Refine
Year of publication
Document Type
- Announcement (7)
- Article (6)
- Part of a Book (3)
- Other (3)
- Patent (3)
- Conference Proceeding (2)
- Image (2)
- Article trade magazine (1)
- Bachelor Thesis (1)
- Book (1)
Keywords
- Forschungsdatenmanagement (10)
- Forschungsdaten (7)
- FHD (5)
- Hochschulbibliothek (4)
- Amtliche Mitteilungen (3)
- E-Science (3)
- FDM (3)
- Benutzungsordnung (2)
- Data Librarian (2)
- Gebühren (2)
Department/institution
- Hochschulbibliothek (35) (remove)
Know-how im Forschungsdatenmanagement (FDM) aufzubauen und zu erhalten, ist eine grundlegende, stetig an Bedeutung zunehmende Aufgabe an Hochschulen für angewandte Wissenschaften (HAW) (vgl. Buch et al. 2023). Dieses Know-how kommt Mitarbeitenden der FDM-Servicestellen einer Hochschule ebenso zugute wie Forschenden selbst: Es versetzt FDM-Personal in die Lage, Forschende zielführend zu beraten, zu schulen und ihnen adäquate Tools und Services zu vermitteln; Forschenden werden konkrete Lösungswege für (neuartige) praktische Herausforderungen in Forschungsvorhaben aufgezeigt. Beide Gruppen werden weiterhin befähigt, hochschulinterne und -übergreifende Diskurse und Initiativen zum FDM mitzugestalten. Auf diese Weise trägt FDM-Know-how dazu bei, anforderungsgerechte und gewinnbringende Rahmenbedingungen für Forschung an HAW zu schaffen.
Im gemeinsamen Handlungsfeld "Information und Sensibilisierung" haben es sich die Projektverbünde der Förderlinie FDMScouts.nrw zur Aufgabe gemacht, das gewonnene Handlungswissen in Form einer FDM-Wissensbasis strukturiert und frei zugänglich zu bewahren (vgl. Eilert/Slowig 2022), um die Weitergabe der gesammelten Erfahrungen auch über die Förderlaufzeit hinaus zu ermöglichen und vor allem andere HAW beim Aufbau von Know-how in den FDM-Servicestellen zu befähigen. Zweck der nun vorliegenden Wissensbasis ist es, den Zielgruppen der Beschäftigten in FDM-Servicestellen und der Forschenden den Einstieg ins Forschungsdatenmanagement zu erleichtern – gerade in Anbetracht der Tatsache, dass sich FDM-Strukturen an HAW vielfach noch in der Aufbau- oder Konsolidierungsphase befinden. Sie trägt dementsprechend solche Aspekte zusammen, die sich erfahrungsgemäß als besonders relevant erweisen: Was ist zwecks Orientierung im weitreichenden Feld FDM von besonderer Wichtigkeit (Begriffe, Einstiegsseiten, Umsetzungstipps etc.)? Welche Ressourcen und Anlaufstellen sind zentral? Welche Fragen stellen sich für Forschende und FDM-Personal immer wieder?
FDM-Wissen aufzubauen und zu vermitteln bedeutet, diese und ähnliche Fragen zu beantworten. In diesem Sinn dient das Format der Frequently Asked Questions als grundlegende Organisationsmethode der vorliegenden Wissensbasis. Als Verknüpfung häufig gestellter Fragen mit kompakten Antworten stellen die FAQs niedrigschwellig Wissen bereit und tragen im Idealfall durch ihre Interaktionsorientierung zur Gestaltung konkreter Kommunikationssituationen (Beratungsgespräche, Schulungen) bei. Als Einstiegspunkte dienen die einzelnen Phasen des Forschungsdatenlebenszyklus und die Fragen, die sie regelmäßig aufwerfen. Darunter finden Forschende und FDM-Servicepersonal Antworten, Informationen und Links, die Orientierung bieten und Umsetzungsschritte benennen. Als GitHub-Repository realisiert, ist die Möglichkeit zur dezentralen Aktualisierung und Erweiterung gegeben. Insgesamt leistet die Wissensbasis einen Beitrag zur Dokumentation der Arbeit der FDMScouts.nrw-Verbünde und soll die nachhaltige Verankerung von FDM an HAW unterstützen.
