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.
D. Dolzycka, K. Biernacka, K. Helbig, and P. Buchholz. Zenodo, (March 2019)Diese Publikation wurde im Rahmen des Verbundprojekts "FDMentor" vom Bundesministerium für Bildung und Forschung gefördert (Förderkennzeichen 16FDM010 und 16FDM011)..
S. Davidson, and J. Freire. Proceedings of the 2008 ACM SIGMOD International Conference on Management of Data, page 1345--1350. New York, NY, USA, ACM, (2008)
B. Bhumiratana, and M. Bishop. Proceedings of the 2Nd International Conference on PErvasive Technologies Related to Assistive Environments, page 73:1--73:8. New York, NY, USA, ACM, (2009)
A. Goodman, A. Pepe, A. Blocker, C. Borgman, K. Cranmer, M. Crosas, R. Di Stefano, Y. Gil, P. Groth, M. Hedstrom and 5 other author(s). (2014)cite arxiv:1401.2134Comment: Accepted in PLOS Computational Biology. This paper was written collaboratively, on the web, in the open, using Authorea. The living version of this article, which includes sources and history, is available at http://www.authorea.com/3410/.
O. Gundersen, and S. Kjensmo. Proceedings of the 32nd AAAI Conference on Artificial Intelligence (AAAI-18), Association for the Advancement of Artificial Intelligence, (2018)