Überlegungen und Vorschläge hinsichtlich der Nutzung von Review-Verfahren zur wissenschaftlichen Qualitätssicherung von Forschungsdaten

Gut konzipierte Qualitätssicherungsmaßnahmen tragen entscheidend dazu bei, dass Forschungsdaten als eigenständige wissenschaftliche Leistungen wahrgenommen und das Vertrauen in ihre wissenschaftliche Qualität gestärkt wird. Dadurch werden qualitätsvoll aufbereitete Forschungsdaten zu einem wichtigen Baustein in der Reputationsbildung von Wissenschaftler*innen. Prüfverfahren für technische und formale Aspekte (z. B. Dateiformate, Nutzungslizenzen) sind gut formalisierbar, z. T. maschinell durchführbar und können somit auch von Forschungsdatenrepositorien recht effizient umgesetzt werden. Für Repositorienbetrei bende sind zunächst einmal diese Faktoren zentral, da sie für die Findbarkeit und Langzeitverfügbarkeit ihrer Bestände sorgen müssen.

Die Prüfung der wissenschaftlich-inhaltlichen Qualität ist hingegen nur begrenzt standardisierbar und dadurch zugleich komplexer. Bei den klassischen Publikationsformaten wie wissenschaftlichen Aufsätzen und Monographien kommt meist eine Form von Peer-gestütztem Review-Verfahren zum Einsatz, d. h. eine Begutachtung der Einzelbeiträge durch Fachwissenschaftler*innen. Der folgende Beitrag fasst die Überlegungen des OstData-Projektteams zum Einsatz solcher (Peer-)Review-Verfahren für Forschungsdatenrepositorien zusammen und entwickelt daraus eine eigene Position zur Prüfung der inhaltlich-wissenschaftlichen Qualität von Forschungsdaten.

 

Allgemeine Überlegungen zu Review-Verfahren

1) Um die Aufgaben von Forschungsdatenrepositorien im Prozess der wissenschaftlichen Qualitätssicherung genauer fassen zu können, ist zunächst deren Position im Wissenschaftsbetrieb zu betrachten. Sind Repositorien als Forschungsdaten veröffentlichende Einrichtungen den herkömmlichen Publikationsorganen wie Buch- und Zeitschriftenverlagen gleichzustellen? Oder sind sie mit ihren Hauptaufgaben in den Bereichen Bereitstellung und Langzeiterhaltung der ihnen anvertrauten Daten eher einer Bibliothek vergleichbar? Wo Verlage Review-Verfahren nutzen, um u. a. ein bestimmtes, im Verlagsprogramm verankertes Qualitätsniveau zu behaupten, folgen Bibliotheken beim Bestandsaufbau ihrem allgemeinen Sammelauftrag, der z. B. einer bestimmten Fachwissenschaft oder Zielgruppe verpflichtet ist – die Qualität des Inhalts ist hier nachrangig. Aus dieser Unterscheidung ergibt sich die Frage, welche Autorität Forschungsdatenrepositorien ausüben können und/oder sollten, wenn es um die wissenschaftlich-inhaltliche Bewertung ihrer Bestände geht.

2) Argumente für den Einsatz von Review-Verfahren durch Forschungsdatenrepositorien entstehen beim Blick auf ihre zentralen Funktionen:

  • Ein ursprüngliches Ziel von Review-Verfahren ist das sog. ‚Gate-Keeping‘, also das Aussortieren ungeeigneter Arbeiten. Ist dies bei klassischen Printmedien auch aufgrund des in ihnen beschränkten Platzes nötig, erlaubt der digitale Raum den Repositorien, eine größere Auswahl an Arbeiten aufzunehmen – unter Beachtung einer performanten technischen Infrastruktur zum Abruf, Speichern und Verwalten von Daten. Jedoch besteht auch hier die Aufgabe, Arbeiten, die nicht wissenschaftlichen Standards und Anforderungen entsprechen, auszusortieren.

  • Eine entscheidende Rolle erfüllen Review-Verfahren zudem dann, wenn das in einem positiven Sinn objektiv-kritische Feedback der Reviewer*innen die wissenschaftliche Qualität verbessert.

