Forschungsdatenmanagement (FDM) ist ein wichtiger Bestandteil wissenschaftlicher Arbeit. In diesem Kurs werden wichtige Schritte und Probleme des Forschungsdatenmanagements betrachtet und entsprechende Lösungen vorgestellt. Der Fokus liegt hierbei auf der praktischen Anwendung von Werkzeugen und Workflows, die Ihnen helfen, Ihre Forschungsdaten effizient und nachhaltig zu verwalten und zu teilen. Zudem ist die Dokumentation von Daten und Arbeitsschritten ein wichtiger Bestandteil des FDM, der in diesem Kurs ebenfalls behandelt wird. Im Laufe des Kurses durchlaufen die Teilnehmenden alle Schritte des Forschungsdatenmanagements im Rahmen eines konkreten Projekts. Der Kurs richtet sich an alle, die in datenbasierten Projekten arbeiten, unabhängig von der Disziplin.
Die wichtigsten Schritte im Lebenszyklus von Forschungsdaten sind in folgender Grafik der Informationsseite "Was ist Forschungsdatenmanagement (FDM)?" der Universität Tübingen zusammengefasst.
Selbstlernmaterialien zu konkreten Themen des Forschungsdatenmanagements finden Sie im Folgenden den einzelnen Schritten des Forschungsdatenlebenszyklus zugeordnet.
- Re-Using
- Datenrecherche
- Planning
- Datenmanagementplan
- Projektmanagement
- Datenorganisation und -formate
- Generating
- Datenprobleme und -qualität
- Metadaten und Dokumentation
- Analyzing & Processing
- Datenaufbereitung mit OpenRefine
- Datenanalyse mit R (tidyverse)
- Datenanalyse mit Python (pandas)
- Datenvisualisierung
- Publishing
- Datenschutz und -sicherheit
- Urheberrecht, Bildrecht, Lizenzen
- Archiving
- DOI-Registrierung
TODO Kapitel aus dem Moodle FDM Kurs verlinken.
Dieses Dokument wurde mit Unterstützung von GitHub Copilot erstellt, einem KI-gestützten Autocompletion-Tool, das auf der OpenAI GPT-3-Technologie basiert.