diff --git a/.gitignore b/.gitignore index 74288ce..00eb5c7 100644 --- a/.gitignore +++ b/.gitignore @@ -4,4 +4,5 @@ _build __pycache__ .DS_Store venv -.venv \ No newline at end of file +.venv +**/.schema_cache/ diff --git a/.zenodo.json b/.zenodo.json index db4493a..25be337 100644 --- a/.zenodo.json +++ b/.zenodo.json @@ -23,7 +23,7 @@ "orcid": "0000-0001-8421-103X" } ], - "description": "

Diese Open Educational Resource (OER) stellt anhand einer Fallstudie dar, wie für die Bearbeitung einer filmwissenschaftlichen Fragestellung digitale Verfahren eingesetzt werden können. Es werden studentische Filme der Filmuniversität Babelsberg KONRAD WOLF untersucht und welche Veränderungen sich bei diesen in den Jahren 1985 bis 1999 erkennen lassen. Im Mittelpunkt stehen dabei Metadaten und filmografische Angaben zu den Filmen, Prozesse der Datenbereinigung mit OpenRefine und Möglichkeiten der Datenvisualisierung.

\n

Dieses interaktive Lehrbuch kann als Web-Version verwendet, zur individuellen Anpassung heruntergeladen werden und steht darüber hinaus auch auf GitHub zur Verfügung.

\n

Die QUADRIGA-OER sind nach einem einheitlichen Template gestaltet, werden nach einem standardisierten Verfahrenqualitätsgeprüft und mit Metadaten nach dem QUADRIGA-Metadatenschema ausgezeichnet.

\n
QUADRIGA Datenkompetenzzentrum
\n

QUADRIGA ist das Datenkompetenzzentrum der Wissenschaftsregion Berlin-Brandenburg. Für die beiden Anwendungsdomänen Digital Humanities und Verwaltungswissenschaft entstehen unter der Einbindung der Expertise der beiden Disziplinen Informatik und Informationswissenschaft Selbstlernangebote, die als OER in Form von Jupyter Books zur freien Nachnutzung zur Verfügung gestellt werden. Um den Forschungsprozess möglichst realistisch abzubilden, basieren die OER auf Fallstudien, denen wiederum ein eigens für das Projekt entwickeltes Datenkompetenzframework zugrunde liegt. Die Fallstudien nehmen drei für die Anwendungsdomänen repräsentativen Datentypen in den Blick: Bewegtes Bild, Tabelle und Text.

\n

Zu den Zielgruppen von QUADRIGA zählen insbesondere promovierende und promovierte Wissenschaftler*innen der genannten Disziplinen, die den Umgang mit digitalen Daten, Methoden und Werkzeugen erlernen und weiterentwickeln wollen.

\n

QUADRIGA ist eins von 11 Datenkompetenzzentren in Deutschland und wird vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) und von der Europäischen Union im Rahmen von NextGenerationEU finanziert. Zu den Verbundpartnern zählen:\n

\n

\n\n

Mehr zum Aufbau und zur Umsetzung des Projekts können Sie im Umsetzungskonzept erfahren.

\n\n

Weitere Informationen sowie Publikationen finden Sie auf der Webseite, in der Zenodo-Community und der GitHub-Organisation des Projekts.

\n", + "description": "

Diese Open Educational Resource (OER) stellt anhand einer Fallstudie dar, wie für die Bearbeitung einer filmwissenschaftlichen Fragestellung digitale Verfahren eingesetzt werden können. Es werden studentische Filme der Filmuniversität Babelsberg KONRAD WOLF untersucht und welche Veränderungen sich bei diesen in den Jahren 1985 bis 1999 erkennen lassen. Im Mittelpunkt stehen dabei Metadaten und filmografische Angaben zu den Filmen, Prozesse der Datenbereinigung mit OpenRefine und Möglichkeiten der Datenvisualisierung.

\n

Dieses interaktive Lehrbuch kann als Web-Version verwendet, zur individuellen Anpassung heruntergeladen werden und steht darüber hinaus auch auf GitHub zur Verfügung.