  • Schließlich übernehmen Review-Verfahren eine zentrale Funktion für die wissenschaftliche Reputationskultur, denn das ‚Überstehen‘ eines solchen Begutachtungsverfahrens erhöht das akademische Prestige der Autorin/des Autors.[1]

Review-Verfahren auch für Forschungsdaten können also deren Wahrnehmung als eigenständige wissenschaftliche Leistung in der Publikations- und Reputationskultur stärken. Hinzu kommt die besondere Verfasstheit von geisteswissenschaftlichen Forschungsdaten, die einen großen Anteil des OstData-Bestandes ausmachen. Im Gegensatz zu lebens- und naturwissenschaftlichen Daten sind diese meist nicht maschinengeneriert (z. B. Messdaten von Laborgeräten), sondern vielmehr von den Forschenden gesucht und zusammengestellt worden.[2] Individuelles Review durch Peers kann daher gerade für solche Forschungsdaten ein wichtiges Instrument zur Qualitätssicherung sein.

3) Im nächsten Schritt ist zu fragen, welche Review-Verfahren sich für Forschungsdaten eignen. Da diese wie die klassischen Formen des Wissenschaftsoutputs (Aufsätze, Monographien) unter Anwendung wissenschaftlicher Methoden entstehen,[3] scheint es naheliegend, etablierte Review-Verfahren auf Forschungsdaten zu übertragen – allen voran klassisches Peer-Review. Dieses genießt nach wie vor höchstes Vertrauen als Instrument in der wissenschaftlichen Qualitätssicherung:

Peer review is vital to the processes of establishing scientific consensus, and carries with it concepts of authority and validity. A dataset which has been through peer review can be considered to have been through a process of scientific quality assurance.“[4]

Allerdings ist das klassische Peer-Review als nicht-öffentliches Format in den letzten Jahren im Zuge der Open Science-Bewegung stark in die Kritik geraten. Bemängelt werden u. a. die Intransparenz des Verfahrens und der Entscheidungsfindung. Auch scheint Peer-Review nicht immer zuverlässig die fehlerhaften Arbeiten herauszufiltern.[5]  Die Anonymität des (Double-)Blind-Verfahrens ermöglicht den Reviewer*innen zwar unabhängig von Hierachieebenen Mängel offen zu legen, zugleich erlaubt sie es aber weniger wohlgesinnten Reviewer*innen, auch schadhafte Beurteilungen einzureichen. Gerade in den ‚Kleinen Fächern‘ lässt sich die Anonymität der Beteiligten zudem oft nicht aufrechterhalten.

Als Reaktion werden zunehmend offene Verfahren entwickelt und erprobt. Diese zeichnen sich z. B. durch gegenseitige Offenlegung der Identitäten von Reviewer*innen und Autor*innen, sowie der Veröffentlichung (und in einem weiteren Schritt auch offenen Diskussion) der Reviews aus – bis hin zu Systemen, die eine Bewertung durch eine größere Gruppe von Wissenschaftler*innen vorsehen (sog. Crowd-Review).[6] Die Vorteile offener Verfahren liegen auf der Hand: Die Bewertungen sind für alle einseh- und nachvollziehbar; offene Verfahren können sich disziplinierend auswirken und zu mehr Sorgfalt und Objektivität führen;[7] veröffentlichte Reviews können zitiert werden und so zur Reputationsbildung beitragen; ein offener Austausch verbessert die Qualität der Beiträge;[8] schließlich stärkt eine transparente Diskussion den Dialog mit einer breiteren Öffentlichkeit und trägt zu einem besseren Wissenstransfer bei.

Aber offene Verfahren haben ebenfalls Schwächen: Auch hier müssen Reviewer*innen aktiv gesucht werden. Soll ein Crowd-Verfahren etabliert werden, muss eine ausreichend große, engagierte und hinreichend heterogene Gruppe beteiligt werden.[9] Schließlich muss gut abgewogen werden, an welchen Stellen im Prozess Anonymität weiterhin eine Berechtigung hat. Zum einen stellt eine öffentliche Stellungnahme gerade für den wissenschaftlichen Nachwuchs eine Herausforderung dar, wenn sie Beiträge von Personen beurteilen, zu denen sie in einem Abhängigkeitsverhältnis stehen und Benachteiligung durch diese bei negativer Kritik befürchten. Zum anderen birgt eine Offenlegung der Beteiligten die Gefahr, dass Gutachten zu allgemein und positiv gehalten werden, so dass am Ende die Aufgaben der Qualitätssteigerung durch Feedback bzw. Aussortieren nicht hinreichend erfüllt werden.[10] Die Offenlegung der Beteiligten ist aber womöglich nicht das wichtigste Element in der Qualitätssicherung: Yuliya Fadeeva beschreibt in ihrer Studie von 2021 zu den „Potenziale[n] digitaler Open-Peer-Review-Formate“, dass besonders ‘open participation’ und ‘open report’ diese Funktion erfüllen.[11]

