In the first level of the certificate, you will get an overview of fundamental aspects regarding the work with data. In addition to topics related to the collection, management, analysis and interpretation of data, also legal, ethical and social aspects will be discussed.
The DaLiJe online course (Moodle) introduces you to the Data Literacy competencies and gives you first opportunities to gain experiences with basic tools. You have full flexibility in working through the course, whether during the semester or in a block during the lecture-free period. You can decide. Therefore, registration is also possible after the start of the semester without any problems.
During the semester, we also offer various 90-minute "Hands-on sessions" in which we will present individual topics and tools in more detail.
-
Organisatorisches und Abschluss
Am Beginn des Semesters gibt es eine Auftaktveranstaltung, in der das Thema Data Literacy und seine Relevanz in unserer Gesellschaft vorgestellt wird. In diesem Rahmen informieren wir auch über den Ablauf des Zertifikatsprogramms und der organisatorischen Details zu den Hands-On-Sessions. Wer die Auftaktveranstaltung verpasst hat, kann sich die Aufzeichnung davon im Onlinekurs anschauen.
Zum erfolgreichen Abschluss dieser Zertifikatsstufe müssen der Onlinekurs und mindestens 3 der angebotenenen Hands-On-Sessions erfolgreich absolviert werden. Das Zertifikat kann dann per E-Mail formlos beantragt werden: dataliteracy@uni-jena.de
-
Anmeldung
Studierende der Universität Jena
Melden Sie sich einfach über FriedolinExternal link an.Interessierte, die nicht an der Universität Jena eingeschrieben sind
Kontaktieren Sie uns einfach per E-Mail: dataliteracy@uni-jena.deEine Anmeldung ist jederzeit im Verlauf des Semesters möglich. Beachten Sie aber die Verfügbarkeit vn Terminen für die Hands-On-Sessions, die für den erfolgreichen Abschluss der Zertifikatsstufe relevant sind.
-
Einen Blick hinter die Kulissen: Künstliche Intelligenz für Nicht-Informatiker:innen
Datum:
TBDOrt:
Verantwortliche/r:
Dr. Oliver Mothes (Thüringer Zentrum für Lernende Systeme und Robotik)
Dr. Volker Schwartze (Data Literacy Projekt)Zusammenfassung:
Der Begriff Künstliche Intelligenz ist spätestens seit der Zugänglichmachung von ChatGPT im November letzten Jahres in aller Munde. Für die meisten ist KI eine Black-Box, deren Funktionsweise nur für Expert*innen wie Informatiker*innen verständlich ist.
In dieser Hands-On Session wollen wir Nicht-Informatiker*innen die Chance geben selbst anhand einfacher Beispiele in das Thema einzusteigen und ein besseres Verständnis für die zugrundeliegenden Technologien zu entwickeln. Dabei greifen wir auf Software zurück, die auch ohne Vorkenntnisse im Bereich Informatik und Programmierung nutzbar sind. -
Nicht nur für komplexe Datenbanken: SQLite als praktisches Tool für die Arbeit mit tabellarischen Daten in der Wissenschaft
Datum:
TBDOrt:
TBDVerantwortliche/r:
Dr. Volker Schwartze (Data Literacy Projekt)Zusammenfassung:
Datenbanken sind ein wichtiger Teil unseres digitalen Alltags und wir interagieren häufig mit ihnen ohne es zu merken. Die meisten beschäftigen sich primär aus Nutzer*innen-Sicht mit bestehenden Datenbanken und denken nur wenig darüber nach, wie diese auch für die effektivere Nutzung der eigenen Daten sinnvoll sein können.
Dabei müssen es nicht immer riesige und komplexe Datensätze sein. Grundkenntnisse im Umgang mit Datenbanksprachen können auch bei der Arbeit mit weniger umfangreichen tabellarischen Daten sinnvoll sein, z.B. für das Abrufen, Kombinieren, Filtern oder Aggregieren von Daten. Viele dieser Aufgaben können so effektiver gestaltet werden als beispielsweise bei der Nutzung von Tabellenkalkulationsprogrammen (z.B. LibreOffice, Excel).
