Erweitern Sie Ihre Kompetenzen mit digitalen Forschungsmethoden und -werkzeugen durch das Zertifikatsprogramm Digitale Forschung.
Computer spielen seit vielen Jahrzehnten eine Schlüsselrolle in der Forschung. Sie sind heute
wesentliche Elemente des Forschungsprozesses, in fast allen Fachbereichen. Sie ermöglichen es Forschenden, immer größere Datenmengen zu sammeln und zu verarbeiten. Die zunehmende Verbreitung von Berechnungen und digital gestützter Datenanalyse in der Forschung bedeutet, dass Forschende aller Karrierestufen digitale Fähigkeiten benötigen, die weit über das hinausgehen, was oft im herkömmlichen Studium vermittelt wird.
Um diese Lücke zu schließen, bietet das zedif zu diesen Themen weiterbildende Kurse an. Für die Teilnahme an allen einzelnen Kursen stellt das zedif Teilnahmezertifikate aus. Mit dem Zertifikat Digitale Forschung ist es möglich, die Teilnahme an einer Reihe dieser Kurse mit einem einzigen Dokument nachzuweisen. Dazu muss die Kursauswahl sowohl einen gewissen Umfang, als auch eine gewisse Themenbreite umfassen:
- Es müssen aus jeder der drei Säulen mindestens 3 Workshops belegt worden sein:
- Forschungsdatenmanagement
- Forschungssoftware, Datenverarbeitung und -analyse
- Publikation und Präsentation
- Es müssen insgesamt mindestens 15 Workshops oder 5 ECTS-äquivalente Punkte durch Workshops im gesamten Zertifikatsprogramm belegt worden sein.
Die Dauer, in der das Zertifkat ablegegt werden kann, ist nicht begrenzt. Es sollte aber angestrebt werden, dass zwischen der Teilnahme an Workshops und dem Abschluss des Zertifikats nicht mehr als fünf Jahre vergehen. Für das Zertifikat ist keine Anmeldung nötig. Wenn Sie die Anforderungen für das Zertifikat erfüllt haben, kontaktieren Sie uns für die Ausstellung.
Die folgende Tabelle stellt Beispielkurse und deren Zuordnung zu den drei Säulen dar. Tatsächliche Kursnamen können abweichen. Ebenso können Workshops, die zwar hier nicht aufgeführt sind, die aber thematisch den unten aufgeführten entsprechen (z. B. "Programmieren in Sprache X") angerechnet werden. Alle der hier aufgeführten Kurse werden im QualifiierungsportalExterner Link angeboten, jedoch nicht notwendigerweise vom zedif selbst.
Legende:
- FDM: Forschungsdatenmanagement
- RSE-DA: Forschungssoftware, Datenverarbeitung und -analyse
- PP: Publikation und Präsentation
| FDM | RSE-DA | PP | Beispielkurse |
|---|---|---|---|
| x | Data Management Plans | ||
| x | Forschungsdatenmanagement für die Natur-, Lebens- und Umweltwissenschaften | ||
| x | Forschungsdatenmanagement in den Geistes- und Sozialwissenschaften | ||
| x | Einführung in die Dokumentation von Experimenten mit eLabFTW | ||
| x | Chemotion Workshop | ||
| x | Grundlagen im Datenschutz | ||
| x | x | IF Spreadsheets, THEN | |
| x | x | Einführung in OpenRefine | |
| x | x | Gute wissenschaftliche Praxis und der Umgang mit Konflikten im Forschungsalltag | |
| x | x | REFODAT Praxisworkshop | |
| x | x | Open Access, Forschungsdatenmanagement & Co. | |
| x | x | Software- und Datenlizenzen | |
| x | x | Citavi Basisschulung | |
| x | Einführung in die Kommandozeile | ||
| x | Fortgeschrittene Benutzung der Kommandozeile Bash | ||
| x | Grundlegende Versionsverwaltung mit Git | ||
| x | Kollaborative Versionsverwaltung mit Git | ||
| x | Versionsverwaltung und Projektmanagement mit GitLab (CLI) | ||
| x | Versionsverwaltung und Projektmanagement mit GitLab (GUI) | ||
| x | Einführung in die Containervirtualisierung mit Docker | ||
| x | Praktische Einführung in die Nutzung eines HPC-Clusters | ||
| x | HPC-Cluster-Nutzung für Fortgeschrittene | ||
| x | Wissenschaftliches Schreiben lehren und lernen in naturwissenschaftlichen Fächern | ||
| x | Schreibwoche | ||
| x | Adobe Indesign | ||
| x | Wissenschaftliches Schreiben mit LaTeX | ||
| x | Netzwerkanalyse mit Gephi | ||
| x | Deskriptiv- und Inferenzstatistik mit SPSS | ||
| x | Machine Learning | ||
| x | Einführung in die Programmierung mit Python | ||
| x | Arbeiten mit Tabellendaten in Python und Pandas | ||
| x | Einführung ins Programmieren für die Geistes- und Sozialwissenschaften | ||
| x | Wissenschaftliches Rechnen mit Python und NumPy | ||
| x | x | Datenvisualisierung mit Python und Matplotlib | |
| x | Programmieren mit R | ||
| x | Programmieren mit Julia | ||
| x | Einführung in die Datenbankabfragesprache SQL | ||
| x | Softwareentwicklung: Mehr als Programmieren |