Aufarbeitung von Standards und Methoden im Forschungsdatenmanagement

Es werden nur die Standards pr?sentiert, welche als erster Vorschlag für die Universit?t Regensburg ausgew?hlt wurden.

Metadatenstandards

Beschreibung von Metadaten, also Daten über Daten

• METS/MODS (Quelle):
  • Qualit?t der Metadaten
  • Metadata Encoding and Transmission Standard (METS)
  • Metadata Object Description Schema (MODS)
• DataCite (Quelle):
  • Metadatenschema, für die Ausstattung von Datens?tzen mit Metadaten?
• LIDO?(Quelle):?
  • Bereitstellung von Metadaten
• CodeMeta (Quelle):
  • Austausch von Software-Metadaten zw. Repositories & Organisationen???
• CitationCFF?(Quelle):
  • Speicherung von Metadaten über Softwarezitationen
• CIDOC CRM (Quelle):
  • RDF-Schema zur Kodierung von Metadaten?
• Dublin?Core (Quelle):?
  • Vokabular von fünfzehn Eigenschaften für die Beschreibung von Ressourcen
• Darwin Core (Quelle):
  • Glossar mit Begriffen für den Austausch von Informationen über die biologische Vielfalt?
• Pangaea?(Quelle):
  • Umfassende Metadatenbeschreibung?
• Bioschemas.org?(Quelle):
  • Strukturierung & Beschreibung biologischer Daten?
• Schema.org?(Quelle):
  • Definition eines Vokabulars für die Bereitstellung von Metadaten zu Datens?tzen
• WikiData?(Quelle):
  • WikiCite:?Zum Import & der Erfassung von Metadaten aus verschiedenen?Quellen, z.B. Wikisource

Klassifikationsstandards

Beziehen sich auf Systeme oder Strukturen zur Klassifizierung von Informationen von Daten

• ICD-10?(Quelle):
  • Klassifikation von Krankheiten & verwandter Gesundheitsprobleme??

Datenformat- und Strukturstandards

Beziehen sich auf Struktur und Format von Forschungsdaten

• METS/MODS?(Quelle):
  • DFG-Viewer Strukturdatenset: XML-Format, zur Beschreibung hierarchischer Strukturen digitaler?Dokumente
• FIT Protocol Format (Quelle):
  • Speicherung & Austausch von Daten, die von Sport-, Fitness- &
    Gesundheitsger?ten stammen?
• ROOT (Quelle):
  • Datenstruktur, für den schnellen Zugriff auf gro?e Datenmengen
• FHIR (Quelle):
  • u.a. Definition der Struktur des Kerninformationsbestandes
• CDISC (Quelle):
  • Definition spezifischer Formate & Strukturen klinischer Studiendaten?
• SDTM?(Quelle):
  • Organisation & Formatierung von Daten?

Interoperabilit?tsstandards

Erm?glichen Interoperabilit?t zwischen verschiedenen Datenquellen und Systemen

• OAI-PMH (Quelle):
  • Mechanismus für die Interoperabilit?t von Repositorien??
• Pangaea (Quelle???????):
  • Interoperabilit?t von Daten & Metadaten?
• FHIR (Quelle???????):
  • Fokus: menschenlesbare Information als Basis der Interoperabilit?t??
• WikiData?(Quelle???????):
  • Identifier & Statements sorgen für Interoperabilit?t?

Identifikationsstandards

Eindeutige Definition verschiedener Arten von Ressourcen

• DataCite (Quelle???????):
  • Genaue und konsistente Identifizierung einer Ressource zu Zitier- und Abrufzwecken??

Standards für die Bereitstellung und den Zugang zu Forschungsdaten?

Beziehen sich auf den Zugang zu Forschungsdaten und den Austausch zwischen Forschern

• Zenodo (Quelle??????????????)???????:?
  • Gemeinsame Nutzung, Archivierung & Ver?ffentlichung?von Daten & Software

Es werden alle in der Interviewstudie genannten Methoden p?sentiert und keine Einschr?nkungen vorgenommen.

