Verslag IMCW/ICKM kennis en informatie management in Antalya, Turkije

Van 24 tot 29 november was de IMCW/ICKM kennis en informatie management conferentie in Antalya, Turkije, met een focus op onderzoeksdata. De algemene indruk: een niet al te grote (140 mensen) gemoedelijke conferentie waar veel mensen elkaar kennen van vorige edities. Waarschijnlijk omdat datamanagement nog zo nieuw is, waren er veel praatjes met basiskennis. Dat was leuk maar minder verrassend. Hier nu de hoogtepunten naar onze mening. Boekjes met abstracts van alle praatjes liggen bij Tessa (6.39 UBU) en Ingrid (1.31 UBB). Informatie kan ook gevonden worden op http://imcw2014.bilgiyonetimi.net/main-theme/

How do you educate the data scientist? (Gobinda Chowdhury, Michael Seadle, Wolfram Horstmann): Er werd gesproken over deze nieuwe taak, die ook een plek in de bibliotheek moet krijgen, volgens alle sprekers. Een persoon die verstand heeft van data analyse, statistiek, programmeren, visualisatie en dus een andere rol in de service verlening heeft dan data manager/ data librarian.

Entrepreneurship teaching (Michael R. Kristiansson): Volgens een nieuwe filosofie ‘ondernemend zijn’. Ga niet uit van risico’s en toeval, maar denk vanuit wat je hebt/bent, wat een aanvaardbaar verlies is en, belangrijk, hoe je de toekomst kan vormen in plaats van afwachten. Zo kan je binnen de bibliotheek ook ondernemend zijn als werknemer.

Inverting the pyramid (Kevin Ashley, http://www.slideshare.net/fullscreen/kevinashley/inverting-the-data-pyramid-maximising-the-value-of-data-reuse-imcw2014ickm2014-keynote/2): Informatie in onderzoek kan weergegeven worden door een pyramidevorm met data op de bodem en de publicatie met gecondenseerde informatie aan de top. Traditioneel bouwen onderzoekers verder op basis van wat ze aan de top voor informatie vinden. Er vindt nu een omslag plaats, waar onderzoekers steeds vaker verder bouwen op basis van de onderkant van de data: de ruwe onderzoeksdata. Quote: ‘I love your data. I don’t love what you’ve written about it.’ Data curation is een belanrijk thema hierbij. Het gaat dan niet alleen over bewaren maar ook over het bewust weggooien van data, want er worden meer data geproduceerd dan er opgeslagen kunnen worden. Ashley benadrukte het belang van OPEN DATA. We moeten niet bang zijn voor verkeerde interpretatie van onze data.

Nog meer Open Acces bij Sirin Tekinay, die een lans brak voor FabLabs.

Externalize/Eject content from the library (Timo Borst): Op drie manieren te doen. 1) Betere indexering in zoekmachines zoals Google Scholar door html jump-off pages te optimaliseren in hun header tekst. Met als voorbeeld: 35% van de downloads binnen hun instituut gaat nu via deze trigger. 2) Integreer ‘authority’ data: van wie is deze output? Dit is dan een verbindend punt voor gedistribueerde content. Bijvoorbeeld het eigen ID systeem linken met ORCID, VIAF. 3) nieuwe applicaties verzinnen, zoals automatisch aanbevolen literatuur geven bij blogteksten (innovatief!). 4) een API (application user interface) of webservice maken voor toegang tot de bibliotheekmaterialen.

DataCite (Frauke Ziedorn): interessant feit: data uit data citation index van Thompson Reuters is vrij toegankelijk voor statistische citatie analyse door deelnemers die hun Datacite Persistent identifier (dit is een DOI) beschikbaar maken aan hen. Het lijkt me dat het dan gaat om instituten die hun registratie doorspelen aan TR via DataCite.

Big data (Peter Becker): Dit is gekarakteriseerd door volume, variëteit, snelheid. Data is ‘too big’ om door database tools afgehandeld te worden. Library and information service LIS Den Haag onderwijst hierin. Drie rollen worden door hem onderscheiden: eigenaren, technische mensen die de data verwerken, en de mensen die op een creatieve manier de mogelijkheden zien. En dat zijn de mensen in de bibliotheek!! Hetzelfde geldt voor tekst mining.

“Research Data in Humantities is a difficult match” zegt Michael Seadle. Data zijn er altijd geweest en de bibliotheek heeft altijd al aan dataopslag gedaan. Hij pleit voor digitalisering, zoals bij het “Internet Archive”. Digitalisering maakt datamining mogelijk. Maar, is alles data, wat er in de boeken van de bibliotheek staat? Volgens Raphael Ball is er geen standaard definitie voor research data. Iedere discipline moet zijn eigen definitie formuleren. Ruwweg hebben we het bij data over geselecteerde sets van gegevens die de basis vormen voor onderzoek. Die kunnen ongestructureerd zijn. Ball pleit voor het structureren van deze gegevens. En dat is wat we doen bij Research Data management.

Verslag door Ingrid Kiewik en Tessa Pronk

Dit bericht werd geplaatst in I&M2.0. Bookmark de permalink .

Geef een reactie

Vul je gegevens in of klik op een icoon om in te loggen.

WordPress.com logo

Je reageert onder je WordPress.com account. Log uit / Bijwerken )

Twitter-afbeelding

Je reageert onder je Twitter account. Log uit / Bijwerken )

Facebook foto

Je reageert onder je Facebook account. Log uit / Bijwerken )

Google+ photo

Je reageert onder je Google+ account. Log uit / Bijwerken )

Verbinden met %s