Filtern
Dokumenttyp
- Masterarbeit (4)
Sprache
- Deutsch (4)
Volltext vorhanden
- ja (4)
Gehört zur Bibliographie
- nein (4)
Schlagworte
- MA Informationswissenschaften (4) (entfernen)
Institut
Im Zuge der Digitalisierung werden zunehmend Objektdaten im Web publiziert. Jedoch ist unklar, ob diese von Forscher:innen genutzt werden und sie qualitativ ausreichend sind. Eine vielversprechende Lösung stellen die FAIR Data Principles dar. Seit ihrer Publikation im Jahr 2016 haben sie sich schnell innerhalb der Forschung verbreitet und sind Teil nationaler und internationaler Forschungsförderprogramme. FAIR ist ein Akronym für Findable, Acessible, Interoperable and Reusable. Ihr Ziel ist es, die Wiederverwendbarkeit von Forschungsdaten zu verbessern, indem die Daten unter anderem mit klaren und eindeutigen Nutzungsbedingungen ausgezeichnet werden. Eine Besonderheit der 15 Prinzipien ist die Fokussierung auf die Lesbarkeit der Daten, sowohl von Menschen als auch von Maschinen. In diesem Sinne ist die Anwendbarkeit von FAIR auf Museen Thema der Untersuchung.
Die Masterarbeit beschäftigt sich mit der Frage, welche Anforderungen an deutsche Forschungsmuseen bezüglich der Nutzung der Objektdaten als Forschungsdaten im Sinne der FAIR-Prinzipien gestellt und inwiefern diese Anforderungen bereits erfüllt werden.
Für die Selektion des Datenkorpus wird eine Online-Recherche, für den Kriterienkatalog eine Literaturrecherche und für die Beurteilung der FAIRness des Datenkorpus eine qualitative Bewertung durchgeführt.
Keines der untersuchten Objektdaten der sechs betrachteten Forschungsmuseen der Leibniz-Gemeinschaft ist vollständig FAIR-konform, aber mit 13 von 15 erfüllten Prinzipien ist das Deutsche Museum in München das FAIRkonformste Museum. Von allen Museen werden die Prinzipien F2, A1.1, A1.2 und I1 vollständig erfüllt, was an der Arbeitsweise in der Objektdokumentation und der Web-Publikation liegt. Das Prinzip A2 wird von keinem Museum erfüllt, wodurch Defizite in der Museumsarbeit deutlich werden. Die anderen Prinzipien werden, bis auf R1.3, unterschiedlich erfüllt.
Insgesamt bieten sich die FAIR-Prinzipien als Startpunkt für wiederverwendbarere Forschungsdaten im musealen Bereich an. Jedoch zeigen die untersuchten Museen zum Teil erhebliche Defizite auf, wie fehlende oder unklare Nutzungsbedingungen und Datenprovenienzen. Deutlich wird auch, dass die FAIRPrinzipien
nicht alle Anforderungen an Objektdaten abdecken. Dazu gehören die Langzeitarchivierung oder die Vertrauenswürdigkeit der Daten.
Bisher gibt es keine übergreifende Bestandsaufnahme der Anforderungen von Stakeholdern an FDR, die sich aus den zuvor genannten Grundsatzdokumenten und Empfehlungen ergeben würden. Im Rahmen dieser Arbeit sollen diese Anforderungen erfasst und analysiert werden. Denn FDR können nur zielgerichtet, zielgruppengerecht und nachhaltig entwickelt, verbessert, genutzt und bewertet werden, wenn die Anforderungen und Bedürfnisse der einzelnen Stakeholder aus dem Wissenschaftsbetrieb an solche Infrastrukturen bekannt sind. Zur Ermittlung dieser Anforderungen wird zunächst ein Kriterienkatalog für FDR aufgestellt, der sich auf Untersuchungen und Arbeiten zu Eigenschaften und Funktionen von FDR stützt (siehe Kapitel 3). Dieses Set von Kriterien dient anschließend als Instrument zur strukturierten Erfassung und Evaluation der Anforderungen aus den Grundsatzdokumenten und Empfehlungen der Stakeholder. Dadurch sollen potenzielle Lücken zwischen Bedürfnissen und Lösungen im aktuellen Umfeld der FDR identifiziert und Anreize für die Entwicklung und Verbesserung der FDR gegeben werden.