4) Jede Form von Review-Verfahren benötigt zudem Ressourcen in Form von Arbeitskraft und -zeit. Dem Wissenschaftsrat zufolge ist zwar „Peer review […] als wissenschaftsgeleitetes Bewertungsverfahren mit primär qualitativer Orientierung in der Bewertung und Steuerung von Forschungsleistung unverzichtbar“[12]. Zugleich mahnt der Rat in seiner Empfehlung, Aufwand und Nutzen beim Einsatz von Peer Review-Verfahren gut abzuwägen, da sie sehr viele Ressourcen binden. Mit Blick auf alle Beteiligten in einem solchen Prozess – neben dem Durchführenden des Reviews, z. B. einem Repositorium, sind dies vor allem die reviewenden Wissenschaftler*innen – ist zu hinterfragen, ob Forschungsdatenrepositorien diesen Schritt der Qualitätssicherung übernehmen sollten oder ob sich andere Stellen nicht besser eignen. Zumal die Anforderung an Reviewer*innen mit der Etablierung von Forschungsdaten als neuer Publikationsform noch einmal gestiegen sind: Mit dem Erstarken der Digital Humanities haben neue Medientypen in den Geisteswissenschaften Einzug gehalten, z. B. Software, Code für Algorithmen oder interaktive Visualisierungen. Dies stellt Herausforderungen an Reviewer*innen, die sowohl eine fachlich-inhaltliche Bewertung der Daten (deren Entstehungskontext und Dokumentation) als auch eine methodisch-technische Begutachtung vornehmen können müssten.[13] Hinzu kommt die vielschichtige Beschaffenheit von Forschungsdatensätzen, die geprägt ist durch mehrere Bearbeiter*innen und Rollen, komplexe Strukturen u. a. durch multimediale Daten, sowie die Tatsache, dass Forschungsdaten oft Bestandteil eines andauernden Forschungsprozesses und somit nicht abgeschlossen sind.[14]

Mit Blick auf diese vier Aspekte ist schließlich zu fragen, worauf der Fokus bei einem Review von Forschungsdaten liegen sollte. Im Gegensatz zu klassischen wissenschaftlichen Publikationsformen weisen Forschungsdaten nicht die eine ausformulierte Analyse, Zusammenfassung oder Forschungserkenntnis auf. Forschungsdaten können zwar mit Blick auf eine bestimmte Forschungsfrage erhoben worden sein, sind an sich jedoch ergebnis- und zweckoffen, insbesondere mit Blick auf deren Nachnutzung. Daher ist zu fragen, ob das klassische Peer-Review-Verfahren die richtige Wahl für Forschungsdatensätze ist: „In the absence of particular questions and conclusions, it is not obvious what peer review of data should certify.“[15] Vor einigen Jahren haben Kratz/Strasser in einer Studie festgestellt, dass für Forschende ein zentraler Fokus auf den Metadaten, gerade auch in standardisierter Form liegt.[16] So fordern auch die FAIR-Prinzipien die Vergabe von umfangreichen und standardisierten Metadaten. Typische Peer-Review-Aspekte wie Neuigkeitswert oder eine potentielle Wirkungskraft der Daten in der Zukunft scheinen hingegen nur eine nachgeordnete Rolle zu spielen.[17]

 

Unterschiedliche Review-Verfahren für  verschiedene Formen der Forschungsdatenpublikation

Die Beurteilung wissenschaftlich-inhaltlicher Qualität spielt eine große Rolle, um die Reputation von Forschungsdaten auch außerhalb der Digital Humantities zu stärken, wie Frederike Neuber und Patrick Sahle jüngst festgestellt haben:

