Weiterführende Literatur und Online-Quellen

Weiterführende Literatur

Abe, H., Aquilanti, G., Boada, R., Bunker, B., Glatzel, P., Nachtegaal, M. & Pascarelli, S. (2018). Improving the Quality of XAFS Data. Journal of Synchrotron Radiation, 25(4), 972–980. https://doi.org/10.1107/S1600577518006021

Apel, D., Behme, W., Eberlein, R. & Merighi, C. (2015). Datenqualität erfolgreich steuern: Praxislösungen für Business-Intelligence-Projekte (3. Aufl.). Heidelberg: dpunkt.verlag.

Bertelmann, R., Gebauer, P., Hasler, T., Kirchner, I., Peters-Kottig, W., Razum, M., Recker, A., Ulbricht, D. & van Gasselt, S. (2014). Einstieg ins Forschungsdatenmanagement in den Geowissenschaften. https://doi.org/10.2312/lis.14.01

Bicalho, T., Sauer, I., Rambaud, A. & Altukhova, Y. (2017). LCA Data Quality: A Management Science Perspective. Journal of Cleaner Production, 156, 888–898. https://doi.org/10.1016/j.jclepro.2017.03.229

Bruce, P. C. & Bruce, A. (2016). Improve Your Data Quality Using Sampling Distribution: Practical Statistics for Data Science. O'Reilly.
Bürger, K. & Wosnitza, M. (2015). Einfach mal schnell durchklicken? Antwortverhalten und Datenqualität bei Self-Assessments. Das Hochschulwesen, 63(3-4), 93–97. https://publications.rwth-aachen.de/record/481084

Bürger, Kathrin; Wosnitza, Marold (2015): Einfach mal schnell durchklicken? Antwortverhalten und Datenqualität bei Self-Assessments. In: Das Hochschulwesen 63 (3-4), S. 93–97. Online verfügbar unter https://publications.rwth-aachen.de/record/481084.

Chen, W., Zhou, K., Yang, S. & Wu, C. (2017). Data Quality of Electricity Consumption Data in a Smart Grid Environment. Renewable and Sustainable Energy Reviews, 75, 98–105. https://doi.org/10.1016/j.rser.2016.10.054

Debattista, J., Auer, S. & Lange, C. (2016). Luzzu – A Methodology and Framework for Linked Data Quality Assessment. Journal of Data and Information Quality, 8(1), 1–32. https://doi.org/10.1145/2992786

Deggendorfer Forum zur digitalen Datenanalyse e. V (Hg.). (2015). Prozessoptimierung mit digitaler Datenanalyse: Ansätze und Methoden. Erich Schmidt Verlag.

Emde, M. & Fuchs, M. (2012). Datenqualität in standardisierten Interviews mit Kindern. In F. Heinzel (Hg.), Methoden der Kindheitsforschung: Ein Überblick über Forschungszugänge zur kindlichen Perspektive (2. Aufl.). Beltz Juventa.

Engel, U. (Hg.). (2015). Survey Measurements: Techniques, Data Quality and Sources of Error. Campus Verlag.

Faulbaum, F., Stahl, M. & Wiegand, E. (2012). Qualitätssicherung in der Umfrageforschung. Schriftenreihe der ASI - Arbeitsgemeinschaft Sozialwissenschaftlicher Institute: Bd. 2. Springer VS. https://doi.org/10.1007/978-3-658-00515-3

Flämig, G., Pietzcker, T. & Marre, R. (2010). Notwendigkeit der Verbesserung von Datenqualität und -validität durch Einführung eines zeitnahen und ganzheitlichen Controllings im Bereich der Qualitätssicherung nach BQS. Zeitschrift fur Evidenz, Fortbildung und Qualität im Gesundheitswesen, 104(4), 330–336. https://doi.org/10.1016/j.zefq.2009.02.020

Fürber, C. (2016). Data Quality Management with Semantic Technologies. Springer Gabler. http://dx.doi.org/10.1007/978-3-658-12225-6

Glowalla, P. & Sunyaev, A. (2013). Prozessgetriebenes Datenqualitätsmanagement durch Integration von Datenqualität in bestehende Prozessmodelle. Wirtschaftsinformatik, 55(6), 435–452. https://doi.org/10.1007/s11576-013-0391-1

