Themen

Zur Bedeutung der Repräsentation von Daten

Repräsentationen sollten aus den Primärdaten automatisch generierbar sein

Berichte: Übersicht über die Informationen zu einem Datensatz

Vorlagen: Trennung von Inhalten und Darstellung

Glossar

PDF

Kapitel bei Springer

https://link.springer.com/chapter/10.1007/978-3-662-71607-6_32

• Ein Bild sagt mehr als tausend Worte:
  Der Wert guter Repräsentationen sollte nicht unterschätzt werden.
• Charakteristika eines Datensatzes herauszuarbeiten,
  ist die eigentliche intellektuelle Leistung der Auswertung.
• Erkenntnisgewinn lässt sich nicht automatisieren,
  viele Einzelschritte auf dem Weg dahin schon.
• Berichte präsentieren übersichtlich Informationen zu einem Datensatz
  und lassen sich automatisch erzeugen.
• Zentraler Aspekt der Berichterstellung ist die
  Trennung von verarbeitenden Routinen und Darstellung.

Die Präsentation von Daten und Ergebnissen ist ein wesentlicher Aspekt aller wissenschaftlichen Arbeit. Präsentationen sind dabei nicht auf grafische Darstellungen beschränkt. Mitunter ist es sogar wesentlich übersichtlicher und instruktiver, die auf einzelne Werte reduzierten Charakteristika eines Datensatzes in einer Tabelle wiederzugeben. In jedem Fall sollte weder die Wirkung und Bedeutung einer guten Präsentation noch der dafür notwendige Zeitaufwand unterschätzt werden. Eine aussagekräftige Darstellung eines Datensatzes ist Ergebnis der intensiven Beschäftigung mit den Daten und oft die eigentliche intellektuelle Leistung.

Während sich der Erkenntnisgewinn nicht automatisieren lässt, und auch nicht die Wahl der jeweils geeignetsten Repräsentation der Charakteristika betrachteter Daten, können und sollten viele Einzelschritte auf dem Weg dorthin durchaus automatisiert werden. Das sorgt u.a. für Konsistenz und befreit Ressourcen für die eigentliche Aufgabe der Wissenschaft: den Erkenntnisgewinn.

Einen Schritt weiter gehen automatisch erzeugte Berichte, die Informationen zu einem Datensatz übersichtlich und gut formatiert präsentieren. Ein Gesamtsystem zur wissenschaftlichen Datenverarbeitung erzeugt sehr viel Information. Berichte helfen dabei, diesen Schatz zu heben und gezielt zugänglich zu machen. Ein zentraler Aspekt der Berichterstellung aus Sicht der Softwareentwicklung ist die Trennung von Datenquellen, verarbeitenden Routinen und der finalen Darstellung. Das sorgt für ein großes Maß an Flexibilität, sowohl was die verwendeten Datenquellen als auch die Form und Sprache der Berichte angeht.

Diese Fragen dienen der persönlichen Beschäftigung mit der Thematik, es werden aber keine Antworten zur Verfügung gestellt.

• Was sind die Mindestansprüche an eine Routine zur Verarbeitung von Vorlagen?
• Warum ist es essentiell, Vorlagen und Inhalteerzeugung bzw. Berichterstellung zu trennen?
• Welche Aspekte der SOLID-Prinzipien und der „sauberen Architektur“ lassen sich sofort auf ein Vorlagensystem zur Berichterstellung anwenden?
• Welche drei Komponenten lassen sich allgemein für die formalisierte Ablage der Metadaten zur Erzeugung von Repräsentationen über mehrere Datensätze unterscheiden?
• Warum sind Anmerkungen (Annotationen) so wertvoll, und warum sollte man sie möglichst formalisiert ablegen?

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

Komplette Systeme zur Datenverarbeitung und -Analyse wurden mehrfach in der Literatur für unterschiedliche Disziplinen vorgestellt. Mesirov [Mesirov, 2010Mesirov, Jill P. (2010): Accessible reproducible research, Science 327:415-416] spricht in diesem Kontext von einem „System zur reproduzierbaren Wissenschaft“ (Reproducible Research System, RRS). Wie ein solches System umgesetzt wird, dazu gibt es in unterschiedlichen Disziplinen unterschiedliche Ansätze. Beispiele wären das „Pegasus Framework“ [Deelman, 2005Deelman, Ewa; Singh, Gurmeet; Su, Mei-Hui; Blythe, James; Gil, Yolanda; Kesselman, Carl; Mehta, Gaurang; Vahi, Karan; Berriman, G. Bruce; Good, John; Laity, Anastasia; Jacob, Joseph C.; Katz, Daniel S. (2005): Pegasus: A framework for mapping complex scientific workflows onto distributed systems, Sci. Program. 13:219-237], Galaxy [Goecks, 2010Goecks, Jeremy; Nekrutenko, Anton; Taylor, James; Team, The Galaxy (2010): Galaxy: a comprehensive approach for supporting accessible, reproducible, and transparent computational research in the life sciences, Genome Biology 11:R86] und GenePatterns [Mesirov, 2010Mesirov, Jill P. (2010): Accessible reproducible research, Science 327:415-416, Reich, 2006Reich, Michael; Liefeld, Ted; Gould, Joshua; Lerner, Jim; Tamayo, Pablo; Mesirov, Jill P (2006): GenePattern 2.0, Nat. Gen. 38:500-501]. 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 [Schwab, 2000Schwab, Matthias; Karrenbach, Martin; Claerbout, Jon (2000): Making scientific computations reproducible, Comput. Sci. Eng. 2:61-67]. Eine gute Überblicksdarstellung sowohl grundlegender Aspekte als auch konkreter Systeme liefert [Stodden, 2014Stodden, Victoria; Leisch, Friedrich; Peng, Rodger D. (Hg.) (2014): Implementing Reproducible Research, CRC Press, Boca Raton].

