Die Entwicklungen im Bereich der Informations- und Kommunikationstechnologie haben völlig neue Möglichkeiten des Datenaustausches und der Zusammenarbeit geschaffen. Das zeigt sich auch in der Lehre. Hier hat sich der Begriff der Open Educational Resources (OER) entwickelt, womit frei zugängliche Bildungsmaterialien bezeichnet werden. Um dieses Potential ausschöpfen zu können, braucht es innovative Herangehensweisen.
In dieser Arbeit wird ein neuer Ansatz vorgestellt. Anstatt Lehrmaterialien als Teil eines didaktischen Konzeptes zu betrachten, werden sie als Objekte einer digitalen Sammlung verstanden. Das erleichtert die Adaptierung der Materialien an die spezifischen Anforderungen von Lehrveranstaltungen. Konkret wird der Ansatz auf den Aufbau einer OER-Kollektion für Machine Learning angewendet. Denn gerade in diesem Bereich zeichnet sich ein hoher Bedarf an Kompetenzvermittlung ab, um Forschende auf die Anforderungen einer immer datenintensiveren Wissenschaft vorzubereiten.
Die gewonnenen Erfahrungen werden im Fazit als Lessons learned zusammengefasst, um damit andere bei der Umsetzung ähnlicher Vorhaben zu unterstützen.
Die OER-Kollektion ist zugänglich über die Online-Plattform GitHub unter dem Link:
https://github.com/Machine-Learning-OER-Collection/Machine-Learning-OER-Basics
Die FAIR-Prinzipien setzen sich seit ihrer Formulierung im Jahr 2016 immer mehr durch. Ihr Ziel ist, die Nachnutzbarkeit von Forschungsdaten sicherzustellen, allerdings sind es nur Leitlinien, die fachlich ausgelegt werden müssen. Wissenschaftliche digitale Editionen, die hier als Daten-Community verstanden werden, kämpfen vermehrt mit dem Problem der Nachhaltigkeit. Es wird daher untersucht, inwiefern die FAIR-Prinzipien als Leitlinien für digitale Editionen herangezogen werden können. Hierbei werden sowohl die zugrunde liegenden Daten als auch die Software in der Analyse berücksichtigt. Es zeigt sich, dass alle Facetten der Prinzipien bereits unter anderem Namen diskutiert werden, die FAIR-Prinzipien dennoch als Leitlinien für zukünftige Entwicklungen produktiv herangezogen werden können.