Hochschulbibliothek
Refine
Year of publication
Document Type
- Announcement (8)
- Conference Proceeding (8)
- Article (6)
- Other (4)
- Part of a Book (3)
- Image (3)
- Patent (3)
- Article trade magazine (1)
- Bachelor Thesis (1)
- Book (1)
Keywords
- Forschungsdatenmanagement (17)
- Forschungsdaten (7)
- FHD (5)
- Fachhochschule (4)
- Hochschulbibliothek (4)
- Amtliche Mitteilungen (3)
- Angewandte Forschung (3)
- E-Science (3)
- FDM (3)
- Nationale Forschungsdateninfrastruktur (NFDI) e.V. (3)
Department/institution
- Hochschulbibliothek (44)
- Hochschulverwaltung (3)
- Fachbereich - Design (2)
- Fachbereich - Maschinenbau und Verfahrenstechnik (2)
- Campus IT (1)
- Fachbereich - Architektur (1)
- Fachbereich - Elektro- & Informationstechnik (1)
- Fachbereich - Sozial- & Kulturwissenschaften (1)
- Fachbereich - Wirtschaftswissenschaften (1)
Die Methoden und Maßnahmen im Umgang mit Forschungsdaten sind ebenso divers wie die Hochschultypen, Fachdisziplinen und Forschungsgruppen, in denen sie Anwendung finden sollen. Während einzelne Aspekte längst zur wissenschaftlichen (oder fachlichen) Norm gehören, sind andere noch in der Etablierung oder reines Zukunftsideal. Je nach Perspektive und Kontext ist Forschungsdatenmanagement (FDM) noch immer eine Innovation. Entsprechend divers ist auch das Serviceportfolio im Bereich FDM und bedarf einer regelmäßigen Reflexion und Anpassung.
Forschungsdatenmanagement als Innovation zu denken, schafft die Möglichkeit, sich der Innovationstheorie zu bedienen und auf dieser Grundlage die Wirkkraft bestehender FDM-Services zu reflektieren und neue Ideen für (kooperative) Serviceangebote zu entwickeln.
Auf dem Poster werden die FDM-Services der Hochschule Düsseldorf (HSD) vorgestellt und gleichzeitig reflektiert. Als theoretische Basis wird der Innovation-Decision-Process nach E. M. Rogers herangezogen, der bei der Frage nach der Verbreitung einer Innovation (Diffusionstheorie) das Individuum und dessen Entscheidung, eine Innovation zu übernehmen oder zu verwerfen, ins Zentrum stellt. Die fünf Prozessschritte, die Forschende bei der Entscheidung für oder gegen eine FDM-Maßnahme jeweils durchlaufen, werden in einem Kreislauf dargestellt und kurz erläutert und dazu FDM-Services der HSD vorgestellt, die dabei unterstützen, dass der jeweilige Prozessschritt erfolgreich durchlaufen werden kann. So wird insgesamt reflektiert, welche Services auf welche Weise auf eine nachhaltige Etablierung von FDM einzahlen. Abschließend werden neue Ideen vorgestellt, die aus der Reflexion entstanden sind und künftig Eingang in das Serviceportfolio der HSD finden sollen.
Die Konsortien der Nationale Forschungsdateninfrastruktur (NFDI) bieten eine Vielzahl von Services für das Forschungsdatenmanagement (FDM), die für Forschung, forschungsorientierte Lehre und Transfer an Hochschulen für angewandte Wissenschaften (HAW) von großer Bedeutung sind. Aufgrund institutioneller Besonderheiten stehen HAW jedoch vor spezifischen Herausforderungen bei der Implementierung von FDM-Strukturen. Ein zentraler Lösungsansatz ist die Entwicklung eines Serviceverzeichnisses, das eine gezielte Zuordnung der NFDI-Services zu den Fachbereichen und Bedarfen der Forschenden an HAW ermöglicht – der NFDI N(HAW)igator kann hierfür als beispielhafter Lösungsansatz dienen. Der Beitrag beleuchtet die Notwendigkeit einer klaren Service-Definition, die Bedeutung der Community-Beteiligung und die Herausforderungen bei der Aktualisierung und Pflege eines solchen Verzeichnisses. Es wird aufgezeigt, wie ein umfassendes Serviceverzeichnis zur effektiven Nutzung der NFDI-Angebote beitragen und die FDM Praxis an HAW stärken kann.
