Forschungsdatenmanagement - Generieren und Nachnutzung von Daten

Was ist bei der Generierung und Nachnutzung von Forschungsdaten zu beachten?

Überlegungen zur Nachnutzung von vorhandenen Forschungsdaten

Es ist entscheidend zu prüfen, ob neue Datensätze erstellt werden müssen oder ob in der Fachdisziplin bereits Forschungsdaten veröffentlicht wurden, die zur Bearbeitung der Forschungsfrage geeignet sind.

Um passende Daten für eine Sekundäranalyse zu finden, können Sie:

•  In bekannten Repositorien suchen
• Journalartikel, z.B. in Data Journals, durchsehen
• Fachrepositorien oder Suchmaschinen nutzen

Sie können Forschungsdaten über folgende Suchmaschinen finden:

• Suchmaschinen wie Google Dataset Search, Google Scholar, BASE oder DataCite,
• fachübergreifende Forschungsdatenrepositorien wie Zenodo, Figshare oder Dryad
• fachspezifische Forschungsdatenrepositorien meiner Disziplin, die ich über re3data finden kann.

Generierung neuer Forschungsdaten

Falls die Nachnutzung von Forschungsdaten in Ihrer Fachdisziplin unüblich ist oder Sie keine geeigneten Daten finden, müssen neue Daten generiert werden. Für spezifische Fragen zur Datengenierung stehen die Data Scientists des Datenkompetenzzentrums DataNord bereit.

Was am Ende mit den nachgenutzten oder neu gewonnenen Forschungsdaten geschieht

Am Ende eines Forschungsprojekts sind Datenzitation und Nachnutzung entscheidend für die wissenschaftliche Integrität und nachhaltige Nutzung der Daten.

Datenzitation:

• Datenquellen identifizieren: Sammeln und Überprüfen aller verwendeten Daten.
• Datenzitation erstellen: Jede Dateneinheit erhält eine vollständige Zitation mit Autor, Titel, Jahr, Repository und DOI.

Nachnutzbarkeit der Daten:

• Effizienz steigern: Vermeiden Sie doppelte Datenerhebungen und sparen Sie Zeit und Kosten.
• Neue Forschungen ermöglichen: Nutzen Sie vorhandene Daten für neue Fragestellungen und innovative Entdeckungen.
• Transparenz erhöhen: Erlauben Sie anderen, Ihre Ergebnisse nachzuvollziehen und zu validieren.
• Zusammenarbeit fördern: Erleichtern Sie den Wissensaustausch und die interdisziplinäre Zusammenarbeit.

Herausforderungen:

• Datenqualität: Sicherstellen, dass Daten standardisiert und gut dokumentiert sind.
• Rechtliche und ethische Aspekte: Datenschutz, Einwilligungen und Lizenzierung beachten.
• Zugänglichkeit: Daten in öffentlich zugänglichen, stabilen Repositorien speichern.

Diese Schritte verbessern die Sichtbarkeit und Nutzung Ihrer Forschungsdaten im Sinne von Open Science.