{"id":13704,"date":"2020-05-26T15:33:16","date_gmt":"2020-05-26T13:33:16","guid":{"rendered":"https:\/\/dhd-blog.org\/?p=13704"},"modified":"2020-06-22T09:36:09","modified_gmt":"2020-06-22T07:36:09","slug":"datenqualitaet-und-lod-in-den-geisteswissenschaften","status":"publish","type":"post","link":"https:\/\/dhd-blog.org\/?p=13704","title":{"rendered":"Datenqualit\u00e4t und LOD in den Geisteswissenschaften"},"content":{"rendered":"\n

Nachbericht zur Session 1.1 des Barcamp \u201eVermittlung von Data Literacy in den Geisteswissenschaften<\/a>\u201c auf der DHd 2020 in Paderborn.<\/p>\n\n\n\n

\u00dcbersichtsblogpost zum Barcamp: Ulrike Wuttke, Marina Lemaire: \u201eOffen, vielf\u00e4ltig und kreativ. Ein Bericht zum Barcamp Data Literacy #dhddatcamp20 bei der DHd 2020<\/a>\u201c, 08.06.2020, DHd Blog.<\/p>\n\n\n\n

Autor*innen:
Jonathan Geiger<\/a>, Digitale Akademie, Akademie der Wissenschaften und der Literatur | Mainz
Thomas Skowronek<\/a>, Leibniz-Institut f\u00fcr Geschichte und Kultur des \u00f6stlichen Europa (GWZO), Leipzig 
Aline Deicke<\/a>, Digitale Akademie, Akademie der Wissenschaften und der Literatur | Mainz<\/p>\n\n\n\n

\"Pinnwand,<\/a>
Pinnwand mit den Ergebnissen der Session (Aline Deicke<\/a>, CC BY<\/a>)<\/figcaption><\/figure>\n\n\n\n

In der Session \u201cDatenqualit\u00e4t und LOD in den Geisteswissenschaften\u201d des Barcamps \u201cData Literacy\u201d<\/a>, organisiert von der DHd-AG Datenzentren<\/a> auf der DHd-Konferenz 2020 in Paderborn<\/a>, wurden die beiden Ausgangsfragen nach der Datenqualit\u00e4t in den Geisteswissenschaften und Linked Open Data in einer Trias „Datenqualit\u00e4t“, „Data Literacy“ und „LOD in den Geisteswissenschaften“ aufgespannt. Wie sich in der Diskussion der drei Themenfelder und ihrer Beziehung gezeigt hat, drehen sich Fragen der Qualit\u00e4t, Kompetenz und Standardisierung in den Geisteswissenschaften (und vermutlich nicht nur dort) einerseits um technische Entwicklungen, andererseits \u2013 und zu einem gro\u00dfen Teil \u2013 um Personen, Prozesse und Ressourcen.<\/p>\n

Datenqualit\u00e4t und -standards<\/h2>\n

Besonders im Fokus stand dabei die Datenqualit\u00e4t. Es gibt einen breiten Konsens dar\u00fcber, dass in der (geisteswissenschaftlichen) Forschung ein hohes Ma\u00df an Datenqualit\u00e4t herrschen und hergestellt werden muss. Datenqualit\u00e4t ist dabei ein komplexes, multidimensionales Gebilde \u2013 beispielsweise k\u00f6nnen eine technische, eine informationelle und eine didaktische Dimension unterschieden werden, die sich aber stets wechselseitig bedingen. Daten sind stets relativ zu ihren Herstellungs- und Verwendungskontexten zu betrachten, insbesondere im Hinblick auf Nachnutzungskontexte. Aufgrund dieser inh\u00e4renten Relativit\u00e4t und Multikontextualit\u00e4t sind allgemeing\u00fcltige Standards in diesem Bereich problematisch, aber dennoch unumg\u00e4nglich, wobei die Frage nach den Verantwortlichkeiten und Zust\u00e4ndigkeiten in zweifacher Hinsicht aufgeworfen wird: Einerseits „Wer legt die Standards fest?“ und andererseits „Wer k\u00fcmmert sich um deren Einhaltung bzw. Durchsetzung?“. Die Frage nach der Standardsetzung scheint nur in einem dialogischen Prozess zwischen den Akteuren der allgemeinen Wissenschaftsverwaltung (z. B. der DFG<\/a>, DARIAH<\/a>, CLARIAH<\/a> und perspektivisch der NFDI<\/a>) und den einzelnen Fachcommunities beantwortet werden zu k\u00f6nnen. Was die Umsetzung der Standards angeht, so ist ein breiterer Wandel innerhalb der Fachkulturen erforderlich. Erst wenn produzierter Code, verwendete Algorithmen und Daten als eigenst\u00e4ndige wissenschaftliche Publikationsleistung Anerkennung finden k\u00f6nnen, scheint die gew\u00fcnschte Transparenz und Nachvollziehbarkeit der verwendeten Methoden, Tools und der mit ihnen erarbeiteten Ergebnisse in Aussicht zu stehen. <\/p>\n

