1.1. Lernziele#
Mit dem Durchlaufen dieses Jupyter Books sollen die folgenden Lernziele erreicht werden:
Forschungsdaten können definiert und film- und medienwissenschaftliche Daten als Primär- oder Sekundärdaten eingeordnet werden.
Die Entstehung, Auswahl und Kategorisierung von Forschungsdaten kann kritisch reflektiert und die Annahme einer neutralen Datengrundlage hinterfragt werden.
Für eigene Fragestellungen können gängige Methoden der Datenerhebung ausgewählt und Arten der Nachnutzung unterschieden werden.
Zentrale Standards und Planungsinstrumente des Forschungsdatenmanagements können evaluiert und ihre Bedeutung für den Umgang mit filmwissenschaftlichen Forschungsdaten beurteilt werden.
Arten und Funktionen von Metadaten können erläutert und anhand eines Fragenkatalogs geeignete generische Metadatenstandards für ein eigenes Projekt begründet werden.
Fachspezifische Metadatenstandards der Filmwissenschaft können unterschieden und ihre Eignung für unterschiedliche Forschungsgegenstände und Projektszenarien abgewogen werden.
Diskriminierende Metadaten können identifiziert und geeignete diskriminierungssensible Praktiken auf den eigenen Umgang mit sensiblen Daten übertragen werden.
Lernziel: Perspektiven, Strategien und Wege zur Publikation filmwissenschaftlicher Forschungsdaten
Der Begriff der Datenpublikation kann erläutert und Leitfragen zur Wahl eines Publikationswegs benannt werden.
Für unterschiedliche Datenszenarien können Publikationswege verglichen und ein geeigneter Publikationsweg ausgewählt werden.
Moviebarcodes können aus audiovisuellen Daten erzeugt und ihre Bedeutung für die Analyse und Anreicherung filmwissenschaftlicher Forschungsdaten erläutert werden.
Der Aufbau eines projektspezifischen Metadatenschemas kann erläutert und dessen Mapping auf etablierte Metadatenstandards nachvollzogen werden.
Metadaten können in offene, nicht-proprietäre Formate konvertiert und der Datensatz für die Nachnutzung dokumentiert werden.
Es können Verfahren zur automatisierten Validierung von Metadaten angewendet, Fehler und Inkonsistenzen erkannt und der Datensatz bereinigt werden.
Eine diskriminierungssensible Überprüfung kann anhand ausgewählter Metadaten durchgeführt und die Ergebnisse kritisch reflektiert werden.
Ein Versionierungsschema sowie eine geeignete Lizenz für heterogene Forschungsdaten können ausgewählt und die Zitierfähigkeit des Datensatzes sichergestellt werden.
Anhand etablierter Best Practices kann ein Datenset publikationsgerecht organisiert und verwaltet werden.
Ein Repository kann angelegt, mit Forschungsdaten befüllt und als versionierter, zitierfähiger Release mit DOI veröffentlicht werden.