bolha.us is one of the many independent Mastodon servers you can use to participate in the fediverse.
We're a Brazilian IT Community. We love IT/DevOps/Cloud, but we also love to talk about life, the universe, and more. | Nós somos uma comunidade de TI Brasileira, gostamos de Dev/DevOps/Cloud e mais!

Server stats:

251
active users

#forschungsdaten

2 posts2 participants0 posts today

📢 Austausch & Einblicke zu Open Access in Gießen: Jetzt bewerben!

Vom 3.–5. Juni 2025 findet die Open Access Staff Week in der Unibibliothek der @jlugiessen statt – für OA-Beauftragte & Bibliotheksmenschen, die sich zu Praxis & Strategien austauschen wollen. Die UB zeigt ihre OA-Aktivitäten mit Fokus auf Outreach, #Forschungsdaten, Kostenmonitoring & Publikationsfonds.

🔗 Bewerbungsfrist: 2. Mai
🌐 Infos & Bewerbung: open-access.network/vernetzen/

Viele Erkrankungen äußern sich bei Frauen anders als bei Männern. Auch Medikamente können unterschiedlich lange bzw. stark wirken.

Diese Unterschiede werden in der medizinischen #Forschung & Behandlung jedoch zu wenig berücksichtigt.- mit negativen Folgen v.a. für Patientinnen. Der Grund: #Forschungsdaten aus klinischen Studien stammen überproportional häufig von Männern.

Mit unserer #Forschungsförderung wollen wir den #GenderDataGap weiter schließen.

👉 gesundheitsforschung-bmbf.de/d

Neues von der @freieuniversitaet: Fachbereich Geowissenschaften unterzeichnet als erster Fachbereich das FAIRness and Openness Commitment von @nfdi4earth und veranschaulicht dadurch, wie nicht nur Einzelpersonen, sondern auch Fachbereiche Unterstützung im #Forschungsdatenmanagement leisten können.

forschungsdaten.info/nachricht

🟠 SODa Barcamp Anmeldeschluss 🟠

schon bald ist es soweit, vom 7. - 9. April findet das 2. SODa Barcamp in Nürnberg statt!
Anmeldungen sind offen bis 21. März 2025: umfrage.hu-berlin.de/index.php

Neugierig o.eigene Ideen zu Themen? Hier sind die aktuell gesammelten Vorschläge: ishtar.iwus.org/p/soda-barcamp
Was ist das SODa Barcamp?
Bei einem Barcamp wird das Programm vor Ort vorgeschlagen & abgestimmt. Alle können Sessions anbieten o. anfragen.

#whyNFDI? To unlock the power of high-dimensional microscopy data. 🔬

#Microscopy is one of the cutting-edge technologies in research. We need new ways to unlock the potential of the highly complex data generated in this process.

@nfdi4bioimage sets new standards for sharing and re-utilising this data. With developers worldwide, a new file format is being created and the associated metadata is also being structured and preserved.

➡️ More: nfdi4bioimage.de/about-us/goal

Leibniz Data Manager (LDM): Wie sich Forschungsdaten effektiv managen lassen

read this article in English

Wissenschaftliche Entdeckungen basieren auf gut strukturierten, leicht zugänglichen und wiederverwendbaren Forschungsdaten. Forschende stehen jedoch häufig vor Herausforderungen wie nicht miteinander verbundenen Datensätzen, inkonsistenten Metadaten und zeitaufwändiger Datenaufbereitung.

Der Leibniz Data Manager (LDM) bietet eine leistungsstarke, FAIR-konforme Plattform für das Forschungsdatenmanagement. Durch die Nutzung von Wissensgraphen (Knowledge Graphs, KGs) strukturiert und verknüpft der LDM Forschungsdaten, sodass sie auffindbar, zugänglich, interoperabel und wiederverwendbar (FAIR) sind. Zudem integriert er KI-gestützte Methoden zur Anreicherung von Metadaten und zur Wissenserschließung, wodurch der Wert von Forschungsdaten gesteigert und deren Nutzung erleichtert wird.

Warum sollten Forschende den LDM nutzen?

Angesichts des steigenden Bedarfs an maschinenlesbaren, interoperablen und strukturierten Forschungsdaten bietet der LDM eine leistungsstarke Lösung für Forschende, Datenmanager:innen und Institutionen. Ob es um die Exploration von Datensätzen, die Anreicherung von Metadaten oder die Verknüpfung von Wissen über verschiedene Disziplinen hinweg geht – der LDM macht das Forschungsdatenmanagement intelligenter und effizienter.