In der Hands-On Session lernen Teilnehmende Grundlagen relationaler Datenbanken und Datenbankabfragesprachen am Beispiel von SQLite kennen. Anhand von Beispieldaten zeigen wir Anwendungsmöglichkeiten, die sich im Alltag ganz verschiedener Fach- und Arbeitsgebiete effektiv einsetzen lassen. -
Wie erschafft Technologie Kunstwerke?: Generative KI am Beispiel von textgenerierenden Systemen wie ChatGPT
Datum:
TBDOrt:
TBDVerantwortliche/r:
Dr. Oliver Mothes (Thüringer Zentrum für Lernende Systeme und Robotik)
Dr. Volker Schwartze (Data Literacy Projekt)Zusammenfassung:
"Entdecke in diesem 90-minütigen Workshop die aufregende Welt der generativen KI. Erfahre, wie KI-Systeme Kunst und Texte erzeugen können. Wir werden die Grundlagen generativer KI kennenlernen, die Funktionsweise von Textgenerierung erkunden und uns praktisch mit ChatGPT beschäftigen. Keine Vorkenntnisse erforderlich. Tauche ein in die Zukunft der kreativen Technologie!" So beschreibt ChatGPT unsere Hands-On Session. Aber wie kann ein Computer solche Texte überhaupt erstellen? Genau das wollen wir in der Hands-On Session erläutern und auf Möglichkeiten sowie Grenzen solcher Systeme eingehen. -
Einführung in die Programmiersprache R für Einsteiger
Datum:
TBDOrt:
TBDVerantwortliche/r:
Dr. Martin Kerntopf (Data Literacy Projekt)Zusammenfassung:
Dieser Einführungskurs in R richtet sich an Anfänger, die wenig oder keine Erfahrung mit der Programmiersprache R haben. Die Teilnehmer lernen die Grundlagen der R-Syntax, Datenstrukturen und Kontrollstrukturen sowie das Lesen und Schreiben von Daten in R. Zusätzlich können die Teilnehmer ein fortgeschrittenes Beispiel auswählen, das während des Kurses eingehender betrachtet wird. Am Ende des Kurses sollten die Teilnehmer eine solide Grundlage in der R-Programmierung haben und in der Lage sein, einfache Skripte zu schreiben, um Daten zu manipulieren und zu analysieren. -
Dokumente effizienter formatieren: Einführung in LaTeX
Datum:
TBDOrt:
TBDVerantwortliche/r:
Dr. Martin Kerntopf (Data Literacy Projekt)Zusammenfassung:
Dieser LaTeX-Einführungskurs richtet sich an Anfänger, die noch keine Erfahrungen mit LaTeX Typesetting System haben. Die Teilnehmer lernen, wie sie mit LaTeX professionell aussehende Dokumente erstellen können, einschließlich der Formatierung von Text, der Erstellung von Tabellen und Abbildungen sowie der Handhabung von Referenzen und Zitaten. Der Kurs behandelt auch, wie man mit LaTeX mathematische Gleichungen und Formeln erstellt.
Am Ende des Kurses sollten die Teilnehmer ein solides Verständnis der Grundlagen von LaTeX haben und in der Lage sein, ihre eigenen Dokumente zu erstellen. -
Ordnung in Tabellen schaffen: Einführung in OpenRefine
Datum:
TBDOrt:
TBDVerantwortliche/r:
Dr. Volker Schwartze (Data Literacy Projekt)Zusammenfassung:
Egal in welchem Bereich man arbeitet, um die Arbeit mit Daten in Form von Tabellen kommt man nur selten herum. Obwohl tabellarische Daten für viele Anwendungsbereiche eine gut nutzbare Grundlage bieten, finden sich darin oft Fehler, z.B. wie Tippfehler, verrrutschte Zeilen, falsche Formatierungen, doppelte Einträge etc. Außerdem will man ggf. nur Teile von Datensätzen verwenden und daher Daten ausfiltern oder das Format der Tabelle ändern. Gerade bei größeren Datensätzen, kann das Bereinigen solcher Fehler sehr aufwändig und mühselig sein sowie viel Zeit in Anspruch nehmen.
Dabei kann spezifische Software wie OpenRefine helfen. In der Hands-On Session werden wir OpenRefine vorstellen und Teilnehmenden die Möglichkeit bieten, anhand von Beispieldatensätzen selbst Erfahrungen zur Anwendung der Software sammeln. -
Algorithmen, Proxy-Variablen, Feedback: Kritische Auseinandersetzung mit KI-Anwendungen
Datum:
TBDOrt:
TBDVerantwortliche/r:
Dr. Volker Schwartze (Data Literacy Projekt)Zusammenfassung:
Der Einsatz von Daten und Algorithmen zur Unterstützung von menschlichen Entscheidungsprozessen soll dazu beitragen, Prozesse zu beschleunigen und Entscheidungen objektiver zu machen. In vielen Bereichen sollen daher entsprechende Werkzeuge, wie zum Beispiel künstliche Intelligenz, entwickelt und eingesetzt werden. Das betrifft auch sensible Bereiche wie das Rechts- und Bildungssystem, öffentliche Verwaltungen oder die Medizin. Doch obwohl wir oft annehmen, dass Daten und Algorithmen objektive Aussagen treffen können, spiegeln beide häufig nur bestehende Ungleichheiten und Vorurteile von Menschen wieder oder verstärken diese sogar noch weiter. Zudem lässt sich nicht alles, was wir eigentlich untersuchen wollen auch wirklich in Form von messbaren Daten einfach auzeichnen.
Im Rahmen der Hands-On-Sessions wollen wir anhand von realen Beispielfällen über Herausforderungen und Fallstricke diskutieren, deren man sich bei algorithmenbasierten Entscheidungsfindungen bewusst sein sollte, um entsprechende Ergebnisse kritisch hinterfragen und Handlungsoptionen beurteilen zu können. Dabei geht es auch um die Frage, welche gesellschaftlichen Konsequenzen sich aus dem Einsatz solcher Systeme ergeben können. -
Lies, Damn Lies and Statistics: Kritischer Umgang mit Statistiken im Alltag
Datum:
TBDOrt:
TBDVerantwortliche/r:
Dr. Volker Schwartze (Data Literacy Projekt)Zusammenfassung:
Daten und daraus gewonnene Statistiken können uns dabei helfen Situationen zu verstehen, Entwicklungen vorherzusagen und darauf basierend Entscheidungen zu treffen. Leider finden sich in unserem Alltag immer wieder Beispiele, die zeigen wie leicht fehlerhafte Statistiken uns in die Irre führen können. Die Konsequenzen können unterschiedlich sein, von einer Kuriosität, die man belächeln kann bis hin zu schwerwiegenden Fehlentscheidungen mit nationalen oder globalen Folgen.
