Themen

Der Forschungsdatenlebenszyklus als Modell

Kritische Betrachtung: Tragfähigkeit und Grenzen

Forschungsdaten im Verlauf des Forschungsdatenlebenszyklus

Verantwortlichkeiten im Forschungsdatenlebenszyklus

Folien

PDF

Glossar

PDF

• Der Forschungsdatenlebenszyklus ermöglicht die Kommunikation
  mit Forschenden über Forschungsdatenmanagement.
• Die Fokussierung auf Daten und ihre Wiederverwendbarkeit
  statt Nachvollziehbarkeit ist kontraproduktiv für die Wissenschaft.
• Kernaspekt der wissenschaftlichen Methode ist Nachvollziehbarkeit
  – und damit Dokumentation auf allen Stufen des Zyklus.
• Die Bedeutung des Begriffs „Forschungsdaten“
  ändert sich über die Stationen des Zyklus hinweg.
• Anhand des Forschungsdatenlebenszyklus lassen sich
  unterschiedliche Verantwortlichkeiten erkennen.

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

• Welche Aufgaben übernimmt der Forschungsdatenlebenszyklus im Forschungsdatenmanagement?
• Wo liegen die Grenzen des Forschungsdatenlebenszyklus? Welche grundlegende Kritik kann man an diesem Modell üben? Wie könnten alternative Modelle aussehen, die mitunter deutlich näher an der Realität sind?
• Wie ändern sich Forschungsdaten über den Forschungsdatenlebenszyklus?
• Wie könnte man den Forschungsdatenlebenszyklus auf Forschungssoftware anwenden?
• Welche Verantwortlichkeiten lassen sich allgemein am Forschungsdatenlebenszyklus erkennen?

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

Das Modell des Forschungsdatenlebenszyklus wurde (vermutlich) vom Digital Curation Centre (https://dcc.ac.uk) bekannt gemacht. Ein praxisnahes Buch zum Forschungsdatenmanagement, das sich am Forschungsdatenlebenszyklus entlanghangelt und von einer Chemikerin geschrieben ist, die aufgrund eigener Erfahrungen zum Forschungsdatenmanagement kam, ist von K. Briney [Briney, 2015Briney, Kristin (2015): Data Management for Researchers: Organize, Maintain and Share your Data for Research Success, Pelagic Publishing, Exeter, UK].

Letztlich ist der Forschungsdatenlebenszyklus ein Planungsinstrument, das Parallelen in der Projektplanung und (von dort abgeleitet) in der Softwareentwicklung hat. Für Softwarelebenszyklen vgl. die einschlägige Literatur, u.a. [Jacobson, 1992Jacobson, Ivar (1992): Object-Oriented Software Engineering, ACM Press, Addison-Wesley, Wokingham, Krypczyk, 2018Krypczyk, Veikko; Bochkor, Olean (2018): Handbuch für Softwareentwickler, Rheinwerk Verlag, Bonn, Sommerville, 2018Sommerville, Ian (2018): Software Engineering, Pearson, Hallbergmoos].

Der Forschungsdatenlebenszyklus wird insbesondere durch die Betonung der Wiederverwendung von Forschungsdaten zum Zyklus, vgl. dazu Briney [Briney, 2015Briney, Kristin (2015): Data Management for Researchers: Organize, Maintain and Share your Data for Research Success, Pelagic Publishing, Exeter, UK]. Die grundlegende Problematik hinter der Idee, Forschungsdaten außerhalb ihres ursprünglichen Entstehungskontextes zu verwenden, wird in Tiefe und Breite von C. L. Borgman diskutiert [Borgman, 2012Borgman, Christine L. (2012): The conundrum of sharing research data, J. Am. Soc. Inf. Sci. Technol. 63:1059-1078, Borgman, 2015Borgman, Christine L. (2015): Big Data, Little Data, No Data: Scholarship in the Networked World, MIT Press, Cambridge, MA].

Wer sich tiefer mit den Fragen der Erkenntnis auseinandersetzen möchte, dem seien passend zu seinem 300. Geburtstag Werke von Immanuel Kant empfohlen, so seine „Kritik der reinen Vernunft“ [Kant, 1974Kant, Immanuel (1974): Kritik der reinen Vernunft, Suhrkamp, Frankfurt am Main] und „Metaphysische Anfangsgründe der Naturwissenschaft“ [Kant, 1997Kant, Immanuel (1997): Metaphysische Anfangsgründe der Naturwissenschaft, Felix Meiner Verlag, Hamburg].

Für die Auseinandersetzung mit der Unterscheidung zwischen Forschung und Wissenschaft und insbesondere der Frage, wie es sein kann, dass Forschung ohne Erkenntnis bleibt, sei der Beitrag von Richard Feynman zur „Cargo Cult Science“ [Feynman, 1974Feynman, Richard P. (1974): Cargo cult science, Eng. Sci. 37:10-13] sehr empfohlen. Eine erhellende Parallele für die Softwareentwicklung mit expliziter Bezugnahme auf Feynman stammt von Steve McConnell [McConnell, 2000McConnell, Steve (2000): Cargo cult software engineering, IEEE Softw. 17:11-13].

• Borgman, Christine L. (2012): The conundrum of sharing research data, J. Am. Soc. Inf. Sci. Technol. 63:1059-1078
• Borgman, Christine L. (2015): Big Data, Little Data, No Data: Scholarship in the Networked World, MIT Press, Cambridge, MA
• Briney, Kristin (2015): Data Management for Researchers: Organize, Maintain and Share your Data for Research Success, Pelagic Publishing, Exeter, UK
• Feynman, Richard P. (1974): Cargo cult science, Eng. Sci. 37:10-13
• Jacobson, Ivar (1992): Object-Oriented Software Engineering, ACM Press, Addison-Wesley, Wokingham
• Kant, Immanuel (1974): Kritik der reinen Vernunft, Suhrkamp, Frankfurt am Main
• Kant, Immanuel (1997): Metaphysische Anfangsgründe der Naturwissenschaft, Felix Meiner Verlag, Hamburg
• Krypczyk, Veikko; Bochkor, Olean (2018): Handbuch für Softwareentwickler, Rheinwerk Verlag, Bonn
• McConnell, Steve (2000): Cargo cult software engineering, IEEE Softw. 17:11-13
• Sommerville, Ian (2018): Software Engineering, Pearson, Hallbergmoos