01. Motivation (Physikalische Chemie)
- Themen
- Was ist Wissenschaft?
- Das Wesen der Physikalischen Chemie
- Anforderungen an die wissenschaftliche Datenanalyse
- Größere Projekte erfordern Kenntnisse in Software-Entwicklung
- Folien
- PDF
Zentrale Aspekte
Rechnergestützte Datenauswertung spielt in der Physikalischen Chemie oft eine bedeutende Rolle.
Software zur wissenschaftlichen Datenanalyse sollte einer Reihe von Anforderungen genügen:
Wiederverwendbarkeit, Selbstdokumentation,
Zuverlässigkeit, Überprüfbarkeit, Nutzerfreundlichkeit,
Erweiterbarkeit, Reproduzierbarkeit.
Auswertungssoftware wird schnell komplex.
Weiterführende Literatur
Eine kommentierte und handverlesene Liste mit weiterführender Literatur zum Thema. Die Auswahl ist zwangsläufig subjektiv.
Wissenschaftstheorie und -philosophie
Die Frage „Was ist Wissenschaft“ zu behandeln, sprengt den Rahmen der Vorlesung bei Weitem und ist nicht umsonst der Inhalt ganzer Bücher und dedizierter Vorlesungen zur Wissenschaftstheorie (meist an der philosophischen Fakultät). Dem Interessierten sei entsprechende Primär- (u.a. Popper, Kuhn, Hacking) und Sekundärliteratur (u.a. Poser, Chalmers) empfohlen.
Chalmers, Alan F. (1999): What is this thing called Science?, Open University Press, Berkshire, UK
Hacking, Ian (1995): Einführung in die Philosophie der Naturwissenschaften, Reclam, Stuttgart
Kuhn, Thomas S. (1976): Die Struktur wissenschaftlicher Revolutionen, Suhrkamp, Frankfurt am Main
Popper, Karl (2005): Logik der Forschung, Mohr Siebeck, Tübingen
Poser, Hans (2001): Wissenschaftstheorie, Reclam, Stuttgart
Scientific Computing / Computational Science
Es gibt keine wirklich griffige Übersetzung für die Begriffe „Scientific Computing“ bzw. „Computational Science“, am ehesten „Wissenschaftliches Rechnen“ oder „Rechnergestützte Wissenschaft(en)“. Gerade in der experimentellen Physikalischen Chemie ist rechnergestützte Datenauswertung zwar allgegenwärtig, aber eben doch „Mittel zum Zweck“. Zwei Artikel, die sich mit dem Problem befassen, dass die meisten Wissenschaftler nie gelernt haben, wie man programmiert, sind nachfolgend aufgeführt. Weitere Details dazu folgen im zweiten Teil der Motivation.
Merali, Zeeya (2010): ...why scientific programming does not compute, Nature 467:775-777
Wilson, Greg (2006): Software carpentry. Getting scientists to write better code by making them more productive, Comput. Sci. Eng. 8:66-69