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).
Ein bedeutendes neues Handlungsfeld der Forschung, welches im Zuge der Digitalisierung entstanden ist, ist das Management von digitalen Forschungsdaten. Wissenschaftler*innen benötigen für ein nachhaltiges Forschungsdatenmanagement (FDM) neben Kenntnissen und Fähigkeiten im fachlichen Bereich zusätzliche Kompetenzen im Umgang mit digitalen Daten. Die Vermittlung dieser Kenntnisse sollte idealerweise bereits im Studium erfolgen. Zudem besteht ein steigender Bedarf an forschungsunterstützendem Personal, z.B. in Form von Data Stewards, der nur über geeignete Aus- und Weiterbildungsmaßnahmen gedeckt werden kann. Die vorliegende Lernzielmatrix fasst für das FDM relevante Vermittlungsinhalte sowie zugehörige Lernziele auf den Qualifikationsstufen Bachelor, Master, PhD und Data Steward aus einer Reihe von nationalen wie internationalen Projekten und Fortbildungskonzepten zum Themenbereich FDM in einheitlicher Form zusammen und bietet Nachnutzenden eine Orientierungshilfe für die Identifikation von relevanten Inhaltsaspekten sowie eine Arbeitsgrundlage, etwa für eine erweiterte fach- oder veranstaltungsspezifische Ausgestaltung. Die Lernzielmatrix entstand im Rahmen der DINI/nestor AG Forschungsdaten UAG Schulungen/Fortbildungen unter Einbezug externer Kolleg*innen.
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.
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)
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)
