Kurse

Tauchen Sie ein in die Welt des Forschungsdatenmanagements mit der HeFDI Data School! Unser Einführungskurs vermittelt entscheidende Grundlagen, um Ihre wissenschaftliche Arbeit effizienter und nachhaltiger zu gestalten. Entdecken Sie, wie Sie durch kluges Datenmanagement die Qualität, Auffindbarkeit und Nachnutzbarkeit Ihrer Forschungsdaten maximieren können. Werden Sie Teil einer Bewegung hin zu mehr Transparenz und Integrität in der Wissenschaft!

Entdecken Sie, wie Sie rechtliche und ethische Standards beim Umgang mit personenbezogenen Forschungsdaten sicher einhalten können. Dieser Kurs bietet Ihnen praxisnahe Lösungen von der DSGVO über die Einholung informierter Einwilligungen bis zur Anonymisierung und Erstellung von Datennutzungsvereinbarungen. Erwerben Sie die Kompetenzen, um Ihre Forschung rechtskonform und verantwortungsvoll zu gestalten!

Gut geplant ist halb gewonnen! Ein Datenmanagementplan (DMP) beschreibt den Umgang mit Forschungsdaten während und nach einem Projekt und dient als lebendes Dokument, das im Projektverlauf angepasst wird. Es hilft nicht nur, Vorgaben der Forschungsförderer zu erfüllen, sondern optimiert auch die Arbeitsweise und Zusammenarbeit. Lernen Sie, wie ein DMP Ihre Forschungsprojekte strukturiert und Ihre Daten effizient verwaltet!

Wer dokumentiert, hat’s kapiert! Ob für die Nachnutzung Ihrer Daten, die Zusammenarbeit im Team oder zur eigenen Orientierung – eine exzellente Organisation und Dokumentation Ihrer Forschungsdaten ist unerlässlich. Erlernen Sie in diesem Kurs verschiedene Tools und Techniken, um Ihre Daten effektiv zu verwalten und nachvollziehbar zu machen, inklusive Einblicke in Metadaten und Versionierung.

Verstehen Sie die urheberrechtliche Lage rund um Forschungsdaten und wie Sie Offenheit bei deren Publikation erreichen können. Erfahren Sie, wann und wie die Lizenzierung mit Creative-Commons-Lizenzen sinnvoll ist. Zudem erhalten Sie Einblicke in aktuelle rechtliche Fragen zur Nutzung generativer KI in der Forschung.

Daten sind das neue Gold – oder sogar noch wertvoller? Damit andere von Ihren Forschungsdaten profitieren können, müssen sie bekannt gemacht werden! In diesem Modul erfahren Sie, was Sie mit Ihren Daten auch nach Projektende noch bewirken können. Lernen Sie, wie Sie Daten effektiv veröffentlichen und archivieren, um deren Wert zu maximieren.

Ein Einstieg in gutes Forschungsdatenmanagement (FDM) ist schwer - aber was, wenn FDM ein “Nebenprodukt” der Analyse wird und für Forschende die Einstiegshürde sowohl in digitale Analysen als auch faires FDM gesenkt wird? Dann ist vielleicht die Open-Source-Plattform Galaxy im Spiel.

Im einführenden Teil der Workshopreihe vermitteln wir Ihnen, wie Sie über den kompletten Lebenszyklus Ihrer Forschungsdaten hinweg von einem professionellen Forschungsdatenmanagement profitieren und gute wissenschaftliche Praxis leben können. Sie lernen dabei die Bandbreite an Möglichkeiten kennen, Ihre Daten Findable, Accessible, Interoperable und Reusable (FAIR) zu machen.

Gut geplant ist halb gewonnen! Ein Datenmanagementplan (DMP) beschreibt den (geplanten) Umgang mit Forschungsdaten während und nach dem Projekt. Idealerweise ist er dabei ein lebendes Dokument, das im Projektverlauf bei Bedarf überarbeitet oder konkretisiert wird. Ein DMP kann Vorgaben der Forschungsförderer erfüllen und unterstützt dabei auch bessere Strukturierung von eigener Arbeitsweise und Zusammenarbeit in Projekten.

