RDM School of Catalysis
Das Forschungsdatenmanagement (RDM) ist ein Schlüsselfaktor für die Gewährleistung der Qualität und Wiederverwendbarkeit von Daten in der Katalyse und den katalysebezogenen Wissenschaften. Diese Faktoren eröffnen neue Forschungsansätze, wie maschinelles Lernen, Simulation und sogar die Vorhersage der Aktivität neuer Katalysatoren auf der Grundlage vorhandener Daten. Der Umgang mit Daten nach den FAIR-Prinzipien (auffindbar, zugänglich, interoperabel, wiederverwendbar) garantiert, dass der Wert von Forschungsdaten über lange Speicherzeiträume erhalten bleibt, auch wenn eine offene Veröffentlichung nicht immer möglich ist. Dennoch werden die Daten unabhängig vom ursprünglichen Erstellenden verständlich und wiederverwendbar sein. Eine ordnungsgemäße Verwaltung von Forschungsdaten gewährleistet somit auch effiziente Arbeitsabläufe und bietet die Instrumente für eine effektive Zusammenarbeit innerhalb einer Einrichtung oder zwischen mehreren Parteien.
Die RDM School of Catalysis wurde ins Leben gerufen, um die notwendigen Fähigkeiten für die Anwendung von RDM in der Katalyseforschung zu vermitteln, von der Erstellung der Daten im Labor bis hin zur Veröffentlichung, langfristigen Speicherung oder Wiederverwendung, sowohl in der Wissenschaft als auch in der Industrie. In fünf interaktiven Modulen werden alle wichtigen Aspekte von RDM mit Schwerpunkt auf der Anwendung in der Katalyse behandelt, einschließlich praktischer Beispiele, Übungen und Raum zur Diskussion der Herausforderungen bei der Einführung von RDM.
Die Teilnehmenden erhalten eine Einführung in das Forschungsdatenmanagement in der Katalyse und den damit verbundenen Wissenschaften, einschließlich der notwendigen Fähigkeiten zur Planung und Integration einer FAIR-Behandlung von Forschungsdaten in den Forschungsablauf und in Projekte.
Der Kurs ist in 5 Module unterteilt.
Sind Sie interessiert? Sie können sich jetzt registrieren .
Module der RDM-School
Modul 1 – GRUNDLAGEN DES FORSCHUNGSDATENMANAGEMENTS
Für die Anwendung von Datenmanagement im Forschungsprozess ist ein festes Verständnis der Konzepte, Anforderungen und Vorteile, die sich aus RDM ergeben, von größter Bedeutung. Modul 1 deckt alle grundlegenden Definitionen und Konzepte von RDM ab, wie z. B. die FAIR-Prinzipien (auffindbar, zugänglich, interoperabel, wiederverwendbar) und bietet eine gemeinsame Grundlage für das allgemeine Verständnis. Insbesondere die Bedeutung von Metadaten für wiederverwendbare Daten in der Katalyse wird ausführlich diskutiert. Wichtige Faktoren und Aspekte werden in grundlegenden Richtlinien zusammengefasst, um die ersten Schritte in Richtung FAIR RDM zu gehen.
- Einführung in grundlegende Konzepte und Definitionen.
- Anwendung der FAIR Prinzipien.
- Lebenszyklus von Forschungsdaten im Zusammenhang mit Arbeitsabläufen in der Forschung.
- Metadaten in der Katalyse: Was sind Metadaten und welche Informationen sind wichtig, um den Wert von Daten zu erhalten.
- Anforderungen und Empfehlungen für den Umgang mit Forschungsdaten.
Modul 2 – VERÖFFENTLICHUNG UND PRÄSENTATION VON DATEN
Die Veröffentlichung von Forschungsergebnissen ist nach wie vor ein wichtiger Faktor in der Wissenschaft. Ein großer Teil der Daten aus der Katalyse wird jedoch nicht auf FAIRe Weise veröffentlicht, insbesondere in der Katalyse und der damit verbundenen Wissenschaft. Auch wenn nicht alle Daten offen zugänglich gemacht werden können, ist die FAIR-Behandlung von Daten von entscheidender Bedeutung, um sicherzustellen, dass die Daten auch in Zukunft ihren Wert nicht verlieren. In Modul 2 werden die vielfältigen Möglichkeiten der Datenveröffentlichung untersucht und bewertet, von der klassischen Veröffentlichung als Zusatzinformation in einer Zeitschrift bis hin zu separaten Datensätzen. Es werden die Vor- und Nachteile der verschiedenen Optionen betrachtet, darunter Open Access, Open Data und Preprints. Für Daten, die nicht auf breiter Basis veröffentlicht werden können, werden Möglichkeiten der Archivierung und Speicherung innerhalb einer Institution oder eines Projekts diskutiert. Darüber hinaus beleuchtet das Modul, was nach der Veröffentlichung mit den Daten geschehen darf und welche Möglichkeiten es gibt, Forschung online und in sozialen Medien zu teilen.
