{"id":1031,"date":"2020-04-21T20:21:12","date_gmt":"2020-04-21T18:21:12","guid":{"rendered":"https:\/\/www.accounting-for-transparency.de\/blog\/open-science-in-corona-zeiten\/"},"modified":"2025-06-23T10:47:42","modified_gmt":"2025-06-23T08:47:42","slug":"open-science-in-corona-zeiten","status":"publish","type":"post","link":"https:\/\/www.accounting-for-transparency.de\/de\/open-science-in-corona-zeiten\/","title":{"rendered":"Open Science in Corona-Zeiten"},"content":{"rendered":"
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n

Joachim Gassen leitet das Open Science Data Center des TRR 266. Er spricht \u00fcber drei Projekte, die das Zentrum k\u00fcrzlich als Reaktion auf die COVID-19-Pandemie gestartet hat.<\/span><\/p>\n

 <\/p>\n

Das Kernziel des Open Science Data Centers des TRR 266 \u201eAccounting for Transparency\u201d ist es, die Vorteile von Open Science zu f\u00f6rdern. Wir sehen deutlich, wie sich das Interesse der akademischen Gemeinschaft und auch der \u00d6ffentlichkeit verschiebt \u2013\u00a0 hin zur COVID-19 Pandemie, den Auswirkungen staatlicher Interventionen sowie den Auswirkungen auf Wirtschaft und Gesellschaft im Allgemeinen. Die Rolle von Open Science besteht darin, Beitr\u00e4ge zu diesen Themen zu liefern \u2013 und zwar so, dass andere mitarbeiten und ihren Beitrag leisten k\u00f6nnen. Normalerweise handelt es sich bei diesen Anderen meist um Wissenschaftler*innen. Angesichts des allgemeinen Interesses an diesem Thema ist derzeit jedoch ein breites Publikum daran interessiert, COVID-19 bezogene Daten zu verstehen und zu bewerten. Diese Situation bietet Open Science eine wichtige Gelegenheit zu gl\u00e4nzen.<\/p>\n

Also: Wie gehen wir auf dieses Bedarf ein, wenn wir haupts\u00e4chlich damit besch\u00e4ftigt sind, die Dateninfrastruktur f\u00fcr den TRR 266\u00a0einzurichten und mit den Daten zu Offenlegungen von Unternehmen zu ringen? Angesichts des Fachwissens des TRR 266 \u00fcber regulatorische Eingriffe, Datenverarbeitung und Visualisierung haben wir beschlossen, dass das Open Science Data Center des TRR 266 am besten helfen kann, indem es diese drei miteinander verbundenen Projekte in Angriff nimmt:<\/p>\n

    \n
  1. Die Bereitstellung einer code-basierten und gewarteten Infrastruktur, die es erm\u00f6glicht \u00f6ffentlich zug\u00e4ngliche Daten auf L\u00e4nderebene \u00fcber die Ausbreitung der COVID-19 Pandemie abzurufen sowie \u00fcber damit zusammenh\u00e4ngende staatliche Interventionen und \u00fcber die Auswirkungen dieser Intervention auf das Verhalten.<\/li>\n
  2. Die Bewertung und der Vergleich der Datenqualit\u00e4t \u00f6ffentlich zug\u00e4nglicher Datenquellen f\u00fcr staatliche Interventionen.<\/li>\n
  3. Die Bereitstellung eines Visualisierungstools f\u00fcr die breite \u00d6ffentlichkeit, das es jedem erm\u00f6glicht, die Entwicklung der Pandemie unabh\u00e4ngig zu beurteilen, und das zeigt, wie Designentscheidungen \u00a0die Aussage von Datenvisualisierungen beeinflusst.<\/li>\n<\/ol>\n

    Die Ergebnisse dieser Projekte unterscheiden sich von \u201etraditionellen\u201c Forschungsergebnissen in Papierform, da die Idee von Open Science darin besteht, Forschung verf\u00fcgbar und wiederverwendbar zu machen. Au\u00dferdem wollten wir schnell handeln, damit andere Forscher*innen von unseren Anstrengungen bei der Durchf\u00fchrung eigner Projekte profitieren k\u00f6nnen.<\/p>\n

     <\/p>\n

    PROJEKT 1: R-Paket \u201ctidycovid19\u201d<\/strong><\/h3>\n

    F\u00fcr das erste Projekt haben wir das R-Paket \u201etidycovid19\u201c ver\u00f6ffentlicht. Damit lassen sich \u00a0COVID-19 bezogene Daten aus verschiedenen Quellen ganz einfach herunterladen. Die Daten umfassen unter anderem tagesaktuelle L\u00e4nderdaten zur Ausbreitung der Pandemie sowie die beiden Hauptquellen f\u00fcr staatliche Interventionsdaten und Mobilit\u00e4tsdaten, die von Google und Apple zur Verf\u00fcgung gestellt werden. Einige dieser Daten liegen in bereits gut strukturierten Formaten vor, andere Daten m\u00fcssen etwas genauer betrachtet werden bis sie verwendet werden k\u00f6nnen. Und dann gibt es Daten, die im PDF-Format zur Verf\u00fcgung gestellt wurden, wobei die wichtigsten Daten in Liniendiagrammen versteckt waren. Das Paket bietet Funktionen zum Herunterladen, Bereinigen und Zusammenf\u00fchren all dieser Datenquellen zu einem kombinierten und einsatzbereiten Datensatz auf Land-Tag-Ebene. In einer Reihe von Blogeintr\u00e4gen auf meiner pers\u00f6nlichen Website wird der Daten- und Kodierungsansatz diskutiert, sodass andere das Paket nicht nur nutzen, sondern sich auch von seiner Code-Basis inspirieren lassen k\u00f6nnen:<\/p>\n