Im Rahmen der Hands-On Session beschäftigen wir uns mit ausgewählten Beispielen aus der Reihe "Unstatistik des Monats" (https://www.rwi-essen.de/presse/wissenschaftskommunikation/unstatistik) und werden grundlegende Aspekte der kritischen Auseinandersetzung mit Statistiken, deren Interpretation und Kommunikation in den Medien diskutieren. -
Strategien für das Sammeln und Bewerten von Informationen
Datum:
23.01.2024Ort:
TBDVerantwortliche/r:
Eugen Underberg (ThULB)Zusammenfassung:
Daten und Informationen sind heutzutage in großen Mengen über verschiedene Plattformen verfügbar. Doch wie finde ich eigentlich genau die Informationen, die ich benötige? Und wie stelle ich sicher, dass sie vertrauenswürdig und von ausreichender Qualität sind?
In der Hands-on Session werden Methoden zur Beschaffung von Informationen anhand der beiden fachübergreifenden Datenbanken Web of Science/Social Sciences Citation Index und Scopus vorgestellt. Beide Informationsressourcen bieten die Möglichkeit der Zitationsanalyse. Darüber hinaus werden wir uns mit weiteren Themen zur Informationsbeschaffung wie der Entwicklung einer Recherchestrategie, der Informationsbewertung sowie dem Einfluss von wissenschaftlichen Publikationen beschäftigen.
-
Einen Blick hinter die Kulissen: Künstliche Intelligenz für Nicht-Informatiker:innen
Datum:
6. Juni 2023Ort:
Ernst-Abbe-Platz 8 - SR 216 (PC-Pool)Verantwortliche/r:
Dr. Oliver Mothes (Thüringer Zentrum für Lernende Systeme und Robotik)
Dr. Volker Schwartze (Data Literacy Projekt)Zusammenfassung:
Der Begriff Künstliche Intelligenz ist spätestens seit der Zugänglichmachung von ChatGPT im November letzten Jahres in aller Munde. Für die meisten ist KI eine Black-Box, deren Funktionsweise nur für Expert*innen wie Informatiker*innen verständlich ist.
In dieser Hands-On-Session wollen wir auch Nicht-Informatiker*innen die Chance geben selbst anhand einfacher Beispiele in das Thema einzusteigen und ein besseres Verständnis für die zugrundeliegenden Technologien zu entwickeln. Dabei greifen wir auf die Werkzeuge zurück, die ohne Vorkenntnisse in Informatik und Programmierung nutzbar sind.Anmeldung:
Über FriedolinExternal link (bevorzugt) oder E-Mail an dataliteracy@uni-jena.de -
Ordnung in Tabellen schaffen: Einführung in OpenRefine
Datum:
TBDOrt:
TBDVerantwortliche/r:
Dr. Volker Schwartze (Data Literacy Projekt)Zusammenfassung:
Viele Daten werden in Form von Tabellen organisiert. Obwohl tabellarische Daten für viele Anwendungsbereiche eine gut nutzbare Grundlage bieten, finden sich darin oft Fehler, z.B. wie Tippfehler, verrrutschte Zeilen, falsche Formatierungen, doppelte Einträge etc. Außerdem wollen wir evtl. nur Teile von Datensätzen verwenden und daher Daten ausfiltern.
Gerade bei größeren Datensätzen, kann das Bereinigen solcher Fehler sehr aufwändig und mühselig sein sowie viel Zeit in Anspruch nehmen. Dabei kann spezifische Software wie OpenRefine helfen. In der Hands-On-Session werden wir OpenRefine vorstellen und Teilnehmenden die Möglichkeit bieten, anhand von Beispieldatensätzen selbst Erfahrungen zur Anwendung der Software sammeln. -
Algorithmen, Proxys, Feedback: Kritische Auseinandersetzung mit KI-Anwendungen
Datum:
TBDOrt:
TBDVerantwortliche/r:
Dr. Volker Schwartze (Data Literacy Projekt)Zusammenfassung:
Der Einsatz von Daten und Algorithmen zur Unterstützung von menschlichen Entscheidungsprozessen soll dazu beitragen, Prozesse zu beschleunigen und Entscheidungen objektiver zu machen. In vielen Bereichen sollen daher entsprechende Werkzeuge, wie zum Beispiel künstliche Intelligenz, entwickelt und eingesetzt werden. Das betrifft auch sensible Bereiche wie das Rechts- und Bildungssystem, öffentliche Verwaltungen oder die Medizin. Doch obwohl wir oft annehmen, dass Daten und Algorithmen objektive Aussagen treffen können, spiegeln beide häufig nur bestehende Ungleichheiten und Vorurteile von Menschen wieder oder verstärken diese sogar noch weiter. Zudem lässt sich nicht alles, was wir eigentlich untersuchen wollen auch wirklich in Form von messbaren Daten einfach auzeichnen.
