Diese Fragen dienen der persönlichen Beschäftigung mit der Thematik, werden aber nicht separat in der Vorlesung besprochen.
Eine kommentierte und handverlesene Liste mit weiterführender Literatur zum Thema. Die Auswahl ist zwangsläufig subjektiv.
Maßgeblich für die Idee, dass Forschungsdaten auch außerhalb ihres ursprünglichen Kontextes relevant und deshalb von wirtschaftlichem und politischem Interesse sind, sind die entsprechenden Prinzipien und Leitlinien der OECD {[oecd-2007]}.
Die FAIR-Prinzipien wurden 2016 von Wilkinson et al. veröffentlicht {[wilk-sdata-3-160018]}. Ihre „Umdeutung“, genauer gesagt Fokussierung auf den Kontext von KI/ML findet sich im Beitrag von Barend Mons {[mons-n-578-491]}. Vom gleichen Autor gibt es einen flammender Appell für professionelle Forschungsdatenmanager in Form von Data Stewards und Data Architects {[mons-b-2018]}.
Für eine wirklich intellektuelle Auseinandersetzung mit vielen Fragen rund um Forschungsdaten und den Umgang mit ihnen vgl. immer wieder die Veröffentlichungen von C. L. Borgman, sowohl ihr Buch {[borgman-cl-2015]} als auch ein zeitlich vorher veröffentlichter kürzerer Artikel, der sich kritisch mit dem Veröffentlichen und Teilen von Forschungsdaten auseinandersetzt {[borg-jasist-63-1059]}.
Wer sich für Vorläufer-Initiativen der NFDI interessiert, die im aktuellen politischen Diskurs und auch in den Begründungen für die Notwendigkeit der neuen Initiative keinerlei Beachtung finden, dem sei ein Blick auf das UK e-Science Programme {[hey-ptrsa-361-1809,hey-fgcs-18-1017]} und das deutsche Projekt D-Grid {[hegering-hg-2004,ludwig-j-2013]} empfohlen. Nichts davon wird in den politisch relevanten Arbeiten des RfII {[rfii-2016-fdm,rfii-2017-fdi,rfii-2022-os]} erwähnt.
Eine hilfreiche Diskussion zu „Overengineering“, wenn auch im Kontext der Softwareentwicklung und hier spezifisch dem Wechselspiel zwischen Mustern und Refactoring, findet sich in Kap. 1 von {[kerievsky-j-2005]}.
<bibtex bibliography> sort=true </bibtex>