EUVIMEDEUVIMED entdecken
Crossref

Recommendations for Discipline-Specific FAIRness Evaluation Derived from Applying an Ensemble of Evaluation Tools

Karsten Peters-von Gehlen, Heinke Höck, Andrej Fast, Daniel Heydebreck, Andrea Lammert, Hannes Thiemann

Data Science Journal · 24.03.2022 · 21

DOI: 10.5334/dsj-2022-007 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Data Science Journal, erschienen am 24.03.2022. Verfasst von Karsten Peters-von Gehlen und 5 weiteren Autor:innen. Die Arbeit wurde bisher 12-mal zitiert (Crossref) und nennt 64 Literaturangaben.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Zitieren

APA

Gehlen, K. P., Höck, H., Fast, A., Heydebreck, D., Lammert, A., & Thiemann, H. (2022). Recommendations for Discipline-Specific FAIRness Evaluation Derived from Applying an Ensemble of Evaluation Tools. Data Science Journal, 21. https://doi.org/10.5334/dsj-2022-007

Vancouver

Gehlen KP, Höck H, Fast A, Heydebreck D, Lammert A, Thiemann H. Recommendations for Discipline-Specific FAIRness Evaluation Derived from Applying an Ensemble of Evaluation Tools. Data Science Journal. 2022;21. doi:10.5334/dsj-2022-007

BibTeX
@article{Gehlen2022,
  author = {Gehlen, Karsten Peters-von and Höck, Heinke and Fast, Andrej and Heydebreck, Daniel and Lammert, Andrea and Thiemann, Hannes},
  title = {Recommendations for Discipline-Specific FAIRness Evaluation Derived from Applying an Ensemble of Evaluation Tools},
  journal = {Data Science Journal},
  year = {2022},
  volume = {21},
  doi = {10.5334/dsj-2022-007}
}
Kostenlos starten →