Schlagwort: Lizenz:CC-BY-4.0-INT

Jenseits von #FakeScience: Wie wir falsche Gewissheiten in der Wissenschaftskommunikation überwinden können

Unter dem Hashtag #FakeScience wird derzeit diskutiert, ob betrügerische Zeitschriftenverlage dabei sind, das Vertrauen in die Wissenschaft zu zerstören. Tatsächlich jedoch haben die altbekannten „Predatory Publisher“ nie die beschworene Vertrauenskrise ausgelöst – sondern sind vielmehr ein Randphänomen eines veralteten, ohnehin problematischen Verständnisses der Bewertung von Forschungsleistungen. Mit seit vielen Jahren etablierten Ansätzen wie Preprints und insbesondere Open Peer Review ließe sich die Gesamtsituation verbessern und zugleich den „Predatory Journals“ der Markt entziehen.

Workshop zum Open Research Knowledge Graph in der TIB

Am 20. März 2018 veranstaltete die TIB einen Expertenworkshop zur Realisierung eines Open Research Knowledge Graph (ORKG). Ziel des Workshops war es, wie im aktuellen Positionspapier der TIB beschrieben, Anforderungen, die Rahmenarchitektur und erste Schritte zur Implementierung einer offenen Wissensgraphen-Infrastruktur für die semantische Darstellung der Inhalte wissenschaftlicher Publikationen zu diskutieren.

Workshop on Open Research Knowledge Graph on March 20 at TIB

On March 20 2018, TIB organized an expert workshop on the realization of an Open Research Knowledge Graph. The workshop aimed at discussing requirements, framework architecture and first steps toward an implementation of an open research knowledge graph infrastructure for semantically representing the content of scientific publications, as outlined in TIB’s recent position paper.

Konkrete Ratschläge für nachhaltigere wissenschaftliche Softwareprojekte

Neben der Umsetzung der FAIR-Data-Prinzipien für Forschungsdaten beschäftigen wir uns an der TIB auch mit der nachhaltigen (Weiter-)Entwicklung, Nutzung und Publikation von Forschungssoftware. Dieser Blogpost stellt einen Zwischenstand des Aufbaus dieser Kompetenzen dar und leitet eine Serie ein, die ähnlich den schon erklärten FAIR-Prinzipien für Forschungsdaten konkrete Beispiele und Handlungsempfehlungen für wissenschaftliche Softwareprojekte aufzeigt.