Im Rahmen der Hands-On-Sessions wollen wir anhand von realen Beispielfällen über Herausforderungen und Fallstricke diskutieren, deren man sich bei algorithmenbasierten Entscheidungsfindungen bewusst sein sollte, um entsprechende Ergebnisse kritisch hinterfragen und Handlungsoptionen beurteilen zu können. Dabei geht es auch um die Frage, welche gesellschaftlichen Konsequenzen sich aus dem Einsatz solcher Systeme ergeben können. -
Einführung in die Programmiersprache R für Einsteiger
Datum:
TBDOrt:
TBDVerantwortliche/r:
Dr. Martin Kerntopf (Data Literacy Projekt)Zusammenfassung:
Dieser Einführungskurs in R richtet sich an Anfänger, die wenig oder keine Erfahrung mit der Programmiersprache R haben. Die Teilnehmer lernen die Grundlagen der R-Syntax, Datenstrukturen und Kontrollstrukturen sowie das Lesen und Schreiben von Daten in R. Zusätzlich können die Teilnehmer ein fortgeschrittenes Beispiel auswählen, das während des Kurses eingehender betrachtet wird. Am Ende des Kurses sollten die Teilnehmer eine solide Grundlage in der R-Programmierung haben und in der Lage sein, einfache Skripte zu schreiben, um Daten zu manipulieren und zu analysieren. -
Notizen und Informationen besser strukturieren: Einführung in Markdown
Datum:
TBDOrt:
TBDVerantwortliche/r:
Dr. Volker Schwartze (Data Literacy Projekt)Zusammenfassung:
Es gibt viele unterschiedliche Möglichkeiten Notizen, Texte und Informationen zu verwalten. Bei persönlichen Notizen können das z.B. handgeschriebene Notizen, Text- oder Worddateien oder spezielle Formate wie One-Note-Dateien sein.
Die unterschiedlichen Varianten haben dabei unterschiedliche Limitierungen, wie z.B. Optionen für die Formatierung, unzureichende Möglichkeit für die Zusammenarbeit, die Einbindung von Bildern oder die Notwendigkeit der Anschaffung kostenpflichtiger Software. Gerade wenn es um größere Mengen an Informationen geht, lassen sich diese zudem oft nur schwer gut strukturiert organisieren, wie man es beispielsweise in einem Wiki (wie Wikipedia) könnte.Hier kann die Auszeichnungssprache Markdown helfen, die kostenfrei und unabhängig von spezifischer Software verwendet werden kann, um Notizen und Informationen besser zu strukturieren. In der Hands-On-Session zeigen wir grundlegende Funktionen von Markdown, wobei die Teilnehmenden ein eigenes Cheat Sheet ("Spickzettel") mit Befehlen in Markdown schreiben werden. Zudem stellen wir die Software Obsidian vor, die in Verbinung mit grundlegenden Kenntnissen in Markdown das Anlegen eigener strukturierter Informationsspeicher ermöglicht. Für die Teilnahme sind keine speziellen Vorkenntnisse erforderlich.
-
Dokumente effizienter formatieren: Einführung in LaTeX
Datum:
TBDOrt:
TBDVerantwortliche/r:
Dr. Martin Kerntopf (Data Literacy Projekt)Zusammenfassung:
Dieser LaTeX-Einführungskurs richtet sich an Anfänger, die noch keine Erfahrungen mit LaTeX Typesetting System haben. Die Teilnehmer lernen, wie sie mit LaTeX professionell aussehende Dokumente erstellen können, einschließlich der Formatierung von Text, der Erstellung von Tabellen und Abbildungen sowie der Handhabung von Referenzen und Zitaten. Der Kurs behandelt auch, wie man mit LaTeX mathematische Gleichungen und Formeln erstellt. Am Ende des Kurses sollten die Teilnehmer ein solides Verständnis der Grundlagen von LaTeX haben und in der Lage sein, ihre eigenen Dokumente zu erstellen.
-
Winter Semester 2022/23
24.10.2022 - Themenblock 1: Einführung Data Literacy
Data Literacy: Datenkompetenzen für Wissenschaft und Alltag
Dr. Volker U. Schwartze
Kompetenzzentrum Digitale Forschung, Friedrich-Schiller-Universität JenaDaten gelten als das „Öl des 21. Jahrhunderts“ und gewinnen gerade durch die zunehmende Digitalisierung der Gesellschaft immer mehr an Bedeutung. Daher sind Kompetenzen zum angemessenen Umgang mit Daten nicht nur eine wichtige Qualifikation für bestimmte Fachleute wie Data Scientists, sondern spielen in allen Fachdisziplinen eine wichtige Rolle. Aber auch außerhalb der Wissenschaft sind diese Kompetenzen von großer Bedeutung und im Berufsleben sowie für die gesellschaftliche Teilhabe unverzichtbar.
Aber was sind eigentlich Daten und was verbirgt sich genau hinter dem Begriff Data Literacy? Welche Kompetenzen gehören zur Data Literacy und wann brauche ich sie in meinem Alltag? Diesen und weiteren grundlegenden Fragen zum Thema Data Literacy wollen wir in der Auftaktveranstaltung zur DaLiJe-Ringvorlesung nachgehen.
07.11.2022 - Themenblock 2: Daten in Forschung und Gesellschaft
Verwaltungsprozesse der Zukunft: Digitalisierung als Herausforderung und Chance
Marianne Mauch
Arbeitsgruppe offenes Design digitaler Verwaltungsarchitekturen, Heinz-Nixdorf-Professur für verteilte Informationssysteme, Friedrich-Schiller-Universität JenaMit dem Onlinezugangsgesetz (OZG), das vor rund fünf Jahren in Kraft getreten ist, verpflichten sich Bund, Länder und Kommunen dazu, bis Ende 2022 alle Verwaltungsleistungen digital anzubieten. Bürgerinnen und Bürger sollen dann sämtliche Anträge online einreichen können. Doch es gibt noch viel zu tun – nicht nur um das Ziel bis Ende des Jahres tatsächlich zu erfüllen, sondern auch um Systeme aufzubauen, die langfristig schnell und unkompliziert gepflegt und bei Bedarf ausgebaut werden können. Doche welche Herausforderungen entstehen dabei und welche Dienste kann Künstliche Intelligenz (KI) bei dieser Umstrukturierung leisten?