Datenerhebungmethoden

Für die Sammlung von Forschungsdaten

• Vorgehensweisen & Prozesse anpassen
• Dynamik im Setting der Datengenerierung & -bearbeitung
• Wiederverwendung von bestehenden L?sungen, z.B. Datenbanken
• Interoperabel denken
• Ordentliche Beweise & Schlussfolgerungen, z.B. in der Mathematik
• Nutzung eigener Software für Experimente
• Triggering
• heterogene Ressourcen nutzen

Datenbereinigung und -vorbereitung

Zur S?uberung und Vorbereitung von Rohdaten

• Pseudonymisierung & Anonymisierung von sensiblen Daten
• Datenselektion
• Inhalte annotieren

Datenmanagement und -speicherung

Für die Organisation, Speicherung und Verwaltung von Forschungsdaten

• Dateiformate aktuell halten
• Dokumentation pflegen
• Datenmanagementpl?ne aufstellen
• Begleitende Systeme für die Langzeitarchivierung nutzen
• Containerisierung von SW
• Versionskontrolle mit GIT
• Vernünftig Zitieren
• Nutzung des Layer Model des Computing
• Data Links
• Nutzung von Dynamic Archiving
• Datenbank, in der Forschungsdaten abgelegt werden, über API ver?ffentlichen
• Nutzung relationaler Datenbanken

Datenanalysemethoden

Techniken der Analyse von Forschungsdaten

• Simple Statistik bis Künstliche Intelligenz
• Nutzung von Machine-Learning-Verfahren
• Nutzung von Dynamic Filtering

Sicherheit und Datenschutz

Verfahren zum Schutz der Vertraulichkeit, Integrit?t und Verfügbarkeit von Forschungsdaten

• Zugriffsbeschr?nkungen
• Einwilligungserkl?rungen
• Bereitstellung als Open Data

Reproduzierbarkeit und Wiederholbarkeit

Stellen sicher, dass Forschungsdaten und -analyse reproduzierbar und wiederholbar sind

• Zug?nglichmachung von Experimentdaten, z.B. persistente URL
• Technisches Peer Review nutzen
• Technologie-agnostisch arbeiten
• Forschung transparenter machen

Metadatenmanagement

Für die Erstellung, Verwaltung und den Austausch von Metadaten

• Sicherung von Daten & entsprechender Metadaten für Langzeitarchivierung
• Kontrollvokabular verwenden
• Nutzung des LinkML-Frameworks

Es werden nur die Ontologien p?sentiert, welche als erster Vorschlag für die Universit?t Regensburg ausgew?hlt wurden.

Geistes- & Sozialwissenschaften

• CIDOC Conceptual Reference Model (CIDOC CRM) (Quelle):
  • Basisontologie fu?r Daten des kulturellen Erbes mit Erweiterungen fu?r bibliographische Dokumentation oder Geoinformatik
  • Integration von Daten aus verschiedenen Quellen auf eine software- und schemaunabha?ngige Weise
• European Language Social Science Thesaurus (ELSST) (Quelle):
  • (Ist ein Thesaurus, wurde jedoch bei den Ontologien genannt)
  • In 16 Sprachen verfu?gbarer europa?ischsprachiger Thesaurus der Sozialwissenschaften

  • Deckt folgende Disziplinen ab: Politik, Soziologie, Wirtschaft, Bildung, Recht, Kriminalita?t, Demografie, Gesundheit, Bescha?ftigung, Informations- & Kommunikationstechnologie & Umweltwissenschaft?

• Functional Requirements for Bibliographic Records?in OWL2 DL?Ontology?(FRBR in OWL2 DL?Ontology) (Quelle):

  • Funktionale Anforderungen fu?r bibliografische Datensa?tze

• WikiProject Ontology (Quelle):
  • Bescha?ftigt sich mit der Natur des Seins, des Werdens, der Existenz und der Realita?t
  • Anwendung dieser Erkenntnisse bei der Pflege von Wikidata
  • Unterstu?tzung einer breiten semantischen Interoperabilita?t zwischen bekannten Ontologien

Ingenieurwissenschaften

• ACM (Quelle):
  • Polyhierarchische Ontologie fu?r die Verwendung in semantischen Webanwendungen?

