WiSe22 AK NFDI: Unterschied zwischen den Versionen
Aus ZaPFWiki
| (3 dazwischenliegende Versionen von 2 Benutzern werden nicht angezeigt) | |||
| Zeile 9: | Zeile 9: | ||
In diesem AK wollen wir diskutieren, wo unsere Prioritäten liegen und welche Themen evtl. aus anderen Arbeitssträngen wie Srefofum oder Corona-AKs wir mit einbringen wollen. | In diesem AK wollen wir diskutieren, wo unsere Prioritäten liegen und welche Themen evtl. aus anderen Arbeitssträngen wie Srefofum oder Corona-AKs wir mit einbringen wollen. | ||
= Arbeitskreis: | = Arbeitskreis: Datenkompetenzen in der Hochschullehre = | ||
'''Protokoll''' vom | '''Protokoll''' vom 12.11.2022 | ||
; Beginn | ; Beginn | ||
: | : 08:40 Uhr | ||
; Ende | ; Ende | ||
: | : 10:00 Uhr | ||
; Redeleitung | ; Redeleitung | ||
: | : Janice Bode (Münster), Philipp Jäger(Alumni) | ||
; Protokoll | ; Protokoll | ||
: | : Christian Stoß (Mainz), | ||
; Anwesende Fachschaften | ; Anwesende Fachschaften | ||
:Universidad de los Saccos Veteres, | |||
<!--: | <!--:Albert-Ludwigs-Universität Freiburg,--> | ||
<!--:Universität | <!--:Brandenburgische Technische Universität Cottbus,--> | ||
<!--:Universität | <!--:Carl von Ossietzky Universität Oldenburg,--> | ||
<!--:Christian-Albrechts-Universität zu Kiel,--> | |||
<!--:Eberhard Karls Universität Tübingen,--> | |||
<!--:Freie Universität Berlin,--> | <!--:Freie Universität Berlin,--> | ||
<!--:Friedrich-Alexander-Universität Erlangen-Nürnberg,--> | |||
:Friedrich-Schiller-Universität Jena, | |||
:Georg-August-Universität Göttingen, | |||
<!--:Heinrich Heine Universität Düsseldorf,--> | |||
<!--:Humboldt-Universität zu Berlin,--> | <!--:Humboldt-Universität zu Berlin,--> | ||
<!--: | <!--:Johann Wolfgang Goethe Universität Frankfurt am Main,--> | ||
<!--:Universität | :Johannes Gutenberg Universität Mainz, | ||
<!--:Julius-Maximilians-Universität Würzburg,--> | |||
<!--:Justus-Liebig-Universität Gießen,--> | |||
<!--:Karlsruher Institut für Technologie,--> | |||
<!--:Ludwig-Maximilians-Universität München,--> | |||
<!--:Martin-Luther-Universität Halle-Wittenberg,--> | |||
<!--:PH Ludwigsburg,--> | |||
<!--:Philipps-Universität Marburg,--> | |||
:Rheinische Friedrich-Wilhelms-Universität Bonn, | |||
<!--:Rheinisch-Westfälische Technische Hochschule Aachen,--> | |||
<!--:Ruhr-Universität Bochum,--> | <!--:Ruhr-Universität Bochum,--> | ||
<!--: | <!--:Technische Hochschule Lübeck,--> | ||
<!--:Technische Universität Bergakademie Freiberg,--> | |||
<!--:Technische Universität Berlin - Naturwissenschaften,--> | |||
<!--:Technische Universität Berlin - Physik,--> | |||
<!--:Technische Universität Braunschweig,--> | <!--:Technische Universität Braunschweig,--> | ||
<!--:Technische Universität Chemnitz,--> | <!--:Technische Universität Chemnitz,--> | ||
:Technische Universität Darmstadt, | |||
<!--:Technische Universität Dortmund,--> | <!--:Technische Universität Dortmund,--> | ||
<!--:Technische Universität Dresden,--> | <!--:Technische Universität Dresden,--> | ||
<!--: | <!--:Technische Universität Kaiserslautern,--> | ||
<!--: | <!--:Technische Universität München,--> | ||
<!--:Technische Universität | <!--:Technische Universität Wien,--> | ||
<!--: | <!--:Universität Augsburg,--> | ||
<!--: | <!--:Universität Bayreuth,--> | ||
<!--: | <!--:Universität Bielefeld,--> | ||
<!--: | <!--:Universität Bremen,--> | ||
<!--:Universität | <!--:Universität Duisburg-Essen - Duisburg,--> | ||
<!--: | <!--:Universität Duisburg-Essen - Essen,--> | ||
<!--:Universität Hamburg,--> | <!--:Universität Hamburg,--> | ||
