Hier finden Sie alle Online-Angebote der Hessischen Forschungsdateninfrastrukturen:
Hier finden Sie alle Online-Angebote der Hessischen Forschungsdateninfrastrukturen:
In diesem Vortrag wollen wir einen Überblick über verschiedene Aspekte der Datenmodellierung geben und aufzeigen, warum die Modellierung von Daten beim Aufbau eines Systems eine zentrale Rolle einnehmen muss. Anhand eines einfachen Beispiels, welches sich durch den gesamten Vortrag zieht, wollen wir zeigen, welche unterschiedlichen Möglichkeiten es gibt, ein und dieselben Daten zu modellieren. Die Beispiele reichen von einer relationalen Datenbank hin zum JSON-Format. Vorkenntnisse sind nicht nötig, ein Grundverständnis, wie Computersysteme arbeiten, aber von Vorteil.
Dieser Beitrag liefert Ihnen eine Orientierung zu Elektronischen Laborbüchern: Arten von Elektronischen Laborbüchern; wichtige Funktionen; Vorgehen bei der Einführung
Die Nationale Forschungsdateninfrastruktur ist eine Initiative, durch die Datenbestände von Wissenschaft und Forschung für das gesamte deutsche Wissenschaftssystem systematisch erschlossen, vernetzt und nachhaltig sowie qualitativ nutzbar gemacht werden soll.
Der Beitrag befasst sich mit den Fragen: Was sind Forschungsdaten? Woran besteht das Forschungsdatenmanagement? Warum müssen Forschende sich damit beschäftigen?
Ein Datenmanagementplan (DMP) ist einfach eine ein- bis zweiseitige Zusammenfassung, in der Sie erklären, wie Sie die mit den im Laufe Ihres Projekts gesammelten Daten umgehen werden. In diesem Workshop lernen Sie die wichtigsten Bestandteile eines DMPs und Best-Practice-Beispiele kennen. Die Planung der Datenverwaltung ermöglicht die Öffnung von Forschungsdaten, verringert das Risiko des Datenverlusts und ist ein wesentlicher Bestandteil guter wissenschaftlicher Praxis. Zudem lernen Sie den Research Data Management Organiser (RDMO) zur digitalen Erstellung von Datenmanagementplänen kennen.
Das Warum und Wie eines Einstieges ins Programmieren wird generell besprochen. Es gibt eine Vielfalt an Anwendungsmöglichkeiten und Technologien um mit ein zu steigen. In dieser Session wird aber ein Beispiel von tabellierte Datenauswertung in Python, mithilfe von dem interaktiven Interpreter, vorgetragen.
Laborbücher gehören zum Forschungsalltag: Hier landen unter anderem Messergebnisse, Skizzen von Versuchsaufbauten, Beobachtungen oder Auswertungen. Was aber, wenn diese Daten immer häufiger digital sind? Sollten diese ausgedruckt und eingeklebt werden - oder gibt es eine bessere Lösung? An dieser Stelle setzen elektronische Laborbücher (ELNs) an. Am Beispiel des OpenSource ELN elabFTW (https://www.elabftw.net) wird ein Einblick gewährt, wie ELNs das klassische Papier-Laborbuch ersetzen können und welche darüber hinausgehende Möglichkeiten diese bieten.
In unserem Vortrag "Forschungsdatenmanagement für Biodiversitätsdaten" stellen wir NFDI4Biodiversity vor und vermitteln die Grundlagen des Forschungsdatenmanagements. Dabei werden wir unter anderem auf Repositorien, Metadaten(standards) und Persistent Identifiers in der Biodiversitätsforschung eingehen.
Ihre Daten können mehr! Thema wird sein, was Sie mit Ihren Daten auch nach Projektende noch anfangen können. Im Einzelnen geht es um die Fragen: Was verstehen wir unter Archivierung in Abgrenzung zu Speicherung und Langzeitarchivierung? Wo kann diese erfolgen? Wie können Daten veröffentlicht werden und was ist dabei zu beachten? Möglichst praxisnahe Erkenntnisse bekommen Sie dabei durch die exemplarische Vorstellung eines Datenrepositoriums.
Wenn Sie ein Projekt entwickeln oder eine Finanzierung beantragen, werden Sie wahrscheinlich einen Datenmanagementplan benötigen. In diesem Hands-on-Workshop lernen Sie die wichtigsten Funktionen der Webapplikation Research Data Management Organiser (RDMO) für Ihr Datenmanagement zu nutzen: Wie beantworte ich einen Fragenkatalog? Wie nutze ich die Reiter für verschiedene Datensätze? Wie geht das Erstellen von Versionen ("Snapshots")? Wer RDMO nicht nur ausprobieren will, bringt sein (virtuelles) Datenprojekt am besten gleich mit. Die erforderliche Registrierung führen wir gemeinsam durch.
Versionierung von Daten erzeugt neben langfristiger Nachverfolgbarkeit von Änderungen auch Vorteile in der kollaborativen Zusammenarbeit. In diesem Beitrag wird präsentiert wie, motiviert durch die Grundprinzipien von Versionierung, Tools wie Git und GitLab zu einer nachhaltigen Datenhaltung beitragen können.