Hintergrund: Durch die Digitalisierung hat sich die Art des Publizierens verändert. Es ergeben sich neue Publikationswege und -formen. Eine Reflexion der traditionellen Ansichten über Publikationen und die Sicherung der Qualität ist erforderlich. Damit ergibt sich die Intension der Arbeit: Gegenwärtige Qualitätskriterien zu erfassen, zu analysieren und neuartige Möglichkeiten aufzuzeigen.
Methoden: Die theoretische Basis für den Stand der Forschung erfolgt durch eine repräsentative Literaturrecherche. Die Extraktion der Qualitätskriterien basiert auf einer selektiven Quellenauswahl. Ergänzend werden sechs Expert:innen anhand eines halbstrukturiertem Interviewleitfadens befragt. Die extrahierten Erkenntnisse aus der Analyse fließen in einen Wissensgraph und liefern Ansätze für eine Qualitätssicherung. Die Modellierung einer Anwendung wird auf Basis des Standards BPMN 2.0 umgesetzt.
Ergebnisse: Es wird ein Qualitätskriterien-Index erstellt, der zur Ausweisung von Qualitätsmerkmalen für Publikationen führt. Diese bilden die Wissensbasis für eine Web-Anwendung. Der darin enthaltene prototypische Workflow leitet die:den Autor:in durch Kriterien. Als Ergebnis werden die Publikationen mit Qualitätsmerkmalen angereichert. Diese Arbeit liefert das theoretische Konzept für die Anwendung. Es beinhaltet ein Mockup und eine erste prototypische Umsetzung. Dies bietet die Basis für eine bedarfsorientierte, reale Entwicklung.
Schlussfolgerungen: Eine reale, technische Umsetzung ist mit entsprechenden Ressourcen realisierbar. Vorab wird empfohlen, die ermittelten Qualitätskriterien mit einer
Nutzer:innengruppe zu reflektieren bspw. in Form einer qualitativen Erhebung. Diese liefert Hypothesen und fördert die Akzeptanz für die Ausweisung von Qualität. Das Ergebnis behandelt keine fachdisziplin-spezifischen Aspekte. Erfolgt dies, wird es zu einer Erweiterung der Anwendung führen. Ebenfalls sollte die Usability der Anwendung getestet werden, bevor die reale Umsetzung erfolgt. Das erstellte Konzept, ein Mockup und der Prototyp liefern die Ausgangslage für die Entwicklung.
Der Chaos-Begriff ist für Pirandello nicht nur identitätsbestimmend, sondern wird auch mit seinem Novellenwerk in Verbindung gebracht, denn die ‚Novelle per un anno‘ scheinen sich jeder Bestimmung konkreter Ordnungsmuster zu widersetzen.
Die vorliegende Studie befasst sich mit der bisher noch nicht eingehend erforschten Frage danach, welche Strukturprinzipien den ‚Novelle per un anno‘ zugrunde liegen. Über klassisch-narratologische Textanalysen ausgewählter Novellen hinaus wird eine medienhistorische Perspektive eingenommen. Dies erlaubt Aussagen über den Einfluss des jeweiligen Publikationsmediums auf die Konstitution der Texte und die Gattung Novelle sowie eine Deutung der z.T. intensiven Umschriften der Novellen.
So zeigt sich, dass sich die Novellen innerhalb der Sammlung zueinander verhalten und über Themen, Motive und narrative Strukturen, aber auch über ihren medienhistorischen Kontext netzartig miteinander verbunden sind. Die Texte werden buchstäblich in die ‚Novelle per un anno‘ und damit einhergehend in eine Ästhetik des Chaos ‚eingeschrieben‘.
