Kursthemen

  • FAIR Play - Warum Forschungsdaten Management brauchen

    Alles einklappen Alles aufklappen

    • Jessica Stegemann, Ceren Yildiz, Mirjam Blümm, Sina Bock, Katharina Fritsch, Kerstin Kaiser und Torsten Rathmann (2024). Lernbaustein zum FDM: FAIR Play - Warum Forschungsdaten Management brauchen. FDM@Studium.nrw Selbstlernkurs (Version 1.0).

      Weitere Informationen zum Projekt, den Materialien und Ansprechpartner:innen finden Sie auf unserer Projektwebseite.


      Dieses Werk und dessen Inhalte sind - sofern nicht anders angegeben - lizenziert unter CC BY 4.0. Ausgenommen aus der Lizenz CC BY sind alle Logos.

      Der Lizenzvertrag ist hier abrufbar:

      https://creativecommons.org/licenses/by/4.0/

       

      Das Werk ist online verfügbar unter:

      https://www.orca.nrw/

       

      CC BY Pictogramm
      Projektlogo

       
      ORCA-Logo
      Logo DH

      Gefördert durch:

      Logo MKW

  • Ein Lernbaustein von FDM@Studium.nrw

    Projektheader

    Im Projekt FDM@Studium.nrw haben die Bergische Universität Wuppertal (BUW), die Technische Hochschule Köln (TH Köln) und die Universität Duisburg-Essen (UDE) gemeinsam mit der Landesinitiative für Forschungsdatenmanagement - fdm.nrw 2022-2024 fachübergreifende Lern- und Lehrkurse zum Thema Forschungsdatenmanagement (FDM) für den Einsatz in Studium und Lehre (Bachelor und Master) erarbeitet. Gefördert vom Ministerium für Kultur und Wissenschaft des Landes Nordrhein-Westfalen und koordiniert von der Landesinitiative für Forschungsdatenmanagement - fdm.nrw sind folgende Kurse entstanden:
     
    Grundwissen: Datenmanagement in Studium & wissenschaftlicher Praxis (BUW) Kerstin Kaiser und Dr. Torsten Rathmann (2024): Grundwissen: Datenmanagement in Studium & wissenschaftlicher Praxis. FDM@Studium.nrw Selbstlernkurs (Version 1.0).
    FDM@Studium.nrw Blended-Learning-Basiskurs „Forschungsdatenmanagement“ der TH Köln Mirjam Blümm, Katharina Fritsch, Sina Bock, Ursula Arning und Konrad U. Förstner (2024): FDM@Studium.nrw Blended-Learning-Basiskurs „Forschungsdatenmanagement“ der TH Köln (Version 1.0).
    Einführung in das Data Wrangling - Konzepte und Umsetzung in SPSS (UDE) Ella Posny und Angela Heine (2024): Einführung in das Data Wrangling - Konzepte und Umsetzung in SPSS. FDM@Studium.nrw Selbstlernkurs (Version 1.0).
     
    Zudem wurden gemeinsam als Auszug und Erweiterung der Kurse vier Lernbausteine entwickelt, die sich jeweils speziellen Themenbereichen des FDM widmen:
     
    Lernbaustein zum FDM: Von der Idee zur Wissenschaft - Die Entstehung von Forschungsdaten Jessica Stegemann, Ceren Yildiz, Mirjam Blümm, Sina Bock, Katharina Fritsch, Kerstin Kaiser und Torsten Rathmann (2024): Lernbaustein zum FDM: Von der Idee zur Wissenschaft - Die Entstehung von Forschungsdaten. FDM@Studium.nrw Selbstlernkurs (Version 1.0).
    Lernbaustein zum FDM: Schluss mit dem Datenchaos - Wie Forschungsdatenmangement für Ordnung sorgt Jessica Stegemann, Ceren Yildiz, Mirjam Blümm, Sina Bock, Katharina Fritsch, Kerstin Kaiser und Torsten Rathmann (2024): Lernbaustein zum FDM: Schluss mit dem Datenchaos - Wie Forschungsdatenmangement für Ordnung sorgt. FDM@Studium.nrw Selbstlernkurs (Version 1.0).
    Lernbaustein zum FDM: Datenrecycling - Wie Forschungsdaten nachgenutzt werden können Jessica Stegemann, Ceren Yildiz, Mirjam Blümm, Sina Bock, Katharina Fritsch, Kerstin Kaiser und Torsten Rathmann (2024): Lernbaustein zum FDM: Datenrecycling - Wie Forschungsdaten nachgenutzt werden können. FDM@Studium.nrw Selbstlernkurs (Version 1.0).
    Lernbaustein zum FDM: FAIR Play - Warum Forschungsdaten Management brauchen Jessica Stegemann, Ceren Yildiz, Mirjam Blümm, Sina Bock, Katharina Fritsch, Kerstin Kaiser und Torsten Rathmann (2024): Lernbaustein zum FDM: FAIR Play - Warum Forschungsdaten Management brauchen. FDM@Studium.nrw Selbstlernkurs (Version 1.0).