Hadhiatma, A. (2018). Improving Data Quality in the Linked Open Data: a Survey. Journal of Physics: Conference Series, 978, 012026. https://doi.org/10.1088/1742-6596/978/1/012026

Haegemans, T., Snoeck, M. & Lemahieu, W. (2019). A Theoretical Framework to Improve the Quality of Manually Acquired Data. Information and Management, 56(1), 1–14. https://doi.org/10.1016/j.im.2018.05.014

Haller, B. von, Lesiak, P. & Otwinowski, J. (2017). Design of the Data Quality Control System for the ALICE O2. Journal of Physics: Conference Series, 898, 032001. https://doi.org/10.1088/1742-6596/898/3/032001

Hazen, B. T., Boone, C. A., Ezell, J. D. & Jones-Farmer, L. A. (2014). Data Quality for Data Science, Predictive Analytics, and Big Data in Supply Chain Management: An Introduction to the Problem and Suggestions for Research and Applications. International Journal of Production Economics, 154, 72–80. https://doi.org/10.1016/j.ijpe.2014.04.018

Heinrich, B., Klier, M., Schiller, A. & Wagner, G. (2018). Assessing Data Quality – A Probability-based Metric for Semantic Consistency. Decision Support Systems, 110, 95–106. https://doi.org/10.1016/j.dss.2018.03.011

Hildebrand, K., Gebauer, M., Hinrichs, H. & Mielke, M. (Hg.). (2018). Daten- und Informationsqualität: Auf dem Weg zur Information Excellence (4., überarbeitete und erweiterte Auflage). Springer Vieweg. http://dx.doi.org/10.1007/978-3-658-21994-9

Hildebrand, K., Gebauer, M. & Hinrichs, H. (2008). Daten- und Informationsqualität: Auf dem Weg zur Information Excellence. https://doi.org/10.1007/978-3-8348-9266-9

Horenkamp-Sonntag, D., Linder, R., Wenzel, F., Gerste, B. & Ihle, P. (2014). Prüfung der Datenqualität und Validität von GKV-Routinedaten. In E. Swart, P. Ihle, H. Gothe & D. Matusiewicz (Hg.), Routinedaten im Gesundheitswesen: Handbuch Sekundärdatenanalyse: Grundlagen, Methoden und Perspektiven (2. Aufl., S. 314–330). Verlag Hans Huber.

Jensen, U. (2012). Leitlinien zum Management von Forschungsdaten: Sozialwissenschaftliche Umfragedaten. GESIS Technical Reports: 2012/07. GESIS.

Jugulum, R. (2014). Competing with High Quality Data: Concepts, Tools, and Techniques for Building a Successful Approach to Data Quality. John Wiley & Sons. https://doi.org/10.1002/9781118840962

Kiefer, C., Reimann, P. & Mitschang, B. (2019). QUALM: Ganzheitliche Messung und Verbesserung der Datenqualität in der Textanalyse. Datenbank-Spektrum, 19(2), 137–148. https://doi.org/10.1007/s13222-019-00318-7

Klier, M. (2008). Metriken zur Bewertung der Datenqualität – Konzeption und praktischer Nutzen. Informatik Spektrum, 31(3), 223–236. https://doi.org/10.1007/s00287-007-0206-0

König, C., Stahl, M. & Wiegand, E. (Hg.). (2016). Human Resources: Qualitätsaspekte der Ausbildung in der empirischen Forschung. Springer VS. https://doi.org/10.1007/978-3-658-12568-4

Kritzinger, S. & Götsch, K. (2018). Sozialwissenschaftliche Umfrageforschung im Umbruch? Datenqualität und Effizienz. Österreichische Zeitschrift für Politikwissenschaft, 47(2). https://doi.org/10.15203/ozp.2708.vol47iss2

Krug, G., Carstensen, J. & Kriwy, P. (2017). Die richtige Mischung? Ein randomisiertes Experiment zur Datenqualität bei der Kombination von Telefon- und Onlineerhebung in der empirischen Sozialforschung. Zeitschrift für Soziologie, 46(2), 89–106. https://doi.org/10.1515/zfsoz-2017-1006

