8. Zusammenfassung und Reflexion#
Lernziel: Reflexion
Das Gelernte kann reflektiert und in einen Kontext gesetzt werden.
In dieser Selbstlerneinheit lag der Fokus auf der Reproduzierbarkeit von Datenanalysen, illustriert am Beispiel der Entwicklung des Hochschulpersonals in Deutschland, basierend auf Daten aus dem Nationalen Bildungsbericht. Ziel war es, ein fundiertes Verständnis für die Bedeutung von Datenqualität, Datenzitierung und effektiver Datenmanipulation zu vermitteln.
Die Einheit begann mit einer grundlegenden Einführung in die Datennachnutzung und die FAIR-Prinzipien, die für Findability, Accessibility, Interoperability und Reusability stehen. Die Teilnehmer:innen lernten, wie diese Prinzipien angewendet werden, um die Langzeitnutzung und -verfügbarkeit von Daten zu optimieren. Weiterhin wurde die Datenqualität und das 5-Sterne-Modell zur Bewertung der Qualität offener Daten behandelt, was den Teilnehmer:innen helfen sollte zu verstehen, wie man die Qualität von Daten bewertet und verbessert.
Ein weiterer wichtiger Aspekt der Einheit war das Verständnis für persistente Identifikatoren und das Konzept von Linked Data. Diese sind entscheidend für die Nachverfolgbarkeit und Verknüpfung von Daten und spielen eine Schlüsselrolle in der Reproduzierbarkeit von Forschungsergebnissen. Die Vermittlung von Techniken zur Datenmanipulation und die Schaffung konsistenter Datenstrukturen unter Verwendung des Tidy-Ansatzes waren weitere zentrale Inhalte. Die Teilnehmer:innen erlernten, wie man Daten effektiv aufbereitet und organisiert, was eine grundlegende Fähigkeit für jede Art von Datenanalyse darstellt.
Der praktische Teil der Einheit umfasste eine Einführung in RStudio, eine führende Software in der Datenanalyse. Durch die Bearbeitung von Daten mit RStudio konnten die Teilnehmer:innen praktische Fähigkeiten in der Handhabung und Analyse von Daten erwerben. Die Kombination dieser Inhalte erlaubte es den Teilnehmer:innen, ein umfassendes Verständnis der Herausforderungen und Techniken im Bereich der Reproduzierbarkeit von Datenanalysen zu entwickeln.
Die Teilnehmer:innen konnten die erlernten Fähigkeiten anhand einer Fallstudie zur Entwicklung des Hochschulpersonals praktisch anwenden und so die Bedeutung einer sorgfältigen und methodischen Herangehensweise an Datenanalyseprojekte erfassen.
Am Ende dieses Jupyter Notebooks möchten wir Sie auf einen Fragenbogen hinweisen, der Sie zu dem gesamten Notebook befragt. Eine Beteiligung an dieser Umfrage ist eher sinnvoll, wenn Sie das ganze Notebook durchgegangen sind, da Fragen zu allen Kapiteln gestellt werden. Das Ausfüllen des Fragebogens benötigt etwa … Minuten. Auch zu diesem Fragebogen gelangen Sie durch einen Klick auf den Button. Vielen Dank für Ihre Mitwirkung!