1.2. Technische Voraussetzungen#
Diese Fallstudie umfasst erklärende Texte, SPARQL-Code und Übungen zur Selbstüberprüfung. Sie haben folgende Möglichkeiten dieses Lernangebot zu verwenden:
Sie lesen das JupyterBook in Ihrem Internet-Browser. Die in diesem Book dargestellten SPARQL-Abfragen können Sie dann in einem SPARQL Query Editor bzw. SPARQL Client auf einer Website Ihrer Wahl ausführen lassen, z. B.:
auf DataEuropa
auf GovData
über Yasgui des schweizerischen Bundesamts für Statistik
über Yasgui der Universität Leipzig
Sie können die Inhalte auch auf Ihren lokalen Rechner herunterladen, indem Sie die “”.zip””-Datei aus dem GitHub Repositorium herunterladen. Dies gibt Ihnen die Möglichkeit, Inhalte zu bearbeiten und um eigene Ressourcen zu erweitern, erfordert aber Kenntnisse einer entsprechenden Ausführungsumgebung (z. B. Anaconda).
binder scheint aktuell nicht zu funktionieren
1.3. Vorkenntnisse#
Dieses JupyterBook erfordert ein allgemeines Verständnis darüber, wie Datensätze strukturiert sind, einschließlich grundlegender Begriffe wie Variablen. Zudem sollten Anwendende mit Konzepten wie Metadaten und Datendokumentationen vertraut sein.
Für die Kapitel 2. Semantic Web & Linked Data, 3. DCAT-AP Metadatenstandard sowie 4. Metadatenqualität werden darüber hinaus keine Vorkenntnisse benötigt. Sie wurden für ein Einstiegslevel konzipiert und geben einen grundlegenden Einblick in die theoretischen Konzepte.
Für das Kapitel 5. SPARQL 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.