The I-ADOPT framework: The I-ADOPT framework is based on the I-ADOPT ontology designed to be used as a semantic broker between existing variable description models (including ontologies, taxonomies, and structured controlled vocabularies).
A self assessment tool for improving software practices
Software engineering is a systematic approach to the design, development, and maintenance of a software system. Teams seldom have the time to stop development and focus solely on improving productivity or sustainability. However, teams can incorporate improvements on the way to developing new science capabilities.
The tools on this site will help you:
Assess your current practices
Create progress tracking cards
Integrate tracking cards with your workflow
The self-assessment introduces software engineering practices that increase in maturity. Check the practices that your project already uses to rate your project.
Take the survey by clicking the button below or sign in to customize your survey and save the results directly to your project repository!
The Cross-Domain Interoperability Framework (CDIF) is a set of guidelines and practice for using domain-agnostic standards to support the interoperability and reusability of FAIR data, especially across domain and institutional boundaries. It is being developed in response to the need for agreements on the use of standards in FAIR
K. Wilms, S. Stieglitz, A. Buchholz, R. Vogl, und D. Rudolph. Proceedings of the 51st Hawaii International Conference on System Sciences, Hawaii International Conference on System Sciences, (2018)
A. Seeland. Software, (2020)Related to: Selent, B., Kraus, H., Hansen, N., Schembera, B., Seeland, A. & Iglezakis, D. (forthcoming). Management of Research Data in Computational Fluid Dynamics and Thermodynamics. In: Proceedings der E-Science-Tage 2019.
A. Schreiber, und R. Struminski. Universal Access in Human--Computer Interaction. Design and Development Approaches and Methods: 11th International Conference, UAHCI 2017, Held as Part of HCI International 2017, Vancouver, BC, Canada, July 9--14, 2017, Proceedings, Part I 11, Seite 444--455. Springer, (2017)
L. Käde. Datenrecht und neue Technologien Nomos, Baden-Baden, 1 Edition, (2021)Die interdisziplinäre Analyse nimmt konkreten Bezug zu in derKI-Entwicklung eingesetzten Machine Learning (ML)-Frameworks und gibtpraxisrelevante Antworten auf damit zusammenhängendeurheberrechtliche Fragen. Insbesondere der Datenbank(werk)schutz fürML-Modelle steht dabei im Fokus. Die Arbeit bietet außerdem eineEinschätzung der Relevanz von Text und Data Mining-Schranken imKI-Kontext. Mit Blick auf die Erzeugung von Werken durch bzw. mithilfevon ML wird die Zurechnungsproblematik erörtert, eine Lösungvorgeschlagen und eine Hilfestellung zur Ermittlung eines Urhebersangeboten. Darüber hinaus erfolgt hinsichtlich etwaiger KI-Autonomieeine Einführung in die Zusammenhänge von Intelligenz, Kreativitätund Computational Creativity..
F. Kleinkopf. Schriftenreihe des Archivs für Urheber- und Medienrecht Nomos, Baden-Baden, (2022)Immer häufiger werden digitale Methoden wie das Text- und Data-Miningzur Erkenntnisfindung eingesetzt, das die Möglichkeit bietet, Musterin großen Datensätzen zu erkennen und zugleich Grundlage desmaschinellen Lernens ist. Die Arbeit betrachtet diese Methode ausurheberrechtlicher Perspektive und berücksichtigt dabei die Bedeutungund Steuerungswirkung urheberrechtlicher Schranken, die besondereInteressenlage im Wissenschaftsurheberrecht sowie interdisziplinäreErkenntnisse. In der umfassenden Analyse wird die komplexeRechtsmaterie strukturiert, es werden Defizite aufgezeigt und konkreteLösungsvorschläge unterbreitet. Ein Schwerpunkt liegt dabei auf derlangfristigen Zugänglichkeit der erzeugten Forschungsdaten..
