Forschungsdatenmanagement von A - Z

Treffer 1 - 13 von 13 Ergebnissen

  • Archivierung
    Englisch: Archiving

    Unter Archivierung ist die unveränderbare, langzeitige Aufbewahrung Ihrer Daten zu verstehen. Die Wahl des Mediums für die Aufbewahrung Ihrer Forschungsdaten spielt dabei eine entscheidende Rolle. Das Speichern der Dateien auf einem externen Datenträger mit Aufbewahrung in der Schublade stellt hierfür keine geeignete Lösung dar!
     

    Für kleinere Datenmengen, die nicht personenbezogen sind, nutzen Sie am besten simpleArchive. Für die regelmäßige Archivierung größerer oder personenbezogener Daten bietet sich die Nutzung des Archivdienst des IT Centers der RWTH Aachen an.
     

    Für die Archivierung kommt der Dokumentation Ihrer Daten eine tragende Rolle zu. Die Dokumentation sollten alle zum Verständnis notwendigen Informationen, also alle Metadaten, beinhalten.


    Der Archivdienst des IT Centers bietet bei der Archivierung die Vergabe des EPIC persistenten Identifiers an.
     

    Beachten Sie auch unsere Anleitung Archivierung von Daten zu einer Publikation.

  • Datenmanagementplan
    Englisch: Data Management Plan

    Ein Datenmanagementplan, kurz DMP, stellt eine systematische und zielorientierte Dokumentation Ihrer  Forschungsdaten dar. In einem Datenmanagementplan werden unter anderem der Umgang, die Speicherung und Archivierung, der Zugriff und die Nutzung Ihrer Daten und Metadaten berücksichtigt. Durch die Erstellung eines Datenmanagementplans werden von Beginn Ihres Projektes an Gedanken zu der Qualität Ihrer Daten, zu  Ihren Ressourcen und zu Ihrem geistigen Eigentum („Intellectual  Property“) impliziert.
     

    Zur Erstellung eines DMPs können Sie auf verschiedene Online-Tools zurückgreifen.


    Folgende Online Tools helfen Ihnen bei der Erstellung eines DMPs:
     

    • RWTH-Aachen-eigene DMP-Vorlage
    • DMP Online
      DMP Online ist ein vom britischen Digital Curation Centre, kurz  DCC, entwickeltes und an der University of Edinburgh gehostetes Tool. Es stellt verschiedene Templates von Forschungsförderern sowie ein generisches Template passend für jedes Forschungsvorhaben zur Verfügung. DMP Online hilft bei der Erstellung eines DMPs gemäß den Vorgaben der EU.
    • DMP-Tool
      Das DMP-Tool wird von der California Digital Library angeboten. Es beinhaltet die Anleitung für einige Forschungsförderer, die heute schon einen DMP verpflichtend verlangen. Eine Einbindung von Ressourcen und Services bestimmter Partnerinstitutionen erleichtert in einigen Fällen das Ausfüllen eines DMPs. Das Tool verfügt auch über eine generische DMP-Vorlage und ist für jeden frei zugänglich. Die Webseite offeriert einige Beispiele für Datenmanagementpläne.
  • Domänenmodell
    Englisch: Domain Model

    Innerhalb eines Forschungsprojekts können verschiedene Domänen – auch Arbeitsumgebungen – identifiziert werden. Die Domänen unterscheiden sich in der Art des Datenaustauschs, im Kreis der Austauschpartner und in der Art der Nutzung.
     

    • Private Domäne ist die Arbeitsumgebung eines jeden Forschenden.
    • Gruppendomäne ist die gemeinsame Arbeitsumgebung der Forschergruppe.
    • Dauerhafte Domäne ist die Arbeitsumgebung zur Langzeitarchivierung.
    • Zugang und Nachnutzung ist die Projekt- und disziplinübergreifende Arbeitsumgebung aller Forschenden – weltweit.

    Jedes Forschungsprojekt berührt über die Laufzeit mindestens die ersten drei Domänen.
    Die kritischen Punkte sind die Übergänge zwischen den Domänen, so dass ein möglichst reibungsarmer Übergang eine umfassende Planung erfordert. Diesem Zweck dient auch der Datenmanagementplan.
     

    • Bereits in der privaten Domäne der Forschenden ist es wichtig, durch eine Gesamtkonzeption die Grundlagen für die späteren Übergänge in die anderen Domänen zu legen.
    • Für den Übergang in die Gruppendomäne sind grundlegenden Festlegungen für die gemeinsame Nutzung und Erstellung von Forschungsdaten erforderlich.
    • Ist eine dauerhafte Speicherung erforderlich und eine Veröffentlichung geplant, sind Informationen für das disziplinübergreifenden Verständnis und die Nachnutzung zu ergänzen.
    • Es ist zu bedenken, dass Daten häufig nicht nur für einen Forschungskontext relevant sind. Oft kommt es zu Überlappungen und die Daten aus einer Disziplin von heute bilden die Basis für die Forschung einer anderen Disziplin von morgen. Um diese neuen Möglichkeiten zu schaffen, ist es wichtig, dass ein Zugang zu den Forschungsdaten geschaffen wird.
  • Formate
    Englisch: Formats

    Das Spektrum an Datentypen und Formaten von Forschungsdaten ist sehr vielfältig.
     