Darstellung wissenschaftlicher Daten ist ein wichtiges Thema, das immer wieder diskutiert wird. Ein sehr kurzer Artikel aus der Praxis mit vielen Beispielen ist [Rougier, 2014Rougier, Nicolas P.; Droettboom, Michael; Bourne, Philip E. (2014): Ten simple rules for better figures, PLoS Comput. Biol. 10:e1003833]. Ein „Klassiker“, was sowohl Beispiele als auch das theoretische Fundament hinter der (korrekten) grafischen Darstellung von Daten angeht, ist das Buch von Tufte [Tufte, 2001Tufte, Edward R. (2001): The Visual Display of Quantiative Information, Graphics Press, Cheshire, Connecticut].

Darstellungen wissenschaftlicher Daten umfassen nicht nur Abbildungen und Tabellen, sondern auch Berichte in Textform. Sowohl für den mathematischen Formelsatz als auch für den generellen naturwissenschaftlichen Textsatz gibt es Regeln und Konventionen, die u.a. von der IUPAC festgelegt wurden. Das „IUPAC Green Book“ [Mills, 1993Mills, Ian; Cvitaš, Tomislav; Homan, Klaus; Kalay, Nikola; Kuchitsu, Kozo (Hg.) (1993): Quantities, Units and Symbols in Physical Chemistry, Blackwell Science, Oxford] ist zumindest für die Physikalische Chemie dabei die Referenz, auch wenn sich viele Verlage und Journale nicht daran halten wollen. Eine allgemeine Einführung in die Typografie ist [Willberg, 2010Willberg, Hans Peter; Forssman, Friedrich (2010): Lesetypografie, Verlag Hermann Schmidt, Mainz]. Sehr in die Details geht [Forssman, 2014Forssman, Friedrich; de Jong, Ralf (2014): Detailtypografie, Verlag Hermann Schmidt, Mainz], inklusive eines ausführlichen Kapitels zum mathematischen Formelsatz. Wer sich dem Thema gerne in kleineren Schritten nähert, dem sei [Willberg, 2007Willberg, Hans Peter; Forssman, Friedrich (2007): Erste Hilfe in Typografie, Verlag Hermann Schmidt, Mainz] empfohlen.

Für eine kurze Einführung in den Textsatz von Tabellen empfiehlt sich die Dokumentation (PDF) zum LaTeX-Paket booktabs, auch wenn man nicht LaTeX verwenden möchte.

• Mills, Ian; Cvitaš, Tomislav; Homan, Klaus; Kalay, Nikola; Kuchitsu, Kozo (Hg.) (1993): Quantities, Units and Symbols in Physical Chemistry, Blackwell Science, Oxford
• Stodden, Victoria; Leisch, Friedrich; Peng, Rodger D. (Hg.) (2014): Implementing Reproducible Research, CRC Press, Boca Raton
• Deelman, Ewa; Singh, Gurmeet; Su, Mei-Hui; Blythe, James; Gil, Yolanda; Kesselman, Carl; Mehta, Gaurang; Vahi, Karan; Berriman, G. Bruce; Good, John; Laity, Anastasia; Jacob, Joseph C.; Katz, Daniel S. (2005): Pegasus: A framework for mapping complex scientific workflows onto distributed systems, Sci. Program. 13:219-237
• Forssman, Friedrich; de Jong, Ralf (2014): Detailtypografie, Verlag Hermann Schmidt, Mainz
• Goecks, Jeremy; Nekrutenko, Anton; Taylor, James; Team, The Galaxy (2010): Galaxy: a comprehensive approach for supporting accessible, reproducible, and transparent computational research in the life sciences, Genome Biology 11:R86
• Mesirov, Jill P. (2010): Accessible reproducible research, Science 327:415-416
• Reich, Michael; Liefeld, Ted; Gould, Joshua; Lerner, Jim; Tamayo, Pablo; Mesirov, Jill P (2006): GenePattern 2.0, Nat. Gen. 38:500-501
• Rougier, Nicolas P.; Droettboom, Michael; Bourne, Philip E. (2014): Ten simple rules for better figures, PLoS Comput. Biol. 10:e1003833
• Schwab, Matthias; Karrenbach, Martin; Claerbout, Jon (2000): Making scientific computations reproducible, Comput. Sci. Eng. 2:61-67
• Tufte, Edward R. (2001): The Visual Display of Quantiative Information, Graphics Press, Cheshire, Connecticut
• Willberg, Hans Peter; Forssman, Friedrich (2007): Erste Hilfe in Typografie, Verlag Hermann Schmidt, Mainz
• Willberg, Hans Peter; Forssman, Friedrich (2010): Lesetypografie, Verlag Hermann Schmidt, Mainz