Seit ungefähr 20 Jahren werden 3D-Digitalisierungstechnologien im Bereich des materiellen Kulturerbes verwendet. Ursprünglich eine Messtechnik für Industrie und Medizin, kommen unterschiedliche technische Verfahren nun dafür zum Einsatz, um Oberflächen und Strukturen dreidimensionaler materieller Objekte des kulturellen und wissenschaftlichen Erbes dreidimensional zu erfassen, zu modellieren und zu rekonstruieren. Im Vergleich zur Fotografie wird dabei die „gesamte Geometrie eines Objekts, seine Oberflächentextur und nach Möglichkeit seine optischen Materialeigenschaften erfasst, integriert und [in einem] digitalen 3D-Modell zusammenzugeführt.“ Hinzu kommen bildgebende Verfahren, die zerstörungsfrei das Innere der Objekte mehrdimensional abbilden können. In den letzten Jahren hat die Nutzung der 3D-Digitalisierung und -Modellierung auch in der forschenden und kustodialen Arbeit mit wissenschaftlichen Objektsammlungen zugenommen. Dies lässt sich auf den „Material Turn“ in den Geistes- bzw. Kulturwissenschaften, auf die neuen sich entwickelnden technischen Möglichkeiten und mit Sicherheit auf den generellen gesellschaftlichen Trend zur Digitalisierung aller Lebens-, Sozial- und Arbeitswelten zurückführen. Entsprechend geht diese Arbeit der Frage der 3D-Digitalisierung materieller Objekte aus wissenschaftlichen Sammlungen nach.
Data Stewardship wird besonders im Bezug auf die FAIR Data Principles und die Einführung der European Open Science Cloud als Begriff weitläufig verwendet, der im weitesten Sinne alle anfallenden Aktivitäten im Forschungsdatenmanagement beschreibt. Jedoch sind genaue Definitionen, Ausprägungen und konkrete Tätigkeitsbeschreibungen bislang noch nicht vollständig definiert. Forschungsdatenmanagement kann als soziotechnisches System angesehen werden, in dem unterschiedliche Akteure in Beziehung treten und zusammenwirken müssen. Die Akteure entstammen dabei unterschiedlichen Sozialen Welten, die an ihren Schwellen aufeinandertreffen und Grenzbereiche (Boundaries) bilden. Unterschiedliche Methoden der Grenzarbeit (Boundary-Work) können angewendet werden, um Kollaborationen zwischen Akteursgruppen zu ermöglichen und zu optimieren. Dabei stellt sich die Frage, inwiefern sich Data Stewardship Aktivitäten in diese Form von Zusammenarbeit einordnen lassen und welche Aufgaben Data Stewards dabei zukommen. Ziel der vorliegenden Arbeit ist die Erarbeitung eines Referenzmodells durch die Übertragung von Theorien zu Kollaborationen in soziotechnischen Systemen und des Agierens an Boundaries aus der Technik- und Wissenschaftssoziologie auf das Anwendungsfeld des Data Stewardships. Hierfür werden anhand einer Literaturanalyse begriffliche Entwicklungen und Ausprägungen des Konzeptes Data Stewardship nachvollzogen und eine Arbeitsdefinition entwickelt. Bestehende theoretische Ansätze zu Methoden und Aufgaben von Boundary-Work werden anhand einer Analyse von im EU-Projekt EOSCpilot erarbeiteten Tätigkeitsbeschreibungen auf die Domäne Data Stewardship übertragen. Der Literatur lassen sich drei begriffliche Ausprägungen entnehmen: Data Stewardship als übergreifendes Konzept und zielgerichtete Menge an Handlungen, Data Stewardship als operative Beschreibungen von Tätigkeiten, die von unterschiedlichen Akteuren im Forschungsprozess ausgeführt werden und Data Steward als neue Rollenbeschreibung für verantwortliche Personen im Forschungsdatenmanagement. Data Stewards können an (kognitiven) Boundaries zwischen unterschiedlichen Akteursgruppen wirken. Sie übernehmen dabei unterstützende, koordinierende und vermittelnde Funktionen als ,Boundary Spanner’. Für die Arbeit an Boundaries können Boundary Objects eingesetzt werden, um als gemeinsame Referenzobjekte zwischen den Akteursgruppen zu vermitteln und die Zusammenarbeit zu erleichtern. Es werden Datenmanagementpläne, Policies und die FAIR Data Prinzipien als mögliche Boundary Objects im Data Stewardship identifiziert. Diese Arbeit ermöglicht eine neue Perspektive auf Data Stewardship Aktivitäten und die Rolle von Data Stewards. Sie zeigt, dass Data Stewardship als ein Zusammenspiel unterschiedlicher Akteure eingebettet in soziale Geflechte angesehen werden kann. Data Stewards müssen dabei über infrastrukturelle oder forschungsgetriebene Zielsetzungen hinaus vermittelnd auf einer sozialen Ebene agieren und müssen dafür entsprechende Kompetenzen mitbringen.