    Beispiele für Datentypen sind:
     

    • Modelle: statistisch, 3D-Modellierungen
    • Multimediale Daten: JPEG, TIFF, MPEG
    • Numerische Daten: Excel, SPSS, CSV
    • Software: Java, C++
    • Textdokumente: Word, PDF, XML
  • Gute wissenschaftliche Praxis
    Englisch: Good Academic Practice

    Die Gute Wissenschaftliche Praxis erfordert die Aufbewahrung von Forschungsdaten für mindestens 10 Jahre.

  • Institutspolicy
    Englisch: Institutional Policy

    Eine Institutspolicy kann Ihnen und Ihren Mitarbeiterinnen und Mitarbeitern helfen, Sicherheit und Orientierung zu schaffen. In der RWTH-Vorlage zur Institutspolicy finden Sie Vorschläge, die nicht verbindlich sind bzw. individuell auf die Arbeitsgruppe/ Institut/ etc. angepasst werden kann. Inhalt einer Institutspolicy sind unter anderem der Umgang mit Datenmanagementplänen, Nutzungs- / Urheberrechte und die Speicherung bzw. Archivierung der Forschungsdaten.

  • Langzeitarchivierung
    Englisch: Long-Term Archiving

    Unter Langzeitarchivierung wird allgemein eine Sicherung der Datenverfügbarkeit für einen Zeitraum länger als zehn Jahre verstanden. Neben der Erhaltung der Dateninhalte auf Bitebene sind insbesondere die Anforderungen an eine zukünftige Interpretierbarkeit der Daten zu beachten:
     

    • Ist das Datenformat für die Langzeitarchivierung geeignet?
    • Wird zur Interpretation eine spezielle Software benötigt?
    • Sind die Metadaten vollständig?

    Um eine Nutzung der Daten in einer zukünftigen, heute noch unbekannten technischen Infrastruktur zu ermöglichen, kommt insbesondere den technischen und deskriptiven Metadaten eine hohe Bedeutung zu.
     

    Weitere detaillierte Informationen zur Langzeitarchivierung von Forschungsdaten finden Sie in den NESTOR-Handbüchern: Langzeitarchivierung von Forschungsdaten oder Digitial Curation of Research Data oder über das Nestor-Wiki.
     

    Eine Möglichkeit für die Langzeitarchivierung, die durch das FDM-Team erprobt wurde, bietet die Software Rosetta von ExLibris.

  • Metadaten
    Englisch: Metadata

    Metadaten ist ein Begriff für die weiterführenden Informationen zu Ihren Forschungsdaten. Sie beschreiben diese näher und machen sie zu jeder Zeit interpretierbar. Metadaten sind zur Dokumentation, Verwaltung und Klassifikation digitaler Forschungsdaten besonders wichtig. Nur mit ihrer Hilfe können beispielsweise Fragen beantwortet werden wie:
     

    • Woher stammen die Daten?
    • Wer hat die Daten wann und wie erstellt?

    Um Austausch und Wiederverwendbarkeit von Metadaten über digitale Informationssysteme sicherzustellen, sollten möglichst einheitlich standardisierte Metadatenschemata verwendet werden.
     

    Eine Einführung zum Thema Metadaten bietet JISC Infokit. Dieser Guide informiert Sie zu den wichtigsten Zielen und Konzepten zum Thema Metadaten, ohne dass  Sie Vorkenntnisse besitzen müssen.
     

    Eine sehr kurze Einleitung zum Thema Dokumentation und Metadaten liefert die Präsentation Explain It.


    Ein Training zur Dokumentation und zu Metadaten bietet der interaktive Mantra-Kurs. Den Teilnehmenden wird schnell klar, warum es wichtig ist, die eigene Forschung für sich und für andere zu dokumentieren. Außerdem wird den Nutzerinnen und Nutzern vermittelt, wann und warum sie Metadaten einsetzen sollen.

  • Metadatenchema
    Englisch: Metadata Schema

    Ein Metadatenschema ist die Zusammenstellung zulässiger Datenelemente zur eindeutigen Beschreibung einer Ressource. Welches Metadatenschema für Sie das Richtige ist, ist abhängig von einigen Faktoren wie Datentyp oder Entstehungs-und Verwendungskontext abhängig.
     

    Es gibt eine Vielzahl von Metadatenschemata für Daten aus unterschiedlichen Fachdisziplinen. Der erste Schritt bei der Konzeption der Beschreibung Ihrer Forschungsdaten besteht darin zu prüfen, ob für Ihre Disziplin bereits ein passendes Schema existiert. Eine stetig wachsende Auflistung finden Sie zum Beispiel auf FAIRsharing.org. Zu den bekanntesten, standardisierten Metadatenschemata zählen Dublin Core oder RADAR.
     

