Big Earth Data - Towards a Better Understanding of Users and their Training Needs

Der Begriff „Big Earth data“ wird im Englischen oft dafür verwendet, um große Umweltdatensätze von Satelliten oder Computermodellen zu beschreiben. Die Entscheidung diese Datensätze offen verfügbar zu machen, führte in den letzten zehn Jahren zu einem exponentiellen Anstieg des Volumens und der Vielfalt dieser Daten sowie der Geschwindigkeit, in welcher diese generiert werden. Dies hat zur Folge, dass nicht nur Datenexperten und Wissenschaftler mit den Daten arbeiten, sondern auch Nutzer aus unterschiedlichen Disziplinen. Darüber hinaus sind neue Cloud-basierte Datendienste ein Paradigmenwechsel in der Art und Weise, wie Nutzer in Zukunft auf diese Daten zugreifen und sie verarbeiten werden. Um die komplette Nutzung der verfügbaren Daten zu gewährleisten und neu entstehende Cloud-basierte Dienste besser auf die Bedürfnisse der Nutzer zuzuschneiden, ist ein besseres Verständnis auf drei Ebenen erforderlich: (i) wie Nutzer derzeit auf diese Datensätze zugreifen und diese verarbeiten, (ii) wie sie mit diesen Daten in Zukunft arbeiten wollen und (iii) wie daraus entstehende Schulungsanforderungen erfüllt werden können. Aus diesem Grund konzentriert sich diese Arbeit auf die Nutzeranforderungen und den Schulungsbedarf von „Big Earth data“. Die zentralen neuen Erkenntnisse dieser Arbeit sind: - Ein besseres Verständnis der Nutzer von „Big Earth data“ mit einem geographischen Schwerpunkt auf Europa und den USA & Kanada, in Bezug auf: (i) die Art der Daten, die sie nutzen, (ii) die Anwendungsbereiche, (iv) die Art und Weise, wie sie auf diese Daten zugreifen und diese verarbeiten sowie (v) die Herausforderungen, die durch die Verarbeitung dieser Daten entstehen - Ein besseres Verständnis (i) darüber, ob die Nutzer von „Big Earth data“ motiviert sind, in Zukunft auf Cloud-basierte Dienste umzusteigen sowie (ii) über existierende regionale und sektorale Unterschiede bei der Nutzung und Akzeptanz von Cloud-basierten Diensten - Fünf Leitprinzipien, um die Qualität und Anwendbarkeit von „Jupyter notebooks“ für Schulungen und Trainingskursen zu „Big Earth data“ zu verbessern