\n

Die QUADRIGA-OER sind nach einem einheitlichen Template gestaltet, werden nach einem standardisierten Verfahren qualitätsgeprüft und mit Metadaten nach dem QUADRIGA-Metadatenschema ausgezeichnet.

\n
QUADRIGA Datenkompetenzzentrum
\n

QUADRIGA ist das Datenkompetenzzentrum der Wissenschaftsregion Berlin-Brandenburg. Für die beiden Anwendungsdomänen Digital Humanities und Verwaltungswissenschaft entstehen unter der Einbindung der Expertise der beiden Disziplinen Informatik und Informationswissenschaft Selbstlernangebote, die als OER in Form von Jupyter Books zur freien Nachnutzung zur Verfügung gestellt werden. Um den Forschungsprozess möglichst realistisch abzubilden, basieren die OER auf Fallstudien, denen wiederum ein eigens für das Projekt entwickeltes Datenkompetenzframework zugrunde liegt. Die Fallstudien nehmen drei für die Anwendungsdomänen repräsentativen Datentypen in den Blick: Bewegtes Bild, Tabelle und Text.

\n

Zu den Zielgruppen von QUADRIGA zählen insbesondere promovierende und promovierte Wissenschaftler*innen der genannten Disziplinen, die den Umgang mit digitalen Daten, Methoden und Werkzeugen erlernen und weiterentwickeln wollen.

\n

QUADRIGA ist eins von 11 Datenkompetenzzentren in Deutschland und wird vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) und von der Europäischen Union im Rahmen von NextGenerationEU finanziert. Zu den Verbundpartnern zählen:\n

\n

\n\n

Mehr zum Aufbau und zur Umsetzung des Projekts können Sie im Umsetzungskonzept erfahren.

\n\n

Weitere Informationen sowie Publikationen finden Sie auf der Webseite, in der Zenodo-Community und der GitHub-Organisation des Projekts.