Herausforderungen an das Wissenschaftssystem<\/h2>\n

Datenqualit\u00e4t hat also nicht nur mit Befugnissen und Verantwortlichkeiten zu tun, sondern erweist sich in zentralen Punkten als eine Ressourcenfrage. Deshalb kommt es darauf an, durch  ein effizientes wissenschaftsunterst\u00fctzendes System mit entsprechenden Schulungen u. \u00e4. die Belastung der Forschenden m\u00f6glichst gering zu halten. Dazu geh\u00f6rt eine sorgf\u00e4ltige, m\u00f6glichst zielgruppenspezifische und nachvollziehbare Planung sowie umfassende Kommunikation. Die Verantwortung f\u00fcr die eigenen Daten (FAIR, CARE) liegt zwar prim\u00e4r auf Seiten der Forschenden, ist mittels entsprechender Werkzeuge und Angebote aber auch durch das Wissenschaftssystem mitzutragen und herauszubilden. Ein Bewusstsein f\u00fcr den angemessenen Umgang mit Daten zu entwickeln, bedarf eines Lernprozesses und kollektiver Anstrengung mit Sensibilit\u00e4t f\u00fcr fach-, institutionen- und projektspezifische Anforderungen und Bed\u00fcrfnisse. Der reflektierende und konsequente Blick auf Idiosynkrasien und kontextspezifische Unw\u00e4gbarkeiten gilt nicht zuletzt auch dem gesamten Forschungsdatenmanagement in seiner historischen Ver\u00e4nderlichkeit und Unabgeschlossenheit. Trotz und wegen mancher Ungewissheit, welche Regelung im Einzelfall zutreffen mag, in welcher Bandbreite und Anwendungstiefe, trotz und wegen eventuell ungeregelter Zust\u00e4ndigkeiten und Finanzierungsm\u00f6glichkeiten, verlangt es eine Erm\u00f6glichungshaltung. Der sprichw\u00f6rtliche Mut zur L\u00fccke ist auch im Forschungsdatenmanagement gefragt und damit ein verst\u00e4ndnisvolles, verantwortungsbewusstes und letztlich auch kreatives Handeln auf Seiten aller Beteiligten.   <\/p>\n

Data Literacy als Datenbewusstsein<\/h2>\n

Data Literacy ist bei der Sicherstellung von Qualit\u00e4t ein essentieller Bestandteil, nicht nur in Bezug auf Forschungsdaten in den Geisteswissenschaften allgemein, sondern eben auch in Bezug auf Qualit\u00e4tsstandards eben jener Daten. Vor den konkreten Data Literacy-Kompetenzen muss allerdings das Bewusstsein bzw. eine Sensibilisierung daf\u00fcr hergestellt sein, wann, wo und wie man in einem Verh\u00e4ltnis zu Daten steht. Dies ist eine Bedingung der M\u00f6glichkeit von Data Literacy \u00fcberhaupt und erm\u00f6glicht dadurch erst den verantwortungsvollen und aufgekl\u00e4rten Umgang mit Daten. Die Kenntnisse von Kriterien und Metriken, die Datenqualit\u00e4t sicherstellen, sowie deren Anwendung und Umsetzung sind ebenfalls notwendig f\u00fcr ein erfolgreiches Datenqualit\u00e4tsmanagement (wie z. B. bei KONDA<\/a>).<\/p>\n