Das Modul stellt die urheberrechtliche Situation bei Forschungsdaten dar. Dabei geht es insbesondere um die Frage, wie Offenheit bei der Publikation von Forschungsdaten erreicht werden kann. Insbesondere zielt es darauf ab, wann eine Lizenzierung mit Creative-Commons-Lizenzen die richtige Wahl ist und was man dabei beachten muss. Der Vortrag wird zudem aktuelle rechtliche Fragen in Bezug auf die Nutzung generativer KI in der Forschung behandeln.

Wer dokumentiert, hat’s kapiert! Sollen Ihre Daten später nachgenutzt werden? Arbeiten Sie im Team? Werden Ihre Forschungsarbeiten womöglich zwischendurch unterbrochen? Egal ob für sich selbst oder für andere, eine gute Organisation und Dokumentation Ihrer Forschungsdaten erleichtert das Arbeiten und steigert die Nachvollziehbarkeit.

Daten das neue Gold – oder sogar noch wertvoller? Dazu muss erst mal jemand von Ihren Forschungsdaten erfahren! Was Sie mit Ihren Daten auch nach Projektende noch anfangen können, ist Thema dieses Moduls. Im Einzelnen geht es um die Fragen: Was bedeutet Datenveröffentlichung? Wie und wo können Daten veröffentlicht werden und was ist dabei zu beachten? Auch die Archivierung gehört zur Guten wissenschaftlichen Praxis. Möglichst praxisnahe Erkenntnisse bekommen Sie durch die exemplarische Vorstellung eines Datenrepositoriums.

Rechtliche und ethische Anforderungen zum Umfang mit (sensiblen) personenbezogenen Forschungsdaten sind bekannt, aber wie können diese in der Praxis umgesetzt werden? Der Vortrag gibt Tipps zum praktischen Vorgehen.

In der Präsentation soll gezeigt werden, wie man seine Forschungsdaten sicherer mit einem Verschlüsselungsprogramm speichern kann. Hierzu wird auch die Frage beantwortet was ist Verschlüsselung und wie funktioniert diese.

In vielen Bereichen der heutigen wissenschaftlichen Praxis ist es von entscheidender Bedeutung, Informationen präzise und maschinenlesbar zu dokumentieren und diese effizient zu durchsuchen. Dieser Vortrag bietet eine grundlegende Einführung in zwei wesentliche Werkzeuge, die diese Arbeiten erheblich erleichtern können: Markdown und Regular Expressions.

eLabFTW ist ein leistungsstarkes und flexibles elektronisches Laborbuch (ELN), das die Organisation und Dokumentation wissenschaftlicher Experimente erleichtert. Diese Einführung bietet einen Überblick über die wichtigsten Funktionen wie die Verwaltung von Experimenten, die Verknüpfung von Proben und die Zusammenarbeit im Team. Außerdem werden die neuesten Funktionen vorgestellt, die eLabFTW noch benutzerfreundlicher und effizienter machen.

Im einführenden Teil der Workshopreihe vermitteln wir Ihnen, wie Sie über den kompletten Lebenszyklus Ihrer Forschungsdaten hinweg von einem professionellen Forschungsdatenmanagement profitieren und gute wissenschaftliche Praxis leben können. Sie lernen dabei die Bandbreite an Möglichkeiten kennen, Ihre Daten Findable, Accessible, Interoperable und Reusable (FAIR) zu machen.

Gut geplant ist halb gewonnen! Ein Datenmanagementplan (DMP) beschreibt den (geplanten) Umgang mit Forschungsdaten während und nach dem Projekt. Idealerweise ist er dabei ein lebendes Dokument, das im Projektverlauf bei Bedarf überarbeitet oder konkretisiert wird. Ein DMP kann Vorgaben der Forschungsförderer erfüllen und unterstützt dabei auch bessere Strukturierung von eigener Arbeitsweise und Zusammenarbeit in Projekten.