    Das Metadatentool ermöglicht es Ihnen, Metadaten gemäß eines für Ihre Einrichtung erstellten Schemas auszufüllen. Das Schema gibt nicht nur vor, welche Metadatenfelder (Autor, Fachgebiet,...) erfasst werden müssen und welche erfasst werden können, sondern ermöglicht es dabei auch, kontrollierte Vokabulare zu nutzen.
    Ein geeignetes Metadatenschema auszuwählen oder zu erstellen ist keineswegs trivial. Das unterstützt Sie gerne dabei.
     

    Haben Sie sich für ein Metadatenschema entschieden, so muss die inhaltliche Belegung der Datenfelder festgelegt werden. Um eine möglichst große Wiederverwendbarkeit zu gewährleisten und die Recherche optimal zu unterstützen, bietet sich die Verwendung kontrollierter Vokabulare, Thesauri und Klassifikationen an. Auch in diesem Bereich kann bereits auf eine Vielzahl an sowohl fachübergreifenden als auch disziplinspezifischen Lösungen zurückgegriffen werden.
     

    Einen Überblick über kontrollierte Vokabulare, Thesauri und Klassifikationen bieten die Webseiten von BARTOC und taxonomy warehouse.

     

  • Persistenter Identifikator
    Englisch: Persistent Identifier

    Ein Identifier ist die eindeutige Identifikation einer (digitalen) Ressource. Ein klassisches Beispiel für einen Identifier ist die International Standard Book Number (ISBN) im Printbereich. Für digitale Objekte wird häufig der Uniform Resource Locator, kurz URL, verwendet. URLs haben eine Halbwertszeit von circa 100 Tagen. Aufgrund dieser „Kurzlebigkeit“ eigenen sich die URLs nicht für eine dauerhafte und eindeutige wissenschaftliche Zitierbarkeit von Forschungsdaten. Hier kommen Persistente Identifier, kurz PID, zum Einsatz. Persistente Identifier stellen eine Mittelschicht zwischen der Referenz und dem Objekt dar, wodurch das Objekt vom „elektronischen“ Standort abgekoppelt wird. Dadurch wird die Reduktion der sogenannten „Broken Links“ (Error 404: Page not found) erreicht oder andersherum gesagt, die Stabilität von Verweisen wird erhöht, auch wenn die Daten den Speicherort wechseln.
     

    Der PID verleiht Forschungsdaten einen permanenten und unveränderbaren Bezeichner, URI genannt, der ihnen während des gesamten Lebenszyklus und gegebenenfalls darüber hinaus  zugeordnet bleibt.
     

    Das bekannteste Beispiel für einen PID ist der Digital Object Identifier, kurz DOI. Die RWTH Aachen bietet Ihnen darüber hinaus auch die Vergabe eines ePIC-PIDs an.

  • Persönliches Datenmanagement
    Englisch: Personal Data Management

    Um das Datenmanagement wie geplant umzusetzen, ist die tägliche Organisation des Forschungsalltags wichtig. Neben der Dokumentation sind Fragstellungen zur Probenbenennung und zur Organisation der Datenstruktur zu beachten. Treffen Sie daher möglichst frühzeitig Festlegungen für folgende Punkte:
     

    • Datenorganisation, Ablagestrukturen, Versionierung
    • Dokumentation, Metadaten
    • Datensicherung, Backup während der Projektlaufzeit
    • Verantwortlichkeiten, Zugriffsrechte, Regeln zur Zusammenarbeit
    • Archivierung oder Publikation nach Projektende

    Zur Unterstützung für Ihr persönliches Datenmanagement eignen sich besonders die Werkzeuge Datenmanagementplan oder Institutspolicy. Das Team Forschungsdaten berät Sie in individuellen Einzel- und/oder Gruppengesprächen. Dabei lassen sich mit Ihnen gemeinsam auf ihr Fach und die Bedingungen an ihrem Institut zugeschnittene Lösungsstrategien unter Nutzung der technischen Angebote der RWTH Aachen entwickeln.

  • Publikation
    Englisch: Publication

    Darüber hinaus gibt es disziplinspezifische oder institutionelle Repositorien. Einen guten Überblick über Forschungsdatenrepositorien erhalten Sie durch das von der DFG-geförderte und als Service von DataCite angebotene Registry of Research Data Repository, kurz re3data. Darüber hinaus besteht die Möglichkeit, das institutionelle Repositorium RWTH Publications zu nutzen.
     

    Viele Forschungsdatenrepositorien wie auch RWTH Publications inkludieren die Vergabe eines Digital Object Identifiers, kurz DOI für Ihre Daten. Die Universitätsbibliothek der RWTH Aachen ist bereits bei der Technischen Informationsbibliothek Hannover, kurz TIB, als Datenzentrum für die Vergabe registriert.

  • Urheberrecht
    Englisch: Copyright

    Informationen zum Thema Urheberrecht finden Sie im Merkblatt zum urheberrechtlichen Schutz von Forschungsdaten.