„Da sich diese (standardisierten, Anm. d. Verf.) Qualitätssicherungsmaßnahmen vor allem auf technisch-methodische Aspekte beziehen, scheint es umso wichtiger zu betonen, dass eine vollständige Rezension einer digitalen Forschungsressource Form und Inhalt zu berücksichtigen hat, damit sie nicht nur bei den ‚digitalen Insidern‘, sondern auch in der Breite der etablierten Fächern angenommen wird.“[18]

Review-Verfahren für Forschungsdaten und die Diskussion, welche Verfahren wo und wofür eingesetzt werden, befinden sich aber nach wie vor noch in der Entwicklung.[19] Um die bestehenden Lösungsansätze zur Bewertung inhaltlicher Qualität zu ordnen und Handlungsbedarf aufzuzeigen, ist es hilfreich, zwischen unterschiedlichen Formen von Forschungsdatenpublikationen zu unterscheiden, wie es Kratz/Strasser 2014 vorgeschlagen haben:[20]

  • „Data that supplements a paper“ (= Aufsatz mit zugehörigen Forschungsdaten, Fall 1),

  • Data as the subject from a paper“ (= Data Paper[21], Fall 2),

  • „independent documentation“ (= unabhängige Forschungsdaten, i. d. R. in einem Repositorium gespeichert, Fall 3).

In allen drei Fällen können die betroffenen Forschungsdaten in einem entsprechenden Repositorium gespeichert sein, auch wenn es Veröffentlichungen von Aufsätzen gibt, die die jeweiligen Daten einschließen. Dennoch unterscheiden sich die Review-Möglichkeiten. Stehen Daten im engen Zusammenhang mit einem wissenschaftlichen Text (Fälle 1 und 2), kann die Durchführung eines Review-Verfahrens an diesen gebunden werden. Dazu soll auf zwei Beispiel verwiesen werden: Mit dem „Journal for Digital History“[22]

 entsteht seit Ende 2020 ein Publikationsorgan für geschichtswissenschaftliche Beiträge samt der dazugehörigen Forschungsdaten, welche als „data that supplements a paper“ einzuordnen sind (Fall 1). Zur wissenschaftlichen Qualitätssicherung wurde ein double-blind Peer Review-Prozess etabliert. Einem „Data Paper“ (= „data as subject of a paper“) verwand sind Rezensionen von Forschungsdatensätzen (Fall 2). Für diese etablieren sich ebenfalls spezialisiert Journale, z. B. das 2014 begründete „RIDE – A review journal for digital editions and resources“.[23] Grundgedanke der Herausgeber*innen ist, dass Reviews von digitalen Ressourcen und Editionen aufgrund der oben unter Punkt 4 genannten Herausforderungen dieser neuen Datentypen aufwendig sind und den Charakter wissenschaftlicher Texte aufweisen. Als solche werden die Reviews selbst einem Peer Review-Verfahren unterzogen und tragen somit zur akademischen Reputationsbildung bei.

Zum Umgang mit Forschungsdaten als ‚independent documentation‘ (Fall 3) und zur Positionierung der Forschungsdatenrepositorien im Wissenschaftsbetrieb (siehe oben Punkt 1) besteht hingegen noch Diskussionsbedarf. Trotz einer umfangreichen Studienlage zu Review-Verfahren,[24] scheint es kaum aussagekräftige Ergebnisse in Bezug auf Review-Verfahren für diese Kategorie der unabhängigen Forschungsdatenpublikation zu geben. Ein Hinderungsgrund dürfte die sehr heterogene Ausgangssituation in den verschiedenen Fachdisziplinen sowie die anonymisierten und somit nicht-öffentlichen Abläufe von Repositorien sein, die Vergleichsstudien unter realen Bedingungen behindern.

 

Fazit: Qualitätskontrolle von Metadaten und Unterstützung offener Review-Verfahren für eigenständige Forschungsdatenpubilkationen