  • Semantisches Vokabular als einzige Quelle von Kategorien & Konzepten, die den Stand der Technik in der Informatik widerspiegeln

Lebenswissenschaften

• Human Phenotype Ontology (HPO) (Quelle):
  • Bietet ein standardisiertes Vokabular fu?r pha?notypische Anomalien, die bei menschlichen Krankheiten auftreten
• Animal Trait Ontology (ATO) (Quelle):
  • Standardisierte Merkmalsontologie fu?r Nutztiere
• Systematized Nomenclature of Medicine-Clinical Terms (SNOMED CT) (Quelle):
  • Medizinische Terminologie, zur Standardisierung von Speicherung, Abruf & Austausch von elektronischen Gesundheitsdaten

Naturwissenschaften

• Algorithm Knowledge Graph Ontology (AlgoData) (Quelle):
  • Definiert, welche Arten von Objekten im Algorithmus-Wissensgraphen zula?ssig sind & mit welchen Eigenschaften sie in Beziehung stehen ko?nnen
  • Definition von fu?nf Klassen, ?Problem“, ?Algorithmus“, ?Benchmark“, ?Software“, ?Publikation“, sowie eine minimale, aber intuitiv versta?ndliche Anzahl von Eigenschaften
  • Verla?sst sich auf die strikte Einhaltung der Ontologie, um eine zuverla?ssige, maschinenlesbare Datenbank fu?r (numerisches) Algorithmenwissen bereitzustellen
• Chemical Methods Ontology (CHMO) (Quelle):
  • Beschreibt Methoden, die zur Datenerfassung in chemischen Experimenten verwendet werden
  • Beschreibt auch die bei diesen Experimenten verwendeten Instrumente?
• Mondo Disease Ontology (Mondo) (Quelle):
  • Zielt darauf ab, Krankheitsdefinitionen weltweit zu harmonisieren

Es wurden etliche Herausforderungen genannt. Hier eine Zusammenfassung der Relevantesten:

Kulturelle Transformation und Akzeptanz

Herausforderungen:

• Fehlende gemeinsame Einsch?tzung der Vorteile gemeinsamer Standards und des gemeinsamen Vorgehens
• Standards müssten besser angenommen werden
• Ein Umdenken müsste stattfinden
• Widerst?nde gegen die FAIR-Principles

Bew?ltigungsideen:

• Vorteile von Forschungsdatenmanagement darlegen, um Wissen zu gewinnen
• Workshops über Requirements für FAIRes Datenmanagement
• Mehr Wertsch?tzung für das Engagement der Forschenden, die Forschungsdatenmanagement betreiben und dadurch mehr Bereitschaft erzeugen, Zeit in gutes Forschungsdatenmanagement zu stecken

Technische Herausforderungen

Herausforderungen:

• Umgebungsabh?ngigkeiten und Versionsabh?ngigkeiten bei bereitgestellter Software?
• Architekturabh?ngige Container beeinflussen Performance negativ
• Fehlende Datenqualit?t
• Gro?e Anzahl heterogener Dateitypen
• Bestehende Datensilos
• Schwer verst?ndlicher Quellcode

Bew?ltigungsideen:

• Bestehende Datensilos mit Hilfe von Schnittstellen und Verfahren zum Mappen zusammenführen
• Quellcode verst?ndlich machen, um ihn in weitere?Projekte?übernehmen, integrieren, erweitern und ver?ndern zu k?nnen
• Bereits in Nicht-Informatik-Ausbildungen Softwareengineering integrieren
• M?glicherweise Erstellung von Code durch künstliche Intelligenz

Organisatorische Herausforderungen

Herausforderungen:?

• Sp?rliche Mittel richtig einsetzen
• Abw?gen zwischen flacher Erschlie?ung mehrerer Datens?tze oder einer vollumf?nglichen Datendokumentation
• Evaluation existierender Werkzeuge und deren spezifischer?Einsatz in spezifischen Umgebungen
• Zersplitterte Disziplinen
• Nationale Standards führen bei internationer Zusammenarbeit zu Problemen, wenn diese Standards in den anderen L?ndern nicht existieren

Bew?ltigungsideen:

• Mehrarbeit honorieren
• Standards über einen Aushandlungsprozess festlegen und auf ein h?heres Abstraktionsniveau bringen
• Miteinbeziehen von europ?ischen bzw. internationalen Perspektiven, um international zu funktionieren

Rechtliche Herausforderungen

Herausforderungen:

• Gesetzgebung macht es schwierig, auf Gesundheitsdaten anderer Standorte zuzugreifen, da zu gro?es Missbrauchspotential
• Gesetzliche Hürden?wie Genehmigungen?verz?gern Prozess des Zugriffs auf sensible Daten
• Datenschutz

Bew?ltigungsideen:

• Aktuelle Disskusion, ob automatischer Zugriff auf Daten ohne explizite Einwilligung des Patienten erm?glicht werden soll
• St?rkere Festlegung von Richtlinien