbeitet - in Deutschland gibt es bislang keine klaren Bezeichnungen und Kompetenzanforderungen. Bestehende Qualifizierungsmaßnahmen lassen sich in grundständige und weiterbildende Studiengänge sowie in Fort- und Weiterbildungen wie Workshops oder Lehrgänge unterteilen. Innerhalb von Studiengängen werden bislang vorwiegend im Bereich der Informationswissenschaft Fähigkeiten vermittelt. Insbesondere für fachspezifische Qualifizierungsmaßnahmen bieten sich Fort- und Weiterbildungen an. An dieser Stelle ist die exakte Definition der Zielgruppe von Qualifizierungsansätzen sowie die daraus abgeleiteten benötigten Kenntnisse weiterhin eine große Herausforderung. Eine gemeinsame Qualifizierungsstrategie fehlt bislang in Deutschland. Zukünftig könnten neben der Ausarbeitung von Rollen- und Kompetenzbereichen sowie Berufsbezeichnungen und Karrierewegen auch gemeinsam abgestimmte Qualifizierungsangebote, beispielsweise durch Qualifizierungsallianzen dazu beitragen, das Forschungsdatenmanagement systematisch und nachhaltig im deutschen Wissenschaftsbetrieb zu verankern.
Ausgehend von den aktuellen Entwicklungen in Deutschland und Europa werden Diskussionen, Initiativen und Projektergebnisse im Bereich des digitalen Datenmanagements vorgestellt. Dabei wird ein besonderer Bezug zu den wissenschaftlichen Bibliotheken und deren zukünftige Aufgabenfelder gelegt, die international mit „Data Literacy“ und „Data Stewardship“ beschrieben werden. In Ergänzung zu „Data Scientists“ werden in Zukunft in großer Zahl Experten für das digitale Datenmanagement (sogenannte „Data Stewards“) benötigt. Daher haben das Institut für Bibliotheks- und Informationswissenschaft der Humboldt-Universität zu Berlin und der Fachbereich Informationswissenschaften der Fachhochschule Potsdam gemeinsam den weiterbildenden Masterstudiengang Digitales Datenmanagement konzipiert, der im April 2019 startete. Wie sich dieser Studiengang in die nationalen und internationalen Entwicklungen und Herausforderungen einfügt, ist Gegenstand dieses Artikels.
SoNAR (IDH)
(2020)
Graph Technologies for the Analysis of Historical Social Networks Using Heterogeneous Data Sources
(2020)
Over the last decades, cultural heritage institutions have provided extensive machine-readable data, such as bibliographic and archival metadata, full-text collections, and authority records containing multitudes of implicit and explicit statements about the social relations between various types of entities. In this paper, we discuss how approaches to the creation and operation of advanced research infrastructure for historical network analysis (HNA) based on heterogeneous data sources from cultural heritage institutions can be examined and evaluated. Based on our interdisciplinary research, we describe challenges and strategies with a special focus on the issue of data processing, sketch out the advantages of human-centered project design in the form of a preliminary co-design workshop, and present an iterative approach to data visualization.