Handbuch Forschungsdaten, Einzelbeiträge
Filtern
Erscheinungsjahr
- 2011 (16)
Dokumenttyp
Sprache
- Deutsch (16)
Volltext vorhanden
- ja (16)
Gehört zur Bibliographie
- nein (16)
Schlagworte
- Forschung (13)
- Daten (11)
- Folgenutzung (5)
- Bewertung (4)
- Datenmanagement (4)
- Langzeitarchivierung (4)
- Datenauswertung (3)
- Metadaten (3)
- Rechtsfrage (3)
- Speicherorganisation (3)
Institut
- Extern (12)
- FB5 Informationswissenschaften (3)
Forschungsdaten-Repositorien
(2011)
Insgesamt kann festgehalten werden, dass sich bei dem Thema Forschungsdaten-Repositorien in Deutschland in den letzten Jahren viel bewegt hat, auf fachwissenschaftlicher, technologischer und politischer Ebene. Dabei hat sich auch gezeigt, dass die Technologie nur eine Seite der Herausforderungen darstellt. Die andere Seite besteht darin, sowohl die politischen als auch strukturellen Rahmenbedingungen für den Aufbau und den dauerhaften Betrieb von fachwissenschaftlichen Forschungsdaten-Repositorien zu schaffen, als auch die Fachwissenschaftler sowie die weiteren Akteure (Infrastruktureinrichtungen wie Rechenzentren und Bibliotheken) in einem organisatorischen Gesamtkonzept sinnvoll einzubeziehen. Es bleibt abzuwarten, wie die Öffentlichkeit und die Politik auf den Gesamtbericht der KII reagieren und welche konkreten Maßnahmen in Deutschland ergriffen und umgesetzt werden.
Zukunftsorientiertes Forschungsdatenmanagement geht über die Dokumentation von Forschungsergebnissen und -prozessen hinaus und ermöglicht neue Formen der Wieder- und Weiternutzung der gespeicherten Daten. Dabei spielen Re- und Meta-Analysen dieser Daten eine besondere Rolle, und Visualisierungen als Form der explorativen Datenanalyse können wertvolle Erkenntnisse liefern und zu neuen Forschungsfragen führen. In diesem Artikel haben wir die Interoperabilität der Daten (durch gemeinsame Semantik und Syntax, realisiert durch Ontologien und Markup-Sprachen) als wichtige Voraussetzung für Analysen und den Einsatz geeigneter Verfahren zur Dimensionalitätsreduktion als Kernbestandteil geeigneter Visualisierungen identifiziert und mit einem Beispiel, einer Experimentaldatenbank zum Data Mining / maschinellen Lernen, illustriert. Die Entwicklung und Bereitstellung solcher Tools werden zu den wichtigsten Schritten der nächsten Zukunft gehören, um das Forschungsdatenmanagement offen und damit wissenschaftlich generativ zu gestalten.
Research Data Management
(2011)
Forschungsdaten haben durch die Entwicklung von Computern und Speichermedien in einem so großen Umfang zugenommen, dass schon vor Jahren von der „Datenflut“ gesprochen wurde. Automatische Messungen erzeugen neue Datensätze im Sekundentakt, elektronische Speicherung und Verknüpfung von Forschungsdaten ermöglichen, immer größere Datenmengen mit statistischen Verfahren und Visualisierungswerkzeugen auszuwerten. Bislang analoge Medien wie Texte und Fotografien werden in digitale Daten umgewandelt und automatisch verarbeitet. Es entsteht damit ein wachsender Fundus an Daten, der mit herkömmlichen wissenschaftlichen Verfahren nicht mehr erschöpfend genutzt werden kann. Die globale und interdisziplinäre Verknüpfung und Auswertung dieser Datenmengen eröffnet völlig neue Dimensionen wissenschaftlicher Erkenntnis. Damit das in den Daten implizit enthaltene Wissen zu Tage gefördert werden kann, müssen neue Verfahren und Instrumente entwickelt werden.
Seit den ersten nationalen, strategischen Papieren zu Datenmanagement-Fragen in der Wissenschaft in den USA (NSF, 2005), Großbritannien (Lyon, 2007; Swan & Brown, 2008), der EU (Atkinson et al. 2008; OGF22-ET CG, 2008) und vor allem seit den Guidelines der OECD (2007) wird international intensiv über die Erfordernisse der Ausbildung von „Datenspezialisten“ diskutiert. Grundlegende Überlegungen, die einen gewissen internationalen Konsens gefunden haben, wurden im Auftrag von JISC von Swan und Brown (2008, S. 1) entwickelt (vgl. Hank & Davidson, 2009). Sie schlagen vier Rollen im Forschungsdatenmanagement vor. Neben dem Data Creator (datenproduzierender Forscher), dem Data Scientist (Wissenschaftler der bspw. bei der Datenanalyse unterstützt) und dem Data Manager (verantwortlich für alle technischen Aspekte: Lagerung, Zugriff, Aufbewahrung) wurde auch der Data Librarian benannt. Im Weiteren wird, auch unter Beachtung der Tätigkeiten die im Data Curation Lifecycle Model (s. Beitrag von Rümpel. Kap. 1.2) aufgeführt sind, neben dem Data Manager und dem Data Curator insbesondere auf den Data Librarian eingegangen.