<!--:Universität Heidelberg,--> | <!--:Universität Heidelberg,--> | ||
<!--:Universität Innsbruck,--> | <!--:Universität Innsbruck,--> | ||
:Universität Konstanz, | |||
<!--:Universität Osnabrück,--> | |||
<!--:Universität Paderborn,--> | |||
<!--: | |||
<!--: | |||
<!--:Universität Potsdam,--> | <!--:Universität Potsdam,--> | ||
<!--:Universität Rostock,--> | <!--:Universität Rostock,--> | ||
<!--:Universität Siegen,--> | <!--:Universität Siegen,--> | ||
<!--:Universität Stuttgart | <!--:Universität Stuttgart,--> | ||
<!--:Universität Wien,--> | <!--:Universität Wien,--> | ||
<!--: | <!--:Universität zu Köln,--> | ||
<!--: | <!--:Universität zu Lübeck,--> | ||
:Westfälische Wilhelms-Universität Münster, | |||
:jDPG - Junge deutsche physikalische Gesellschaft | |||
== Protokoll == | == Protokoll == | ||
[ | Was sind Datenkompetenzen?<br> | ||
Folien: [[Datei:WiSe22 Datenkompetenzen im (Physik-) Studium.pdf]] | |||
Es gibt einen Einführungsvortrag zum Thema Daten und Datenkompetenzen sowie eine Zusammenfassung der Ergebnisse vorheriger NFDI (Nationale Forschungsdaten Infrastruktur) AKs. | |||
Es wird auch nochmal über die Datenstruktur im Physikalischen Praktikum eingegangen. Außerdem werden Beispiele erläutert, wie man einfach im Praktikum das Aufnehmen und Beschriften (Metadaten) von Daten übt und austauscht, um weitere/bessere Auswertungen mit eigenen und Fremddaten durchführen zu können. | |||
Es werden ein paar Leute gesucht, die die NFDI Mandatierung übernehmen könnten. | |||
* Bonn: Frage bezüglich Datenkompetenzen in den einzelnen Unis, da Bonn sowas nicht wirklich hat | |||
** Mainz: Nutzt zwar Daten, aber keine Einführung in Metadaten, GitLab, etc (Learning by Doing) | |||
** Bonn und Mainz: fangen in späteren Semestern mit digitaler Auswertung an | |||
** Münster: fängt direkt digital (mit Fortram) an | |||
** Jena: keine Einführung in fürs Praktikum mögliche Programme | |||
** Darmstadt: Praktika grundsätzlich erst Stift/Papier, später auf einmal mit Auswerteprogrammen | |||
** Göttingen: wird auch kein Datenanalyse Tool beigebracht und wie eigene Daten aussehen sollten, im Master werden dann Daten von anderen verwendet | |||
* Wäre sinnvoll, eine Einführung in Metadaten zu bekommen | |||
* Wer macht Versuche mit ROOT? | |||
** Bonn und Mainz unter Umständen (aber ohne Einführung) | |||
* Planung von Experimenten im Grundpraktikum? | |||
** Mainz: will weg von vorgefertigten Versuchen | |||
** Darmstadt: Haben selbst die Möglichkeit, sich ein Versuch in Newtonscher Mechanik selbst zu planen | |||
** Alumni: Idee : "Messe die Erdbeschleunigung mit 3 verschiedenen Methoden" | |||
** Mainz: hat bei uns vollkommen gefehlt, wie mit Metadaten umgegangen wird | |||
* Göttingen: Einführung in Datenanalyse-Tools - sollten schon auch die Programme sein, die man später auch verwenden sollte (nicht einfach irgendeins) | |||
* Bonn: Share: Millikan Versuch läuft nicht immer gut, im Zweifel können Betreuer Daten von gut funktionierenden Durchführungen für die Auswertung austeilen, Sammelsorium an guten Datensätzen für bessere Auswertung | |||
* Göttingen: Evaluate: Man muss die Qualität der Datensätze insbesondere anderer Leute einschätzen lernen | |||
* Mainz: Austausch zwischen Gruppen fördern statt unterbinden, bisher zählt der Austausch/Vergleich der Daten im Praktikum als Betrugsversuch | |||
* Jena: Sollte man lernen, wie man vernünftig einen Datensatz aufbaut | |||
* Münster: Umgang mit Datensätzen anderer Leute ist schwerer zu bewerten, da häufig sauberes Durchführen des Versuches Teil der Bewertung ist | |||
=== Konkrete Ziele === | |||