Leitner, F., Bielza, C., Hill, S. L. & Larrañaga, P. (2016). Data Publications Correlate with Citation Impact. Frontiers in Neuroscience, 10, 419. https://doi.org/10.3389/fnins.2016.00419

Li, Y., Sperrin, M., Martin, G. P., Ashcroft, D. M. & van Staa, T. P. (2020). Examining the Impact of Data Quality and Completeness of Electronic Health Records on Predictions of Patients' Risks of Cardiovascular Disease. International Journal of Medical Informatics, 133, 104033. https://doi.org/10.1016/j.ijmedinf.2019.104033

Liu, J., Li, J., Li, W. & Wu, J. (2016). Rethinking Big Data: A Review on the Data Quality and Usage Issues. ISPRS Journal of Photogrammetry and Remote Sensing, 115, 134–142. https://doi.org/10.1016/j.isprsjprs.2015.11.006

Lukyanenko, R., Parsons, J. & Wiersma, Y. F. (2016). Emerging Problems of Data Quality in Citizen Science. Conservation Biology, 30(3), 447–449. https://doi.org/10.1111/cobi.12706

Marchese Robinson, R. L., Lynch, I., Peijnenburg, W., Rumble, J., Klaessig, F., Marquardt, C., Rauscher, H., Puzyn, T., Purian, R., Åberg, C., Karcher, S., Vriens, H., Hoet, P., Hoover, M. D., Hendren, C. O. & Harper, S. L. (2016). How Should the Completeness and Quality of Curated Nanomaterial Data Be Evaluated? Nanoscale, 8(19), 9919–9943. https://doi.org/10.1039/c5nr08944a

Marsden, J. R. & Pingry, D. E. (2018). Numerical Data Quality in IS Research and the Implications for Replication. Decision Support Systems, 115, A1-A7. https://doi.org/10.1016/j.dss.2018.10.007

Merino, J., Caballero, I., Rivas, B., Serrano, M. & Piattini, M. (2016). A Data Quality in Use Model for Big Data. Future Generation Computer Systems, 63, 123–130. https://doi.org/10.1016/j.future.2015.11.024

Morbey, G. (2011). Datenqualität für Entscheider in Unternehmen: Ein Dialog zwischen einem Unternehmenslenker und einem DQ-Experten. Gabler. https://doi.org/10.1007/978-3-8349-6814-2

Naumann, F. (2007). Datenqualität. Informatik Spektrum, 30(1), 27–31. https://doi.org/10.1007/s00287-006-0125-5

Nennecke, A., Barnes, B., Brenner, H., Eberle, A., Emrich, K., Eisemann, N., Geiss, K., Hentschel, S., Holleczek, B., Kraywinkel, K., Stabenow, R. & Hense, H.-W. (2013). Datenqualität oder Unterschiede in der onkologischen Versorgung? – Berichtsstandards für Überlebenszeitanalysen mit Krebsregisterdaten. Das Gesundheitswesen, 75(2), 94–98. https://doi.org/10.1055/s-0032-1311622

Neumaier, S., Umbrich, J. & Polleres, A. (2016). Automated Quality Assessment of Metadata across Open Data Portals. Journal of Data and Information Quality, 8(1), 1–29. https://doi.org/10.1145/2964909

Nonnemacher, M., Nasseh, D., Stausberg, J. & Bauer, U. (2014). Datenqualität in der medizinischen Forschung: Leitlinie zum adaptiven Management von Datenqualität in Kohortenstudien und Registern (2. Aufl.). Schriftenreihe der TMF – Technologie- und Methodenplattform für die vernetzte medizinische Forschung e.V: Bd. 4. Medizinisch Wissenschaftliche Verlagsgesellschaft.

Otto, B. & Österle, H. (2016). Corporate Data Quality: Voraussetzung erfolgreicher Geschäftsmodelle. Springer Gabler. https://doi.org/10.1007/978-3-662-46806-7

Piwowar, H. A. & Vision, T. J. (2013). Data Reuse and the Open Data Citation Advantage. PeerJ, 1, e175. https://doi.org/10.7717/peerj.175

Piwowar, H. A., Day, R. S. & Fridsma, D. B. (2007). Sharing Detailed Research Data Is Associated with Increased Citation Rate. PloS ONE, 2(3), e308. https://doi.org/10.1371/journal.pone.0000308

Quatember, A. (2019). Datenqualität in Stichprobenerhebungen: Eine verständnisorientierte Einführung in die Survey-Statistik (3. Aufl.). Statistik und ihre Anwendungen. Springer Spektrum.

