Änderungen von Dokument 3 - Datenorganistion

Zusammenfassung

• Seiteneigenschaften (2 geändert, 0 hinzugefügt, 0 gelöscht)

Details

Seiteneigenschaften

Titel

...	...	@@ -1,1 +1,1 @@
1		-Datenorganisation
	1	+Datenerzeugung- und bearbeitung

Inhalt

...	...	@@ -2,61 +2,32 @@
2	2	{{toc/}}
3	3	{{/box}}
4	4
5		-= Ordner- / Verzeichnisstruktur =
	5	+= Datenerzeugung =
6	6
7		-== ==
	7	+Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.
8	8
9		-== Readme-Template ==
	9	+== Datenerhebung und -erfassung ==
10	10
11		-ReadMe-Dateien enthalten in kompakter und strukturierter Form Informationen zu Forschungsdaten, Forschungsdatensätzen oder Forschungsdatensammlungen und liegen häufig als einfache Textdatei oder in TEI-xml (.txt; .md; .xml) vor. In diesem Zusammenhang können ReadMe-Dateien begleitend zu Forschungsdaten publiziert werden oder der strukturierten Ablage von Forschungsdaten am Ende eines Projektes dienen (z.B. auf einem Institutsserver oder einem Repositorium zur Archivierung). ReadMe-Dateien sammeln zentrale Metadaten zum Projekt, in dem die Daten entstanden sind (z.B. Projektname, beteiligte Personen, Förderung), geben Auskunft über verwendete Benennungsstandards, Ordnerstrukturen, Abkürzungen und Normdaten und protokollieren Änderungen und Versionierungen von Forschungsdaten.
	11	+xyz
12	12
13		-== ==
	13	+== Speicherung und Organisation von Dateien und Ordnern ==
14	14
15		-== Versionierung ==
	15	+=== Readme-Template ===
16	16
17		-Bei der Arbeit mit Daten verändern sich diese zwangsläufig. Es empfiehlt sich, die jeweiligen Arbeitsstände mit Hilfe von Versionierungen zu kennzeichnen und so nachvollziehbar zu machen. Hierfür sollte ein vorher festgelegtes, einfach verständliches Versionierungsschema (z. B. Version 1.3 oder Version 2.1.4) genutzt werden. Die Versionierung von Daten kann dabei entweder händisch oder mittels Versionierungssoftware wie git erfolgen. Versioniert werden sollte zum einen während des Forschungsprozesses selbst, etwa um verschiedene Arbeitsversionen von Daten zu kennzeichnen, zum anderen bei nachträglichen Veränderungen an bereits veröffentlichten Forschungsdatensätzen, um Nachnutzenden zu ermöglichen, die korrekte Version eines Forschungsdatensatzes zu zitieren.
	17	+ReadMe-Dateien enthalten in kompakter und strukturierter Form Informationen zu Forschungsdaten, Forschungsdatensätzen oder Forschungsdatensammlungen und liegen häufig als einfache Textdatei oder in TEI-xml (.txt; .md; .xml) vor. In diesem Zusammenhang können ReadMe-Dateien begleitend zu Forschungsdaten publiziert werden oder der strukturierten Ablage von Forschungsdaten am Ende eines Projektes dienen (z.B. auf einem Institutsserver oder einem Repositorium zur Archivierung). ReadMe-Dateien sammeln zentrale Metadaten zum Projekt, in dem die Daten entstanden sind (z.B. Projektname, beteiligte Personen, Förderung), geben Auskunft über verwendete Benennungsstandards, Ordnerstrukturen, Abkürzungen und Normdaten und protokollieren Änderungen und Versionierungen von Forschungsdaten.
18	18
19		-== FDM Workflow ==
	19	+=== Versionierung ===
20	20