Linked Open Data<\/h2>\n

Auch der Themenkomplex LOD bzw. Linked Open Data (also technisch in Beziehung gesetzte und \u00f6ffentlich verf\u00fcgbare Daten) ist eng mit den beiden anderen S\u00e4ulen verkn\u00fcpft. Die hierf\u00fcr n\u00f6tige Aufbereitung und Ver\u00f6ffentlichung von (Forschungs-)Daten stellt erneut eine Frage der Kompetenzen und zeitlicher Ressourcen dar, die beide im Forschungsprozess nicht einfach vorausgesetzt werden k\u00f6nnen und bisher noch selten ber\u00fccksichtigt sind. Auch f\u00fcr die Transformation von Daten zu LOD sind bestimmte Kompetenzen aus dem Bereich Data Literacy gefragt, z. B. ein kompetenter Umgang mit kontrollierten Vokabularen und Ontologien (wie in den DH beispielsweise TaDiRAH<\/a>). Umgekehrt k\u00f6nnen aber auch Lehrmaterialien zu Data Literacy als offene, verkn\u00fcpfte Bildungsressourcen, d. h. Open Educational Resources<\/a> (OER), zur Verf\u00fcgung gestellt und verwendet werden. Eine Datenfeinerschlie\u00dfung in dem Sinne, dass konkrete Kompetenzen als eigene Ontologie abgebildet und in OER eingeschrieben werden k\u00f6nnen, steht allerdings noch aus. Auch sind Qualit\u00e4tskriterien bzw. -metadaten f\u00fcr LOD an sich bisher noch nicht formalisiert, sondern existieren vor allem als implizites Wissen in der Community. Es stellt sich zudem die Frage, wie Datenqualit\u00e4tsstandards nachtr\u00e4glich auf bereits publizierte LOD-Best\u00e4nde angewandt werden k\u00f6nnen. In einer anderen Lesart w\u00e4ren hingegen als LOD formalisierte Daten zur Qualit\u00e4tsbewertung anderer Daten sehr gut vorstellbar.<\/p>\n

Wissenschaftsethos<\/h2>\n

Insgesamt l\u00e4sst sich festhalten, dass jede S\u00e4ule der Trias „Datenqualit\u00e4t“, „Data Literacy“ und „LOD“ eng mit den anderen verzahnt ist und dass es in jedem der drei Cluster auf einer Metaebene um die Struktur und Strukturierung von Daten und Informationen geht. Dies adressiert einerseits das individuelle Verantwortungsbewusstsein aller Forschenden und ist damit eine Frage des Wissenschaftsethos, andererseits ist f\u00fcr die individuelle Entsprechung dieses Ethos‘ auch der Zugang zu und die Kenntnis von entsprechenden Ressourcen notwendig. Eine Formalisierung der Prozesse und ethischen Prinzipien auf Datenseite (z. B. die FAIR<\/a>– und CARE<\/a>-Prinzipien) erm\u00f6glichen ressourcenschonendes Agieren und k\u00f6nnen es so den einzelnen Institutionen erleichtern, Forschenden Zeit, Schulungen und sonstige Formen der Unterst\u00fctzung zur Verf\u00fcgung zu stellen. Das konsensuale Fazit der Session war schlie\u00dflich, dass letztendlich der Mensch und die durch ihn realisierten (Forschungs-)Prozesse sowie die hierauf wirkenden Rahmenbedingungen die indirekten Kondensationspunkte von Datenqualit\u00e4t sind. Damit ist es vor allem unser Handeln in Forschung, Wissenschaftsmanagement und den beteiligten Institutionen, das die Qualit\u00e4t unserer Forschungsdaten direkt und ma\u00dfgeblich beeinflussen kann.<\/p>\n","protected":false},"excerpt":{"rendered":"

Nachbericht zur Session 1.1 des Barcamp \u201eVermittlung von Data Literacy in den Geisteswissenschaften\u201c auf der DHd 2020 in Paderborn. \u00dcbersichtsblogpost zum Barcamp: Ulrike Wuttke, Marina Lemaire: \u201eOffen, vielf\u00e4ltig und kreativ. Ein Bericht zum Barcamp Data Literacy #dhddatcamp20 bei der DHd 2020\u201c, 08.06.2020, DHd Blog. Autor*innen:Jonathan Geiger, Digitale Akademie, Akademie der Wissenschaften und der Literatur | […]<\/p>\n","protected":false},"author":172,"featured_media":13705,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[103,773,5,534,242,4],"tags":[1046,252,922,1071,957,97,16,1072,98],"class_list":["post-13704","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-community","category-forschungsdaten","category-forschungsinfrastruktur","category-konferenz","category-lehre-und-ausbildung","category-veranstaltungen","tag-ag-datenzentren","tag-barcamp","tag-data-literacy","tag-datenqualitaet","tag-dhd2020","tag-forschungsdaten","tag-forschungsdatenmanagement","tag-lod","tag-workshop"],"_links":{"self":[{"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/posts\/13704","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/users\/172"}],"replies":[{"embeddable":true,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=13704"}],"version-history":[{"count":5,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/posts\/13704\/revisions"}],"predecessor-version":[{"id":13709,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/posts\/13704\/revisions\/13709"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/media\/13705"}],"wp:attachment":[{"href":"https:\/\/dhd-blog.org\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=13704"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=13704"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=13704"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}