Sadiq, S. & Indulska, M. (2017). Open Data: Quality Over Quantity. International Journal of Information Management, 37(3), 150–154. https://doi.org/10.1016/j.ijinfomgt.2017.01.003

Schäffer, U. (2020). „Datenqualität zu sichern, ist kein Spaziergang“. Controlling and Management Review, 64(2), 14–19. https://doi.org/10.1007/s12176-019-0082-x

Schnell, R., Hill, P. B. & Esser, E. (2018). Methoden der empirischen Sozialforschung (11. Aufl.). De Gruyter Studium. De Gruyter Oldenbourg.

Stengel, D., Bhandari, M. & Hanson, B. (Hg.). (2010). Statistik und Aufbereitung klinischer Daten. Thieme.

Stöhr, M., Unger, C., Cypko, M., Dietz, A., Lemke, H. U. & Oelze-Jafra, S. (2018). Analyse der Datenqualität für die Integration in therapieentscheidungsunterstützende Systeme am Patientenmodell „Larynxkarzinom“. Laryngo – Rhino – Otologie, 97(2), 134. https://doi.org/10.1055/s-0038-1640174

Swart, E., Ihle, P., Gothe, H. & Matusiewicz, D. (Hg.). (2014). Routinedaten im Gesundheitswesen: Handbuch Sekundärdatenanalyse: Grundlagen, Methoden und Perspektiven (2., vollst. überarb. und erw. Aufl.). Verlag Hans Huber.

Tetzlaff, L., Schröder, C., Beck, E. & Schrader, T. (2018). Die Datenqualität des CIRSmedical – geeignet für eine systematische Analyse? GMS Medizinische Informatik, Biometrie und Epidemiologie, 14(2), Doc10. https://doi.org/10.3205/MIBE000188

Timmerman, Y. & Bronselaer, A. (2019). Measuring Data Quality in Information Systems Research. Decision Support Systems, 126, 113138. https://doi.org/10.1016/j.dss.2019.113138

Tüür-Fröhlich, T. (2018). Eine „autoritative“ Datenbank auf dem Prüfstand: Der Social Sciences Citation Index (SSCI) und seine Datenqualität. Information – Wissenschaft & Praxis, 69(5-6), 265–275. https://doi.org/10.1515/iwp-2018-0050

Vogele, D., Schöffski, O., Efinger, K., Schmidt, S. A., Beer, M. & Kildal, D. (2020). Analyse von dokumentierten Computertomographie-Aufklärungen: Vollständigkeit und Datenqualität in vier Kliniken. Der Radiologe, 60(2), 162–168. https://doi.org/10.1007/s00117-019-00629-6

Vogl, S. (2015). Interviews mit Kindern führen: Eine praxisorientierte Einführung. Beltz Juventa.

Wang, R. Y. & Strong, D. M. (1996). Beyond Accuracy: What Data Quality Means to Data Consumers. Journal of Management Information Systems, 12(4), 5–33. https://doi.org/10.1080/07421222.1996.11518099

Yu, H. & Zhang, M. (2017). Data Pricing Strategy Based on Data Quality. Computers and Industrial Engineering, 112, 1–10. https://doi.org/10.1016/j.cie.2017.08.008

Zhang, R., Indulska, M. & Sadiq, S. (2019). Discovering Data Quality Problems. Business and Information Systems Engineering, 61(5), 575–593. https://doi.org/10.1007/s12599-019-00608-0

Online-Quellen

Bad Data: Real-World Examples of How Not to Do Data. (17. April 2016). http://okfnlabs.org/bad-data/

bwestra@uoregon.edu. (2017). UO Research Data Management Blog: Know Your Data Quality. https://blogs.uoregon.edu/datamanagement/2017/02/13/lydweek-2017-1/

GitHub: The Quartz Guide to Bad Data. (2018). https://github.com/Quartz/bad-data-guide