==== Data Literacy: ==== | |||
Welche Datenkompetenzen wollen wir im Studium vertreten haben? | |||
* (Strukturierte) Nutzung von Datenanalyse-Tools | |||
** Sinnvolle Einführung in entsprechende Programme | |||
** gleiche Tools in Lehre und Nutzung | |||
* Welche Metadaten sind relevant? | |||
** bibliographische Daten | |||
** Spezifikation des Experiments, Rahmenbedingungen (z.B. Temperatur, Luftdruck,...) | |||
** Wass muss/sollte enthalten sein? | |||
* Woran erkenne ich die Qualität eines Datensatzes | |||
==== Praktikum ==== | |||
Was kann man im Praktikum zum Lernen von Datenkompetenzen umsetzen? | |||
(Unterteilung nach Data Management Lifecycle) | |||
* Plan: Ziel eines Experiments definieren, Durchführung Studis überlassen (offen lassen) | |||
** z.B. Messung von Konstanten | |||
* Collect: Metadaten mit aufnehmen, Nachstellen von Experimenten anhand nicht ausreichender Metadaten | |||
* Evaluate: "Erkenntnisse" aus Versuchen weiterverwenden | |||
* Share: Daten von anderen Gruppen wiederverwenden | |||
* Reuse: Einschätzen der Qualität von Datensätzen | |||
* Austausch zwischen Gruppen fördern statt verhindern | |||
== Zusammenfassung/Ausblick == | == Zusammenfassung/Ausblick == | ||
Es wurde den folgenden zwei Fragen nachgegangen: | |||
* Welche Datenkompetenzen wollen wir im Studium vertreten haben? | |||
* Was kann man im Praktikum zum Lernen von Datenkompetenzen umsetzen? | |||
Zur nächsten ZaPF werden diese Punkte in einem Positionspapier umgesetzt. | |||
[[Kategorie:AK-Protokolle]] | |||
[[Kategorie:WiSe22]] | |||
| Zeile 108: | Zeile 162: | ||
[[Kategorie:AK-Protokolle]] | [[Kategorie:AK-Protokolle]] | ||
[[Kategorie:WiSe22]] | [[Kategorie:WiSe22]] | ||
[[Kategorie: | [[Kategorie:Praktikum]] | ||
[[Kategorie:NFDI]] | |||
Aktuelle Version vom 10. Dezember 2022, 11:16 Uhr
Vorstellung des AKs
Verantwortliche*r: Janice (Münster), Philipp (Alumni)
Die ZaPF hat sich eine gute Position erarbeitet, um im Bereich der Digitalisierung viele von uns lange vertretene Forderungen umzusetzen, da der (nicht bindende, aber weitgehend akzeptierte) Leitfaden für Physikstudiengänge derzeit überarbeitet wird.
In diesem AK wollen wir diskutieren, wo unsere Prioritäten liegen und welche Themen evtl. aus anderen Arbeitssträngen wie Srefofum oder Corona-AKs wir mit einbringen wollen.
Arbeitskreis: Datenkompetenzen in der Hochschullehre
Protokoll vom 12.11.2022
- Beginn
- 08:40 Uhr
- Ende
- 10:00 Uhr
- Redeleitung
- Janice Bode (Münster), Philipp Jäger(Alumni)
- Protokoll
- Christian Stoß (Mainz),
- Anwesende Fachschaften
- Universidad de los Saccos Veteres,
- Friedrich-Schiller-Universität Jena,
- Georg-August-Universität Göttingen,
- Johannes Gutenberg Universität Mainz,
- Rheinische Friedrich-Wilhelms-Universität Bonn,
- Technische Universität Darmstadt,
- Universität Konstanz,
- Westfälische Wilhelms-Universität Münster,
- jDPG - Junge deutsche physikalische Gesellschaft
Protokoll
Was sind Datenkompetenzen?
Folien: Datei:WiSe22 Datenkompetenzen im (Physik-) Studium.pdf
Es gibt einen Einführungsvortrag zum Thema Daten und Datenkompetenzen sowie eine Zusammenfassung der Ergebnisse vorheriger NFDI (Nationale Forschungsdaten Infrastruktur) AKs. Es wird auch nochmal über die Datenstruktur im Physikalischen Praktikum eingegangen. Außerdem werden Beispiele erläutert, wie man einfach im Praktikum das Aufnehmen und Beschriften (Metadaten) von Daten übt und austauscht, um weitere/bessere Auswertungen mit eigenen und Fremddaten durchführen zu können. Es werden ein paar Leute gesucht, die die NFDI Mandatierung übernehmen könnten.
