Big Data ist ein in den letzten Jahrzehnten entstandenes Technologie- und Methodenensemble und darüber hinaus ein epistemisches Konzept für eine algorithmenbasierte Wissensgewinnung. Die „data-intensive e-Science“ ist durch ihre Genese in spezifischer Weise gesellschaftlich geprägt und kann beim Transfer in andere Wissenschaften deren Forschungsperspektiven, Episteme und Agenda sowie die sozialen Architekturen ihrer Infrastrukturen beeinflussen. Der Beitrag belegt dies am Beispiel der ab 1990 entstandenen kollaborativen e-Science-Wissenschaftsplattform der Astronomie, die mit ihren föderativen Strukturen noch unter dem Einfluss der sozialen Architekturen und disziplinären Kulturen des dezentralen PC-, Internet- und Grid-Computing stand. Dies zeigt, dass eine allein an den Charakteristiken „Volume, Velocity, Variety“ orientierte Betrachtung von Big-Data-Wissenschaftskulturen nicht ausreicht und dass soziale Architekturen und historische Entwicklungsmuster integraler Bestandteil der Analyse von e-Sciences werden müssen.

错误:搜索内容不能为空,请输入英文关键词
错误:关键词超出字数限制,请精简
高级检索

Die soziale Genese kollaborativer e-Science-Plattformen ab 1990 am Beispiel von „Big Data in Astronomy“

  • Hans Dieter Hellige

摘要

Big Data ist ein in den letzten Jahrzehnten entstandenes Technologie- und Methodenensemble und darüber hinaus ein epistemisches Konzept für eine algorithmenbasierte Wissensgewinnung. Die „data-intensive e-Science“ ist durch ihre Genese in spezifischer Weise gesellschaftlich geprägt und kann beim Transfer in andere Wissenschaften deren Forschungsperspektiven, Episteme und Agenda sowie die sozialen Architekturen ihrer Infrastrukturen beeinflussen. Der Beitrag belegt dies am Beispiel der ab 1990 entstandenen kollaborativen e-Science-Wissenschaftsplattform der Astronomie, die mit ihren föderativen Strukturen noch unter dem Einfluss der sozialen Architekturen und disziplinären Kulturen des dezentralen PC-, Internet- und Grid-Computing stand. Dies zeigt, dass eine allein an den Charakteristiken „Volume, Velocity, Variety“ orientierte Betrachtung von Big-Data-Wissenschaftskulturen nicht ausreicht und dass soziale Architekturen und historische Entwicklungsmuster integraler Bestandteil der Analyse von e-Sciences werden müssen.