OstData als Forschungsdatendienst versteht sich vor allem als Infrastruktur zur Speicherung, Publikation und Langzeitarchivierung von insbesondere eigenständigen Forschungsdaten. Zugleich sieht OstData in den Review-Funktionen ‚Verbesserung der Qualität durch Feedback‘ und ‚Stärkung der wissenschaftlichen Reputation‘ ein starkes Argument dafür, als Repositorium auch zum wissenschaftlichem Review von Forschungsdaten beizutragen und dieses zu unterstützen. Der Zeitpunkt für einen Beitrag zum Datenreview durch OstData liegt zwischen Einreichung und Veröffentlichung der Forschungsdaten in Form einer sehr guten Erschließung des Forschungsdatensatzes mit Metadaten durch das OstData-Team und der evtl. Prüfung zugehöriger weiterer Angaben (z. B. in einer readme-Datei).[25] Hier liegen die Stärken von Einrichtungen wie der Bayerischen Staatsbibliothek als Infrastrutkureinrichtung hinter OstData. Denn die Qualität der erfassten Metadaten ist entscheidend für die Findbarkeit und Ersteinschätzung des Inhalts eines Forschungsdatensatzes. Zudem geben von den Datenproduzent*innen gelieferten Angaben zur Datenprovinienz, zur Methodik oder das Abstract gute Anhaltspunkte bzgl. der inhaltlichen Qualität der Daten selbst – je besser diese Angaben sind, desto wahrscheinlicher ist, dass die Datenerhebung strukturiert und methodisch korrekt sowie gut dokumentiert abgelaufen ist.

Die Beurteilung der Nachnutzbarkeit von Forschungsdaten erfolgt nach OstData allerdings am besten durch die Forscher*innencommunity selbst.[26] Zum Review von Forschungsdatensätzen plant OstData daher eine Zusammenarbeit mit dem Projekt „Discuss Data“, einer Online-Plattform zur Diskussion von Forschungsdaten zum post-sowjetischen Raum.[27] Der Aufbau von „Discuss Data“ ermöglicht es, direkt zu einem Forschungsdatensatz Kommentare zu speichern und so in einen Dialog über die Daten zu treten. Die Verbindung zwischen Daten und Feedback wird von den Dsicuss Data-Entwickler*innen als zentrales Instrument gesehen, um „die Qualität und Transparenz der Forschung zu stärken.“[28] Das langfristige Ziel ist es, die Betreuung und Moderation an die wissenschaftliche Fachgemeinschaft zu übergeben, da diese über die spezifischen Fachkenntnisse für die inhaltliche Qualitätskontrolle verfügt.[29] Eben diese Aktivierung der Fachcommunity sieht OstData neben der Erschließung mit Metadaten als wichtigen Beitrag zur wissenschaftlichen Qualitätssicherung von Forschungsdaten. Discuss Data bietet sich dabei als bereits etablierter Dienst an, insgesamt aber überlässt OstData es Forschenden selbst zu entscheiden, welches Review-Verfahren sie für ihre Forschungsdaten organisieren wollen. OstData empfiehlt in diesem Zusammenhang, erstens überhaupt externe Reviews anzustreben und diese zweitens, wenn möglich, als offene Review-Verfahren durchzuführen. Diese externen Reviews können im OstData-Metadatenschema über das Feld relatedIdentifier (relatedIdentifierType: isReviewedBy) auf einfache Weise verlinkt werden.

Abschließend bleibt noch einmal festzuhalten, dass für OstData in der Entwicklung von Review-Verfahren für unabhängig publizierte Forschungsdaten der offene Ansatz, wie er u. a. von Discuss Data vertreten wird, einen entscheidenden Vorteil hat, da der Fokus auf Transparenz und Nachvollziehbarkeit der Bewertung liegt und so in der Breite ein besseres Verständnis für wissenschaftliche Prozesse vermittelt werden kann. Die Anwendung klassischer, einer Veröffentlichung vorgeschalteter Peer-Review-Verfahren von Forschungsdaten sieht OstData aufgrund der oben genannten Gründe hingegen kritisch. Allerdings muss auch bei offenen Verfahren die Schwierigkeit überwunden werden, dass Kritik über unterschiedliche Hierarchie-Ebenen mit Hemmung verbunden ist und auf eine Moderation zum Ausschluss schadhafter Äußerungen nicht verzichtet werden kann. Eine auf Objektivität in der Bewertung ausgerichtete Diskussionskultur dürfte aber gerade durch die Offenheit der Debatten gefördert werden.

Sandra König

Der Beitrag wurde auch auf Zenodo veröffentlicht: https://doi.org/10.5281/zenodo.7248021.

 

Endnoten

[1] Vgl. Kratz, John; Strasser, Carly (2015). Researcher Perspectives on Publication and Peer Review of Data. PLOS ONE 10 (2): e0117619. https://doi.org/10.1371/journal.pone.0117619, S. 9.

