17.03.2023 –, Hörsaal 1 (0115)
Open science Initiativen and FAIR data Prinzipien haben in den letzten Jahren an großer Bedeutung in Forschungsarbeiten gewonnen. Ziel des Beitrags ist es am Beispiel eines laufenden Forschungsprojektes zur kleinräumigen Analyse von COVID-19-Fällen in Berlin darzustellen, wie Open Science Ansätze in Forschungsprojekten datenschutzkonform berücksichtigt werden können.
Open science Initiativen and FAIR data Prinzipien haben in den letzten Jahren an großer Bedeutung in Forschungsarbeiten gewonnen. Für die räumliche Analyse von Vulnerabilitäten, Risiken und den Auswirkungen von gesundheitspolitischen Maßnahmen zur Eindämmung der COVID-19 Pandemie spielen offene Geodaten und freie Software eine wichtige Rolle. Viele bisherige Studien haben sowohl personenbezogene als auch räumliche und statistische Analysen zu COVID-19 durchgeführt, um einerseits Ausbreitungsmuster zu kartieren und andererseits die zugrunde liegenden Faktoren zu analysieren. Eine Herausforderung stellen jedoch immer wieder datenschutzrelevante Fragen dar, die im Umgang mit personenbezogenen Daten von großer Bedeutung sind. So gibt es gerade auf der Ebene von Nachbarschaften nur vereinzelte Analysen. Dieses Wissen ist jedoch entscheidend für die Entwicklung von standortspezifischen Maßnahmen, die auf vulnerable Nachbarschaften und Bevölkerungsgruppen ausgerichtet sind. Ziel des Beitrags ist es am Beispiel eines laufenden Forschungsprojektes zur kleinräumigen Analyse von COVID-19-Fällen in Berlin darzustellen, wie Open Science Ansätze in Forschungsprojekten datenschutzkonform berücksichtigt werden können. Dies umfasst die Integration von verschiedenen Datenquellen, die Dokumentation und Sicherung von Daten, sowie die raum-zeitliche Analyse ,Modellierung und Visualisierung. Genutzt werden dazu frei verfügbare aggregierte Geodaten der Berliner Senatsverwaltung für Stadtentwicklung, Bauen und Wohnen (demographische, sozio-ökonomische und Umweltvariablen), adressgenaue Informationen aus Open Street Map (z.B. Verteilung der Hausärzt*innen oder von Bars/Cafés) oder frei zugängliche tägliche COVID-19 relevante Daten der Berliner Gesundheitsverwaltung (z.B. Fallzahlen oder Impfungen). Geodaten werden mit Hilfe der freien Programmiersprachen R und Python analysiert und mittels QGIS und interaktiver Webandwendung visualisiert. Im Ergebnis wird ein Workflow vorgestellt, wie Open Geodata und GI-Software im Sinne von Open Science Projekten genutzt werden können.
Tobia Lakes ist Professorin für Angewandte Geoinformationsverarbeitung und lehrt und forscht am Geographischen Institut der Humboldt-Universität.
wissenschaftlicher Mitarbeiter am Geographischen Institut der Humboldt-Universität (Abteilung Angewandte Geoinformationsverarbeitung)
Projektmitglied 'Raum-zeitliche Exploration von COVID-19 Daten und lokalen Risikofaktoren in Berlin: am Beispiel des Bezirks Neukölln'