Yazdi, Mohammad Amin; Müller, Matthias S. (Thesis advisor); Decker, Stefan Josef (Thesis advisor)
Aachen : RWTH Aachen University (2023, 2024)
Doktorarbeit
Dissertation, RWTH Aachen University, 2023
Kurzfassung
Effektive Praktiken im Bereich des \gls{fdm} sind essenziell, um Forschungskollaborationen zu fördern, die Auffindbarkeit und Wiederverwendung von Forschungsdaten zu erhöhen und den wissenschaftlichen Fortschritt in der Hochschulbildung voranzutreiben. In den letzten Jahren hat die Einführung von Open-Science-Plattformen (OSPs) und die FAIR-Prinzipien (finadable, accessible, interoperable, reusable) die Notwendigkeit verbesserter FDM-Methoden und ‑Werkzeuge für den Erfolg von Hochschulen unterstrichen. Die vorhandene Literatur bietet bisher jedoch nur wenig Anleitung zum Monitoring von FDM-Prozessen, deren Einführung und Nutzung. Diese Dissertation schließt diese Lücke, indem sie untersucht, wie man die Entdeckung und Verbesserung von Prozessbewusste RDM-Aktivitäten durch Modellierung der tatsächlichen Praktiken der Forschenden ermöglichen kann. Diese Dissertation präsentiert eine Reihe von Methoden als Baukasten, der Datenakquise, Abstraktion, Wissensentdeckung und Prozessverbesserungen kombiniert. Die Fallstudien heben die Herausforderungen hervor, die mit FDM-bezogenen Aktivitäten verbunden sind, indem sie die Gültigkeit der vorgeschlagenen Methoden in realen Umgebungen bewerten. Zunächst präsentiert diese Arbeit eine universelle Referenzsoftwarearchitektur für FDM-Dienste; dann schlägt sie vier Ansätze zur Datenakquise vor, einschließlich einer neuartigen Hybrid-Logger-Technik zur Akquise von Datensätzen aus verteilten Informationssystemen und bietet einen umfassenden Überblick über Benutzeraktivitäten durch Auswertung entsprechender Softwarekomponentenausführungen. Dieser Ansatz ermöglicht eine Projektion des Benutzerverhaltens und erleichtert die Entwicklung weiterer Studien im Bereich maschinelles lernen. Darüber hinaus führt diese Arbeit einen semi-überwachten Lernansatz zur Abstraktion von Datensätzen ein, indem sie nichtsequenzielle Ereignisse in verteilten Systemen unter Beibehaltung des Gleichgewichts zwischen Datenkörnung und Modellpassung berücksichtigt. Die Methodik zur Entdeckung prozessbewusster Aktivitäten beinhaltet eine modulare und geschichtete Architektur, die Einblicke in die Einhaltung von FDM, die Identifizierung von Abweichungen und die Optimierung des Benutzererlebnisses bietet. Darüber hinaus skizziert sie eine Methode zur Bestimmung und Visualisierung der Interaktionen zwischen Benutzer und System und entdeckt die FDM-Phasen von Forschungsprojekten, was ein praktisches Verständnis des Fortschritts und der Aktivitäten verschiedener Forschungsgruppen bietet. Schließlich schlägt diese Arbeit zwei Empfehlungssysteme vor und bewertet sie, um das Potenzial von inhaltsbasierten und kollaborativen Filterempfehlungssystemen zur Förderung der Wiederverwendbarkeit von Forschungsdatenbanken und zur Förderung der Zusammenarbeit zwischen Forschern aufzuzeigen. Die Ergebnisse tragen erheblich zur Erweiterung der Literatur über FDM bei und bieten wertvolle Einblicke in das Potenzial der vorgestellten Methoden zur Verbesserung von FDM-Praktiken in OSPs. Die Dissertation entwirft ganzheitliche Strategien zur Bewältigung der Schwierigkeiten, die mit der Erleichterung von FDM in OSPs verbunden sind, gibt Richtlinien für die Implementierung der notwendigen Architektur vor und demonstriert die Anwendbarkeit der vorgeschlagenen Methoden auf andere FDM-Dienste, die sich an die Referenzsoftwarearchitektur von FDM-Systemen halten.
Einrichtungen
- Fachgruppe Informatik [120000]
- Lehrstuhl für Hochleistungsrechnen (Informatik 12) [123010]