2.2. Qualitätsprüfung#
In einem ersten Schritt müssen die zu publizierenden Daten einer Qualitätsprüfung unterzogen werden: genügen die Daten in der Art und Weise wie sie vorliegen den Ansprüchen? Dies gilt in Bezug auf Vollständigkeit, Plausibilität und die Einhaltung der guten wissenschaftlichen Praxis (GWP) [Link].
Einfügen Abbildung: Framework mit Qualitätssicherung hervorgehoben
Quellenangabe: Modell “QUADRIGA Datenkompetenzframework” von Petras et al. unter der Lizenz CC BY 4.0 via Zenodo, Bearbeitung (Hervorhebungen) von Paul Walter.
Problem Vorliegende Daten müssen auf ihre Qualität überprüft werden.
Lösung Die Daten müssen händisch und stichprobenartig geprüft werden. Können wir hier mit Software zur Qualitätsprüfung arbeiten?
Folgende Fragen können dabei helfen:
genügen die Daten in der Art und Weise wie sie vorliegen den Ansprüchen (an GwP (welche Punkte genau?), Vollständigkeit, Plausibilität etc.)
Sind die Daten vollständig oder sind Lücken ersichtlich? Sind das nicht Fragen der Datenerhebung und Validierung? Wie prüfe ich das bei mir fremden, mglw. fachfremden Daten (es lassen sich doch nur übliche Lücken und Fehler erkennen)
Sind die Metadaten aussagekräftig und die Daten gut dokumentiert?
Bei der Einarbeitung in ein Projekt entsteht in der Regel automatisch ein Bild von möglichen Fragestellungen, Methodiken, Analysen und Ergebnissen. Diese Fragen können genutzt werden, um die Daten auf ihre Qualität zu prüfen.
Beispiel Szenario Michael In dem in diesem Szenario abgebildeten Fall ist eine Qualitätsprüfung nicht notwendig, weil die Daten bereits gut aufgearbeitet vorliegen.
Learnings (generisch) können auch ins Resümee
weiterdenken: was passiert, wenn die Daten nicht den Ansprüchen genügen? Sollten sie dann aufbereitet werden? Oder entfallen dann alle Schritte und ein nachträgliches Publizieren ist nicht möglich?
Literatur
z. B.
GwP der DFG