Forschungsdaten liegen in Abhängigkeit der Disziplinen in vielfältigen Formen und Formaten vor. Sie sind in allen Disziplinen Teil des wissenschaftlichen Erkenntnisprozesses. Als digitales Informationsobjekt sind sie komplex und bislang wenig studiert. Mit den Möglichkeiten neuer Informationstechnologien wurden in den letzten Jahren neue Wege in der Publikation von Forschungsdaten beschritten. Mit Fokus auf die Naturwissenschaften werden im Folgenden drei Publikationsmodelle beschrieben: Die Veröffentlichung von Forschungsdaten als eigenständiges Objekt in einem Forschungsdatenrepositorium, die Veröffentlichung von Forschungsdaten mit textueller Dokumentation und die Veröffentlichung von Forschungsdaten als Anreicherung einer interpretativen Text-Publikation.
In den Sozial- und Wirtschaftswissenschaften hat sich in den vergangenen Jahren eine Kultur des Teilens von Daten (data sharing) durchgesetzt. Das heißt, es sind zunehmend interessante Daten für Forschungszwecke verfügbar; die Herausforderung besteht heute in der Organisation dieser Datenwelt. Archive und Datenzentren fungieren als etablierte Orte des Datenzugangs und werden den unterschiedlichen Anforderungen an Datenschutz und der Erbringung von Serviceleistungen um die Daten herum gerecht. Zusammen bilden sie eine funktionierende Forschungsinfrastruktur, die durchaus einen Modellcharakter aufweist.
Datenmanagementpläne
(2011)
Datenmanagementpläne sind Ergebnisse der wissenschaftspolitischen Forderung nach einem zeitgemäßen Management und Austausch von wissenschaftlichen Daten. Der verantwortungsvolle Umgang mit Forschungsdaten wird national und international mit der Erwartung verbunden, dass die Ergebnisse öffentlich geförderter Forschungsprojekte für Analysen und Replikationen dauerhaft und global verfügbar gemacht sind (OECD, 2007; Allianz, 2010). Für ein Forschungsprojekt ist ein Datenmanagementplan (DMP) von praktischer Relevanz, seit nationale und internationale Förderinstitutionen von Antragstellern erwarten, systematisch zu beschreiben, wie mit Forschungsdaten während der Projektlaufzeit und nach Projektabschluss umgegangen werden soll. Zur Förderung der nachhaltigen Sicherung und Verfügbarkeit von Forschungsdaten hat die DFG 2010 die Erstellung eines Datenmanagementplans in die Antragsbedingungen aufgenommen.
Metadaten und Standards
(2011)
Standardisierte Metadaten sind eine notwendige Voraussetzung für die Dokumentation und dauerhafte Sicherung von Forschungsdaten. Als Werkzeug fördern sie nachhaltig die Erschließung und Nutzung datenbasierter Forschungsergebnisse. Metadaten sind Daten oder Informationen, die in strukturierter Form analoge oder digitale Forschungsdaten (Objekte) dokumentieren. Sie beschreiben, erklären, verorten oder definieren Objekte, Ressourcen und Informationsquellen für die Wissenschaft. Hierdurch helfen sie, Forschungsdaten zu managen, zu erschließen, zu verstehen und zu benutzen.
Umfangreiche Vorarbeiten der vergangenen Jahre haben dazu geführt, dass uns eine ganze Reihe von Werkzeugen für die Langzeiterhaltung von Forschungsdaten zur Verfügung steht. Diese Werkzeuge sind jedoch noch unzureichend in die wissenschaftlichen Arbeitsabläufe integriert, die daraus entstehenden Medienbrüche verursachen immer noch einen Mehraufwand, der selten geleistet wird. In einzelnen Fachgebieten gibt es jedoch bereits vorbildliche Lösungen, die sich auch auf andere Fachgebiete übertragen lassen. Um das Ziel einer nachhaltigen digitalen Langzeitarchivierung von Forschungsdaten zu erreichen, muss eine Strategie verfolgt werden, die Langzeitarchivierung von Daten zu einem anerkannten Beitrag zur wissenschaftlichen Kultur macht und in den institutionellen Arbeitsabläufen verankert. Diese organisatorische Strategie muss gleichzeitig von einer technischen Strategie unterstützt werden, die den Akteuren für die digitale Langzeitarchivierung von wissenschaftlichen Forschungsdaten geeignete Werkzeuge in die Hand gibt. Wissenschaft und Wissenschaftsorganisationen haben dies erkannt, so dass in den nächsten Jahren mit erheblichen Fortschritten gerechnet werden darf.
Zentrale Forderung in der Langzeitarchivierung ist die Sicherstellung der Datenintegrität. Im Zeitalter der elektronischen Speicherung von Daten ist das ein aktiver Prozess, der kontinuierliche Pflege der archivierten Daten erfordert. Wesentliche Bestandteile der Integritätssicherung elektronischer Daten sind: - Sicherstellung der Unversehrtheit (Bit-stream Preservation),- Sicherstellung der Lesbarkeit, - Sicherstellung der Interpretierbarkeit. Für eine Wiederverwendung wissenschaftlicher Daten müssen diese identisch zum Original sein, aus dem Bit-stream müssen Informationen (z. B. Ziffern und Buchstaben) auslesbar sein und diese Ziffern und Buchstaben müssen interpretiert werden können, um die ursprünglichen Informationen wieder zu gewinnen. „Data Curation Services“ unterstützen die Integritätssicherung elektronischer Daten. Sicherstellung der Les- und Interpretierbarkeit elektronischer Daten ist eine Voraussetzung für eine zukünftige Überprüfung wissenschaftlicher Ergebnisse.