Entschuldigung, aber da muss ich als Datenwissenschaftlerin Maria dringend beispringen. Was hier unter dem Schlagwort "Plagiat" verhandelt wird, berührt grundlegende Prinzipien von Open Data, Forschungsdaten-Nachnutzung und wissenschaftlicher "Redlichkeit". Ein Thread 🧵 #TeamVorsicht

Show Post

Maria hat recht, auf diese Unterschiede hinzuweisen. Wer offene Forschungsdaten ernst nimmt, muss auch ihre eigenständige Nachnutzung akzeptieren. Selbst wenn ihm oder ihr Ergebnis, Urheber*in oder eingesetzte Werkzeuge nicht gefallen. Wissenschaftliche Redlichkeit ist kein Lagerbegriff. /rant ende

Show Post

Gerade aus den Digital Humanities kenne ich die Bedeutung von offenen Daten, dokumentierten Workflows und reproduzierbarer Forschung. Kritik an Methoden, Modellen oder Risikoeinstufungen? Unbedingt. Aber dann bitte anhand von Annahmen, Berechnungen und Ergebnissen.

Show Post

Reverse Engineering ist zudem nicht dasselbe wie Plagiieren. Ein Verfahren verstehen und unabhängig nachbauen ist etwas anderes, als fremden Code oder geschützte Gestaltung zu übernehmen. Die konkreten rechtlichen Grenzen muss man natürlich beachten.

Show Post

Und zum reflexhaften "KI-Slop!"-Geschrei: Generative KI ist ein Werkzeug. Sie kann guten oder schlechten Code produzieren, beim Reverse Engineering helfen oder Dokumentation erleichtern. Über Qualität entscheiden Nachvollziehbarkeit, Tests, Quellen und fachliche Prüfung. Nicht das Etikett "KI" (🙄).

Show Post