Elektronische Laborjournale (ELNs) sind einer der wichtigsten Werkzeuge der Forschenden, die es ermöglichen Ihre Forschungsdaten nach den FAIR-Prinzipien (Findable, Accessible, Interoperable, Reusable) zu veröffentlichen. Das Open-Source ELN Chemotion sowie das angebundene Chemotion Repositorium, welche kontinuierlich durch das Konsortium NFDI4Chem im Rahmen der NFDI (Nationalen Forschungsdateninfrastruktur) weiterentwickelt werden, sind besonders auf die Umsetzung der FAIR-Prinzipien ausgelegt. In dieser Session wird Ihnen ein Einblick in das ELN & Repo gewährt, sowohl als auch andere kostenlose Angebote, Werkzeuge und Ressourcen der NFDI4Chem vorgestellt.
Was ist Datenqualität? Welche Dimensionen von Datenqualität gibt es? Warum ist Datenqualität so wichtig? Gemeinsam möchten wir mir Ihnen diese und andere Fragen beantworten und mit Hilfe von Personae Probleme und Grenzen zum Thema Datenqualität aber auch Chancen und Möglichkeiten kennenlernen. Unser "Kustos `Käptn` Karl" und/oder "der motivierte Post-Doc Sven" helfen uns dabei.
Datenqualität ist ein multidimensionales Konzept zu Daten an sich sowie deren Präsentation und Dokumentation. Kriterien sind teils subjektiv, mit eventuell Kompromissen zwischen einzelnen Kriterien. Entscheidend ist das Potential für Nachnutzung von Daten ("fit for purpose"). Für Forschende bezieht sich Datenqualität sowohl auf eigene Daten - wobei Fälle von Nachnutzung nicht immer vorhersehbar sind - als auch auf Beurteilung anderer, auch nicht-wissenschaftlicher Daten. Die Präsentation erläutert das Datenqualitäts-Konzept mit Beispielen aus diversen Fachgebieten.
Forschungsdatenmanagement ist vielfach ein abwägendes Problemlösen. Abwägend, weil es häufig kein einfaches ja oder nein, richtig oder falsch gibt. Wie das vermittelt werden kann, probieren wir anhand des Dilemma-Games der Universität Rotterdam spielerisch aus.
Die Anwendung JupyterNotebooks ermöglicht die Einbindung von Texten, Links, Bildern, Videos, das Listen von Code und dessen Ausführung an Ort und Stelle. Auch interaktive Karten und Datenvisualisierung können eingebunden werden - und damit alle Aspekte von Datenanalyse und -auswertung abdecken. JupyterNotebooks erfreuen sich deshalb in der Forschung einer wachsenden Beliebtheit. In diesem Beitrag wird ein erster Einblick in die Anwendung gegeben.
ata documentation via metadata plays a major role in any research project and metadata is the key to finding and understanding even your own data. In addition, it provides a reliable record for future references and enables reuse and reproduction of results. In order to enable FAIR (findable, accessible, interoperable, reusable) use of research data, the documentation needs to follow standardized norms and be machine-actionable. For this, semantic models offer a wide range of benefits. Different metamodel schemas exist today, designed and developed for different purposes and disciplines. However, in many cases the vocabularies and their semantic definitions and formalizations do not fit actual engineering applications. Metadata4Ing (m4i) is an ontology based metamodel schema for process-based description of research, focusing on the provenance of both data and material objects. Metadata4Ing is intended as a general process model applicable to engineering and many other disciplines and focuses on general concepts like in- and output, employed methods and tools as well as the investigated entity, reusing terms of existing ontologies where possible.
In dieser Einführung möchten wir das Feld der Langzeitarchivierung allgemein abgrenzen und speziell auf die Herausforderungen von Forschungsdaten eingehen. Auch soll die Rolle von Datenkurator*innen in diesem Zusammenhang vorgestellt werden. In der Diskussion können die Teilnehmenden von ihren bisherigen Erfahrungen berichten und Fragen zur Langzeitarchivierung mit den Vortragenden besprechen.
In unserem Workshop "Datenaufbereitung mit OpenRefine" lernen Sie die Grundlagen der Aufbereitung und Transformation tabellarischer Daten mit der Open-Source-Software OpenRefine (https://openrefine.org/) kennen. OpenRefine stellt unter einer grafischen Benutzeroberfläche, die äußerlich einer Tabellenkalkulationssoftware ähnelt, Funktionen bereit, mit denen Inkonsistenzen in großen Datenmengen identifiziert und korrigiert werden können. So ist es beispielsweise möglich, leicht unterschiedliche Schreibweisen eines Namens oder Begriffes in verschiedenen Einträgen per Clustering zusammenzufassen und anschließend zu vereinheitlichen. Eine solche Datenaufbereitung erleichtert eine spätere Analyse der Daten oft erheblich. Anhand eines Beispieldatensatzes werden die Bedienung und wichtige Funktionen der Software vorgestellt und können praktisch am eigenen PC nachvollzogen werden. Dazu gehören unter anderem: • das Anlegen eines Projekts und der Datenimport, • die Nutzung von Facetten-, Filter- und Clusterfunktionen,• die Transformation von Daten (z. B. das Aufspalten von Zelleninhalten) sowie • der Datenexport. Hinweise zur Installation der Software auf dem eigenen Rechner und zum Beispieldatensatz werden im Vorfeld des Workshops bekanntgegeben. Für die Teilnahme am Workshop werden keine speziellen Vorkenntnisse vorausgesetzt.