\n", "publication_date": "2026-02-19", "keywords": [ "Open Educational Resource", diff --git "a/Checkliste_Qualit\303\244tssicherung.md" "b/Checkliste_Qualit\303\244tssicherung.md" new file mode 100644 index 0000000..3f7e2c4 --- /dev/null +++ "b/Checkliste_Qualit\303\244tssicherung.md" @@ -0,0 +1,54 @@ +# Checkliste Qualitätssicherung + +[Qualitätssicherungskonzept für die Publikation von QUADRIGA Lernmaterialien](https://doi.org/10.5281/zenodo.18953896) + +## Inhalt +- [ ] Stand der Forschung +- [ ] Aktualität und Relevanz +- [ ] Fachliche Korrektheit +- [ ] Verständlichkeit/Nachvollziehbarkeit +- [ ] Rechtliche (und ethische) Aspekte + +--- + +## Didaktik +- [ ] Zielgruppe +- [ ] Vorwissen +- [ ] Lernziele +- [ ] Dauer +- [ ] Vermittlungswege +- [ ] Assessment +- [ ] Erprobung + +--- + +## Technik +- [ ] Funktionsfähigkeit +- [ ] Code-Abhängigkeiten +- [ ] Dateiformate +- [ ] Open Source Tools + +--- + +## Formalia +- [ ] Struktur und Gestaltung +- [ ] Modularität +- [ ] Wissenschaftlicher Standard +- [ ] Formale Korrektheit +- [ ] Vollständigkeit +- [ ] Kommentarfunktion + +--- + +## Publikation +- [ ] FAIR-Assessment +- [ ] Metadaten +- [ ] PID +- [ ] Versionierung und Upload +- [ ] Dokumentation +- [ ] Zitationshinweis + +--- + +## Kommunikation +- [ ] Publikationshinweis diff --git a/metadata.jsonld b/metadata.jsonld index 768d88c..302fe28 100644 --- a/metadata.jsonld +++ b/metadata.jsonld @@ -263,7 +263,7 @@ "@type": "AlignmentObject", "targetName": "Verschiedene Definitionsansätze und Arbeitsbereiche der Digital Humanities können unterschieden werden.", "educationalFramework": "QUADRIGA Competency Framework", - "targetDescription": "Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar" + "targetDescription": "Competency: Orientierungswissen | Bloom's: 1 Erinnern | Data Flow: übergreifend" } ] }, @@ -279,25 +279,25 @@ "@type": "AlignmentObject", "targetName": "Das Vorgehen bei der Materialrecherche kann beschrieben und angewendet werden.", "educationalFramework": "QUADRIGA Competency Framework", - "targetDescription": "Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar" + "targetDescription": "Competency: 1.1 Identifikation | Bloom's: 1 Erinnern | Data Flow: 1 Planung" }, { "@type": "AlignmentObject", "targetName": "Die Konzepte Daten und Metadaten können kritisch reflektiert werden.", "educationalFramework": "QUADRIGA Competency Framework", - "targetDescription": "Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar" + "targetDescription": "Competency: 1.1 Identifikation | Bloom's: 5 Bewerten | Data Flow: 1 Planung" }, { "@type": "AlignmentObject", "targetName": "Eine Fragestellung kann operationalisiert und eingegrenzt werden.", "educationalFramework": "QUADRIGA Competency Framework", - "targetDescription": "Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar" + "targetDescription": "Competency: 1.1 Identifikation | Bloom's: 3 Anwenden | Data Flow: 1 Planung" }, { "@type": "AlignmentObject", "targetName": "Ein zur Fragestellung passendes Korpus kann gebildet werden.", "educationalFramework": "QUADRIGA Competency Framework", - "targetDescription": "Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar" + "targetDescription": "Competency: 1.1 Identifikation | Bloom's: 3 Anwenden | Data Flow: 1 Planung" } ] }, @@ -313,19 +313,19 @@ "@type": "AlignmentObject", "targetName": "Der Begriff Datenmodell kann definiert werden.", "educationalFramework": "QUADRIGA Competency Framework", - "targetDescription": "Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar" + "targetDescription": "Competency: 2.2 Validierung | Bloom's: 1 Erinnern | Data Flow: 2 Erhebung und Aufbereitung" }, { "@type": "AlignmentObject", "targetName": "Die Fähigkeit zur Beschreibung und Analyse einer Datenquelle wird erworben.", "educationalFramework": "QUADRIGA Competency Framework", - "targetDescription": "Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar" + "targetDescription": "Competency: 2.2 Validierung | Bloom's: 4 Analysieren | Data Flow: 2 Erhebung und Aufbereitung" }, { "@type": "AlignmentObject", "targetName": "Ein Datensatz kann mithilfe des Tools *OpenRefine* bereinigt werden.", "educationalFramework": "QUADRIGA Competency Framework", - "targetDescription": "Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar" + "targetDescription": "Competency: 2.3 Aufbereitung | Bloom's: 3 Anwenden | Data Flow: 2 Erhebung und Aufbereitung" } ] }, @@ -341,13 +341,13 @@ "@type": "AlignmentObject", "targetName": "Die Grundlagen der Datenvisualisierung