- Einführung und Vergleich verschiedener Modelle zur Veröffentlichung von Forschungsdaten.
- Anforderungen an die FAIR-Datenveröffentlichung.
- Leitfaden für die Nutzung und Auswahl von Repositories.
- Überlegungen zur Präsentation von Forschungsdaten.
Modul 3 – RECHTLICHE ASPEKTE IN RDM
In den letzten Jahren hat sich die rechtliche Landschaft von RDM schnell verändert. Trotz oder gerade wegen dieser Tatsache ist die Berücksichtigung einschlägiger Gesetze und Richtlinien für die Planung und Umsetzung von RDM in einem Projekt unerlässlich. Modul 3 bietet einen Überblick über die rechtlichen Aspekte von RDM und Maßnahmen, die ergriffen werden können, um einen ordnungsgemäßen Umgang mit Daten zu gewährleisten. Da FAIR-Daten nicht unbedingt offene Daten sind, werden Ansätze zur Lizenzierung von Daten untersucht. Besonderes Augenmerk wird auf die für die Katalyse relevanten Richtlinien von Förderorganisationen, Verlagen und Institutionen sowie auf die Besonderheiten von Projekten innerhalb oder in Zusammenarbeit mit der Industrie gelegt.
- Zusammenhänge zwischen guter wissenschaftlicher Praxis und RDM.
- Relevante Gesetze und rechtliche Grundlagen für RDM.
- Rechtliche Betrachtung der Wiederverwendung von Daten.
- Auswahl geeigneter Lizenzen für Forschungsdaten.
- Vereinbarungen und Strategien für RDM in der Katalyse und verwandten Wissenschaften.
Modul 4 – DATENVERWALTUNGSPLÄNE
Die Planung ist ein wichtiger Faktor für die effektive Anwendung von RDM und kann sogar für Vorschläge für neue Projekte erforderlich sein. Modul 4 befasst sich mit den Maßnahmen, die getroffen werden müssen, um sicherzustellen, dass die gespeicherten Daten sicher und verfügbar bleiben. Die in den vorangegangenen Modulen erworbenen Kenntnisse und Fähigkeiten werden dann angewandt, um in die Erstellung von Datenmanagementplänen (DMP) einzutauchen. Einschlägige Richtlinien, insbesondere von Förderorganisationen, werden untersucht, um die Mittel bereitzustellen und mit individuellen DMPs für Forschungsprojekte zu beginnen.
- Wichtige Faktoren für Datenmanagementpläne.
- Erste Schritte zur Erstellung von individuellen Datenmanagementplänen.
- Relevante Richtlinien für Datenmanagementpläne in Projekten.
- Strategien zur Gewährleistung der Sicherheit und Wiederverwendbarkeit von Forschungsdaten.
SOFTWARE UND WERKZEUGE FÜR RDM
Einer der wichtigsten Faktoren, um den größten Nutzen aus RDM zu ziehen, ist die Auswahl der am besten geeigneten Werkzeuge für den richtigen Zweck. Vor allem bei größeren Projekten ist die Koordination und Kompatibilität dieser Werkzeuge für einen effektiven Arbeitsablauf entscheidend. Abgesehen von den DMPs werden in Modul 4 Werkzeuge betrachtet, die für allgemeine Aspekte von RDM eingesetzt werden können, z. B. Versionierung, kollaboratives Arbeiten oder Datenverarbeitung. Darüber hinaus werden speziellere Werkzeuge für RDM in der Katalyse wie elektronische Laborbücher, Speichermethoden und Werkzeuge für die Datenanalyse näher beleuchtet.
- Einführung in geeignete Werkzeuge für das Management von Forschungsdaten.
- Werkzeuge zur Dokumentation und Analyse von Daten für katalysebezogene Wissenschaften.
- Überlegungen und Empfehlungen für elektronische Laborjournale.
- Auswahl geeigneter Werkzeuge für die Anwendung in der Katalyse.
Modul 5 – INFORMATIONSMODELLIERUNG UND DATENBANKEN
Die sichere Speicherung von Daten ist wichtig, aber um Daten FAIR zu machen, müssen sie auch auf zugängliche und interoperable Weise gespeichert werden, zumindest innerhalb einer Einrichtung, damit die Daten während eines Projekts und darüber hinaus nützlich sind. Die Methoden und Systeme dieser Speicherung haben großen Einfluss auf die Wiederverwendbarkeit der Daten und die Möglichkeiten, weitere Erkenntnisse zu gewinnen. Modul 5 behandelt die Grundlagen der Modellierung von Informationen und die Funktionen und Vorteile von Datenbanken am Beispiel von Anwendungsfällen aus der Katalyse.
- Grundlagen der Informationsmodellierung.
- Entkopplung der Sicht auf Daten von der Speicherung: Nutzung von modellierten Informationen.
- Funktionsprinzipien von Datenbanken.
- Auswahl von geeigneten Datenbankmodellen für Forschungsdaten.