Kompetenter Umgang mit Daten
Datenkompetenz im Studium und Forschungsalltag
Daten spielen in vielen wissenschaftlichen Arbeiten eine wichtige Rolle. Sie können einerseits bewusst durch Experimente, Umfragen oder Beobachtungen erhoben oder aus bestehenden Quellen wie Büchern und Internetseiten übernommen werden. Gleichzeitig entstehen Daten oft unbewusst, etwa durch die Nutzung digitaler und insbesondere onlinebasierter Anwendungen.
Es gibt verschiedene Arten von Daten, darunter Messwerte und Tabellen, Texte, Bilder und Videos sowie personenbezogene Daten – also Informationen über Menschen wie Namen oder Adressen.
Beim Arbeiten mit Daten gibt es einige wichtige Regeln zu beachten:
- Urheberrecht: Nicht alle Daten dürfen einfach genutzt oder weitergegeben werden. Prüfe, ob eine Quelle erlaubt, ihre Daten zu verwenden, und zitiere sie korrekt.
- Schutz personenbezogener Daten: Informationen über Menschen sind besonders sensibel. Wenn du solche Daten erhebst, benötigst du die Zustimmung der betroffenen Personen und musst sicherstellen, dass sie geschützt bleiben, zum Beispiel durch Anonymisierung.
- Dokumentation und Organisation: Halte fest, woher deine Daten stammen, wie du sie gesammelt hast und wie sie strukturiert sind. Das erleichtert später die Arbeit und sorgt für Transparenz.
Datenkompetenz bedeutet, verantwortungsbewusst und sorgfältig mit Daten umzugehen. So stellst du sicher, dass deine Arbeit wissenschaftlichen Standards entspricht und du keine rechtlichen oder ethischen Probleme bekommst.
Forschungsdatenmanagement
Beim Umgang mit Daten in einem Forschungsprojekt (auch Studierendenprojekte mit Forschungscharakter) ist es wichtig, alle Projektprozesse und Ergebnisse nachvollziehbar zu dokumentieren. Daher wird zu Beginn des Projekts ein Datenmanagementplan (DMP) erstellt. Dieser kann sich im Laufe des Projekts dynamisch weiterentwickeln und wird erst am Ende vollständig abgeschlossen.
Es gibt keine festgelegte Vorgabe für die Form eines DMP; sie kann je nach Fachgebiet und Projektart variieren. In der Regel umfasst der DMP aber die folgenden Phasen des Datenlebenszyklus:
Planen / Erheben: In der Planungsphase wird festgelegt, welche Daten benötigt werden und in welchem Umfang sie erhoben werden sollen, wobei ethische Aspekte wie Datenschutz und Urheberrecht berücksichtigt werden müssen. In der Erhebungsphase werden die Daten gemäss diesen Vorgaben gesammelt und dokumentiert. Beide Phasen stellen eine systematische, transparente und verantwortungsbewusste Datennutzung sicher.
Aufarbeiten / Analysieren: In diesen Phasen werden die Daten importiert, bereinigt und analysiert. Es sollte vorher unbedingt ein Backup der Rohdaten erstellt werden, um Datenverluste zu vermeiden. Ebenso ist es wichtig, jeden Schritt von der Aufbereitung bis zur Analyse genau zu dokumentieren. Dadurch wird sichergestellt, dass die Daten korrekt interpretiert werden können und der gesamte Prozess reproduzierbar bleibt.
Archivieren / Teilen: Für die langfristige Speicherung sollten die Daten sowie die Dokumentation zur Datenverarbeitung und Analyse in geeigneten Repositorien archiviert werden. Die Bereitstellung der Daten und Open-Access-Optionen ermöglichen eine breite Nutzung und fördern den wissenschaftlichen Austausch. Dies erhöht die Transparenz der Forschung und trägt zur Qualitätssicherung sowie zur Nachnutzung der Daten bei.
Nachnutzung: Die Wiederverwendung von Daten spielt in der Wissenschaft eine zentrale Rolle, da sie Forschenden ermöglicht, unabhängige Analysen durchzuführen, veröffentlichte Ergebnisse zu validieren und neue Erkenntnisse auf derselben Datenbasis zu gewinnen. Dies fördert die wissenschaftliche Qualität, verbessert die Reproduzierbarkeit und spart Ressourcen, indem doppelte Datenerhebungen vermieden werden.
Ein DMP stellt sicher, dass Forschungsdaten nachhaltig, zugänglich und reproduzierbar sind.
Es gibt viele Informationen auf diversen Webseiten mit Checklisten, Vorlagen und Beispielen zum Erstellen von Datenmanagementplänen, z. B. auf der ZHB-Webseite oder auf forschungsdaten.info.