28.11.2022 - Themenblock 3: Sammlung und Erhebung von Daten
Daten erheben in der Sprachforschung
Prof. Dr. Melanie Weirich
Heisenberg Professur für Sprechwissenschaft und Phonetik, Friedrich-Schiller-Universität JenaWie sammelt man Daten zu gesprochener Sprache? Muss man dazu ins Labor? Wie kann man Faktoren (wie z.B. Alter oder Geschlecht) erheben, die für die Unterschiede zwischen Sprechergruppen verantwortlich sind? Kann man auch Daten sammeln, die Auskunft über die Wahrnehmung des Gesagten oder auch die Einstellung zu sprachlicher Variation geben?
In dieser Vorlesung werden verschiedene Erhebungsmethoden (im Labor, "auf der Straße" und auch online) sowohl sprachlicher Daten als auch personenbezogener Hintergrundinformationen (wie Alter, Geschlechteridentität, Herkunft oder auch Persönlichkeitseigenschaften) vorgestellt.05.12.2022 - Themenblock 4: Management von Daten
Forschung mit Gesundheitsdaten – das Datenintegrationszentrum
Datenintegrationszentrum
Datenintegrationszentrum, Universitätsklinikum JenaDer Umgang mit Daten aus der Krankenversorgung stellt besondere Herausforderungen an deren Management, Schutz und Verarbeitung. Zu diesem Zweck entstehen seit 2018 an den deutschen Universitätskliniken Datenintegrationszentren (DIZ), deren Arbeit und Services am Beispiel des DIZ am Universitätsklinikum Jena vorgestellt werden.
09.01.2023 - Themenblock 5: Auswertung von Daten
Evolution als gemeinsamer Nenner - phylogenomische Auswertung von Bakterien, Viren und Sprachfamilien
Dr. Denise Kühnert
tide Forschungsgruppe, Max-Planck-Institut für GeoanthroplogiePhylogenomische Methoden basieren auf der Annahme, dass Bakterien, Viren, aber auch Sprachfamilien und viele andere Entitäten evolvieren und sich ihre Evolution über die Zeit anhand von Stammbäumen veranschaulichen lässt. Hier präsentiere ich Beispiele solcher "Phylogenien" und was wir von ihnen lernen können.
23.01.2023 - Themenblock 6: Präsentation von Daten [Vortrag fällt aus]
Hinweis: Diese Veranstaltung kann aus organisatorischen Gründen leider nicht wie geplant stattfinden.
Daten aus Forschungsprojekten in die Gesellschaft kommunizieren
Graduiertenakademie & Programmteilnehmer:innen „From Lab to Web“
Graduiertenakademie, Friedrich-Schiller-Universität JenaGerade in Pandemiezeiten ist es deutlich geworden, dass die Kommunikation wissenschaftlicher Ergebnisse in die Gesellschaft dringend notwendig ist. Auf diese Weise wird Wissen für alle zugänglich gemacht, Aufklärung geleistet und Desinformation verhindert. Das neue Programm der Graduierten-Akademie "Science Communication: From Lab to Web“ fördert Promovierende aus den MINT-Fächern der Universität Jena, die sich im Bereich Wissenschaftskommunikation mit eigenen Inhalten und Formaten etablieren möchten. Promovierende, die ins Programm aufgenommen wurden, werden vorstellen, wie sie mit Daten aus ihrem Promotionsprojekt im Bereich Wissenschaftskommunikation umgehen und diese in ihre Formate auf Social Media-Kanälen umsetzen.
06.02.2023 - Themenblock 7: Rechtliche und ethische Aspekte beim Umgang mit Daten
Leitlinien Guter Wissenschaftlicher Praxis im Forschungsalltag: Konfliktfelder und Fallstricke
Dr. Andrea Kliewer
Institut für Pharmakologie und Toxikologie, Universitätsklinikum JenaDie Richtlinien zur Sicherung der „Guten wissenschaftlichen Praxis“ sind eine wichtige Grundlage für die Integrität wissenschaftlicher Arbeit dar. In diesem Zusammenhang stellen sich in der Praxis viele Fragen, z.B.:
Was genau zeichnet "gute" wissenschaftliche Arbeit aus?
Was ist wissenschaftliches Fehlverhalten und wir kann damit umgegangen werden?
Was ist bei wissenschaftlichen Publikationen und bei Autorenschaften zu beachten?Diesen und weiteren Fragen sollen im Rahmen des Vortrags betrachtet werden. Dabei werden die Grundlagen der Richtlinien zur Sicherung der „Guten wissenschaftlichen Praxis“ und Beispiele aus der Praxis vorgestellt.
-
Summer Semester 2022
11.04.2022 - Themenblock 1: Einführung Data Literacy
Data Literacy: Datenkompetenzen für Wissenschaft und Alltag
Dr. Volker U. Schwartze & PD Dr. Barbara Aehnlich
Kompetenzzentrum Digitale Forschung, Friedrich-Schiller-Universität JenaDaten gelten als das „Öl des 21. Jahrhunderts“ und gewinnen gerade durch die zunehmende Digitalisierung der Gesellschaft immer mehr an Bedeutung. Daher sind Kompetenzen zum angemessenen Umgang mit Daten nicht nur eine wichtige Qualifikation für bestimmte Fachleute wie Data Scientists, sondern spielen in allen Fachdisziplinen eine wichtige Rolle. Aber auch außerhalb der Wissenschaft sind diese Kompetenzen von großer Bedeutung und im Berufsleben sowie für die gesellschaftliche Teilhabe unverzichtbar.
