Data Journals als Publikationsform in den Lebenswissenschaften

Von Birte Lindstädt und Robin Rothe

Neben den klassischen wissenschaftlichen Zeitschriften gibt es einen Journaltypus, der sich ausschließlich auf Daten bezieht, dabei vielleicht aber eher unbekannt geblieben ist. In diesem Blogbeitrag geht es darum, diese Data Journals vorzustellen und näher zu beleuchten.

Was ist ein Data Journal?

Data Journals veröffentlichen sogenannte „Data Papers“ – Veröffentlichungen, die sich mit der Beschreibung von Datensätzen befassen. Im Gegensatz zu den wissenschaftlichen Artikeln, die Forschungsergebnisse zum Inhalt haben, geht es in den Data Papers hauptsächlich um die Darstellung und Beschreibung von Methoden, die zur Erstellung von Datensätzen eingesetzt wurden. Dies beinhaltet beispielsweise welche Messgeräte an welchem Ort in  welchem Zeitraum verwendet wurden, wie groß die jeweilige Grundgesamtheit an untersuchten Objekten ist und welche Berechnungen anhand welcher Formeln durchgeführt wurden. Zudem verweisen Data Papers auf den Speicherort, an dem sich die Datensätze befinden (in der Regel ein institutionelles oder fachbezogenes Repositorium). Zu beachten ist dabei, dass nur eine kleine Anzahl an Journals reine Data Journals sind. Wie in einer Studie von 2015 bezüglich Data Journals festgestellt wurde, sind die meisten Journals Mischformen, die sowohl normale Artikel als auch Data Papers publizieren (1). Zum anderen besteht zwischen den Journals nicht zwingend Einigkeit in der Benennung. Dies betrifft vor allem die Artikel. Diese werden z.B. als data article, dataset paper, data in brief, data note oder data original article bezeichnet (2).

Warum wurden Data Journals entwickelt?

Die Idee hinter Data Journals war ursprünglich, Forschungsergebnisse in Form von Datensätzen, die auf einem institutionellen Repositorium zwischen unzähligen anderen Daten versteckt lagen, bekannter zu machen, damit diese auch beachtet und gelesen werden (3). Es sollten also Forschungsergebnisse durch die Publikation von Beschreibungen von Datensätzen transparenter und besser sichtbar gemacht werden. Grundsätzlich ging es den Pionieren der Data Journals – das International Journal of Robotics Research erschien 2009 als erstes Data Journal – darum, die Datensätze zitierfähig zu machen und damit zu ihrer Verbreitung beizutragen. Zudem bieten sie eine Möglichkeit, die Ergebnisse von Forschung anhand einer Beschreibung der Vorgehensweise zur Erstellung der Daten zusätzlich inhaltlich aufzubereiten und für die Nachnutzung besser nachvollziehbar zu machen.

Wer bietet Data Journals an?

Neben vielen kleinen Anbietern von einzelnen Data Journals, welche zum Teil aus Fachgesellschaften entstanden sind, sind hier BioMed Central, Pensoft  und SpringerOpen als namhafte Verlage mit drei oder mehr Data Journals zu nennen, welche allerdings teilweise nur gemischte Journals anbieten (4). Dazu kommt Ubiquity Press (5) als kleinerer Verlag, welcher reine Data Journals anbietet.

Welche Beispiele aus den Lebenswissenschaften gibt es?

Für eine Betrachtung über die Lebenswissenschaften hinaus empfiehlt sich die Liste von Pauline Ward im Wiki der University of Edinburgh (6). Des Weiteren hat das Wiki forschungsdaten.org eine Liste mit Data Journals begonnen, welche zur Ergänzung herangezogen werden kann (7).

Wo liegen Problemfelder der Data Journals?

Da Data Journals noch recht neu sind, haben sich noch keine einheitlichen Regelungen für Autorinnen und Autoren gebildet. Insbesondere in Bezug auf inhaltliche Beschreibungen, die beispielsweise die Qualität der Messungen inklusive Benennung eventuell aufgetretener Anomalien oder die Informationen zur Nachnutzung betreffen, fehlen bei sehr vielen Data Journals Regeln. Dies kann zu erheblichen Qualitätsschwankungen von Data Papers innerhalb desselben Data Journals führen. Durch Peer-Review-Verfahren ist dies nur dann zu verändern, wenn der Peer-Review-Bogen den neuen Anforderungen angepasst wird und zum Beispiel bei Auslassungen von Messergebnissen, Ungenauigkeiten und anderen nicht dokumentierten Vorfällen gegebenenfalls ein Data Paper abgelehnt wird.

Darüber hinaus nimmt die Publikation von Forschungsdaten in eigens dafür vorgesehenen Repositorien zu, die die Ergänzung der Daten durch Metadaten fordern, um die Auffindbarkeit zu verbessern. Dadurch steigt der Anreiz, Forschungsdaten mit beschreibenden Metadaten aufzubereiten. Wenn dies nicht in den Metadaten direkt geschieht, dann gegebenenfalls über eine Art Read-me-Datei, die angefügt wird. Damit werden genau die Informationen abgebildet, die ein Data Paper beinhaltet. Dies gewährleistet die direkte Zitierung und den Zugriff auf die Forschungsdaten ohne den Umweg über ein Data Journal.