Forschungsdatenmanagement (FDM) nimmt in Wissenschaftsinstitutionen und Scientific Communities einen immer größeren Stellenwert ein. Hochschulen für angewandte Wissenschaften (HAW) sehen sich mithin der Aufgabe gegenübergestellt, Rahmenbedingungen für ein gelingendes FDM in Forschungsvorhaben zu schaffen. Die vorliegende Grafik hat zum Ziel, die Ausgestaltung dieser Rahmenbedingungen zu befördern, indem sie – mit Blick auf die operative Ebene – die Bedarfe der Forschenden mit FDM-Dienstleistungen zusammenbringt sowie Wechselwirkungen visualisiert. Auf diese Weise soll sie die Komplexität des Handlungsfelds FDM veranschaulichen und zugleich als Handreichung zur Ausgestaltung adäquater FDM-Ressourcen und -Prozesse für die Zielgruppe der Forschenden dienen.
Die Zusammenstellung basiert auf den generalisierten Erfahrungen, die zwischen 2020 und 2023 von den in der Förderlinie „FDMScouts.nrw“ finanzierten Projektverbünden in vier gemeinsamen Handlungsfeldern (Netzwerkarbeit, Information und Sensibilisierung, Koordination, Beratung) gesammelt wurden. Die zehn beteiligten Hochschulen arbeiteten in fünf Verbünden an Strukturen und Prozessen für eine nachhaltige Etablierung des Forschungsdatenmanagements vor Ort. Dabei berücksichtigt die Grafik überregionale Serviceangebote und Institutionen für den Bereich FDM, wie sie bis zum Zeitpunkt der Veröffentlichung zur Verfügung standen.
Datenlebenszyklus
(2023)
Ein Datenlebenszyklus dient als Rahmen für das strukturierte Datenmanagement. Er umfasst den gesamten Datenfluss von der Planung über die Erzeugung bis hin zur Aufbewahrung und Bereitstellung. An allen Stationen des Datenlebenszyklus können Maßnahmen für ein strukturiertes Datenmanagement getroffen werden, um Daten effizient zu nutzen, ihre Qualität sicherzustellen und ihre Langzeitverfügbarkeit zu gewährleisten.
Die vorliegende Grafik visualisiert den Datenlebenszyklus, der sich aus drei Hauptbereichen zusammensetzt: Planung und Nachnutzung, Erzeugung und Bearbeitung sowie Aufbewahrung und Bereitstellung. Jeder Bereich umfasst spezifische Aufgaben und Prozesse im Umgang mit Daten.
Die erste Phase „Planung und Nachnutzung“ beinhaltet zwei wesentliche Elemente. Als Erstes erfolgt die Planung des Forschungsvorhabens, bei der die Ziele, Methoden und Ressourcen definiert werden. Als Zweites umfasst sie die Recherche und Wiederverwendung bereits vorhandener Daten, um deren Nutzen und Potenzial für das vorliegende Projekt einzuschätzen.
Die zweite Phase „Erzeugung und Bearbeitung“ besteht aus drei Elementen, die in einem eigenen zirkulären Ablauf abgebildet sind. Als Erstes werden Daten erhoben und erfasst, entweder durch experimentelle Studien, Umfragen oder andere Methoden. Der Übergang von der ersten Phase zur zweiten Phase erfolgt über dieses Element, da hier die grundlegende Generierung eigener Daten innerhalb der Forschung beginnt. Als Zweites werden die gesammelten Daten gespeichert und organisiert, um ihre Integrität und Verfügbarkeit zu gewährleisten. Als Drittes erfolgt die Verarbeitung, Analyse und Auswahl der relevanten Informationen. Der Übergang von der zweiten Phase zur dritten Phase erfolgt aus diesem Element, da die gewonnenen Erkenntnisse für die weitere Aufbewahrung und Bereitstellung vorbereitet werden. Insgesamt bildet die zweite Phase einen kontinuierlichen Kreislauf.
Die dritte Phase „Aufbewahrung und Bereitstellung“ besteht aus drei Elementen. Als Erstes erfolgt die Publikation der Forschungsergebnisse, sei es in wissenschaftlichen Zeitschriften, Repositorien oder anderen relevanten Publikationsorten. Als Zweites werden die Daten archiviert, um ihre Langzeitverfügbarkeit und -integrität zu gewährleisten. Als Drittes wird Zugang zu den Forschungsergebnissen geschaffen, beispielsweise über eine gezielte Freigabe für bestimmte Nutzergruppen oder Erhöhung der Sichtbarkeit.