Daten das neue Gold – oder sogar noch wertvoller? Dazu muss erst mal jemand von Ihren Forschungsdaten erfahren! Was Sie mit Ihren Daten auch nach Projektende noch anfangen können, ist Thema dieses Moduls. Im Einzelnen geht es um die Fragen: Was bedeutet Datenveröffentlichung? Wie und wo können Daten veröffentlicht werden und was ist dabei zu beachten? Auch die Archivierung gehört zur Guten wissenschaftlichen Praxis. Möglichst praxisnahe Erkenntnisse bekommen Sie durch die exemplarische Vorstellung eines Datenrepositoriums.

Wer dokumentiert, hat’s kapiert! Sollen Ihre Daten später nachgenutzt werden? Arbeiten Sie im Team? Werden Ihre Forschungsarbeiten womöglich zwischendurch unterbrochen? Egal ob für sich selbst oder für andere, eine gute Organisation und Dokumentation Ihrer Forschungsdaten erleichtert das Arbeiten und steigert die Nachvollziehbarkeit.

Das Modul stellt die urheberrechtliche Situation bei Forschungsdaten dar. Dabei geht es insbesondere um die Frage, wie Offenheit bei der Publikation von Forschungsdaten erreicht werden. Insbesondere zielt es darauf ab, wann eine Lizenzierung mit Creative-Commons-Lizenzen die richtige Wahl ist und was man dabei beachten muss. Der Vortrag wird zudem aktuelle rechtliche Fragen in Bezug auf die Nutzung generativer KI in der Forschung behandeln.

Das Modul konzentriert sich auf die Anforderungen des Datenschutzes beim Umgang mit (sensiblen) personenbezogenen Daten. Was sind die wichtigsten Pflichten des Forschers im Umgang mit personenbezogenen Daten (z.B. gesetzliche Grundlage, informierte Einwilligung)? Welche konkreten Rahmenbedingungen sind festgelegt? Welche grundlegenden Maßnahmen bei der Arbeit mit personenbezogenen Daten sind notwendig (z.B. Anonymisierung, Pseudonymisierung)? Welche Daten werden als besonders sensibel und damit auch besonders schützenswert hervorgehoben? Gibt es besondere Erlaubnisse für die Datenverarbeitung zu Forschungszwecken (z.B. Auskunfts- und Widerspruchsrecht, Archivierung, Veröffentlichung)? Welche Dokumentationspflichten bestehen und wann ist zusätzlich eine Datenschutz-Folgenabschätzung erforderlich?

Open Science? Was ist das? Und wenn ja, wie viel Open ist gut für meine Science?

Open Science bedeutet, den gesamten Forschungsprozess von der Ideenfindung bis zur Veröffentlichung der Ergebnisse transparent und zugänglich zu gestalten. Das umfasst den offenen Zugang zu Publikationen (Open Access), Daten (Open Data), Materialien (Open Materials) und Bildungsinhalten (Open Educational Ressources), die Nutzung von Open-Source-Software und deren nachvollziehbare Beschreibung und Verknüpfung. Damit kann der Output aus dem gesamten Forschungsprozess nachnutzbar gemacht und die Ergebnisse ggf. sogar repliziert werden.

Im Zuge der COVID-19-Pandemie ist es unverkennbar geworden – offene Forschungsdaten sind elementar für die Lösung von gesellschaftlichen Herausforderungen. Auch Ihre eigenen Forschungsdaten sind interessant und potenziell von Mehrwert für andere Forschende oder die interessierte Öffentlichkeit. Manchmal gewinnen Forschungsdaten auch in ganz neuen Kontexten eine zentrale Bedeutung: Beispielsweise eröffnen jahrzehntealte Aufnahmen von Tierstimmen für die Biodiversitätsforschung heute neue Möglichkeiten.

