1. Vortrag
Wir machen Daten FAIR – Angebote für die Sozialwissenschaften
Anja Perry, GESIS – Leibniz-Institut für Sozialwissenschaften
Abstract:
Forschende sehen sich steigenden Anforderungen zur Generierung FAIRer Daten und den Ansprüchen von Open Science gegenüber, etwa durch Auflagen von Forschungsförderern. Die Herausforderungen in den Sozialwissenschaften sind dabei vor allem, die langfristige inhaltliche Interpretierbarkeit der Daten zu erhalten, der Schutz personenbezogener und sensibler Daten und der Schutz des geistigen Eigentums sowie die Gewährleistung der technischen Lesbarkeit der Daten.
Das Datenarchiv für Sozialwissenschaften, eine Abteilung von GESIS – Leibniz-Institut für Sozialwissenschaften, besitzt eine über Jahrzehnte hinweg aufgebaute Expertise in der Aufbereitung, Dokumentation und Kuratierung von Daten großer (internationaler) Umfrageprogramme. Mit dieser Expertise unterstützt es Forschende in den Sozialwissenschaften bei den genannten Herausforderungen. Der Vortrag geht auf wichtige Angebote für Forschende ein sowie auf Forschung und Infrastrukturprojekte im Datenarchiv, die das Angebot in Zukunft weiter verbessern.
Kurzbiografie:
Anja Perry (geb. Klaukien) arbeitet seit Juli 2016 im Datenarchiv für Sozialwissenschaften bei GESIS und ist dort für die Datenakquisition zuständig. Sie ist zudem Ansprechpartnerin zum Datenzugang und zur jährlichen Summer School des ICPSR - Inter-University Consortium for Political and Social Research.
Zuvor arbeitete sie in der Abteilung Survey Design and Methodology für das "Programme for the International Assessment of Adult Competencies" (PIAAC). Sie koordinierte die Arbeiten am nationalen PIAAC-Bericht und war zuständig für das Archivieren und den Vertrieb der deutschen PIAAC-Daten und die Organisation von PIAAC-Workshops. Anja Perry schloss 2010 ihre Dissertation zu „Decision Making in Innovation and Entrepreneurship“ am Max-Planck-Institut für Ökonomik und im DFG-Graduiertenkolleg "The Economics of Innovative Change" an der Friedrich-Schiller-Universität, Jena ab. Danach arbeitete sie als Wissenschaftliche Mitarbeiterin beim Statistischen Bundesamt in Wiesbaden im Bereich der Bildungsstatistiken.
2. Vortrag
VAMP it up! A pragmatic approach to reusable research outputs
Michael Hanke, Institute of Neuroscience and Medicine Brain & Behaviour (INM-7),
Research Center Jülich, Germany / Institute of Systems Neuroscience, Medical Faculty,
Heinrich Heine University Düsseldorf, Germany
Abstract:
Reusability is arguably the ultimate aim of the FAIR principles. But even when the goal is defined, the process to achieving reusable research outputs remains challenging, vague, and can be perceived as yet another additional task to be accomplished in already complex research workflows, and dense educational curricula. In my talk, I will argue that adopting four basic attitudes towards research data will lead to
more FAIR outputs quicker, while minimizing additional costs: (V)ersion control always and everything, (A)ctionable metadata first, (M)odularize digital research objects, and yield (P)ortable results. VAMP it up!
Kurzbiografie:
Michael Hanke studied psychology in Halle (Saale) and Magdeburg, Germany. After being a postdoc in the lab of James Haxby at Dartmouth College, together with Yaroslav O.Halchenko working on NeuroDebian and PyMVPA, he moved back to Magdeburg as a Juniorprofessor. Since 2019, he is a professor at Heinrich Heine University Düsseldorf and head of the Psychoinformatics lab at the Institute of Neuroscience and Medicine (Brain and Behavior) of the Research Center Jülich. His group contributes to the development of the DataLad software, and develops
workflows and training materials for research data management in neuroscience.
3. Vortrag
Wie wichtig ist die Dokumentation für die Nachnutzbarkeit von Forschungsdaten und wie werden meine Daten sichtbar? Beispiele von GFZ Data Services
Kirsten Elger, Deutsches GeoForschungsZentrum (GFZ)
Abstract:
Die FAIR Prinzipien für das Forschungsdatenmanagement haben einen starken Fokus auf technische Aspekte: PIDs und Maschinen-lesbare Metadaten sind essentiell für die Auffindbarkeit von Daten, bei der Accessibility spielen Schnittstellen eine Rolle, Interoperabilität kann sich sowohl auf Daten als auch auf Metadatenstandards beziehen. Das R von FAIR steht für „reusable“ – die Nachnutzbarkeit. Dies stellt besonders im Bereich der hochvariablen „long-tail“ Daten eine große Herausforderung für Repositorien und Datenkuratoren dar, weil es oft keine Datenstandards gibt. Gleichzeitig müssen viele Daten über die standardisierten Metadaten hinaus beschrieben werden, um eine fehlerfreie und sinnvolle Nachnutzung zu ermöglichen. In diesem Beitrag stellen wir vor allem Beispiele von GFZ Data Services vor, die darauf abzielen, das R und das F von FAIR zu unterstützen: die Nutzung von Metadaten Editoren und Templates für die Datenbeschreibung einerseits und Voraussetzungen für Scholix Services andererseits.
Kurzbiografie:
Seit 2014 betreut Kirsten Elger das fachspezifische Datenrepositorium GFZ Data Services am Deutschen GeoForschungsZentrum GFZ. GFZ Data Services ist ein internationalanerkanntes Repositorium für zitierbare und mit DOI referenzierte geowissenschaftliche Daten, Software und für die Vergabe von International Geo Sample Numbers (IGSN–PID für physische Proben). Neben individuellen Datensätzen der sogenannten „long-tail communities“, werden zunehmend auch Datenpublikationsservices für nationale und internationale Netzwerke und Services, vor allem in Geodäsie und Geophysik, aufgebaut und betrieben. Auf nationaler Ebene ist GFZ Data Services ein Partner-Repositorium für den Fachinformationsdienst Geowissenschaften (FID GEO). International repräsentiert Kirsten Elger das GFZ bei großen Verbundprojekten, aber auch bei der Coalition of Publishing Data in the Earth and Space Sciences (COPDESS) und dem „Enabling FAIR Data“-Projekt. Sie ist Leiterin der DOI Working Group des Global Geodetic Observing Sytem (GGOS), einer Unterorganisation der International Association for Geodesy, und Chefeditorin bei Copernicus’ Datenjournal „Earth SystemScience Data“.
