Affiliation:
1. Deutsches Zentrum für Hochschul- und Wissenschaftsforschung (DZHW), Schützenstraße 6 a, 10117 Berlin Germany
Abstract
Zusammenfassung
Die Bedeutung von Daten für Gesellschaft und Wirtschaft kann nicht überschätzt werden und nimmt im Zuge von Digitalisierung weiter zu. Die Nachnutzung vorhandener Daten bietet erhebliche Vorteile auf wissenschaftlicher, politischer, sozialer, kultureller und insbesondere wirtschaftlicher Ebene. Die Öffnung von Datensammlungen (Open Data) stößt sowohl im öffentlichen als auch im privaten Sektor auf gesteigertes Interesse. Dies geht auf die Bemühungen zur vermehrten Transparenz im öffentlichen Sektor und auf die Begeisterung für Big Data und Datenanalyse zurück. In den letzten Jahren haben daher immer mehr Ministerien bzw. Regierungen begonnen, ihre Daten zu veröffentlichen. Diese sogenannten Open Government- oder Open Research-Bewegungen haben zur Einführung zahlreicher Portale geführt, die eine Infrastruktur für den Zugang zu Forschungsdaten bereitstellen. Die Entwicklung dieser Infrastruktur verändert die Art, wie Forschende nach Daten zur Beschreibung ihres Forschungsgegenstandes oder nach analysierbaren Forschungsdaten suchen. Implizit geht es vor allem darum, mehr Datenaustausch und Transparenz zu erreichen, um die Öffnung weiterer Datensilos für breite Anwenderkreise voranzutreiben. Qualitätsfragen spielten dabei in der Anfangsphase eine zu geringe Rolle. Dieser Beitrag will darauf aufmerksam machen, wie Datenqualitätskriterien sowohl für die Quelldaten als auch die Metadaten Infrastrukturen optimieren können.
Subject
Library and Information Sciences,Information Systems
Reference38 articles.
1. Adhikari, A.; DeNero, J. (2019). The foundations of data science. https://www.inferentialthinking.com/chapters/intro#The-Foundations-of-Data-Science [22.01.2021].
2. Alexopoulos, C.; Zuiderwijk, A.; Charapabidis, Y.; Loukis, E.; Janssen, M. (2014) Designing a Second Generation of Open Data Platforms: Integrating Open Data and Social Media. In: Janssen M., Scholl H.J., Wimmer M. A., Bannister F. (eds) Electronic Government. EGOV 2014. Lecture Notes in Computer Science, vol 8653. Berlin, Heidelberg: Springer.
3. Aronova, E.; von Oertzen, C.; Sepkoski, D. (2017). Introduction: Historicizing Big Data. Osiris, 32 (1): 1–17.
4. Azeroual, O.; Saake, G.; Wastl, J. (2018). Data measurement in research information systems: metrics for the evaluation of data quality, Scientometrics, 115 (3): 1271–1290.
5. Azeroual, O. (2020). Data Wrangling in Database Systems: Purging of Dirty Data. Data, 5, 50.
Cited by
2 articles.
订阅此论文施引文献
订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献