28. Datenverarbeitung und -Analyse in der PC

Themen: Datenverarbeitung, die wissenschaftlichen Kriterien genügt; Gründe für ein System zur Datenverarbeitung; Aspekte eines Systems zur Datenverarbeitung; Nutzeransprüche an ein System zur Datenverarbeitung
Folien: PDF
Glossar: PDF

Zentrale Aspekte

Daten sind die Grundlage der empirischen Wissenschaften.
Sie sollten Jahrzehnte überdauern.
Datenverarbeitung sollte wissenschaftlichen Ansprüchen genügen,
insbesondere nachvollziehbar sein.
Datenverarbeitung sollte systematisch erfolgen und
jeder einzelne Schritt dokumentiert werden.
Ein System zur Datenverarbeitung muss einfach nutzbar sein
und klare Vorteile bieten, um genutzt zu werden.
Ein System zur Datenverarbeitung ist viel umfassender
als einzelne Programme zur Datenanalyse.

Fragen zur Vertiefung und Wiederholung

Diese Fragen dienen der persönlichen Beschäftigung mit der Thematik, werden aber nicht separat in der Vorlesung besprochen.

Was sind wesentliche Kriterien für Wissenschaftlichkeit, auf die sich vermutlich jeder einigen wird?
Welche Ansprüche an die wissenschaftliche Datenanalyse lassen sich aus Sicht der Wissenschaften und aus Sicht der Programmierung stellen?
Welche Aspekte sollte ein Gesamtsystem zur wissenschaftlichen Datenverarbeitung und -Analyse idealerweise abdecken?
Welche Anforderungen lassen sich aus Nutzersicht an ein Gesamtsystem zur wissenschaftlichen Datenverarbeitung und -Analyse formulieren?
Wie lässt sich der unter dem Schlagwort „Domain Driven Design“ zusammengefasste Ansatz der Software-Entwicklung komplexer Systeme auf die Entwicklung eines Gesamtsystems zur wissenschaftlichen Datenverarbeitung und -Analyse anwenden? Was steht im Zentrum dieses Systems?

Weiterführende Literatur

Eine kommentierte und handverlesene Liste mit weiterführender Literatur zum Thema. Die Auswahl ist zwangsläufig subjektiv.

Wer sich eingehender mit Wissenschaftstheorie und der Frage nach dem Wesen der Wissenschaft befassen möchte, der sei auf die „klassische“ Literatur, insbesondere Poppers „Logik der Forschung“ {[popper-k-2005]} und Kuhns „Struktur wissenschaftlicher Revolutionen“ {[kuhn-ts-1976]} verwiesen. Gute einführende Werke sind „What is This Thing Called Science?“ von A. F. Chalmers {[chalmers-a-1999]} und „Wissenschaftstheorie. Eine philosophische Einführung“ von Hans Poser {[poser-h-2001]}. Lesenswert ist auch Hackings „Einführung in die Philosophie der Naturwissenschaften“ {[hacking-i-1995]}. Der Blick auf die Wissenschaft als ein „System“ geht auf Immanuel Kant {[kant-i-1997]} zurück.

Die Unterscheidung von unvermeidlicher (essential complexity) und vermeidbarer Komplexität (accidental complexity) wurde von Fred Brooks {[brooks-fp-1995]} auf Software angewandt. Sie geht ideengeschichtlich letztlich auf die Unterscheidung zwischen Substanz (Essenz) und Akzidens von Aristoteles zurück. Vgl. dazu z.B. {[prechtl-p-2008]}.

Die Wichtigkeit der Reproduzierbarkeit von Auswertungen ist ein Thema, das immer mal wieder durch die wissenschaftliche Öffentlichkeit geistert, oftmals im Zusammenhang mit aufgedecktem Betrug durch Datenfälschung {[croc-sci-334-1182,jasn-sci-334-1225,peng-sci-334-1226]}.

Ein lesenswerter Artikel, der sich mit der Reproduzierbarkeit rechnergestützter Datenauswertung befasst und zehn einfache Regeln aufstellt, ist {[sand-ploscb-9-e1003285]}.

Komplette Systeme zur Datenverarbeitung und -Analyse wurden mehrfach in der Literatur für unterschiedliche Disziplinen vorgestellt. Mesirov spricht in diesem Kontext von einem „System zur reproduzierbaren Wissenschaft“ (Reproducible Research System, RRS) {[mesi-sci-327-415]}. Wie ein solches System umgesetzt wird, dazu gibt es in unterschiedlichen Disziplinen unterschiedliche Ansätze. Beispiele wären das „Pegasus Framework“ {[deel-sprog-13-219]}, Galaxy {[goec-gb-11-r86]} und GenePatterns {[mesi-sci-327-415,reic-ngen-38-500]}. Vermutlich historisch der erste funktionierende und publizierte Ansatz (ReDoc), basierend auf freier Software und dem GNU-make-Werkzeug, stammt aus dem „Stanford Exploration Project“ um Jon Claerbout {[schw-compse-2-61]}.

Ein Buch, das nicht nur unterschiedliche (auf der Programmiersprache R basierende) Ansätze für reproduzierbare rechnergestützte Wissenschaft vorstellt, sondern darüber hinaus generelle Aspekte thematisiert, ist {[stodden-v-2014]}.

Darstellung wissenschaftlicher Daten ist ein wichtiges Thema, das immer wieder diskutiert wird. Ein sehr kurzer Artikel aus der Praxis mit vielen Beispielen ist {[roug-ploscb-10-e1003833]}.