In unserem Paper, A Skeptical View of the National Science Foundation's Role in Economic Research, weisen Tyler und ich darauf hin, dass die NSF, wenn sie tut, was sie tun sollte, etwas völlig anderes finanzieren müsste als andere Fördergeber.

Die Theorie der öffentlichen Güter besagt, dass die National Science Foundation Aktivitäten fördern sollte, die sich besonders schwer über traditionelle universitäre, philanthropische und privatwirtschaftliche Quellen finanzieren lassen. Daraus ergibt sich ein einfacher Test: In dem Maße, in dem die NSF Mittel für echte öffentliche Güter bereitstellt, statt lediglich Randsubventionen zu gewähren, müsste sich ein großer Unterschied zwischen den von der NSF geförderten Projekten und denen des „Marktsektors" zeigen. Was jedoch in Listen prominenter NSF-Förderungen auffällt (wie der von Moffitt in diesem Symposium vorgelegten), ist, wie ähnlich sie den Listen „guter" Forschung aussehen, die der heutige Status quo hervorbringt. Wenn wir die Theorie der öffentlichen Güter ernst nehmen: Welche Bereiche der Wirtschaftswissenschaften sollten gefördert werden?

Wir schlagen Replikationsstudien sowie die Förderung der Erstellung öffentlicher Datensätze vor. Was mich zu Scholar Data führt, einem gelungenen neuen Projekt, das den NIH-Wettbewerb zur Schaffung eines Datenweitergabe-Index gewonnen hat. Dass ein solcher NIH-Wettbewerb überhaupt existiert, spiegelt einen breiteren Wandel wider: Große Fördergeber und Fachzeitschriften haben in den letzten Jahren zunehmend die Datenweitergabe zur Pflicht gemacht – die NIH führte beispielsweise eine Data Management and Sharing Policy ein, die Pläne für das Teilen von Forschungsdaten verlangt, und viele Zeitschriften haben die Datenverfügbarkeit zur Bedingung für eine Veröffentlichung gemacht. Scholar Data schafft einen S-Index – vergleichbar mit einem H-Index für Papers –, der jedoch die Zugänglichkeit eines Datensatzes, Zitierungen und andere Erwähnungen misst. Ziel ist es, eine Metrik zu schaffen, die die Erstellung eines öffentlichen Guts belohnt:

Forscher investieren Jahre in das Sammeln und Teilen von Datensätzen, die Reproduzierbarkeit, Transparenz und Erkenntnisfortschritt in jedem Fachgebiet fundieren. Ohne geteilte Daten können Ergebnisse nicht überprüft, nicht weiterentwickelt und nicht als vertrauenswürdig eingestuft werden. Und doch zählen die Metriken, die akademische Karrieren definieren – Zitierungen, h-Index und Impact Factor – ausschließlich Publikationen. Datenweitergabe bleibt unanerkannt und unbelohnt.

Daraus entsteht ein fehlerhafter Anreiz: Von Forschern wird erwartet, Daten zu teilen, doch sie erhalten dafür keine Anerkennung. Das Ergebnis ist, dass Datenweitergabe als lästige Pflicht statt als Beitrag behandelt wird.

Scholar Data und der S-Index wollen genau das ändern. Indem sie messen, wie einflussreich Datensätze sind, verleihen sie der Datenweitergabe dieselbe Sichtbarkeit und Anerkennung wie einer Publikation – und verwandeln sie von einer Pflicht in ein Karrierekapital. Der Ansatz knüpft an frühere Community-Bemühungen wie die FAIR-Datenprinzipien an – die verlangen, dass Daten auffindbar, zugänglich, interoperabel und wiederverwendbar sind –, indem er Forschern ein konkretes, quantifizierbares Signal für eine Praxis gibt, die lange gefördert, aber nie gemessen wurde.

Bravo! Ihr Datensatz ist womöglich bereits katalogisiert. Sie können Anerkennung bei ScholarData erhalten.

Quelle: Marginal Revolution