[2] Cremer, Fabian; Klaffki, Lisa; Steyer, Timo (2019). Redaktionssache Forschungsdaten. Ein Servicekonzept zur Forschungsdatenpublikation in den Geisteswissenschaften. BIBLIOTHEK Forschung und Praxis 43 (1): 118–25. https://doi.org/10.1515/bfp-2019-2018, S. 118.

[3] Siehe z. B. Frank, Ingo; König, Sandra; Körfer, Anna-Lena; Kroll, Benedikt; Kurzweil, Moritz; Skowronek, Thomas; Štanzel, Arnošt; Valena, Peter (2022). OstData Forschungsdatendefinition. Version 1.0. OstData. https://doi.org/10.5281/zenodo.6088524.

[4] Lawrence, Bryan; Jones, Catherine; Matthews, Brian; Pepler, Sam; Callaghan, Sarah (2011). Citation and Peer Review of Data: Moving Towards Formal Data Publication. International Journal of Digital Curation 6 (2): 4–37. https://doi.org/10.2218/ijdc.v6i2.205, S. 11.

[5] Vgl. zu den verschiedenen Problematiken mit Peer Review: Eve, Martin P.; Neylon, Cameron; O’Donnell, Daniel P.; Moore, Samuel; Gadie, Robert; Odeniyi, Victoria; Parvin, Shahina (2021). Reading Peer Review: PLOS ONE and Institutional Change in Academia. Cambridge University Press. https://doi.org/10.1017/9781108783521, S. 8. Vgl. zum Problem der Intransparenz die kritische Betrachtung von Hirschi, Caspar (2018). Wie die Peer Review die Wissenschaft diszipliniert. Merkur. Deutsche Zeitschrift für europäisches Denken 72 (832): S. 519.

[6] Tony Ross-Hellauer hat 2017 sieben Stufen für Open Peer Review definiert: (1) open identies, (2) open reports, (3) open participation, (4) open interaction, (5) open pre-manuscript, (6) open final-version commenting, (7) open platforms, siehe: Ross-Hellauer, Tony (2017). What Is Open Peer Review? A Systematic Review. Version 2.0. F1000Research 6 (588): 39 S. https://doi.org/10.12688/f1000research.11369.2, S. 7.

[7] Vgl. Burghardt, Manuel; Czmiel, Alexander; Dieckmann, Lisa; Guhr, Svenja; Jacke, Janina; Reiter, Nils; Scholger, Walter; Wuttke, Ulrike (2022). Offen für alle(s)? Open Identities im Reviewprozess der DHd-Konferenz. Gehalten auf der DHd 2022 Kulturen des digitalen Gedächtnisses: 8. Tagung des Verbands „Digital Humanities im deutschsprachigen Raum“ (DHd 2022), Potsdam. https://doi.org/10.5281/zenodo.6328145.

[8] Vgl. Fadeeva, Yuliya (2021). Qualitative Sprünge in der Qualitätssicherung? Potenziale digitaler Open-Peer-Review-Formate. Version 1.0. Zeitschrift für digitale Geisteswissenschaften. Sonderband 5 (Fabrikation von Erkenntnis. Experimente in den Digital Humanities). https://doi.org/10.17175/sb005_002.

[9] Daniel Herron hat 2012 in einer Modellstudie berechnet, das crowd-Review genauso gute Ergebnisse wie klassisches Peer Review-Verfahren erzielen könnte – unter der Voraussetzung, dass mindestens 50 Personen teilnehmen, vgl. Herron, Daniel M. (2012). Is Expert Peer Review Obsolete? A Model Suggests That Post-Publication Reader Review May Exceed the Accuracy of Traditional Peer Review. Surgical Endoscopy 26 (8): 2275–2280. https://doi.org/10.1007/s00464-012-2171-1, S. 2275.

[10] Vgl. Burghardt et al. 2022; Fadeeva 2021.

[11] Vgl. Fadeeva 2021. ‚Open report‘ meint die Veröffentlichung des Reviews, ‚open participation‘ bedeutet, dass Dritte den Beitrag offen kommentieren können, vgl. Ross-Hellauer 2017, S. 7.

[12] Wissenschaftsrat (2011). Empfehlungen zur Bewertung und Steuerung von Forschungsleistung (Drs. 1656-11). https://www.wissenschaftsrat.de/download/archiv/1656-11.html (12.09.2022), S. 37.