können beschrieben werden.", "educationalFramework": "QUADRIGA Competency Framework", - "targetDescription": "Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar" + "targetDescription": "Competency: 4.2 Visualisierung | Bloom's: 1 Erinnern | Data Flow: 4 Analyse" }, { "@type": "AlignmentObject", "targetName": "Die Schritte bei der Datenvisualisierung und Datenauswertung können anhand exemplarischer Beispiele dargestellt werden.", "educationalFramework": "QUADRIGA Competency Framework", - "targetDescription": "Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar" + "targetDescription": "Competency: 4.2 Visualisierung | Bloom's: 1 Erinnern | Data Flow: 4 Analyse" } ] }, @@ -363,19 +363,19 @@ "@type": "AlignmentObject", "targetName": "Die Grundzüge des Forschungsdatenmanagements in der Filmwissenschaft können umrissen werden.", "educationalFramework": "QUADRIGA Competency Framework", - "targetDescription": "Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar" + "targetDescription": "Competency: Orientierungswissen | Bloom's: 1 Erinnern | Data Flow: übergreifend" }, { "@type": "AlignmentObject", "targetName": "Verschiedene Formen der Datenpublikation können unterschieden werden.", "educationalFramework": "QUADRIGA Competency Framework", - "targetDescription": "Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar" + "targetDescription": "Competency: 5.2 Datenpublikation | Bloom's: 1 Erinnern | Data Flow: 5 Publikation und Nachnutzung" }, { "@type": "AlignmentObject", "targetName": "Die Problemfelder und rechtliche Voraussetzungen bei der Datenpublikation können erläutert werden.", "educationalFramework": "QUADRIGA Competency Framework", - "targetDescription": "Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar" + "targetDescription": "Competency: 1.3 Ethik und Recht | Bloom's: 2 Verstehen | Data Flow: 1 Planung" } ] }, diff --git a/metadata.rdf b/metadata.rdf index ce06daf..4590120 100644 --- a/metadata.rdf +++ b/metadata.rdf @@ -7,67 +7,67 @@ QUADRIGA Competency Framework - Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar + Competency: Orientierungswissen | Bloom's: 1 Erinnern | Data Flow: übergreifend Verschiedene Definitionsansätze und Arbeitsbereiche der Digital Humanities können unterschieden werden. QUADRIGA Competency Framework - Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar + Competency: 1.1 Identifikation | Bloom's: 1 Erinnern | Data Flow: 1 Planung Das Vorgehen bei der Materialrecherche kann beschrieben und angewendet werden. QUADRIGA Competency Framework - Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar + Competency: 1.1 Identifikation | Bloom's: 5 Bewerten | Data Flow: 1 Planung Die Konzepte Daten und Metadaten können kritisch reflektiert werden. QUADRIGA Competency Framework - Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar + Competency: 1.1 Identifikation | Bloom's: 3 Anwenden | Data Flow: 1 Planung Eine Fragestellung kann operationalisiert und eingegrenzt werden. QUADRIGA Competency Framework - Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar + Competency: 1.1 Identifikation | Bloom's: 3 Anwenden | Data Flow: 1 Planung Ein zur Fragestellung passendes Korpus kann gebildet werden. QUADRIGA Competency Framework - Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar + Competency: 2.2 Validierung | Bloom's: 1 Erinnern | Data Flow: 2 Erhebung und Aufbereitung Der Begriff Datenmodell kann definiert werden. QUADRIGA Competency Framework - Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar + Competency: 2.2 Validierung | Bloom's: 4 Analysieren | Data Flow: 2 Erhebung und Aufbereitung Die Fähigkeit zur Beschreibung und Analyse einer Datenquelle wird erworben. QUADRIGA Competency Framework - Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar + Competency: 2.3 Aufbereitung | Bloom's: 3 Anwenden | Data Flow: 2 Erhebung und Aufbereitung Ein Datensatz kann mithilfe des Tools *OpenRefine* bereinigt werden. QUADRIGA Competency Framework - Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar + Competency: 4.2 Visualisierung | Bloom's: 1 Erinnern | Data Flow: 4 Analyse Die Grundlagen der Datenvisualisierung können beschrieben werden. QUADRIGA Competency Framework - Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar + Competency: 4.2 Visualisierung | Bloom's: 1 Erinnern | Data Flow: 4 Analyse Die Schritte bei der Datenvisualisierung und Datenauswertung können anhand exemplarischer Beispiele dargestellt werden. QUADRIGA Competency Framework - Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar + Competency: Orientierungswissen | Bloom's: 1 Erinnern | Data Flow: übergreifend Die Grundzüge des Forschungsdatenmanagements in der Filmwissenschaft können umrissen werden. QUADRIGA Competency Framework - Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar + Competency: 5.2 Datenpublikation | Bloom's: 1 Erinnern | Data Flow: 5 Publikation und Nachnutzung Verschiedene Formen der Datenpublikation können unterschieden werden. QUADRIGA Competency Framework - Competency: nicht anwendbar | Bloom's: nicht anwendbar | Data Flow: nicht anwendbar + Competency: 1.3 Ethik und Recht | Bloom's: 2 Verstehen | Data Flow: 1 Planung Die Problemfelder und rechtliche Voraussetzungen bei der Datenpublikation können erläutert werden. diff --git a/metadata.yml b/metadata.yml index 3101779..d16ec2c 100644 --- a/metadata.yml +++ b/metadata.yml @@ -100,9 +100,9 @@ chapters: learning-objectives: - learning-objective: Verschiedene Definitionsansätze und Arbeitsbereiche der Digital Humanities können unterschieden werden. - competency: nicht anwendbar - data-flow: nicht anwendbar - blooms-category: nicht anwendbar + competency: Orientierungswissen + data-flow: übergreifend + blooms-category: 1 Erinnern - title: Vorarbeiten und Recherche url: https://quadriga-dk.github.io/Bewegtes-Bild-Fallstudie-2/recherche/toc.html description: Das zu untersuchende Filmkorpus wird durch eine Materialrecherche zur @@ -114,23 +114,23 @@ chapters: learning-objectives: - learning-objective: Das Vorgehen bei der Materialrecherche kann beschrieben und angewendet werden. - competency: nicht anwendbar - data-flow: nicht anwendbar - blooms-category: nicht anwendbar + competency: 1.1 Identifikation + data-flow: 1 Planung + blooms-category: 1 Erinnern - learning-objective: Die Konzepte Daten und Metadaten können kritisch reflektiert werden. - competency: nicht anwendbar - data-flow: nicht anwendbar - blooms-category: nicht anwendbar + competency: 1.1 Identifikation + data-flow: 1 Planung + blooms-category: 5 Bewerten - learning-objective: Eine Fragestellung kann operationalisiert und eingegrenzt werden. - competency: nicht anwendbar - data-flow: nicht anwendbar - blooms-category: nicht anwendbar + competency: 1.1 Identifikation + data-flow: 1 Planung + blooms-category: 3 Anwenden - learning-objective: Ein zur Fragestellung passendes Korpus kann gebildet werden. - competency: nicht anwendbar - data-flow: nicht anwendbar - blooms-category: nicht anwendbar + competency: 1.1 Identifikation + data-flow: 1 Planung + blooms-category: 3 Anwenden - title: Datenerhebung und Datenbereinigung url: https://quadriga-dk.github.io/Bewegtes-Bild-Fallstudie-2/bereinigung/toc.html description: Die Rolle von Datenmodellen und einer guten Datenstruktur wird erläutert. @@ -140,19 +140,19 @@ chapters: time-required: PT2H learning-objectives: - learning-objective: Der Begriff Datenmodell kann definiert werden. - competency: nicht anwendbar - data-flow: nicht anwendbar - blooms-category: nicht anwendbar + competency: 2.2 Validierung + data-flow: 2 Erhebung und Aufbereitung + blooms-category: 1 Erinnern - learning-objective: Die Fähigkeit zur Beschreibung und Analyse einer Datenquelle wird erworben. - competency: nicht anwendbar - data-flow: nicht anwendbar - blooms-category: nicht anwendbar + competency: 2.2 Validierung + data-flow: 2 Erhebung und Aufbereitung + blooms-category: 4 Analysieren - learning-objective: Ein Datensatz kann mithilfe des Tools *OpenRefine* bereinigt werden. - competency: nicht anwendbar - data-flow: nicht anwendbar - blooms-category: nicht anwendbar + competency: 2.3 Aufbereitung + data-flow: 2 Erhebung und Aufbereitung + blooms-category: 3 Anwenden - title: Datenauswertung und Datenvisualisierung url: https://quadriga-dk.github.io/Bewegtes-Bild-Fallstudie-2/auswertung/toc.html description: Es werden theoretische Grundlagen der Datenvisualisierung geklärt und @@ -163,14 +163,14 @@ chapters: learning-objectives: - learning-objective: Die Grundlagen der Datenvisualisierung können beschrieben werden. - competency: nicht anwendbar - data-flow: nicht anwendbar - blooms-category: nicht anwendbar + competency: 4.2 Visualisierung + data-flow: 4 Analyse + blooms-category: 1 Erinnern - learning-objective: Die Schritte bei der Datenvisualisierung und Datenauswertung können anhand exemplarischer Beispiele dargestellt werden. - competency: nicht anwendbar - data-flow: nicht anwendbar - blooms-category: nicht anwendbar + competency: 4.2 Visualisierung + data-flow: 4 Analyse + blooms-category: 