21		-Ein FDM-Workflow ist eine Abfolge wiederholbarer Prozesse, die Forschungsdaten während ihres Lebenszyklus durchlaufen. Dazu gehören Aktivitäten, die bei der Erhebung, Kuratierung und Aufbewahrung sowie bei der Bereitstellung und einer möglichen späteren Entsorgung durchgeführt werden. Diese Definition kann auch auf Aktivitäten erweitert werden, die vor der Erstellung der Forschungsdaten stattfinden. Dazu gehören beispielsweise die FDM-Planung oder auch die Erstellung von Datenmanagementplänen für Förderanträge. Eine klar dokumentierte Workflowstruktur erleichtert die Übersicht, hilft Fehler, wie das Überspringen notwendiger Schritte, zu vermeiden und unterstützt die Datenverwertung insgesamt. Auch die Einarbeitung neuer Mitarbeiterinnen und Mitarbeiter wird erleichtert. Ein möglicher Workflow könnte so aussehen:
	21	+Bei der Arbeit mit Daten verändern sich diese zwangsläufig. Es empfiehlt sich, die jeweiligen Arbeitsstände mit Hilfe von Versionierungen zu kennzeichnen und so nachvollziehbar zu machen. Hierfür sollte ein vorher festgelegtes, einfach verständliches Versionierungsschema (z. B. Version 1.3 oder Version 2.1.4) genutzt werden. Die Versionierung von Daten kann dabei entweder händisch oder mittels Versionierungssoftware wie git erfolgen. Versioniert werden sollte zum einen während des Forschungsprozesses selbst, etwa um verschiedene Arbeitsversionen von Daten zu kennzeichnen, zum anderen bei nachträglichen Veränderungen an bereits veröffentlichten Forschungsdatensätzen, um Nachnutzenden zu ermöglichen, die korrekte Version eines Forschungsdatensatzes zu zitieren.
22	22
23		-|(% style="width:266px" %)**Projektbeginn**|(% style="width:466px" %)**Projektlaufzeit**|(% style="width:437px" %)**Archivierung**|(% style="width:539px" %)**Veröffentlichung**|(% style="width:539px" %)**Nachnutzung**
24		-|(% style="width:266px" %)(((
25		-* Datenmanagementplan erstellen
26		-* Datenmodellierung planen
27		-* Daten zusammenstellen
28		-)))|(% style="width:466px" %)(((
29		-* Analyse der Daten in einen standardisierten Ablauf bringen
30		-* Datendokumentation durch Vergabe von Metadaten (technische, bibliographische)
31		-* Erstellung kollaborativer bzw. virtueller Forschungsumgebungen
32		-* Visualisierung der Daten
33		-* Datensicherung (z. B. durch Backups)
34		-)))|(% style="width:437px" %)(((
35		-* Festlegen, welche Daten archiviert werden
36		-* Metadatenvergabe abschließen und dokumentieren
37		-* nachhaltige Datenformate und -träger ermitteln
38		-* Zuständigkeiten für die Überführung in das Archiv festlegen
39		-)))|(% style="width:539px" %)(((
40		-* Publikationsmedium festlegen: Möglichkeiten für Open-Access-Publikation abklären
41		-* Forschungsprimärdaten abrufbar gestalten (z. B. in einem Repositorium)
42		-* Zitierbarkeit der Daten durch Persistent Identifier gewährleisten
43		-)))|(% style="width:539px" %)(((
44		-* Langfristige Verfügbarkeit und Zitierbarkeit garantieren
45		-* Abklären rechtlicher Aspekte (Urheberrecht, Datenschutz)
46		-* mögliche Sperrfristen berücksichtigen
47		-)))
	23	+= Bearbeitung =
48	48
49		-Workflows helfen bei der Integration des FDM in den Arbeitsalltag einer Institution und ihrer Forschenden. Sie erleichtern die tägliche Arbeit und sparen langfristig Zeit. Anstelle eines manuellen und arbeitsintensiven FDM kann der Workflow eines FDM mit Hilfe von Tools automatisiert werden.
	25	+Verarbeitung, Analyse und Auswahl
50	50
51		-= RZ-Dienste =
	27	+== Datenverarbeitung ==
52	52
53		-=== PowerFolder ===
	29	+Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.
54	54
55		-=== Alfresco ===
	31	+== Datenanalyse und -auswahl ==
56	56
57		-=== Archiv ===
58		-
59		-
60		-== ownCloud (über Academic Cloud) ==
61		-
62		-
	33	+Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.