Data Impact: Unterschied zwischen den Versionen
Zur Navigation springen
Zur Suche springen
Die Seite wurde neu angelegt: „xx“ |
KKeine Bearbeitungszusammenfassung |
||
| (Eine dazwischenliegende Version desselben Benutzers wird nicht angezeigt) | |||
| Zeile 1: | Zeile 1: | ||
Data Impact bezeichnet die Wirkung, die entsteht, wenn Forschungsdaten genutzt, geteilt oder erneut ausgewertet werden. | |||
Wirkung entsteht nicht durch das bloße Vorhandensein von Daten, sondern durch ihre aktive Verwendung. | |||
---- | |||
== Zentrale Punkte des Data Impact == | |||
* '''Zitierbarkeit von Daten''' Forschungsdaten werden wie Publikationen referenziert. Das erhöht Sichtbarkeit, Anerkennung und wissenschaftliche Reichweite. | |||
* '''Nachnutzung''' Forschungsdaten können erneut analysiert, kombiniert oder in neue Forschungsfragen übertragen werden. So entstehen neue Erkenntnisse ohne erneute Datenerhebung. | |||
* '''Innovation & Transfer''' Forschungsdaten können beispielsweise gesellschaftliche Entwicklungen fördern. | |||
---- | |||
== FAIR-Prinzipien als Voraussetzung für Data Impact == | |||
Data Impact entsteht immer dann, wenn Forschungsdaten den FAIR-Prinzipien entsprechen: | |||
* '''Findable''' – Daten sind über Repositorien und Metadaten auffindbar. | |||
* '''Accessible''' – Zugänge und Lizenzen sind klar geregelt. | |||
* '''Interoperable''' – Standardisierte Formate und Vokabulare ermöglichen Austausch und Kombination. | |||
* '''Reusable''' – Gute Dokumentation und klare Nutzungsbedingungen sichern langfristige Nachnutzbarkeit. | |||
[[Kategorie:Data Impact]] | |||
[[Kategorie:Infrastrukturen]] | |||
[[Kategorie:FAIR]] | |||
[[Kategorie:Wissenstransfer]] | |||
Aktuelle Version vom 22. Juni 2026, 17:49 Uhr
Data Impact bezeichnet die Wirkung, die entsteht, wenn Forschungsdaten genutzt, geteilt oder erneut ausgewertet werden.
Wirkung entsteht nicht durch das bloße Vorhandensein von Daten, sondern durch ihre aktive Verwendung.
Zentrale Punkte des Data Impact
- Zitierbarkeit von Daten Forschungsdaten werden wie Publikationen referenziert. Das erhöht Sichtbarkeit, Anerkennung und wissenschaftliche Reichweite.
- Nachnutzung Forschungsdaten können erneut analysiert, kombiniert oder in neue Forschungsfragen übertragen werden. So entstehen neue Erkenntnisse ohne erneute Datenerhebung.
- Innovation & Transfer Forschungsdaten können beispielsweise gesellschaftliche Entwicklungen fördern.
FAIR-Prinzipien als Voraussetzung für Data Impact
Data Impact entsteht immer dann, wenn Forschungsdaten den FAIR-Prinzipien entsprechen:
- Findable – Daten sind über Repositorien und Metadaten auffindbar.
- Accessible – Zugänge und Lizenzen sind klar geregelt.
- Interoperable – Standardisierte Formate und Vokabulare ermöglichen Austausch und Kombination.
- Reusable – Gute Dokumentation und klare Nutzungsbedingungen sichern langfristige Nachnutzbarkeit.