Die Qualitätssicherung von Forschungsdaten ist im Kontext offener Wissenschaft ein wichtiges Thema. Sollen geteilte Daten dabei unterstützen, Forschungsergebnisse nachzuvollziehen und die Nachnutzung von Daten ermöglicht werden, bestehen entsprechende Anforderungen an ihre Qualität. Bei Datenqualität und Qualitätssicherung im Kontext von Datenpublikationen handelt es sich allerdings um komplexe und divers verwendete Konzepte. Bislang wird die Qualitätssicherung von Datenpublikationen punktuell ausführlich beschrieben, jedoch fehlt eine Betrachtung, die die möglichen Maßnahmen systematisch beschreibt. Darüber, wie einzelne Maßnahmen bei Repositorien verbreitet sind, ist ebenfalls kaum etwas bekannt. In der Dissertation wird herausgearbeitet, wie Qualität und Qualitätssicherung für Forschungsdaten definiert und systematisiert werden können. Auf dieser Basis wird ein theoretischer Ansatz für die Systematisierung qualitätssichernder Maßnahmen erarbeitet. Er dient als Grundstruktur für die Untersuchung von Data Journals und Repositorien. Dazu werden Guidelines von 135 Data Journals und Zertifizierungsdokumente von 99 Repositorien analysiert, die das Zertifikat CoreTrustSeal in der Version 2017–2019 erhalten haben. Die Analysen zeigen, wie Datenqualität in Data Journal Guidelines und durch Repositorien definiert wird und geben einen Einblick in die Praxis der Qualitätssicherung bei Repositorien. Die Ergebnisse bilden die Grundlage für eine
Umfrage zur Verbreitung qualitätssichernder Maßnahmen, die auch offene Prozesse der Qualitätssicherung, Verantwortlichkeiten und die transparente Dokumentation der Datenqualität berücksichtigt. An der Umfrage im Jahr 2021 nahmen 332 Repositorien teil, die im Verzeichnis re3data indexiert sind. Die Ergebnisse der Untersuchungen zeigen den Status quo der Qualitätssicherung und die Definition von Datenqualität bei Data Journals und Forschungsdatenrepositorien auf. Sie zeigen außerdem, dass Repositorien mit vielfältigen Maßnahmen zur Qualitätssicherung von Datenpublikationen beitragen. Die Ergebnisse fließen in ein Framework für die Qualitätssicherung von Datenpublikationen in Repositorien ein. / Quality assurance of research data is an important issue in open science. To enable transparency in research and data reuse, shared data have to meet quality requirements. However, the concepts of data quality and quality assurance are ubiquitous, yet elusive. Quality assurance practices have been researched for data publications in Data Journals, but not systematically for research data repositories. This dissertation elaborates how quality and quality assurance for research data can be defined and systematized. On this basis, a theoretical approach for quality assurance is developed. It is used for the analysis of quality assurance practices at data journals and research data repositories. For this purpose, guidelines of 135 data journals and certification documents of 99 repositories that have received the CoreTrustSeal certificate 2017–2019 are investigated. The analyses show how data quality is defined in data journal guidelines and by repositories and provide insight into repository quality assurance practices. The results informed a questionnaire that aims at analyzing prevalence of data quality assurance at research data repositories. The survey also
covered aspects such open measures of quality assurance, responsibilities and transparent quality documentation. 332 repositories indexed in the re3data registry participated in the 2021 online survey. The results of this dissertations analyses indicate the status quo of quality assurance measures and definitions of data quality at data journals and research data repositories. Furthermore, they also show that repositories contribute to the quality assurance of data publications with a variety of measures. The results are incorporated into a framework for quality assurance of data publications at research data repositories.
| Identifer | oai:union.ndltd.org:HUMBOLT/oai:edoc.hu-berlin.de:18452/26771 |
| Date | 22 February 2023 |
| Creators | Kindling, Maxi |
| Contributors | Schirmbacher, Peter, Petras, Vivien |
| Publisher | Humboldt-Universität zu Berlin |
| Source Sets | Humboldt University of Berlin |
| Language | German |
| Detected Language | English |
| Type | doctoralThesis, doc-type:doctoralThesis |
| Format | application/pdf |
| Rights | (CC BY 4.0) Attribution 4.0 International, https://creativecommons.org/licenses/by/4.0/ |
Page generated in 0.0027 seconds