Offene Wissenschaft = Öffentliche Wissenschaft = Science 2.0 = Open Science

“Open science is the idea that scientific knowledge of all kinds should be openly shared as early as is practical in the discovery process.” – Michael Nielsen

“Open” immer im Sinne der Open Definition: “free to use, re-use and re-distribute for all”

1. Open Methodology: das Anwenden von Methoden sowie den gesamten Prozess dahinter soweit praktikabel und relevant dokumentieren
2. Open Source: quelloffene Technologie (Soft- und Hardware) verwenden und eigene Technologien öffnen
3. Open Data: erstellte Daten frei zur Verfügung stellen
4. Open Access: in einer offenen Art publizieren, und für jedeN nutzbar und zugänglich machen (s. Budapest-Initiative)
5. Open Peer Review: Transparente und nachvollziehbare Qualitätssicherung durch offenen Peer Review
6. Open Educational Resources: Freie und offene Materialien für Bildung und in der universitären Lehre verwenden

(1 bis 4 nach Kraker et al. 2011)

(5 und 6 ergänzt durch Stefan Kasberger; vgl. de.wikipedia und en.wikipedia)

Offene Wissenschaft erfordert reproduzierbare Forschung. Jede moderne Wissenschaft tut das.

Reproduzierbarkeit gehört zu den Hauptprinzipien der Wissenschaft – spätestens seit Karl Popper (1934): Logik der Forschung.

Reproduzierbare Forschung erfordert die Archivierung und Dokumentation aller Rohdaten und der eingesetzten Software. (Jon Claerbout)

• “Publishing research without data is simply advertising, not science” – Graham Steel, 2013
• “Publishing articles without making the data available is scientific malpractice”– Claire Bower, Digital Comms. Manager, BMJ Group, 2013
• „Soweit einer Veröffentlichung der Forschungsdaten aus einem DFG-geförderten Projekt Rechte Dritter (insbesondere Datenschutz, Urheberrecht) nicht entgegenstehen, sollten Forschungsdaten so zeitnah wie möglich verfügbar gemacht werden. Die Forschungsdaten sollten dabei in einer Verarbeitungsstufe (Rohdaten oder bereits weiter strukturierte Daten) zugänglich sein, die eine sinnvolle Nach- und Weiternutzung durch Dritte ermöglicht.“ – Leitlinien zum Umgang mit Forschungsdaten, DFG, 2015

Ergebnisse anderer zu reproduzieren, ist schwierig!

Und nicht selten sind publizierte Forschungsergebnisse falsch.

Ursachen:

• Publikationsdruck (“publish or perish”)
• ungenügende Begutachtung (peer review)
• Verwirrung über statistische Methoden (Signifikanz)
• unvollständige Offenlegung von Methoden und Daten

(nach “Unreliable research: Trouble at the lab” in The Economist, 19.10.2013)

= Continuous quality control for research data to ensure reproducibility

• DFG-Projekt von CITEC mit UB und 9 Forschungsgruppen als Pilotpartnern
• Projektlaufzeit: 01.02.2016–31.01.2019
• UB bringt technische Infrastruktur (PUB, LOCKSS, die GitLab-Instanz und Open Science Q&A) und Forschungsdatenkompetenz ein.
• Projekt-Website: http://conquaire.uni-bielefeld.de/

eine Alternative zu Wikis, Webforen und Blogs

• für IT-Themen
• nur für Mitglieder, die i.d.R. zahlen müssen
• 2001 bankrott, dann wiedereröffnet

• anfangs nur 1 Website für IT-Themen (StackOverflow), dann ein Netzwerk für diverse von Gemeinschaften
• neue Gemeinschaften zu eröffnen, ist aufwändig und langwierig (6 Phasen)
• nur „konstruktive“ Fragen erlaubt
• kommerzielles Unternehmen
• Inhalte frei lizenziert
• Inhalte gut auffindbar mit Suchmaschinen

• auch anekdotische Fragen und Antworten erlaubt
• kommerzielles Unternehmen
• Inhalte nicht exportierbar
• Inhalte nur teilweise auffindbar mit Suchmaschinen

• basiert der freien Open-Source-Software Question2Answer
• unabhängig nach einem fehlgeschlagenen Versuch, eine SE-Gemeinschaft zu etablieren

• basiert der freien Open-Source-Software Question2Answer, die wir selbst hosten
• unabhängig nach einem fehlgeschlagenen Versuch, eine SE-Gemeinschaft zu etablieren
• Zweck für Conquaire: fachlicher „Beirat“ und Liste häufiger Fragen (FAQ)
• AdministratorInnen: Dilaton (PhysicsOverflow), Christian Pietsch (UB), Cord Wiljes (CITEC); außerdem z.Z. 4 ModeratorInnen
• bekannte TeilnehmerInnen: z.B. Peter Suber und Ross Mounce
• bekannter gemacht durch Open-Science-Mailinglisten, -Telefonkonferenzen, -Website, -Blog, Twitter, Wikimedia-Interview, Vortrag

• Friedhoff, S., Meier zu Verl, C., Pietsch, C., Meyer, C., Vompras, J., Liebig, S.: “Replicability and Comprehensibility of Social Research and its Technical Implementation.” RatSWD Working Paper Series; 219. Berlin: SCIVERO Press, 2013, http://doi.org/10.2139/ssrn.2272056
• Ince, D.C., Hatton, L., and Graham-Cummig, J.: “The case for open computer programs.” Nature 482:485–488, 2012, http://doi.org/10.1038/nature10836
• Stodden, V., Borwein, J., and Bailey, D.: “Setting the default to reproducible” in Computational Science Research. SIAM News, June 03, 2013 http://sinews.siam.org/DetailsPage/tabid/607/ArticleID/351/
• Stodden, V., Leisch, F., and Peng, R.D.: “Implementing Reproducible Research.” CRC Press, 2014, https://books.google.com/books?id=WVTSBQAAQBAJ
• Stodden, V.: “Opportunities and Challenges for Open Data and Code: Facilitating Reproducibility.” 2013, http://bit.ly/1MzGSBB

• Geschrieben in GNU Emacs mit org-mode und exportiert als HTML5 für deck.js.
• Lizenz: Creative Commons Attribution 4.0 International