Aber was sind eigentlich Daten und was verbirgt sich genau hinter dem Begriff Data Literacy? Welche Kompetenzen gehören zur Data Literacy und wann brauche ich sie in meinem Alltag? Diesen und weiteren grundlegenden Fragen zum Thema Data Literacy wollen wir in der Auftaktveranstaltung zur DaLiJe-Ringvorlesung nachgehen.
02.05.2022 - Themenblock 2: Daten in Forschung und Gesellschaft
Wissenschaftshistorische Betrachtung zur Bedeutung datengetriebener Forschung in Wissenschaft und Gesellschaft
Prof. Dr. Christina Brandt
Lehrstuhl für Geschichte und Philosophie der Naturwissenschaften mit Schwerpunkt Lebenswissenschaften, Ernst-Haeckel-Haus, Institut für Zoologie und Evolutionsforschung, Friedrich-Schiller-Universität JenaDer Umgang mit „Daten“ und „Informationen“ ist heutzutage in Forschung und Gesellschaft grundlegend. Für manche ist sogar eine neue Epoche der „data-driven sciences“ angebrochen: eine Wissenschaft, die auf dem Wege sei, eine hypothesengetriebene Forschung abzulösen. Die Vorlesung geht aus wissenschaftshistorischer Perspektive der Frage nach, wie diese Zentralität von Daten in Forschung und Gesellschaft eingeordnet und kritisch reflektiert werden kann. Handelt es sich bei den data-driven sciences um ein historisch neuartiges Phänomen? Welche Entwicklungen haben den neuen datengetriebenen Forschungsstil befördert - und welche theoretischen und praktischen Konsequenzen gehen damit für unser Verständnis von Wissenschaft und Gesellschaft einher? Die Vorlesung vermittelt Einblicke in Forschungsergebnisse aus der Wissenschaftsgeschichte und der philosophischen Wissenschaftsforschung, die sich in den letzten Jahren zunehmend mit diesen grundlegenden Fragen beschäftigt haben.
16.05.2022 - Themenblock 4: Management von Daten
NFDI4Chem - Die Nationale Forschungsdateninfrastruktur für die Chemie
Prof. Dr. Christoph Steinbeck
Professur für Analytische Chemie, Chemoinformatik und Chemometrie, Institut für analytische und anorganische Chemie, Friedrich-Schiller-Universität JenaDer Zyklus zum Management von Forschungsdaten in den Naturwissenschaften erfordert nahtlose technische Unterstützung von der frühen Datenerzeugung im Labor oder im Feld bis hin zur Ablage in offenen Repositorien und der dadurch möglichen Nachnutzung.
In NFDI4Chem bauen wir eine Infrastruktur, die eine solche nahtlose Unterstützung leisten wird. In diesem Vortrag erläutern wir die dazu notwendigen Komponenten und zeigen Fallbeispiele für gutes Forschungsdatenmanagement.
30.05.2022 - Themenblock 3: Sammlung und Erhebung von Daten
Citizen Science: Chancen und Herausforderungen der Datengewinnung durch Bürger
Dr. Friederike Klan und apl. Prof. Dr. Christian Thiel
Abteilung Datengewinnung und -mobilisierung, Institut für Datenwissenschaften, Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR)Citizen Science-Daten bieten für die datengetriebene Forschung aber auch in Bezug auf datenbasierte Innovationen ein erhebliches Potential. Anhand von Praxisbeispielen aus aktuellen Citizen-Science-Projekten beleuchten wir für welche Zielstellungen bürgerwissenschaftliche Ansätze zur Datengewinnung gegenüber traditionellen Methoden der Datenerhebung einen Mehrwert bieten, aber auch welche Grenzen und Herausforderungen sich dabei, insbesondere in Bezug auf die Datenqualität, ergeben. Wir zeigen Best Practice-Ansätze zur Adressierung dieser Herausforderungen auf und skizzieren wichtige Handlungsbedarfe im Themenfeld "Qualitätssicherung und Management von Citizen Science-Daten", die im Rahmen eines offenen Entstehungsprozesses durch Citizen Science-Community und Öffentlichkeit identifiziert und in Kürze im Weißbuch Citizen Science Strategie 2030External link veröffentlicht werden.
13.06.2022 - Themenblock 5: Auswertung von Daten
Vom Rohstoff zum wertvollen Gut: Mit (künstlicher) Intelligenz von Daten zu Erkenntnissen
Oliver Mothes
Thüringer Zentrum für Lernende Systeme und RobotikOft hört man den Spruch: "Daten sind das neue Öl". Aber genau wie beim Öl, sind Daten nur wertvoll, wenn diese analysiert, ausgewertet und anschließend interpretiert werden können, um daraus eine nutzbringende Erkenntnis zu gewinnen. In diesem Zusammenhang wird heutzutage der Begriff künstliche Intelligenz (KI) immer mehr diskutiert.
Da Methoden der künstlichen Intelligenz aus Daten lernen können, soll in der Vorlesung der Begriff KI eingeführt und anhand von praktischen Beispielen Ansätze des maschinellen Lernens vermittelt werden. Dabei sollen auch verschiedene „Fallstricke“ bei der Analyse vorgestellt werden, die die Verwertbarkeit gewonnener Erkenntnisse erschweren können.
27.06.2022 - Themenblock 6: Präsentation von Daten
Zwei mal drei macht vier, widewidewitt und drei macht neune - Motivierter Umgang mit Daten und Evidenz
Prof. Dr. Tobias Rothmund
Professur Kommunikations- und Medienpsychologie, Institut für Kommunikationswissenschaft, Fakultät für Sozial- und Verhaltenswissenschaft, Friedrich-Schiller-Universität JenaIm Umgang mit Daten und Evidenz agieren Menschen nicht wie Computer. Stattdessen beeinflussen Ziele, Werte, Ideologien und Emotionen die individuelle Auswahl, Verarbeitung und Memorieren von Informationen. Wir sprechen in diesem Zusammenhang auch von motivierter Informationsverarbeitung. Im Vortrag geht es um die zugrundeliegenden psychologischen Prozesse, die Funktionalität dieser Prozesse, situationale Einflussfaktoren und Persönlichkeitsunterschiede in der Neigung zu einem motivierten Umgang mit Evidenz.
04.07.2022 - Themenblock 7: Rechtliche und ethische Aspekte beim Umgang mit Daten
Ethische und methodische Aspekte der Forschung am Menschen in der Medizin
Prof. Dr. André Scherag & Prof. Dr. Peter Schlattmann
Institut für Medizinische Statistik, Informatik und Datenwissenschaften, Universitätsklinikum JenaForschung an und mit Menschen unterliegt besonderen Anforderungen, die in Deklarationen, Richtlinien oder Gesetzen konkretisiert sind. Wenn immer wieder die Forderung kommt, Daten zu veröffentlichen, so ist dies für z. B. Gesundheitsdaten nicht oder nicht einfach möglich. Wir wollen darstellen, welche Anforderungen hierbei berücksichtigt werde müssen, wie Ethikkommissionen in Deutschland arbeiten und welche Rolle dabei der Datenschutz hat. Anhand von konkreten Forschungsbeispielen wollen wir aufzeigen, wie klassisch und in Zukunft klinische Forschung – also Forschung an Proband:innen und Patient:innen – erfolgen kann.
-
Winter Semester 2021/ 2022
25.10.2021 - Themenblock 1: Einführung Data Literacy
Data Literacy: Datenkompetenzen für Wissenschaft und Alltag
Dr. Volker U. Schwartze & PD Dr. Barbara Aehnlich
Kompetenzzentrum Digitale Forschung, Friedrich-Schiller-Universität JenaDaten gelten als das „Öl des 21. Jahrhunderts“ und gewinnen gerade durch die zunehmende Digitalisierung der Gesellschaft immer mehr an Bedeutung. Daher sind Kompetenzen zum angemessenen Umgang mit Daten nicht nur eine wichtige Qualifikation für bestimmte Fachleute wie Data Scientists, sondern spielen in allen Fachdisziplinen eine wichtige Rolle. Aber auch außerhalb der Wissenschaft sind diese Kompetenzen von großer Bedeutung und im Berufsleben sowie für die gesellschaftliche Teilhabe unverzichtbar.
Aber was sind eigentlich Daten und was verbirgt sich genau hinter dem Begriff Data Literacy? Welche Kompetenzen gehören zur Data Literacy und wann brauche ich sie in meinem Alltag? Diesen und weiteren grundlegenden Fragen zum Thema Data Literacy wollen wir in der Auftaktveranstaltung zur DaLiJe-Ringvorlesung nachgehen.
08.11.2021 - Themenblock 2: Daten in Forschung und Gesellschaft
Geographische Datenwissenschaften: Potenziale und Herausforderungen neuartiger Daten und Modelle im Kontext der Naturgefahrenforschung
Prof. Dr. Alexander Brenning
Lehrstuhl Geoinformatik, Institut für Geographie, Friedrich-Schiller-Universität JenaMit der zunehmenden Verfügbarkeit von Geodaten und innovativer Datenanalysewerkzeuge unterliegt die raumbezogene Forschung und berufliche Praxis einer Transformation, welche sowohl Potenziale als auch Herausforderungen mit sich bringt. Diese Vorlesung soll anhand von Beispielen der Naturgefahrenforschung (1) die Potenziale und Risiken neuartiger Arten von Geodaten, (2) Herausforderungen für reproduzierbare, offene Wissenschaft, und (3) Potenziale und Grenzen von Verfahren des maschinellen Lernens für geographische Fragestellungen darstellen.
22.11.2021 - Themenblock 3: Sammlung und Erhebung von Daten
Digitales Kulturerbe – Einblicke in die Digitalisierung der Thüringer Universitäts- und Landesbibliothek und Szenarien zur wissenschaftlichen Nachnutzung
Petra Kunze & Swantje Dogunke
Thüringer Universitäts- und Landesbiobliothek JenaDie Digitalisierung des Kulturerbes an Bibliotheken, Museen und Archiven blickt bereits auf eine eigene Geschichte zurück: Während zu Beginn vor allem die bestandsschonende Sicherung und schnelle Bereitstellung stand, kamen neue Herausforderungen wie z.B. die digitale Langzeitverfügbarkeit oder Berücksichtigung fachwissenschaftlicher Anforderung zur Nutzung der Daten hinzu. Im Vortrag werden Digitalisierungsprojekte und Datenbestände vorgestellt und Nutzungsszenarien aus geistes- und kulturwissenschaftlicher Perspektive skizziert.
08.12.2021 - Themenblock 4: Management von Daten
Ameise, Buche, CH4 – Einblicke in das ABC des Datenmanagements von Biodiversitätsdaten
Dr. Cornelia Fürstenau und Prof. Dr. Birgitta König-Ries
Heinz-Nixdorf-Professur für verteilte Informationssysteme, Institut für Informatik, Friedrich-Schiller-Universität JenaSeit nunmehr 15 Jahren untersuchen im Rahmen des Verbundprojektes Biodiversitäts-ExploratorienExternal link (ein von der DFG gefördertes Infrastruktur-Schwerpunktprogramm) Forschende verschiedener Wissenschaftsdiziplinen auf 300 Versuchsflächen im Wald und Grünland vielfältige Aspekten der Biodiversität. Die zentrale Sicherung der Forschungsdaten sowie der Datenaustausch zwischen den Forschungsgruppen war und ist ein Kernaspekt des Verbundprojektes. Ermöglicht wird dies durch das federführend in Jena entwickelte Datenmanagementsystem BEXIS2External link.
Begleiten Sie uns in das Universum der Biodiversitätsdaten – Langzeitmonitoring von Vegetation und Bodennährstoffen, mikrobiologische Untersuchungen, Drohnenbefliegungen und viele weitere Studien. Anhand kleiner Einblicke in die Arbeit des Datenmanagementteams erfahren Sie, wie die DatenmanagementsoftwareExternal link der Exploratorien und das Team Forschende beim Datenmanagement unterstützen und welche Hürden bei der Datensicherung und -nachnutzung auftreten können.
15.12.2021 - Themenblock 5: Auswertung von Daten
Fallstricke und andere Pannen bei der Datenauswertung
Prof. Dr. Tobias Koch
Professur für Psychologische Methodenlehre, Institut für Psychologie, Friedrich-Schiller-Universität Jena„Glaube keiner Statistik, die du nicht selbst gefälscht hast“, sagt bekanntermaßen der Volksmund. Obwohl es richtig ist, dass man mit einer geschickten Präsentation von statistischen Ergebnissen eine gewisse Interpretation der Daten nahelegen kann, passiert es in der Praxis doch häufiger, dass viele Fehler ungewollt bei der Datenauswertung passieren. Häufig scheint die gewählte Auswertungsmethode oder -strategie sogar intuitiv plausibel, so dass gravierende Fehler unbemerkt bleiben. Unter Umständen gibt es auch mehrere statistische Verfahren oder Modelle, die anscheinend gleichermaßen zur Datenauswertung genutzt werden können. In der Vorlesung sollen anhand von praktischen Beispielen einige Fallstricke, Paradoxien, und andere Probleme bei der Datenauswertung illustriert werden und mögliche Lösungswege aufgezeigt werden. Um diese und ähnliche Fehler in der Praxis zu vermeiden, sind gerade fundierte statistische Kenntnisse und Kompetenzen notwendig.
10.01.2022 - Themenblock 6: Präsentation von Daten
Einsatz digitaler 3D-Rekonstruktionsmethoden in den Visual Humanities und der Lehre
J.Prof. Dr. Sander Münster
Juniorprofessur für Digital Humanities, Philosophische Fakultät, Friedrich-Schiller-Universität JenaDie Visual Digital Humanities umfassen ein breites Spektrum an wissenschaftlichen Herangehensweisen, die sich mit der Untersuchung komplexer visueller Informationen zur Beantwortung geisteswissenschaftlicher Fragestellungen beschäftigen. Dazu werden verschiedene digitale Werkzeuge und Methoden wie zum Beispiel die digitale 3D-Rekonstruktion angewendet. Die technologischen Hintergründe, Möglichkeiten für Projekte und methodischen Abwägungen für die Anwendung werden in der Literatur viel diskutiert. Trotzdem ist es immer noch eine Herausforderung, diese Methoden in der wissenschaftlichen Gemeinschaft zu verbreiten und als Teil der digitalen Geistes- und Kulturwissenschaften zu etablieren.
Im Vortrag werden aktuelle Herausforderungen, Entwicklungen und Forschungsaktivitäten zur 3D-Rekonstruktion auf internationaler Ebene vorgestellt. Außerdem werden Ergebnisse und wissenschaftliche Gesichtspunkte aus Projekten am Lehrstuhl beschrieben.
24.01.2022 - Themenblock 7: Rechtliche und ethische Aspekte beim Umgang mit Daten
Daten und Datenzuordnung im Recht
Prof. Dr. Christian Alexander
Lehrstuhl für Bürgerliches Recht, Wirtschaftsrecht und Medienrecht, Friedrich-Schiller-Universität JenaDaten bilden den Gegenstand zahlreicher gesetzlicher Regelungen. Allerdings ist schon der Begriff „Daten“ aus rechtlicher Sicht keineswegs eindeutig. Weiterhin lassen sich Daten vielfach nicht in die herkömmlichen Kategorien des Rechts einordnen. Der Vortrag gibt einen ersten Einblick in die vielfältigen Rechtsprobleme und behandelt unter anderem die folgenden Fragen: Gibt es Eigentum und Besitz an Daten? Wem gehören Daten? Welche Rechte und Rechtsverhältnisse können in Bezug auf Daten bestehen? Kann man Daten vererben?