- Bonn: Frage bezüglich Datenkompetenzen in den einzelnen Unis, da Bonn sowas nicht wirklich hat
- Mainz: Nutzt zwar Daten, aber keine Einführung in Metadaten, GitLab, etc (Learning by Doing)
- Bonn und Mainz: fangen in späteren Semestern mit digitaler Auswertung an
- Münster: fängt direkt digital (mit Fortram) an
- Jena: keine Einführung in fürs Praktikum mögliche Programme
- Darmstadt: Praktika grundsätzlich erst Stift/Papier, später auf einmal mit Auswerteprogrammen
- Göttingen: wird auch kein Datenanalyse Tool beigebracht und wie eigene Daten aussehen sollten, im Master werden dann Daten von anderen verwendet
- Wäre sinnvoll, eine Einführung in Metadaten zu bekommen
- Wer macht Versuche mit ROOT?
- Bonn und Mainz unter Umständen (aber ohne Einführung)
- Planung von Experimenten im Grundpraktikum?
- Mainz: will weg von vorgefertigten Versuchen
- Darmstadt: Haben selbst die Möglichkeit, sich ein Versuch in Newtonscher Mechanik selbst zu planen
- Alumni: Idee : "Messe die Erdbeschleunigung mit 3 verschiedenen Methoden"
- Mainz: hat bei uns vollkommen gefehlt, wie mit Metadaten umgegangen wird
- Göttingen: Einführung in Datenanalyse-Tools - sollten schon auch die Programme sein, die man später auch verwenden sollte (nicht einfach irgendeins)
- Bonn: Share: Millikan Versuch läuft nicht immer gut, im Zweifel können Betreuer Daten von gut funktionierenden Durchführungen für die Auswertung austeilen, Sammelsorium an guten Datensätzen für bessere Auswertung
- Göttingen: Evaluate: Man muss die Qualität der Datensätze insbesondere anderer Leute einschätzen lernen
- Mainz: Austausch zwischen Gruppen fördern statt unterbinden, bisher zählt der Austausch/Vergleich der Daten im Praktikum als Betrugsversuch
- Jena: Sollte man lernen, wie man vernünftig einen Datensatz aufbaut
- Münster: Umgang mit Datensätzen anderer Leute ist schwerer zu bewerten, da häufig sauberes Durchführen des Versuches Teil der Bewertung ist
Konkrete Ziele
Data Literacy:
Welche Datenkompetenzen wollen wir im Studium vertreten haben?
- (Strukturierte) Nutzung von Datenanalyse-Tools
- Sinnvolle Einführung in entsprechende Programme
- gleiche Tools in Lehre und Nutzung
- Welche Metadaten sind relevant?
- bibliographische Daten
- Spezifikation des Experiments, Rahmenbedingungen (z.B. Temperatur, Luftdruck,...)
- Wass muss/sollte enthalten sein?
- Woran erkenne ich die Qualität eines Datensatzes
Praktikum
Was kann man im Praktikum zum Lernen von Datenkompetenzen umsetzen? (Unterteilung nach Data Management Lifecycle)
- Plan: Ziel eines Experiments definieren, Durchführung Studis überlassen (offen lassen)
- z.B. Messung von Konstanten
- Collect: Metadaten mit aufnehmen, Nachstellen von Experimenten anhand nicht ausreichender Metadaten
- Evaluate: "Erkenntnisse" aus Versuchen weiterverwenden
- Share: Daten von anderen Gruppen wiederverwenden
- Reuse: Einschätzen der Qualität von Datensätzen
- Austausch zwischen Gruppen fördern statt verhindern
Zusammenfassung/Ausblick
Es wurde den folgenden zwei Fragen nachgegangen:
- Welche Datenkompetenzen wollen wir im Studium vertreten haben?
- Was kann man im Praktikum zum Lernen von Datenkompetenzen umsetzen?
Zur nächsten ZaPF werden diese Punkte in einem Positionspapier umgesetzt.
Bitte überlege vorher, ob der AK vielleicht in eine bereits existierende Kategorie einordbar ist (im Kategorienbaum unter Inhalte). Falls nicht kann die Sonstige Kategorie verwendet werden ([1]).
