> Detailanzeige

Müller, Laura [VerfasserIn]; Wawer, Max Leo [VerfasserIn]; Heimes, Norman [VerfasserIn]; Uhe, Johanna [VerfasserIn]; Koepler, Oliver [VerfasserIn]; Auer, Sören [VerfasserIn]; Lachmayer, Roland [VerfasserIn]; Mozgova, Iryna [VerfasserIn]; Krause, Dieter [VerfasserIn]; Paetzold-Byhain, Kristin [VerfasserIn]; Wartzack, Sandro [VerfasserIn]

Datenqualitätssicherung im Forschungsprozess am Beispiel von Zugversuchen - [published Version]

Literatur-
verwaltung

Zur
Merkliste

Lösche von
Merkliste

Per Whatsapp teilen

Schließen

Merkliste



Sie können Bookmarks mittels Listen verwalten, loggen Sie sich dafür bitte in Ihr SLUB Benutzerkonto ein.
  • Medientyp: Sonstige Veröffentlichung; E-Artikel
  • Titel: Datenqualitätssicherung im Forschungsprozess am Beispiel von Zugversuchen
  • Beteiligte: Müller, Laura [VerfasserIn]; Wawer, Max Leo [VerfasserIn]; Heimes, Norman [VerfasserIn]; Uhe, Johanna [VerfasserIn]; Koepler, Oliver [VerfasserIn]; Auer, Sören [VerfasserIn]; Lachmayer, Roland [VerfasserIn]; Mozgova, Iryna [VerfasserIn]; Krause, Dieter [VerfasserIn]; Paetzold-Byhain, Kristin [VerfasserIn]; Wartzack, Sandro [VerfasserIn]
  • Erschienen: Erlangen : Ehemaligennetzwerk des Lehrstuhls für Konstruktionstechnik (KTmfk) Erlangen e.V., 2023
  • Erschienen in: DS 125: Proceedings of the 34th Symposium Design for X (DFX2023)
  • Ausgabe: published Version
  • Sprache: Deutsch
  • DOI: https://doi.org/10.15488/15776; https://doi.org/10.35199/dfx2023.15
  • Schlagwörter: Forschungsdatenlebenszyklus ; research data management ; Qualitätsdimensionen ; Konferenzschrift ; data quality assurance ; research data life cycle ; quality dimension ; Forschungsdatenmanagement ; Datenqualitätssicherung
  • Entstehung:
  • Anmerkungen: Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
  • Beschreibung: Progressive digitization throughout the entire product data life cycle requires a more sensitive handling and understanding of data within engineering processes. Regarding engineering research data, the aim is to implement the FAIR data principles (Findable, Accessible, Interoperable, Reusable) to guarantee the post-usability of research data. To ensure the quality of data throughout the entire research process a methodical approach had been developed. Based on the quality categories Intrinsic, Representative, Contextual and Available, the related quality dimensions are considered differentiated along the research data life cycle and presented in a concept. As a use case, this concept is carried out on a tensile test with documentation of results in a research data management system.
  • Zugangsstatus: Freier Zugang
  • Rechte-/Nutzungshinweise: Namensnennung - Nicht kommerziell (CC BY-NC)