Trotzdem können Data Journals und die Idee dahinter eine Basis zur Diskussion sein, wie und in welchem (Mindest-)Maß Informationen zur Nachnutzung von Forschungsdaten mit eben diesen verknüpft werden.


 

(1) Vgl. Candela, Leonardo; Castelli, Donatella; Manghi, Paolo; Tani, Alice (2015): Data journals. A survey. In: J Assn Inf Sci Tec 66 (9), S. 1747–1762.  S.1750. Abgerufen am 01.02.2017

(2) Vgl. ebd. S.1752- 7153. Abgerufen am 01.02.2017

(3) Vgl. Pfeiffenberger, H., & Carlson, D. (2011). “Earth System Science Data” (ESSD)—A peer reviewed journal for publication of data. D-Lib Magazine, 17(1/2). Abgerufen am 01.02.2017

(4) Vgl. GBIF (o.J.): Journals that publish data papers. Abgerufen am 01.02.2017

(5) Vgl. Ubiquity Press (o.J.): UPmetajournals. Abgerufen am 01.02.2017

(6) Vgl. Ward, Pauline (29.09.2016): Sources of dataset peer review. Abgerufen am 01.02.2017

(7) Vgl. forschungsdaten.org (09.12.2016): Data Journals. Abgerufen am 01.02.2017

Institutionelle Data Policies am Beispiel der deutschen Hochschullandschaft

von Birte Lindstädt und Robin Rothe

Im Blogbeitrag „Data Policies bei wissenschaftlichen Verlagen“ wurde bereits angedeutet, dass Data Policies schon seit längerem ein viel diskutiertes Thema auf institutioneller Ebene sind. Zum besseren Verständnis und zur Verortung der Policies von wissenschaftlichen Verlagen soll in diesem Blogbeitrag der Status Quo zu diesem Thema in der deutschen Hochschullandschaft beleuchtet werden. Dabei spielen die „Vorschläge zur Sicherung guter wissenschaftlicher Praxis“ seitens der DFG (1)  eine bedeutende Rolle. Sie gelten als Maßstab im Bezug auf den Umgang mit Forschungsdaten und damit auch der Festlegung von Regeln bzw. Verhaltenskodizes. In diesem Zusammenhang hat die Hochschulrektorenkonferenz (HRK) im November 2015 auf der 19. Mitgliederversammlung Empfehlungen zur Steuerung der Entwicklung von Forschungsdatenmanagement seitens der Hochschulleitungen beschlossen (2).

Die nachfolgende Tabelle orientiert sich an den dort festgelegten Punkten eines idealtypischen Prozesses zur Erstellung von Richtlinien für Forschungsdatenmanagement im Hochschulkontext, die auch auf andere Institutionen übertragen werden können. Ergänzt werden die dort genannten Bestandteile einer Data Policy durch Beispiele aus bereits existierenden Research Data Policies, die aus dem Wiki „forschungsdaten.org“ entnommen wurden (3). Die vorgestellte Liste der Beispiele ist nicht abschließend. Weitere Hochschulen haben mittlerweile eine Data Policy beschlossen – wie z. B. die RWTH Aachen (4), die aber nicht auf „forschungsdaten.org“ verzeichnet wurden.

Tabelle: Zielsetzung und Bestandteile einer Research Data Policy

Zielsetzung und Bestandteile einer Research Data Policy

Die Reihenfolge, wie sie die HRK empfiehlt, wird in den einzelnen Data Policies nicht unbedingt eingehalten und es werden nicht in allen Policies alle Punkte abgedeckt. Dies kann aber in Anbetracht der Tatsache, dass alle vorgestellten Policies vor dem Beschluss der HRK Ende des Jahres 2015 formuliert und veröffentlicht wurden, nicht erwartet werden. Vielmehr ist erkennbar, dass bereits vor einer hochschulübergreifenden Debatte an einzelnen Universitäten das Thema Forschungsdaten und dabei insbesondere die Bedeutung von Data Policies als Instrument im Forschungsdatenmanagement erkannt wurden. Insofern haben alle genannten Hochschulen Pionierarbeit in Sachen Research Data Policies in Deutschland geleistet.


(1) DFG (2013). Vorschläge zur Sicherung guter wissenschaftlicher Praxis: Empfehlungen der Kommission „Selbstkontrolle in der Wissenschaft“. In DFG (2013). Denkschrift „Sicherung guter wissenschaftlicher Praxis“ (S.5-55).

(2) Vgl. Hochschulrektorenkonferenz (2015). Wie Hochschulleitungen die Entwicklung des Forschungsdatenmanagements steuern können. Orientierungspfade, Handlungsoptionen, Szenarien: Empfehlung der 19. HRK-Mitgliederversammlung am 10.11.2015.

(3) Vgl. Data Policies: Institutionelle Policies (17.10.2016). In forschungsdaten.org.

(4) RWTH Aachen (2016): Forschungsdatenmanagement an der RWTH Aachen.