Projekte in der Digitalen Geschichte sind auf hochqualitative Datensets angewiesen – egal ob sie sie für komplexe Machine Learning-Verfahren verwenden oder ob sie sich nur für einzelne Datenpunkte interessieren, die ergänzend zu einer traditionellen hermeneutischen Analyse granular ausgewertet werden sollen. Aber was bedeutet „hochqualitativ“ eigentlich für die historisch arbeitenden Geisteswissenschaften?
„Simon Donig, Anna-Lena Körfer: Was bedeutet Datenqualität in den historisch arbeitenden Fächern? Auf dem Weg zu einem Daten-editorischen Framework für die Erzeugung und Publikation FAIRer Forschungsdaten“ weiterlesenSophie Eckenstaler: Open Science in den Geschichtswissenschaften? Konzeption eines offenen Forschungsdatenmanagements für das Forschungsfeld zur Vernichtung der jüdischen Gewerbetätigkeit im Nationalsozialismus (MA-Arbeit)
Hinführung zum Thema: Warum Open Science?
Seit den 2010er Jahren und zuletzt 2015 erhielten in der Psychologie sowie in den Lebens- und Naturwissenschaften zunehmend Replikationsstudien Aufmerksamkeit. Diese konnten in sogenannten Replikationsversuchen eine statistisch signifikante Anzahl publizierter empirischer Forschungsergebnisse in wissenschaftlichen Zeitschriften falsifizieren bzw. nicht replizieren, weil die Daten nicht zur Verfügung standen. Das löste die kontrovers diskutierte “Replikationskrise” in den Fächern aus. In dieser ging es vor allem um Ursachenforschung, die sich auf Defizite insbesondere bei den Forschungsmethoden und in der Publikationspraxis fokussierte. Aber auch die Replikationsstudien selbst wurden kritisch hinterfragt. Kurzum ging es um die existenzielle Frage, wie Wissenschaft praktiziert werden muss, dass wissenschaftliche Forschung reliabel ist.