[13] Vgl. Neuber, Frederike; Sahle, Patrick (2022): Forum: Nach den Büchern: Rezensionen digitaler Forschungsressourcen. H-Soz-Kult. www.hsozkult.de/debate/id/diskussionen-5367 (12.09.2022); sowie: Mayernik, Matthew S.; Callaghan, Sarah; Leigh, Roland; Tedds, Jonathan; Worley, Steven (2015). Peer Review of Datasets: When, Why, and How. Bulletin of the American Meteorological Society 96 (2): 191–201. https://doi.org/10.1175/BAMS-D-13-00083.1, S. 198; vgl. auch die Erfahrungen der Redaktion vom „Journal for Digital History“, Reviewer zu finden in: Štanzel, Arnošt (2022). Workshop Wrap-Up: New Horizons for Research on and in Central and Eastern Europe: The Role of Research Data Infrastructures. OstBib (Blog). https://ostbib.hypotheses.org/4089 (12.09.2022).               

[14] Siehe Neuber/Sahle 2022.

[15] Kratz, John; Strasser, Carly (2014). Data Publication Consensus and Controversies. Version 3. F1000Research 3 (94): 23 S. https://doi.org/10.12688/f1000research.3979.3, S. 7.

[16] Vgl. Kratz/Strasser 2015, S. 9, 15.

[17] Vgl. ebd., S. 9.

[18] Neuber/Sahle 2022.

[19] Vgl. Cremer/Klaffki/Steyer 2019, S. 119. Siehe auch Mayernik et.al. 2015, S. 192; Kratz/Strasser 2015, S. 9. („However, it is not obvious exactly how literature peer review processes and criteria should be adapted for data or what guarantees it should make.“).

[20] Einteilung nach Kratz/Strasser 2014, S. 5.

[21] Vgl. ebd.: „A data paper describes a dataset with thoroughly detailed rationale and collection methods, but lacks any analysis or conclusions“.

[22] https://journalofdigitalhistory.org/en (15.08.2022).

[23] https://ride.i-d-e.de (13.06.2022.) Rezensionen unterscheiden sich von Data Papern darin, dass erstere ausschließlich von Dritten verfasst werden und kritisch die Ressource betrachten, während Data Paper zumeist von den datengebenden Forschenden selbst verfasst werden dürften und die Ressource neutral beschreiben.

[24] Einer Studie des online-Journals PLOS ONE zufolge waren zwischen 1969 und 2013 bereits rund 23.000 Artikel allein zum Thema Peer-Review erschienen, vgl. Eve et al. 2021, S. 7. Die Zahl dürfte seitdem noch einmal erheblich angestiegen sein.

[25] König, Sandra; Štanzel, Arnošt (2022). Handreichung zur Bewertung der inhaltlichen Qualität von Forschungsdatensätzen. Version 1.0. Zenodo. https://doi.org/10.5281/zenodo.6965834.

[26] Vgl. dazu auch Mayernik et al. 2015, S. 193, 196; Kratz/Strasser 2015, S. 15, 17.

[27] Siehe https://www.discuss-data.net/ (12.09.2022). Das DFG-geförderte Projekt wird von der Forschungsstelle Osteuropa der Universität Bremen und der Staats- und Universitätsbibliothek Göttingen betreut.

[28] Herrmann, Felix; Kurzawe, Daniel (2020). Discuss Data: Community-zentrierter Ansatz für das Forschungsdatenmanagement in den Geistes- und Sozialwissenschaften. Bausteine Forschungsdatenmanagement, 2 (Oktober): 56–64. https://doi.org/10.17192/bfdm.2020.2.8277, S. 64.

[29] Vgl. https://discuss-data.net/#curators; sowie Hermann/Kurzawe 2020, S. 60.


Ein Gedanke zu „Überlegungen und Vorschläge hinsichtlich der Nutzung von Review-Verfahren zur wissenschaftlichen Qualitätssicherung von Forschungsdaten

  1. Liebe Frau König,

    diesem spannenden Artikel wollten wir eine noch größere Reichweite verschaffen und haben ihn deshalb in den Slider auf unserer Startseite de.hypotheses.org aufgenommen.

    Viele Grüße,

    Ulrike Stockhausen (Community Management)

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.