    Alle Materialien stehen unter einer CC BY 4.0 Lizenz zur Verfügung und laden als Open Educational Resources (OER) zur Nachnutzung ein. Die Bereitstellung der Materialien erfolgt über ORCA.nrw und ein GitHub-Repositorium. Weitere Informationen zum Projekt, den Materialien und Ansprechpartner:innen finden Sie zudem auf unserer Projektwebseite. 

  • Beschreibung des Kurses

    Header: fünf bunte Zahnräder, die von fünf verschiedenen Händen hingehalten werden.

    Dieser Kurs widmet sich zwei Begiffen, die oft im Zusammenhang mit Forschungsdatenmanagement (FDM) genannt werden: den FAIR-Prinzipien und den Grundsätzen von CARE. Die Teilnehmenden erfahren, warum ein verantwortungsvoller Umgang mit Daten FAIR ist und was hinter dem Akronym steckt. Zudem wird aufgezeigt, welche Bedeutung die Prinzpien für die Auffindbarkeit und Zugänglichkeit von Daten haben, warum Daten von Menschen und Maschinen gleichermaßen gelesen bzw. verarbeitet werden sollten und was es braucht, damit Forschungsdaten nachgenutzt werden können. Zudem wird erklärt, warum ethische Überlegungen in Bezug auf Datenerhebung und -nutzung und insbesondere die CARE-Prinzipien bedeutend sind.

    Lernziele:

    • Die Lernenden können die FAIR-Prinzipien benennen und die einzelnen Aspekte beschreiben.
    • Die Lernenden verstehen die Bedeutung und die Merkmale der FAIR-Prinzipien.
    • Die Lernenden können ethische Aspekte beim FDM benennen.
    • Die Lernenden kennen die Grundzüge der CARE-Prinzipien. 

    Bearbeitungsdauer:

    • ca. 20 Minuten

  • So wird's FAIR

    FAIRe Daten weisen bestimmte Merkmale auf: Sie sind auffindbar (= findable), zugänglich (= accessible), interoperabel (= interoperable) und wiederverwendbar (= reusable). Forschungsdatenmanagement umfasst Maßnahmen, um Daten diese Merkmale zu verleihen. In diesem Abschnitt wird erläutert, was das Akronym FAIR bedeutet, wie die FAIR-Prinzipien praktisch umgesetzt werden können und was ein verantwortungsvoller Umgang mit Daten bedeutet.

  • Ethische Aspekte beim FDM

    Die CARE-Prinzipien ergänzen die FAIR-Prinzipien und legen den Fokus auf den respektvollen Umgang mit Daten, die indigene Gemeinschaften betreffen. Hier erfahren Sie, wie diese Prinzipien sicherstellen, dass indigene Gemeinschaften von der Nutzung ihrer Daten profitieren und die Kontrolle darüber behalten. Sie lernen, warum die Berücksichtigung der indigenen Datensouveränität wichtig ist und wie die Rechte sowie Interessen dieser Gemeinschaften gewahrt werden können.

  • Verzeichnis der Quellen

    Hier finden Sie eine Aufstellung der Quellen, die bei der Erstellung des Kurses genutzt wurde.