WiSe22 AK NFDI

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]).