Höher, schneller, weiter?
Datenmanagement
mit Augenmaß!
Astrid Recker | Sebastian Netscher | Jessica Trixa
GESIS – Datenar...
● Herausforderungen:
– Menschliche Teilnehmer_innen = ethische und
rechtliche Einschränkungen;
– Messungen in der Regel ni...
Fallbeispiel (fiktiv)
2008-2012 …........................................... ......20152008-2012 …...........................
Probleme im Fallbeispiel
● Informationen über die Feldphase / den Interviewprozess fehlen;
● Vom Feldinstitut verwendete E...
Ziele des Datenmanagements
Bild: CC0
2. Replizierbarkeit
Verständlichkeit;
Reproduzierbarkeit der
Forschungsergebnisse
erm...
1. Qualitätssicherung 3. Nachnutzbarkeit2. Replizierbarkeit
Z i e l e u n d M a ß n a h m e n d e s D a t e n m a n a g e ...
Datenmanagement mit Augenmaß
● „Angemessen“ heißt „so viel wie nötig“ um ein
angestrebtes Ziel zu erreichen
● Stehen der N...
Datenmanagement mit Augenmaß
Um diesen Anspruch einzulösen brauchen wir
Werkzeuge zur
Kostenkalkulation
(disziplinspezifis...
Nächste SlideShare
Wird geladen in …5
×

Höher, schneller, weiter? Datenmanagement mit Augenmaß!

549 Aufrufe

Veröffentlicht am

Was bedeutet es, Forschungsdatenmanagement angemessen zu gestalten?

Veröffentlicht in: Bildung
0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
549
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
26
Aktionen
Geteilt
0
Downloads
1
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Höher, schneller, weiter? Datenmanagement mit Augenmaß!

  1. 1. Höher, schneller, weiter? Datenmanagement mit Augenmaß! Astrid Recker | Sebastian Netscher | Jessica Trixa GESIS – Datenarchiv für Sozialwissenschaften archive.training@gesis.org | @CESSDAtraining 2. Workshop der DINI/nestor-AG Forschungsdaten: „Datenmanagementpläne und ihre Bedeutung im Forschungsdatenmanagement“ Berlin, 23. März 2015 (planung) http://creativecommons.org/licenses/by/4.0/
  2. 2. ● Herausforderungen: – Menschliche Teilnehmer_innen = ethische und rechtliche Einschränkungen; – Messungen in der Regel nicht oder nur mit großem Aufwand wiederholbar; – Umfassende Kontextinformationen notwendig, um Interpretierbarkeit zu erhalten. Sozialwissenschaftliche Forschungsdaten Bild: CC0
  3. 3. Fallbeispiel (fiktiv) 2008-2012 …........................................... ......20152008-2012 …........................................... ......2015 Archiv Feldinstitut „Begünstigende Faktoren für Studienabbrüche in STEM-Fächern“ ● Nationales Verbundprojekt; ● quantitative und qualitative Daten in mehreren Wellen; ● Werkpakete an verschiedenen Standorten; ● Datenerhebung: Feldinstitut (verwendet eigene Standard-Einwilligungserklärungen); ● Daten werden lokal in den Institutionen gespeichert; ● lokale Regelungen zur Datenaufbereitung und Versionierung; ● zwischen Projektende und Übergabe der Daten an ein Archiv vergehen mehrere Jahre. Grafiken: RRZE (cc-by-sa) https://github.com/RRZE-PP/rrze-icon-set
  4. 4. Probleme im Fallbeispiel ● Informationen über die Feldphase / den Interviewprozess fehlen; ● Vom Feldinstitut verwendete Einwilligungserklärung schließt eine Weitergabe der Daten an Dritte außerhalb der Forschergruppe aus; ● Kodierung und Datenaufbereitung erfolgten nicht einheitlich an allen Standorten; ● keine konsistente Versionierung; ● Uneinheitliche Verwendung von Software und Formaten bei Daten, die zusammengespielt werden müssten (z.B. STATA vs SPSS; ODF vs. DOCX); ● Qualitative Daten wurden nicht anonymisiert/pseudonymisiert; ● Zwischen Projektende und Einreichung beim Archiv sind mehrere Jahre vergangen – Kontextinformationen nur noch mit hohem Aufwand reproduzierbar, wenn überhaupt.
  5. 5. Ziele des Datenmanagements Bild: CC0 2. Replizierbarkeit Verständlichkeit; Reproduzierbarkeit der Forschungsergebnisse ermöglichen, Nachweis der Validität 1. Qualitätssicherung lesbare, authentische Daten; Vermeidung von Datenverlusten 3. Nachnutzbarkeit Nutzung der Daten in neuen Kontexten, Beantwortung neuer Forschungsfragen
  6. 6. 1. Qualitätssicherung 3. Nachnutzbarkeit2. Replizierbarkeit Z i e l e u n d M a ß n a h m e n d e s D a t e n m a n a g e m e n t s Backup-/Sicherheitskonzept (Projektlaufzeit) Backup-/Sicherheitskonzept (10 Jahre nach Projektende) Planung der Übergabe an Archiv oder Repository Richtlinien zur Datenerhebung, -aufbereitung, Versionierung, etc. Beachtung von Standards (z.B. bei der Skalen- oder Variablenbildung) Minimale Dokumentation, insbesondere zu Sampling, Interviews, Variablen- und Codelabel Strukturierte/unstrukturierte Metadaten zur Dokumentation des gesamten Forschungsprozesses (Feldphase, Bereinigung, Analyse, etc.) Detailliertere Dokumentation (z.B. bis auf Variablenebene; zusätzliche Kontextinformationen) Klärung ethischer/rechtlicher Fragen zur Datenerhebung, -speicherung und Weitergabe in der Forschergruppe (informierte Einwilligung) Klärung ethischer/rechtlicher Fragen zur Speicherung und Weitergabe an Dritte Klärung ethischer/rechtlicher Fragen, ● die sich bei einer Verknüpfung von Datensätzen ergeben können (z.B. De-Anonymisierung) ● die bei der Übergabe an ein Archiv zu beachten sind Einsatz adäquater Dateiformate für den Projektzweck Einsatz von Formaten, die (voraussichtlich) in 10 Jahren noch lesbar sind Einsatz adäquater Dateiformate für die Nachnutzung
  7. 7. Datenmanagement mit Augenmaß ● „Angemessen“ heißt „so viel wie nötig“ um ein angestrebtes Ziel zu erreichen ● Stehen der Nutzen des angestrebten Ziels und der Aufwand in einem angemessenen Verhältnis? Aufwand Nutzen
  8. 8. Datenmanagement mit Augenmaß Um diesen Anspruch einzulösen brauchen wir Werkzeuge zur Kostenkalkulation (disziplinspezifische) Kostenmodelle Ökonomische Modelle

×