Words Don't Come Easy to Me – Teaching Academic Writing to Engineering Students in the Age Of AI
(2025)
The competence of academic writing is currently still a central requirement for obtaining an academic degree. However, in teaching academic writing, lecturers have to deal with the two challenges of decreasing reading competence in young people and increasing use of artificial intelligence (AI) in reading and writing assignments. In engineering in particular, literacy understood as reading and writing competence is essential - whether for understanding complex tasks, analysing case studies or dealing with technical documents such as the product requirements document. Against this background, it is crucial to develop strategies and discuss modern approaches to specifically promote students' reading and writing skills and thus create an essential basis for successful scientific work and problem-solving. This workshop aims to stimulate an interactive exchange and develop practical solutions in the three core areas strengthening reading competence, developing academic writing skills, and substituting for reading and writing assessments.
Die digitale Transformation der Gesellschaft betrifft auch und in besonderem Maße Hochschulen, die Studierende auf eine digitale Gesellschaft vorbereiten, Digitalisierung zum Gegenstand von Forschung und Transfer machen und einen wesentlichen Beitrag zur kritischen Reflexion von Digitalität leisten. Vor diesem Hintergrund möchte die Hochschule Düsseldorf (HSD) Chancen ergreifen, die sich für unsere Mitglieder und Angehörigen und für Hochschule als Organisation ergeben. Gleichzeitig will die HSD Risiken vermeiden, die aus einer undifferenzierten Adaption technischer Möglichkeiten folgen. Zu den Risiken gehören die sozialen, politischen und ökologischen Effekte des flächendeckenden Einsatzes von Technologie. Im Zuge der Entwicklung der Digitalstrategie haben sich Mitglieder und Angehörige der HSD aus allen Statusgruppen intensiv mit den Chancen und Risiken der Digitalisierung auseinandergesetzt, um einen Beitrag zur erfolgreichen Gestaltung der digitalen Transformation an der HSD zu leisten.
The presentation highlights the role of Universities of Applied Sciences (UAS) in research and their potential for the development of a National Research Data Infrastructure (NFDI). To address the growing need for structured research data management (RDM) at UASs, the FDM@HAW network has emerged as a potential connector between NFDI and UAS landscape. It aims to raise awareness of NFDI services across a diverse UAS network, and articulate UAS-specific requirements back to NFDI. In doing so, it strengthens mutual integration and fosters targeted support. With over 200 institutions [1], UASs constitute a significant part of the German science system. Traditionally focused on teaching, UASs have become drivers of applied research and regional innovation. Their contributions to education and research make them essential actors in shaping RDM in Germany. Research at UASs benefits business, science, and society. In many federal states, the right to award doctorates further reinforces their research activities. Strengthening RDM competencies is important to ensure that valuable research data from UAS meet the FAIR principles. Furthermore, employers benefit from graduates equipped with strong data literacy. Despite their potential, UASs remain underrepresented in the NFDI (and partly in the RDM community). Low participation in NFDI consortia and limited association membership indicate a broader lack of engagement, largely due to low awareness of NFDI among UAS researchers and administrations [2, p.42] [3, p.6]. The NFDI structure report 2024 addresses this gap and calls for broader contact to UASs [4, p.27]. Structural challenges limit UAS engagement in RDM and the NFDI, including high teaching loads, minor resources, and partnerships prioritizing data protection over openness or commercial interests. In response, many UASs have implemented strategic networking in research, teaching, and infrastructure to overcome resource limitations. This approach also drives the development of RDM structures, often via projects or state-level initiatives. The Federal Ministry of Education and Research supports 14 projects [5] through its funding guideline for RDM at UASs. This initiative led to the establishment of the FDM@HAW network in 2023, connecting these projects. Since its formation, the network has engaged in continuous exchange on RDM development and contributed to events such as Love Data Week, the FORTRAMA conference [6], Volkswagen Foundation's Digital Skills in Science Week [7] and E-Science-Tage [8]. These activities have helped sharpen the network's focus, identify shared priorities and integrate new members. Members contribute ideas, tools and services developed in RDM projects or collaborations - such as the "NFDI Survival Kit" [9] and the "NFDI-N(HAW)igator" [10] - to promote RDM awareness and inform about NFDI on a national scale. In line with NFDI's mission to "improv[e] the possibilities for using data for science and society" [11], FDM@HAW seeks to disseminate knowledge of and strengthen competence in delving into these possibilities. The network provides valuable support to activate a target group that has largely been untapped. Close cooperation between NFDI and FDM@HAW will then contribute to the successful development of a nationwide RDM ecosystem. In the presentation, proposals for cooperation will be outlined. (The references [1]-[11] are given in the PDF abstract according to the template).
