Digitale Transformation in der Forschung dank

Forschungsdatenmanagement

Niklaus Stettler, Bruno Wenk

Ziele

  • Wir zeigen auf, was Forschungsdatenmanagement ist und wie Forschungsdatenmanagement die Forschung verändern wird
  • Wir zeigen, wie wir im Forschungsdatenmanagement engagiert sind
  • Wir stellen Parallelen zur Digitalen Transformation in der Wirtschaft zur Diskussion
  • Und wir wollen diskutieren, wie wir diesen Prozess der digitalen Transformation in der Forschung beeinflussen können

Die Forschung in der Glaubwürdigkeitskrise (?)

http://retractionwatch.com

https://www.tagesanzeiger.ch/wissen/medizin-und-psychologie/Die-Forschung-in-der-Glaubwuerdigkeitskrise-/story/24741498

Klinische Studien sind zu oft qualitativ ungenügend, werden beschönigt oder bleiben unter Verschluss. Die Ursachen sind nicht nur in Interessenkonflikten zu suchen, sondern auch bei den Forschern selber.

Reproducibility Crisis (?)

http://www.nature.com/polopoly_fs/7.36716.1469695923!/image/reproducibility-graphic-online1.jpeg_gen/derivatives/landscape_630/reproducibility-graphic-online1.jpeg

SNSF: Open Research Data

Forschungsdaten sollen offen und für alle zugänglich sein - für die Wissenschaft wie für die Gesellschaft.

Ab Oktober 2017 wird die Einreichung eines Data Management Plans (DMP) als integraler Teil des Forschungsgesuchs obligatorisch.

http://www.snf.ch/de/derSnf/forschungspolitische_positionen/open_research_data/

Was sind Daten?

Beispiel: "The Future of Employment" (*)

  • "We examine how susceptible jobs are to computerisation."

 

  • "To assess this, we begin by implementing a novel methodology to estimate the probability of computerisation for 702 detailed occupations [...]."

​

  • "According to our estimates, about 47 percent of total US employment is at risk."

(*) Carl Benedikt Frey and Michael A. Osborne: The Future of Employment - How susceptible are jobs to computerization? (http://www.oxfordmartin.ox.ac.uk/downloads/academic/The_Future_of_Employment.pdf)

Abstract

Beispiel: "The Future of Employment"

https://www.onetonline.org/link/summary/43-3071.00

Die Autoren haben offene Daten genutzt:

Beispiel: "The Future of Employment"

Modell

L_{NS}=\sum_{i=1}^{n}(L_{PM,i} + L_{C,i}+L_{SI,i})
LNS=∑i=1n(LPM,i+LC,i+LSI,i)L_{NS}=\sum_{i=1}^{n}(L_{PM,i} + L_{C,i}+L_{SI,i})
Q=(L_{s}+C)^{1-\beta}L_{NS}^\beta, \beta\in[0,1]
Q=(Ls+C)1−βLNSβ,β∈[0,1]Q=(L_{s}+C)^{1-\beta}L_{NS}^\beta, \beta\in[0,1]

PM .. perception and manipulation

C ..... creative intelligence

SI ..... social intelligence

L ... labour input

C ... computer capital

S ...... susceptible

NS ... non-susceptible

Implementation des Modells in Software => Daten

Beispiel: "The Future of Employment"

Codierung ?

L_{NS}=\sum_{i=1}^{n}(L_{PM,i} + L_{C,i}+L_{SI,i})
LNS=∑i=1n(LPM,i+LC,i+LSI,i)L_{NS}=\sum_{i=1}^{n}(L_{PM,i} + L_{C,i}+L_{SI,i})
Q=(L_{S}+C)^{1-\beta}L_{NS}^\beta, \beta\in[0,1]
Q=(LS+C)1−βLNSβ,β∈[0,1]Q=(L_{S}+C)^{1-\beta}L_{NS}^\beta, \beta\in[0,1]

Wie werden die Werte LS, LPM,i, LC,i LSI,i aus den Angaben auf O*NET OnLine ermittelt?

=> Dokumentation nötig

Data Papers

http://www.researchdatamanagement.ch/wp-content/uploads/2016/07/Modul-4-3_Folie-2.png

Ein Data Paper beschreibt informell einen offenen Datensatz (oder eine Gruppe von Datensätzen). Integraler Bestandteil sind die Metadaten (die formale und inhaltliche Beschreibung des Datensatzes). 

Beispiel eines Data Paper

https://bdj.pensoft.net/articles.php?id=11764&instance_id=3527894

Repositories and Long Term Preservation

Data repositories provide long-term online access to research data.

UNIFR so far, does not have an own institutional data repository.

Researchers wishing to provide permanent access to their data are asked to either use an appropriate disciplinary repository (see www.re3data.org ) or a general repository like figshare or ZENODO.

The SNSF allows applicants to request up to CHF 10,000 for data preparation, upload and validation.

Repositories and Long Term Preservation

https://data.mendeley.com/datasets?limit=10&query=research%20data%20management

Folgerungen

  • Beschleunigung: Daten werden publiziert, auch wenn sie nicht abschliessend interpretiert sind

​

  • Fehlertoleranz: Nicht nur von guten Produkten, sondern auch von den schlechten können wir lernen

 

  • Zusammenarbeit: Wir erheben nicht nur selbst, sondern profitieren von den Daten, die andere erhoben haben

Unsere Hoffnung:

Nutzung statt Verlust von Daten

Gemäss Bundesamt für Statistik gibt es 2017 rund 44'000 Bachelor- und Masterarbeiten auf Universitäts- und Fachhochschulstufe

Die in diesen Arbeiten erfassten und erzeugten Daten gehen (heute) fast alle verloren! 

Thesen

  1. Datenmanagement wird die Forschung grundlegend verändern: Datenerhebung und Datenauswertung werden zu unabhängigen Prozessen
  2. Datenzentren können zu Forschungszentren werden
  3. Fehlertoleranz: die Bedeutung der Datenerhebung wird bewirken, dass vermehrt Daten erhoben und auch die ‘Misserfolge’ publiziert werden
  4. Forschung wird revolutioniert: neue Skills sind gefordert, viele einfachere Interpretationsaufgaben von Forschenden werden (vermeintlich oder tatsächlich) obsolet

Unser Beitrag zum Thema

=> Kurse für BibliothekarInnen und entsprechendes Online-Angebot (www.researchdatamanagement.ch)

=> Workshop(s) für Forschende und ForschungsleiterInnen im Rahmen der Graduate School Graubünden (Academia Raetica)

Digitale Transformation in der Forschung

By Bruno Wenk

Made with Slides.com

Digitale Transformation in der Forschung

  • 675

More from Bruno Wenk