Im Rahmen des 55. Jour Fixe FDM der Landesinitiative fdm.nrw gaben die Mitglieder der Förderlinie FDMScouts.nrw einen Einblick in ihre Zusammenarbeit und stellten die Ergebnisse ihrer bisherigen Arbeit vor. Ziel der Förderlinie ist es, bedarfsgerechte Möglichkeiten zu schaffen, das Thema FDM sowohl strategisch als auch operativ nachhaltig an Hochschulen für angewandte Wissenschaften in NRW zu verankern. 10 Hochschulen in 5 Verbünden arbeiten seit 2020 gemeinsam an Diensten und Angeboten. Koordiniert werden die Aktivitäten von der Landesinitiative fdm.nrw.
Die Originalpräsentation ist über Conceptboard einsehbar: https://app.conceptboard.com/board/c87t-okqh-6utn-74xg-n182
Forschungsdatenmanagement (FDM) nimmt im Forschungsalltag der Hochschulen für angewandte Wissenschaften (HAW) eine zunehmende größere Rolle ein und stellt an viele Forschende bisher unbekannte Anforderungen. So gilt es ein FAIRes und nachhaltiges Datenmanagement im Sinne des Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ der DFG zu betreiben – für sich selbst, für die eigene Forschungsgruppe und für die Forschungsgemeinschaft. In dieser Veranstaltung anlässlich des Tags der Forschungsdaten in NRW am 15.11.2022 wurden die wesentlichen Grundzüge des Forschungsdatenmanagements anhand des Forschungsdatenlebenszyklus nähergebracht und Praxisbeispiele und nützliche Links vorgestellt.
Die Originalpräsentation ist über Conceptboard einsehbar: https://app.conceptboard.com/board/pd16-f504-imy3-hrz6-gtxu
Abbildungen sind klassische Bestandteile einer wissenschaftlichen Arbeit. Ob Datenvisualisierung, Fotografie oder Konzeptdarstellung - die Typen von Abbildungen variieren stark. Ebenso variantenreich ist die Art und Weise, wie Abbildungen in wissenschaftliche Arbeiten eingebunden werden können. Dieses Infoblatt bietet Hilfestellungen zum Zitatrecht und Urheberrecht sowie der Nachnutzung von lizenzierten Inhalten.
Forschungsdatenmanagement (FDM) umfasst alle Aktivitäten, die mit der Planung, Erhebung, Aufbereitung, Speicherung, Archivierung und Veröffentlichung von Forschungsdaten verbunden sind. Hierbei sind sowohl generische als auch fachspezifische Aspekte zu berücksichtigen; außerdem müssen rechtliche und technische Gesichtspunkte beachtet werden. Dies erfordert ein umfangreiches Serviceportfolio – von Information und Sensibilisierung über Beratung und Koordination bis hin zu IT-Infrastrukturen.
Mit der Förderlinie FDMScouts.nrw unterstützen das Ministerium für Kultur und Wissenschaft des Landes Nordrhein-Westfalen und die Digitale Hochschule NRW (DH.NRW) im Rahmen der landesweiten Digitalisierungsoffensive fünf Hochschulverbünde bei der nachhaltigen Verankerung des Themas FDM auf strategischer und operativer Ebene. Dabei werden sie inhaltlich und organisatorisch von der Landesinitiative fdm.nrw begleitet. Die hieraus resultierenden Impulse für den bedarfsgerechten Auf- und Ausbau von Kontaktstellen, Kompetenzen und Kapazitäten zum FDM sollen über die Verbünde hinaus auch anderen interessierten Hochschulen für angewandte Wissenschaften (HAW) und Fachhochschulen (FH) zugutekommen.
Das vorliegende Poster zeigt die Handlungsfelder und die einzelnen Aktivitäten, die im Rahmen der Förderlinie FDMScouts.nrw im ersten Förderjahr bereits begonnen bzw. umgesetzt wurden. Dieses Poster wurde in vergleichbarer Form auf der Jahrestagung der Digitalen Hochschule NRW am 14. und 15. September 2021 präsentiert.