1 Erinnern - title: Datenpublikation url: https://quadriga-dk.github.io/Bewegtes-Bild-Fallstudie-2/publikation/toc.html description: Es wird auf den Stand des Forschungsdatenmanagement in der Filmwissenschaft @@ -181,19 +181,19 @@ chapters: learning-objectives: - learning-objective: Die Grundzüge des Forschungsdatenmanagements in der Filmwissenschaft können umrissen werden. - competency: nicht anwendbar - data-flow: nicht anwendbar - blooms-category: nicht anwendbar + competency: Orientierungswissen + data-flow: übergreifend + blooms-category: 1 Erinnern - learning-objective: Verschiedene Formen der Datenpublikation können unterschieden werden. - competency: nicht anwendbar - data-flow: nicht anwendbar - blooms-category: nicht anwendbar + competency: 5.2 Datenpublikation + data-flow: 5 Publikation und Nachnutzung + blooms-category: 1 Erinnern - learning-objective: Die Problemfelder und rechtliche Voraussetzungen bei der Datenpublikation können erläutert werden. - competency: nicht anwendbar - data-flow: nicht anwendbar - blooms-category: nicht anwendbar + competency: 1.3 Ethik und Recht + data-flow: 1 Planung + blooms-category: 2 Verstehen - title: Zusammenfassung und Reflexion url: https://quadriga-dk.github.io/Bewegtes-Bild-Fallstudie-2/zusammenfassung/reflexion.html description: Die Inhalte der OER werden zusammengefasst und kritisch reflektiert. diff --git a/praeambel/lernziele.md b/praeambel/lernziele.md index 8611e62..8984aa4 100644 --- a/praeambel/lernziele.md +++ b/praeambel/lernziele.md @@ -6,7 +6,7 @@ Das hier vorliegende interaktive Lehrbuch verfolgt folgende Lernziele: :class: lernziele -1. Verschiedene Definitionsansätze und Arbeitsbereiche der Digital Humanities können unterschieden werden. +1. Verschiedene Definitionsansätze und Arbeitsbereiche der Digital Humanities können unterschieden werden. ``` @@ -14,10 +14,10 @@ Das hier vorliegende interaktive Lehrbuch verfolgt folgende Lernziele: :class: lernziele -1. Das Vorgehen bei der Materialrecherche kann beschrieben und angewendet werden. -2. Die Konzepte Daten und Metadaten können kritisch reflektiert werden. -3. Eine Fragestellung kann operationalisiert und eingegrenzt werden. -4. Ein zur Fragestellung passendes Korpus kann gebildet werden. +1. Das Vorgehen bei der Materialrecherche kann beschrieben und angewendet werden. +2. Die Konzepte Daten und Metadaten können kritisch reflektiert werden. +3. Eine Fragestellung kann operationalisiert und eingegrenzt werden. +4. Ein zur Fragestellung passendes Korpus kann gebildet werden. ``` @@ -25,9 +25,9 @@ Das hier vorliegende interaktive Lehrbuch verfolgt folgende Lernziele: :class: lernziele -1. Der Begriff Datenmodell kann definiert werden. -2. Die Fähigkeit zur Beschreibung und Analyse einer Datenquelle wird erworben. -3. Ein Datensatz kann mithilfe des Tools *OpenRefine* bereinigt werden. +1. Der Begriff Datenmodell kann definiert werden. +2. Die Fähigkeit zur Beschreibung und Analyse einer Datenquelle wird erworben. +3. Ein Datensatz kann mithilfe des Tools *OpenRefine* bereinigt werden. ``` @@ -35,8 +35,8 @@ Das hier vorliegende interaktive Lehrbuch verfolgt folgende Lernziele: :class: lernziele -1. Die Grundlagen der Datenvisualisierung können beschrieben werden. -2. Die Schritte bei der Datenvisualisierung und Datenauswertung können anhand exemplarischer Beispiele dargestellt werden. +1. Die Grundlagen der Datenvisualisierung können beschrieben werden. +2. Die Schritte bei der Datenvisualisierung und Datenauswertung können anhand exemplarischer Beispiele dargestellt werden. ``` @@ -44,9 +44,9 @@ Das hier vorliegende interaktive Lehrbuch verfolgt folgende Lernziele: :class: lernziele -1. Die Grundzüge des Forschungsdatenmanagements in der Filmwissenschaft können umrissen werden. -2. Verschiedene Formen der Datenpublikation können unterschieden werden. -3. Die Problemfelder und rechtliche Voraussetzungen bei der Datenpublikation können erläutert werden. +1. Die Grundzüge des Forschungsdatenmanagements in der Filmwissenschaft können umrissen werden. +2. Verschiedene Formen der Datenpublikation können unterschieden werden. +3. Die Problemfelder und rechtliche Voraussetzungen bei der Datenpublikation können erläutert werden. ``` diff --git a/quadriga/metadata/create_zenodo_json.py b/quadriga/metadata/create_zenodo_json.py index 6aa21d3..c11c97d 100644 --- a/quadriga/metadata/create_zenodo_json.py +++ b/quadriga/metadata/create_zenodo_json.py @@ -254,14 +254,14 @@ def create_zenodo_json() -> bool | None: description_base = f"""

