Forschungsdaten – Aktuelles und Wissenswertes

Als Wissenschaftlerin oder Wissenschaftler arbeiten Sie ganz selbstverständlich mit Forschungsdaten in den verschiedensten Arten und Formaten. Sie gehören zu Ihren Forschungsprozessen und sind die Grundlage Ihrer Publikationen und nicht zuletzt auch der Doktorarbeit.

Manchmal empfinden Sie den Umgang mit Daten aber auch als aufwendig. Sie verlieren den Überblick, suchen lange nach früheren Daten oder brauchen viel Zeit diese nachzuvollziehen. Und wie ist es, wenn Sie mit anderen zusammenarbeiten oder wenn Sie beim Verlassen des Institutes die Forschungsdaten übergeben wollen? Könnten andere mit Ihren Forschungsdaten weiterarbeiten?

Wenn Sie Ihren persönlichen Umgang mit Forschungsdaten verbessern möchten, besuchen Sie das nächste Seminar „Management von Forschungsdaten“, das am Freitag den 30.10.2015 in der Universitätsbibliothek stattfindet. Das Seminar wird Sie für den nachhaltigen Umgang mit Forschungsdaten sensibilisieren, Ihnen Möglichkeiten aufzeigen, das persönliche Datenmanagement zu optimieren und Sie auf die Unterstützungsangebote der RWTH zum Forschungsdatenmanagement aufmerksam machen.

Bei Fragen zu Kursinhalten wenden Sie sich bitte an das FDM-Team, indem Sie eine Nachricht an das  IT-ServiceDesk schreiben.

Die Analyse von Daten ist eine Herausforderung, insbesondere wenn sich die Daten selbst oder die Auswertungskriterien laufend ändern, die eigenen Ressourcen schwanken, die Zeit knapp ist, nur eingeschränkte technische Werkzeuge zur Verfügung stehen, die Analysen aber trotzdem reproduzierbar und einfach erklärbar sein sollen.

Enda Ridge hat als „Data Scientist“ in seinem Buch Guerrilla Analytics – A Practical Approach to Working with Data seine Best Practices für die Datenanalyse unter solchen Bedingungen in Form von sieben Prinzipien zusammengefasst und die Forschung als einen möglichen Anwendungsbereich benannt:

1. Speicher ist billig, Verwirrung teuer.
2. Projektstrukturen sollten einfach und visuell sein (keine umfangreich dokumentierten, projektspezifischen Regeln).
3. Automatisierung mit Programmen ist dem manuellen Vorgehen in einer grafischen Bedienoberfläche vorzuziehen.
4. Daten müssen zwischen Dateisystem, Analyseumgebung und dem abgelieferten Ergebnis identifzierbar und nachverfolgbar sein.
5. Änderungen an Daten und Programmen sollten unter Versionskontrolle stehen.
6. Kooperatives Wissen sollte in versionierten Builds gesammelt werden.
7. Analyse-Code sollte von Anfang bis Ende ohne Unterbrechung ausführbar sein.

Auf seiner Webseite findet sich für jedes Prinzip eine kurze Begründung. Das Buch gibt darüber hinaus 90 praktische Tipps zusammen mit Beispielen und hat Eingang in das Programm unseres CDS-Seminars „Management von Forschungsdaten“ (nächster Termin, Freitag 30.10.2015) gefunden.