Forschungsdatenmanagement

UniLLAP - Über das Projekt

Universitäres Datenmanagement:
von Lehre, Lernen und Anwendung in die Praxis

Einführung

Die Nutzung und der Umgang mit digitalen Forschungsdaten ist seit langem ein wichtiger Aspekt auf der Agenda der deutschen Forschungsorganisationen und Universitäten. Daher haben viele  wissenschaftliche Einrichtungen in den letzten Jahren Datenmanagementrichtlinien verabschiedet, die sich wesentlich an den FAIR-Prinzipien des Datenmanagements orientieren (https://www.force11.org). Richtlinien und  Pläne sind jedoch oft noch vage formuliert, unverbindlich und werden bedingt durch fehlendes Know-how häufig nicht konsequent  umgesetzt. Infolgedessen gibt es heute nur wenige praktische Beispiele, bei denen die Umsetzung einer nachhaltigen zuverlässigen Bearbeitung, Archivierung und Publikation von Forschungsdaten vorbildlich und beispielhaft gezeigt/nachgewiesen wird.

Im Projekt UniLLAP wird dieses Thema in einem Bottom-Up-Hands-on-orientierten Ansatz aufgegriffen, indem mit dem Management der Forschungsdaten dort angesetzt wird, wo und durch wen diese Daten tatsächlich erzeugt werden.

Die Herausforderung

Neben erfahrenen Forschern gibt es zwei Personengruppen, die bei der Datenerzeugung eine wichtige, aber heute noch unterschätzt Rolle spielen:

1. Studierende und

2. Technisches Personal.

Warum sind diese Gruppen wichtig für unser Verständnis des Datenmanagements? Studierende sind die zukünftigen Forscher, die im Rahmen ihrer Master- und Promotionsarbeiten, als HiWi oder Forscher Experimente durchführen und auswerten, und somit wichtige Faktoren bei der Erzeugung wissenschaftlicher Daten und Ergebnisse sein werden. Gleiches gilt für Laboranten und anderes technisches Personal, die im Auftrag der Forschenden Ergebnisse und Analysen durchführen und somit die Qualität der Forschung wesentlich beeinflussen. Darüber hinaus wirken diese, durch ihre Vorbildfunktion auf die Studierenden und somit auf künftige Forschergenerationen.

Während viele wissenschaftliche Institutionen den erkannten Schulungsbedarf hinsichtlich FDM mit Hilfe von Kursen für Doktoranden und Post-Docs begegnen, gibt es vergleichbare Angebote und Ansätze, welche den Studierenden Relevanz, Techniken und Strategien sowie ein vorausschauender Umgang mit Forschungsdaten näherbringen, noch nicht.

Die Lösung

Innerhalb von UniLLAP wird dieses Problem auf zwei Weisen adressiert:

  1. es soll neues Lehrmaterial entwickelt werden, um FDM-Strategien frühzeitig in den Curricula der Studenten, vorzugsweise in praktischen Kursen, zu lehren. Dafür haben wir Kurse aus den Naturwissenschaften (analytische Geochemie, Feldarbeit in Geographie) sowie Kurse aus den Geisteswissenschaften (Geschichte, Paläographie, Quellenstudien) ausgewählt. Je nach Kurs werden praktische Aufgaben umgesetzt, deren Ergebnisse in Beziehung zu größeren Datensätzen gestellt werden können. Diese können im Prinzip von Generationen von Studenten in Praktika in aufeinander folgenden Jahren erzeugt und analysiert werden, und können als eine live-Demonstration für den praktischen Einsatz von FDM Techniken dienen.
  2. Technisches Personal, das in der Analytik und der Erstellung von wissenschaftlichen Daten arbeitet, wird in Daten-Management-Praktiken ausgebildet, um das FDM in den institutionellen Laboren zu verbessern. Dafür werden Standard-Laborverfahren analysiert und die Mitarbeiter dabei unterstützt, FDM Pläne für die Labors zu entwickeln, sowie praktisch umzusetzen. Unser Ziel ist es, junge und werdende Wissenschaftler möglichst frühzeitig bei ihren ersten Schritten im Labor zu unterstützen. Dafür haben wir sehr unterschiedliche Kurse ausgesucht, um mehr über die Gemeinsamkeiten und Unterschiede der Bedarfe und Möglichkeiten zwischen Geistes- und Naturwissenschaften in FDM zu lernen. Wir untersuchen ferner, welche unterschiedlichen Anforderungen wir an Studenten aus den Bachelor- und Masterstudiengängen, sowie Doktoranden stellen können, bzw. welche speziellen Bedarfe diese Personengruppen haben. Basierend auf diesen Erkenntnissen werden wir die Lehrinhalte von Kursen verbessern können, indem wir FDM-Themen in das Curriculum integrieren.

 

Darstellung der Lernziele in Geistes- und Naturwissenschaftern, Bcahelor vs Master Level.

Vereinfachte Darstellung der Lernziele in den Geisteswissenschaften vs. Naturwissenschaften und Bachelor- vs Masterstudenten. Außen sind mögliche Themenbereiche für einzelne Lerneinheiten dargestellt.