Forschungsdatenmanagement entlang des "Innovation-Decision-Process" nach E. M. Rogers [Poster]
(2024)
Forschungsdatenmanagement und FDM-Maßnahmen als Innovation zu denken, schafft die Möglichkeit, sich der Innovationstheorie zu bedienen und auf dieser Grundlage die Wirkkraft bestehender FDM-Services zu reflektieren und neue Ideen für (kooperative) Serviceangebote zu entwickeln.
Hier werden die FDM-Services der HSD BIB auf Basis des „Innovation-Decision-Process“ nach E. M. Rogers reflektiert. Die fünf Prozessschritte, die Forschende bei der Entscheidung für oder gegen eine FDM-Maßnahme jeweils durchlaufen, werden kurz erläutert und dazu FDM-Services der Hochschule Düsseldorf (HSD) vorgestellt, die dabei unterstützen, dass der jeweilige Prozessschritt erfolgreich durchlaufen werden kann. So wird insgesamt reflektiert, welche Services auf welche Weise auf eine nachhaltige Etablierung von FDM einzahlen.
Dieses Poster wurde im Rahmen der VW-Themenwoche "Digitale Kompetenzen in der Wissenschaft" im Workshop "FDM mit geringen Ressourcen. Kompetenzaufbau durch Vernetzung von Hochschulen für angewandte Wissenschaften" am 02. Dezember 2024 vorgestellt.
Research Data Lifecycle
(2025)
A data lifecycle serves as a framework for structured data management. It covers the entire data flow from planning and generation to storage and provision. Measures for structured data management can be taken at all stages of the data lifecycle in order to use data efficiently, ensure its quality and guarantee its long-term availability.
This diagram visualizes the research data lifecycle, which is divided into three main areas: planning and repurposing, generation and processing, and storage and provision. Each area comprises specific tasks and processes for handling data.
The first phase, “Planning and Repurposing”, contains two key elements. The first is the planning of the research project, in which the objectives, methods and resources are defined. Secondly, it involves researching and reusing existing data in order to assess its usefulness and potential for the project at hand.
The second phase, “Generation and processing”, consists of three elements, which are mapped in a separate circular process. First, data is collected and recorded, either through experimental studies, surveys or other methods. The transition from the first phase to the second phase takes place via this element, as this is where the basic generation of own data within the research begins. Secondly, the collected data is stored and organized to ensure its integrity and availability. Thirdly, the relevant information is processed, analyzed and selected. The transition from the second phase to the third phase takes place from this element, as the knowledge gained is prepared for further storage and provision. Overall, the second phase forms a continuous cycle.
The third phase “Storage and Provision” consists of three elements. Firstly, the research results are published, be it in scientific journals, repositories or other relevant publication venues. Secondly, the data is archived to ensure its long-term availability and integrity. Thirdly, access to the research results is created, for example through selective access for certain user groups or increased visibility.
NFDI-N(HAW)igator
(2024)
Die Konsortien der Nationalen Forschungsdateninfrastruktur (NFDI) (https://www.nfdi.de/konsortien/) haben die Bereitstellung von Services und Infrastrukturen, die einem wissenschaftsgeleiteten und fachspezifisch ausgerichteten Umgang mit Forschungsdaten den Weg bereiten, zum Ziel. Um diese Angebote passgenau vermitteln zu können, ist für die individuelle Beratung zum Forschungsdatenmanagement (FDM) eine Kursbestimmung zwischen den angebotenen Leistungen der NFDI-Konsortien und den spezifischen Bedarfen der Forschenden erforderlich: Welches Konsortium bietet welche Leistungen für welchen Fachbereich und welche Datentypen?
Die Beantwortung dieser Frage ist mit Hürden verbunden, da
1. nur vereinzelt explizite Übersichten der Serviceangebote einzelner Konsortien vorliegen,
2. keine die DFG-Wissenschaftsbereiche spezifizierende Feingliederung zur fachsystematischen Zuordnung besteht und
3. interdisziplinäre Zuordnungsmöglichkeiten nicht abgebildet werden.
Mit der vorliegenden Orientierungshilfe wird nun prototypisch eine Lösungsmöglichkeit skizziert.
Unter folgendem Link finden Sie die aktuellste Version des NFDI-N(HAW)igators:
https://app.conceptboard.com/board/n8ur-rpq3-tx1f-q20d-kfb5
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.