Open Science und Citizen Science werden oft in einem Atemzug genannt. Initiativen beider Seiten wie die „AG Open Science“ oder „Bürger schaffen Wissen“ verweisen gerne auf das gemeinsame übergeordnete Ziel einer Demokratisierung und Öffnung des Wissenschaftsbetriebs für weitere Gesellschaftsschichten. Während Citizen Science aus dieser Perspektive geradezu wie eine Ausgestaltung des Open-Science-Prinzips erscheint, handelt es sich jedoch um zwei vielschichtige Konzepte, deren Zusammenspiel in der Praxis auch Fragen aufwerfen kann.

Ob es sich um das kleine Script zum Parsen von Webseiten handelt oder auch um komplexe Programmiersprachen, es ist schön, das Rad nicht neu erfinden zu müssen. In diesem Workshop soll der Frage nachgegangen werden, worum es sich bei dem Begriff OpenSource im Kontext von Software handelt und wann (und warum) man darüber nachdenken sollte, eigenen Code zu veröffentlichen. Wie können wir vorhanden Code nachnutzen und wo suche ich überhaupt danach?

Im einführenden Teil der Workshopreihe vermitteln wir Ihnen, wie Sie über den kompletten Lebenszyklus Ihrer Forschungsdaten hinweg von einem professionellen Forschungsdatenmanagement profitieren und gute wissenschaftliche Praxis leben können. Sie lernen dabei die Bandbreite an Möglichkeiten kennen, Ihre Daten Findable, Accessible, Interoperable und Reusable (FAIR) zu machen.

Wer dokumentiert, hat’s kapiert! Sollen Ihre Daten später nachgenutzt werden? Arbeiten Sie im Team? Werden Ihre Forschungsarbeiten womöglich zwischendurch unterbrochen? Egal ob für sich selbst oder für andere, eine gute Organisation und Dokumentation Ihrer Forschungsdaten erleichtert das Arbeiten und steigert die Nachvollziehbarkeit.

Für die Nachvollziehbarkeit der Provenienz von Forschungsdaten stellt die konsequente Versionierung dieser Daten einen wichtigen Grundpfeiler im Forschungsdatenmanagement dar. In diesem Vortrag wollen wir ihnen einerseits die Grundprinzipien der Versionierung näher bringen und andererseits Möglichkeiten aufzeigen, wie Sie Ihre Daten versionieren können. Neben einfachen Methoden der Versionierung wird Ihnen auch die Arbeit mit der Versionsverwaltungssoftware “Git” und der Webanwendung “GitLab” präsentiert.

Die passende Software erleichtert das Datenmanagement. Vor allem dann, wenn im Team parallel an Forschungsdaten gearbeitet wird und kollaborative Arbeitsprozesse notwendig sind. In diesem Workshop werden exemplarisch Tools und Methoden vorgestellt, die beim Projekt- und Datenmanagement unterstützen können und gleichzeitig die effektive Arbeit im Team erleichtern.

Laborbücher gehören zum Forschungsalltag: Hier landen unter anderem Messergebnisse, Skizzen von Versuchsaufbauten, Beobachtungen oder Auswertungen. Was aber, wenn diese Daten immer häufiger digital sind? Sollten diese ausgedruckt und eingeklebt werden - oder gibt es eine bessere Lösung? An dieser Stelle setzen elektronische Laborbücher (ELNs) an. Und bieten darüber hinaus auch ganz neue Möglichkeiten. Es gibt dabei eine große Bandbreite an möglichen Lösungen mit unterschiedlichsten Ansätzen und Funktionsumfängen.

Der Umgang mit digitalen Forschungsdaten wird häufig von rechtlichen Fragestellungen berührt. Wie kann ich rechtssicher persönliche Angaben verarbeiten? Fallen Forschungsdaten unter das Urheberrecht? Wer entscheidet über eine Veröffentlichung von Daten? Was passiert bei einem Institutionswechsel mit den Forschungsdaten? Vor allem bei urheber-, datenschutz-, dienst- und haftungsrechtlichen Fragen im Rahmen der Verarbeitung, des Teilens und der Veröffentlichung von Forschungsdaten herrschen im wissenschaftlichen Alltag viele Unsicherheiten. Während des Workshops werden wir diese anhand von Präsentationen, praktischen Elementen und Diskussionsrunden adressieren und, wenn möglich, ausräumen.

