---
lang: de-DE
---

(lernziele)=
# Vorkenntnisse und Lernziele

## Vorkenntnisse

Dieses JupyterBook erfordert ein allgemeines Verständnis darüber wie Datensätze strukturiert sind. Zudem sollten Anwendende mit Konzepten wie Metadaten und Begriffen wie Ontologien vertraut sein.

Für die ersten drei Kapitel **2. Technologien verstehen: Semantic Web & Linked Data**, **3. Werkzeuge kennenlernen: DCAT-AP Metadatenstandard** sowie **4. Datenqualität messen: Metadata Quality Assessment** werden darüber hinaus keine besonderen Vorkenntnisse benötigt. Sie setzen aber eine Affinität für Datenkonzepte und Theorie voraus.

Für das Kapitel **5. Praxis anwenden: SPARQL-Abfragen** ist ein Grundinteresse bzw. -verständnis für Abfragengestaltung und Erfragen von Metadaten hilfreich, da Sie dort mit der Abfragesprache SPARQL arbeiten werden. Grundlegende Kenntnisse diesbezüglich sind für dieses Kapitel von Vorteil, aber keine Voraussetzung, da alle Aspekte ausführlich erläutert werden. Wenn Sie SPARQL bereits beherrschen, können Sie sich auch gleich an die Übungen wagen.

Falls sie über keinerlei Vorkenntnisse zu den hier behandelten Themen verfügen, empfehlen wir Ihnen, die Kapitel in der angegebenen Reihenfolge durchzugehen. Ansonsten sind Sie in der Wahl der zu absolvierenden Kapitel selbstverständlich frei.

## Lernziele

Beim Durchgehen dieses JupyterBooks werden Sie folgende Lernziele erreichen:

<!-- START: Technologien verstehen: Semantic Web & Linked Data -->
```{admonition} [Lernziel: Technologien verstehen](semanticweb)
:class: lernziele
<!-- learning-goal: Technologien verstehen -->
1. Der Begriff Semantic Web kann definiert werden.
<!-- competency: Orientierungswissen | bloom: 1 Erinnern -->
```
<!-- END: Technologien verstehen: Semantic Web & Linked Data -->

<!-- START: Werkzeuge kennenlernen: DCAT-AP Metadatenstandard -->
```{admonition} [Lernziel: Metadatenstandards](dcat-ap)
:class: lernziele
<!-- learning-goal: Metadatenstandards -->
1. Der DCAT-Standard kann definiert werden.
<!-- competency: 3.2 Erschließung | bloom: 2 Verstehen -->
2. Vier Hauptmerkmale des Dublin Core-Metadatenstandards können genannt werden.
<!-- competency: 3.2 Erschließung | bloom: 1 Erinnern -->
3. Die Ableitung von DCAT-AP.de aus DCAT-AP und dessen Anwendung in Deutschland kann erläutert werden.
<!-- competency: 3.2 Erschließung | bloom: 2 Verstehen -->
```
<!-- END: Werkzeuge kennenlernen: DCAT-AP Metadatenstandard -->

<!-- START: Datenqualität messen: Metadata Quality Assessment -->
```{admonition} [Lernziel: Metadatenqualität](metadatenqualität)
:class: lernziele
<!-- learning-goal: Metadatenqualität -->
1. Die Funktionen des Metadata Quality Assessment (MQA) können beschrieben werden.
<!-- competency: 1.2 Qualitätssicherung | bloom: 2 Verstehen -->
```
<!-- END: Datenqualität messen: Metadata Quality Assessment -->

<!-- START: Praxis anwenden: SPARQL-Abfragen -->
```{admonition} [Lernziel: Abfragesprache SPARQL](sparql)
:class: lernziele
<!-- learning-goal: Abfragesprache SPARQL -->
1. Die grundlegenden Komponenten der SPARQL-Syntax können aufgezählt und ihre Rollen erläutert werden.
<!-- competency: 1.1 Identifikation | bloom: 2 Verstehen -->
2. Einfache SPARQL-Abfragen können erstellt und durchgeführt werden, um spezifische Informationen aus einem Datenkatalog abzurufen.
<!-- competency: 1.1 Identifikation | bloom: 3 Anwenden -->
```
<!-- END: Praxis anwenden: SPARQL-Abfragen -->