Was macht den LDM einzigartig?

LDM ermöglicht es Forschern, über rein statische Repositories hinauszugehen, und zwar durch:

  • Strukturierung von Forschungsdaten mit Wissensgraphen: Im Gegensatz zu traditionellen Datenbanken stellen Wissensgraphen Daten und deren Bedeutungszusammenhänge als Knoten und Verbindungen dar. Dies ermöglicht intelligentere und flexiblere Such- und Explorationsmöglichkeiten.
  • Integration der FAIR Data Principles: Der LDM gewährleistet, dass Datensätze standardisierte Metadatenmodelle nutzen, wodurch sie leichter auffindbar, verknüpfbar und interdisziplinär wiederverwendbar sind.
  • Unterstützung von KI-gestützter Metadatenanreicherung

Mithilfe von Entity-Linking-Techniken verbindet der LDM Datensätze automatisch mit externen Wissensquellen wie Wikidata oder dem Open Research Knowledge Graph (ORKG). Dadurch verbessert sich die Vollständigkeit und Auffindbarkeit der Daten erheblich.

Hauptmerkmale des LDM

  • FAIR-konformes Metadatenmanagement: Durch die Anwendung strukturierter Vokabulare wie DCAT und DataCite stellt der LDM sicher, dass Datensätze mit klar definierten Metadaten versehen sind.
  • Federated Search Across Knowledge Graphs: Forschende können Datensätze über verschiedene Quellen wie ORKG und Wikidata hinweg durchsuchen und verknüpfen.
  • Entity Linking & Metadatenanreicherung: Der LDM erkennt automatisch relevante Begriffe und Konzepte, wodurch Metadaten erweitert und Datensätze besser beschrieben werden.
  • Vergleich und Visualisierung von Datensätzen: Unterschiede zwischen Datensätzen werden hervorgehoben, sodass Forschende Zusammenhänge zwischen verschiedenen Quellen analysieren können.
  • Live Code Execution: Dank der Integration von Jupyter Notebooks können Daten direkt innerhalb der Plattform analysiert und verarbeitet werden.
  • Open Source und skalierbare Bereitstellung: Der LDM ist als Open-Source-Lösung verfügbar und kann flexibel per Docker-Container implementiert werden.
  • Anpassbare Instanzen: Forschungseinrichtungen und Projekte können den LDM individuell an ihre spezifischen Arbeitsabläufe und Anforderungen anpassen.

LDM ist öffentlich zugänglich unter Leibniz Data Manager

Das LDM-Team

Entwickler und Forscher: Mauricio Brunet, Enrique Iglesias, Dr. Ariam Rivas, Philipp D. Rohde, Dr. Ahmad Sakor, Samer Sakor
Projektverantwortliche: Dr. Angelina Kraft, Prof. Dr. Maria-Esther Vidal
LDM-Instanzen und Bereitstellung: Susanne Arndt, Mathias Begoin
Medien und Grafiken: Gabriela Ydler

Wie sieht die Situation der Museums- & Universitätssammlungen hinsichtlich Forschungsdaten/-infrastrukturen aus? Dieser Frage geht eine Arbeitsgruppe von @nfdi4objects nach, in der wir mitarbeiten:
🟠 Eine Bestandsaufnahme hat die Grundlage geschaffen: doi.org/10.5281/zenodo.1378920
🟠 Die Ergebnisse werden aktuell ausgewertet. Einen Einblick gab es auf dem 2. GND Forum: drive.google.com/file/d/1cmjop
Sobald die finale Version verfügbar ist, informieren wir.
@museum #Sammlungen #forschungsdaten #Normdaten

Poster "Forschungsbewertung im Wandel: Ansätze für Anerkennung und FAIRness bei Helmholtz" bei der #RDAde2025

➡️ Die Helmholtz-Gemeinschaft / Helmholtz Association entwickelt einen mehrdimensionalen Qualitätsindikator, um Forschungsdaten und -software fairer zu bewerten – für mehr Transparenz und Qualität in der Wissenschaft.

🔗 doi.org/10.5281/zenodo.1485145

👥 @marcelmson @steffi_ge @GuidoJuckeland @pampel @mathijsvleugel @LeaMariaFer

#OpenScience #Forschungsdaten #Forschungssoftware (lmf)