Open Science? Was ist das? Und wenn ja, wie viel Open ist gut für meine Science?

Gut geplant ist halb gewonnen! Ob zur Erfüllung von Vorgaben der Forschungsförderer oder rein zur besseren Strukturierung der eigenen Arbeitsweise. Ein gut ausgearbeiteter Datenmanagementplan ist integraler Bestandteil jedes modernen Forschungsvorhabens und hilft, sich frühzeitig Gedanken um Datenarten, Datenverarbeitung, Speicherung, Datenpublikation, Rechtsfragen und weitere zentrale Fragen der Forschungsorganisation zu machen. In diesem Modul lernen Sie unter Anleitung einen individuellen Datenmanagementplan (DMP) für Ihr Forschungsprojekt zu erstellen. Anhand praxiserprobter Beispielpläne erhalten Sie einen Einblick welche Elemente ein Datenmanagementplan enthalten sollte und wie Sie das digitale DMP-Tool „RDMO“ nutzen können, um diesen strukturiert und anpassbar zu verfassen.

Grundsätzlich zielt die EInheit darauf, die Anforderungen von Mittelgebern in Sachen Datenmanagement darzustellen. Dabei sollend ie Erfahrungen der Teilnehmenden einbezogen werden.

Eine Zeitschriftenpublikation ist häufig das Ziel einer Forschungsarbeit, aber auch die Daten selbst können und sollten veröffentlich werden. Wie das geht, welche Veröffentlichungsmöglichkeiten es gibt und was ist dabei zu beachten ist, wollen wir im letzten Basismodul der Veranstaltungsreihe behandeln. Möglichst praxisnahe Erkenntnisse bekommen Sie durch die exemplarische Vorstellung einzelner Datenrepositorien für quantitative und qualitative Daten sowie die testweise Publikation von Daten in einem Repositorium. Auch die Archivierung von Forschungsdaten gehört zur Guten wissenschaftlichen Praxis. Im Einzelnen geht es um die Fragen: Was verstehen wir unter Archivierung in Abgrenzung zu Speicherung und Langzeitarchivierung? Wo kann diese erfolgen?

Eines der wichtigsten Ziele der Open Access-Veröffentlichung von Forschungsdaten ist es, dass diese Daten so aufbereitet sind, dass sie von anderen Forschenden möglichst einfach nachgenutzt werden können. Tatsächlich ist es sowohl im Bereich der Wirtschaft als auch im Bereich der Forschung allerdings immer noch so, dass viel mehr Daten neu erzeugt werden, als sie nachgenutzt werden. Häufig liegt dies auch an fehlendem Wissen, wie und wo man nach diesen Daten suchen soll. Aufgezeigt werden sollen Ihnen in diesem Vortrag deshalb einerseits Möglichkeiten zum Suchen und Finden von vorhandenen Forschungsdaten und andererseits Regeln, die Sie bei der Nachnutzung von Forschungsdaten beachten sollten.

In vielen sozial- und geisteswissenschaftlichen Disziplinen spielen qualitative Forschungsdaten – wie zum Beispiel Interviewtranskripte, Beobachtungsprotokolle, Feldtagebücher, Dokumente oder Audio- bzw. Videoaufnahmen – eine wichtige Rolle. Aus der Offenheit qualitativer Forschung und der geringen Standardisierung der Forschungsmaterialien resultieren auch spezifische Anforderungen an das Forschungsdatenmanagement. Dieses Fokusmodul bietet praxisrelevante Empfehlungen für den Umgang mit qualitativen Forschungsdaten. Neben einem Überblick werden drei Themen vertieft behandelt, die oft viele Fragen aufwerfen: Umsetzung der Informierten Einwilligung, Anonymisierung, und Dokumentation/Kontexte.