Dieses interaktive Lehrbuch kann als Web-Version verwendet, zur individuellen Anpassung heruntergeladen werden und steht darüber hinaus auch auf GitHub zur Verfügung.

-

Die QUADRIGA-OER sind nach einem einheitlichen Template gestaltet, werden nach einem standardisierten Verfahrenqualitätsgeprüft und mit Metadaten nach dem QUADRIGA-Metadatenschema ausgezeichnet.

+

Die QUADRIGA-OER sind nach einem einheitlichen Template gestaltet, werden nach einem standardisierten Verfahren qualitätsgeprüft und mit Metadaten nach dem QUADRIGA-Metadatenschema ausgezeichnet.

QUADRIGA Datenkompetenzzentrum

QUADRIGA ist das Datenkompetenzzentrum der Wissenschaftsregion Berlin-Brandenburg. Für die beiden Anwendungsdomänen Digital Humanities und Verwaltungswissenschaft entstehen unter der Einbindung der Expertise der beiden Disziplinen Informatik und Informationswissenschaft Selbstlernangebote, die als OER in Form von Jupyter Books zur freien Nachnutzung zur Verfügung gestellt werden. Um den Forschungsprozess möglichst realistisch abzubilden, basieren die OER auf Fallstudien, denen wiederum ein eigens für das Projekt entwickeltes Datenkompetenzframework zugrunde liegt. Die Fallstudien nehmen drei für die Anwendungsdomänen repräsentativen Datentypen in den Blick: Bewegtes Bild, Tabelle und Text.

Zu den Zielgruppen von QUADRIGA zählen insbesondere promovierende und promovierte Wissenschaftler*innen der genannten Disziplinen, die den Umgang mit digitalen Daten, Methoden und Werkzeugen erlernen und weiterentwickeln wollen.

QUADRIGA ist eins von 11 Datenkompetenzzentren in Deutschland und wird vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) und von der Europäischen Union im Rahmen von NextGenerationEU finanziert. Zu den Verbundpartnern zählen: