Die Suche nach einem geeigneten Repositorium für ihre Daten ist für Forschende eine schwierige Aufgabe: das Angebot an Repositorien ist unüberschaubar groß und eine Unterstützung bei der Auswahl durch automatisierte Tools begrenzt. Maschinell verarbeitbare DMPs können bei der Selektion helfen. Da sie relevante Kontextinformationen in strukturierter und maschinenlesbarer Form enthalten, sind auch automatisierte Repositorienempfehlungen möglich. Maschinell verarbeitbare DMPs können zum Beispiel alle Repositorien herausfiltern und auflisten, die die ausgewählten Anforderungen an Lizenz und Zugriffsmodus erfüllen.

Auf der IDCC20-Konferenz in Dublin, öffnet eine externe URL in einem neuen Fenster hat Tomasz Miksa eine Veröffentlichung vorgestellt, die sich mit dieser Thematik befasst. Das Paper mit dem Titel "Finding a repository with the help of machine-actionable DMPs: opportunities and challenges" beschreibt die aktuelle Praxis der Repositorienauswahl und die derzeit verfügbare technische Unterstützung. Darüber hinaus werden die Möglichkeiten und Herausforderungen eines Einsatzes von maschinell verarbeitbaren DMPs zur Verbesserung der Repositorienempfehlung skizziert.

Das Paper ist das Ergebnis eines Forschungsbesuchs von Simon Oblasser, öffnet eine externe URL in einem neuen Fenster (ehemals TU Wien, Forschungsbereich Information und Software Engineering) am National Institute of Informatics in Japan, der zu einer weiteren Zusammenarbeit zum Thema Repository-Empfehlung führte. Die Thematik ist auch für die Entwicklungen im Projekt FAIR Data Austria relevant, in dem Infrastrukturen aufgebaut werden, die die Forschenden der TU Wien dabei unterstützen, ihre Daten FAIR, öffnet eine externe URL in einem neuen Fenster zu machen.

Weiterlesen

Simon Oblasser, Tomasz Miksa, & Asanobu Kitamoto. (2020, March). Finding a repository with the help of machine-actionable DMPs: opportunities and challenges. Zenodo. http://doi.org/10.5281/zenodo.3701564, öffnet eine externe URL in einem neuen Fenster ​

Miksa, T., Walk, P., & Neish, P. (2019). RDA DMP Common Standard for Machine-actionable Data Management Plans.
https://doi.org/10.15497/rda00039, öffnet eine externe URL in einem neuen Fenster

Miksa, T., Simms, S., Mietchen, D., Jones, S. (2019). Ten principles for machine-actionable data management plans. PLOS Computational Biology 15(3). https://doi.org/10.1371/journal.pcbi.1006750, öffnet eine externe URL in einem neuen Fenster

Kontakt

Technische Universität Wien
Zentrum für Forschungsdatenmanagement
Resselgasse 4 (TU Wien Bibliothek), 1040 Wien
research.data@tuwien.ac.at

Das Team, öffnet eine externe URL in einem neuen Fenster