Mehr Impact durch FAIRe Forschungsdaten: Mit diesen Tools prüfen Sie die FAIRness Ihrer Daten

Was bedeuten die FAIR-Prinzipien ganz konkret in der Praxis und wie werden sie richtig angewendet? Bei der Aufbereitung von FAIRen Forschungsdaten gibt es einiges zu beachten. Damit Sie nicht alles alleine machen müssen, gibt es einige hilfreiche Tools. Diese analysieren beispielsweise, wie FAIR Ihre Daten bereits sind und geben Ihnen praktische Verbesserungstipps.

Wer seine oder ihre Forschungsdaten für Dritte offen, transparent und damit FAIR veröffentlicht, profitiert erwiesenermaßen von mehr Sichtbarkeit für die eigene Arbeit – und unter Umständen in der Folge von höheren Zitationsraten.

Doch wie lassen sich Forschungsdaten eigentlich FAIR gestalten? Oder wie lässt sich im Nachhinein überprüfen, ob ein Datensatz tatsächlich FAIRen Ansprüchen genügt? Die gute Nachricht ist: Heutzutage gibt es eine Reihe praktischer Helferlein, die einem in beiden Fragen viel Arbeit abnehmen können.

Denn manche dieser Tools analysieren den FAIRness-Reifegrad Ihrer Forschungsdaten, andere unterstützen Sie bei der Selbsteinschätzung. Wieder andere helfen Ihnen, Ihr Wissen über FAIR auszubauen oder zu überprüfen.

Die Tool-Sammlung des Open Economics Guide beinhaltet Dutzende nützlicher Werkzeuge, die Ihre Open-Science-Praxis vereinfachen. Daraus finden Sie im Folgenden eine Auswahl, die Ihnen ganz konkret beim Erstellen von FAIRen Forschungsdaten helfen kann. Diese Auswahl an Tools ist offen für weitere Vorschläge, die Sie dem Team des Open Economics Guide gerne zukommen lassen können.

Legen Sie gleich los und bekommen Sie mit wenig Aufwand Anregungen für Verbesserungen!

Analysetool:
Testen Sie die FAIRness Ihrer Daten – und verbessern Sie diese

F-UJI

Mit F-UJI können Sie den FAIR-Reifegrad eines Datensatzes ermitteln. Dafür geben Sie den Persistent Identifier (etwa einen DOI) oder eine URL des Datensatzes in den Suchschlitz ein. F-UJI prüft anschließend, ob oder in welchem Rahmen die FAIR-Kriterien von dem Datensatz erfüllt werden, oder meldet zurück, an welchen Stellen es nicht in der Lage ist, eine Einschätzung vorzunehmen. So bekommen Sie einen Eindruck davon, inwiefern Sie die FAIR-Prinzipien im Datensatz schon gut angewendet haben und an welchen Punkten Sie noch einmal genauer hinschauen sollten.

Selbsteinschätzungstools:
Prüfen Sie, wie FAIR Ihre Forschungsdaten sind

ARDC FAIR Data Self Assessment Tool

Mit dem Selbsteinschätzungstool ARDC FAIR Data Self Assessment Tool der Australian Research Data Commons können Sie die „FAIRness“ eines Datensatzes ermitteln. Sie beantworten dafür eine Reihe von Fragen und können mit Unterstützung des Tools herausfinden, wie Sie die FAIRness dieses Datensatzes gegebenenfalls verbessern können.

SATIFYD

SATIFYD – Self-Assessment Tool to Improve the FAIRness of Your Dataset ist ein weiteres Selbsteinschätzungstool. Damit können Sie durch die Beantwortung von zwölf Fragen herausfinden, ob Ihre eigenen Forschungsdaten den FAIR-Prinzipien entsprechen. Zudem erhalten Sie Tipps, die Ihnen dabei helfen können, Ihre FAIRness noch weiter zu verbessern.

Wissenstesttool:
Testen Sie Ihr Wissen über FAIR

FAIR-Aware

FAIR-Aware ist ein Online-Tool, das Ihnen hilft, Ihr Wissen darüber zu testen, wie Sie Datensätze vor dem Upload in ein Datenrepositorium FAIR machen können. Dafür umfasst FAIR-Aware zehn Fragen, die mit zusätzlichen Informationen und praktischen Tipps rund um FAIR-Data angereichert sind.

Weitere Tools und Informationen für FAIRe Daten:

FAIRassist.org listet weitere Ressourcen auf, die einem helfen, die FAIRness von Daten zu messen und zu verbessern. Sie haben Interesse an weiteren Informationen über FAIRe Daten? Informationen dazu, wie Daten FAIR gemacht werden, finden Sie in der Einführung des Open Economics Guide!