Home page for Library of Congress Recommended Formats Statement (RFS). RFS identifies analog and digital formats suitable for the large-scale acquisition of and long-term access to library collections. The identified formats have been selected to maximize the preservation and accessibility of creative content into the future.
The Library of Congress and its digital preservation partners from the federal, library, creative, publishing, technology, and copyright communities are working to develop a national strategy to collect, archive, and preserve digital content.
FAIR-IMPACT identifies practices, policies, tools and technical specifications to guide researchers, repository managers, research performing organisations, policy makers and citizen scientists towards a FAIR data management cycle. The focus is on persistent identifiers (PIDs), metadata, ontologies, metrics, certification and interoperability, starting with real-life use cases on social sciences and humanities, the photon and neutron sciences, life sciences and agri-food and environmental sciences.
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..
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..
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)