Forschungsdaten

Das Teilen und Nutzen von Forschungsdaten kann die Wirkung, Validität, Reproduzierbarkeit, Effizienz und Transparenz der wissenschaftlichen Forschung erhöhen.

Open Data Report: aus Perspektive des Forschenden

Ein neuer Bericht von Elsevier und CWTS zeigt, dass, obwohl die Vorteile offener Forschungsdaten bekannt sind, in der Praxis in der Forschergemeinschaft Dissens darüber besteht, wann und wie Forschungsdaten ausgetauscht werden.

Weitere Informationen zum Open Data Report (auf Englisch)


Daten effektiv machen

Wir bei Elsevier glauben, dass es zehn Faktoren für hochwirksame Daten gibt, die als Roadmap für die Entwicklung besserer Datenmanagementprozesse und -systeme während des gesamten Daten-Lebenszyklus dienen können. Diese werden nachstehend detailliert dargelegt:

Diese Pyramide kann als Roadmap für die Entwicklung besserer Datenverwaltungsprozesse dienen. (Diese Arbeit ist unter einer Creative Commons Attribution 4.0 International Licence lizenziert.)

  1. Speichern
    Der erste Schritt in der Hierarchie der Anforderungen für Forschungsdaten besteht darin, dass die erfassten Daten gespeichert werden müssen.
  2. Aufbewahrung
    Sobald die Forschungsdaten gespeichert sind, müssen sie format-unabhängig aufbewahrt werden oder es besteht ein Risiko, dass die Daten veralten.
  3. Zugänglichkein
    Selbst wenn Daten gespeichert und aufbewahrt werden, bedeutet dies nicht, dass sie automatisch zugänglich sind. Sowohl Wissenschaftler als auch Maschinen möchten eventuell auf die Daten zugreifen, zum Beispiel für Meta-Analysen oder im Rahmen anderer Arten der Wiederverwendung.
  4. Auffindbarkeit
    Auch wenn die Daten gespeichert und aufbewahrt werden und sie grundsätzlich zugänglich sind, ist dies nicht sehr wertvoll, solange andere die Daten nicht auffinden können.
  5. Zitierfähigikeit
    Eines der Hindernisse für den Datenaustausch bestand darin, dass die zusätzliche Arbeit auf Seiten der Wissenschaftler kaum belohnt wurde. Durch das Zitieren der Daten kann sich das ändern, weil sie leicht in das aktuelle Belohnungssystem, das auf Artikelzitaten basiert, integriert werden können.
  6. Verständlichkeit
    Um die Wiederverwendung von Daten zu ermöglichen, muss klar sein, welche Maßeinheiten verwendet, wie die Daten erfasst und welche Abkürzungen und Parameter verwendet wurden. Die Datenherkunft ist für das Verständnis entscheidend.
  7. Prüfung
    Während es üblich ist, dass Forschungsartikel peer-reviewed werden, ist dies im Hinblick auf Forschungsdaten immer noch sehr ungewöhnlich. Dies ist ist jedoch ein wichtiger Schritt, wenn es um die Qualitätskontrolle und Vertrauenswürdigkeit von Daten geht.
  8. Reproduzierbarkeit
    Die Reproduzierbarkeit von Forschungsergebnissen ist für die Wissenschaft ein wichtiger Punkt. Die Nicht-Reproduzierbarkeit entsteht oft aufgrund von fehlenden Elementen im Hinblick auf die wissenschaftlichen Daten, die aber benötigt werden, um gleiche Forschungsergebnisse zu erzielen. Zum Beispiel werden zu den Ressourcen (z. B. Antikörper, Modellorganismen und Software), über die in der biomedizinischen Literatur berichtet wird, oft nicht genügend Details geliefert, um eine Reproduzierbarkeit oder Wiederverwendung zu ermöglichen.
  9. Wiederverwendbarkeit
    Der wichtigste Vorteil der Weitergabe von Forschungsdaten für die breitere wissenschaftliche Gemeinschaft besteht in der Wiederverwendbarkeit der Daten. Nur wenn wissenschaftliche Daten hinreichend vertrauenswürdig und reproduzierbar sind, werden andere Forscher diese Daten wiederverwenden.
  10. Integration
    Wir glauben, dass es wichtig ist, diese neun Aspekte der „hochgradig effektiven Forschungsdaten“ zu integrieren. Beispielsweise sollten Daten aufbewahrt werden, damit sie wiederverwendet werden können. Um zitierbar zu sein, müssen sie zugänglich sein. Aber auch beim Aufbau von Systemen zur Datenwiederverwendung oder für Datenzitate müssen die Praktiken der gegenwärtigen Systeme zum Speichern und Teilen von Daten berücksichtigt werden.
    Diese neun Schichten und der zehnte Integrationsschritt sind als Leitprinzip gedacht, mit dem Forschungsdatenverwaltungspraktiken bestellt und überprüft werden können und nicht als Vorschrift für eine perfekte Umsetzung.

Elseviers Beitrag zu der Forschungsdaten-Community

Force11

Mitbegründerr
Co-Autor FAIR Datenprinzipien
Implementierungsdaten Zitierweise

ORCID

Mitbegründer

Pistoia Alliance

Aktives Mitglied

ICSU

Aktives Mitglied

Scholix

Mitbegründer

STM

Unterstützung der offenen Datenerklärung von Brüssel

Research Data Alliance

Aktives Mitglied

Verwaltung von Forschungsdaten

Elsevier bindet Forschungsdaten in den Workflow ein und sorgt dafür, dass diese zugänglich, auffindbar und wiederverwendbar sind.

Text- und Data-Mining

Alle Elsevier-Zeitschriften und -Bücher ermöglichen Text- und Data-Mining (TDM). Erfahren Sie, wie Sie noch heute effizienter arbeiten können.

Weitere Informationen

Quellenangaben von Daten

Alle Elsevier-Zeitschriften erleichtern auf klare und gleichbleibende Weise das Zitieren in der wissenschaftlichen Literatur.

Weitere Informationen