Event Website - Consortium GARR

We use cookies to improve our website and your experience when using it. Cookies used for the essential operation of the site have already been set. To find out more about the cookies we use and how to delete them, see our Cookies Policy

Informativa sulla privacy

Informativa sul trattamento dei cookie

GARR CONFERENCE 2017
15-17 NOVEMBER 2017, Ca' Foscari University of Venice

17 Nov 2017

Rutger Vos

Naturalis Biodiversity Center
https://www.naturalis.nl/en/

Natural history research as a replicable data science

Al Naturalis Biodiversity Center ricopre la carica di ricercatore. È anche membro del consiglio della Phyloinformatics Research Foundation, l'organo direttivo di TreeBASE e del progetto Web Tree of Life. Ha conseguito il dottorato in inferenza filogenetica su larga scala presso la Simon Fraser University, in Canada. Dopo una borsa post-dottorale presso l'Università della Columbia Britannica (Canada) e l'Istituto di Studi di Studi di Berlino ha ottenuto una borsa post-dottorale Marie Curie per fare ricerca presso l'Università di Reading (Regno Unito). Nel suo ruolo attuale presso Naturalis, guida una piccola squadra di ricercatori / sviluppatori che sviluppano strumenti analitici per promuovere programmi di ricerca interni ed esterni.

At Naturalis Biodiversity Center he holds a position as research fellow. He is also a member of the board of the Phyloinformatics Research Foundation, the governing body of TreeBASE and the Tree of Life Web Project.
He obtained his PhD in large-scale phylogenetic inference at Simon Fraser University, Canada. After a postdoctoral fellowship at the University of British Columbia (Canada) and the Berlin Institute for Advanced Studies (Germany) he secured a Marie Curie postdoctoral fellowship to do research at the University of Reading (UK). In his current role at Naturalis he leads a small team of researcher/developers who develop analytical software tools to advance internal and extramural research programmes.

SESSIONE 5

Open Data Science e e-Infrastructure

La ricerca in Storia Naturale come una data science replicabile

I musei di storia naturale curano i campioni non solo per la visualizzazione ma anche per studiare processi che modellano la biodiversità. A tal fine, vengono utilizzate tecniche multidisciplinari per ottenere dati provenienti da esemplari a più livelli di organizzazione, che vanno dalla molecola, ad es. isotopi e sequenze biomolecolari, al morfologico, estratto dalla scansione 3D e dall'analisi delle immagini, mentre le intere raccolte forniscono dati su interi assemblaggi. I modelli nei dati sono collocati su ampie scale temporali e spaziali, in quanto alcuni processi ecologici di piccola scala si manifestano nel corso di ore, mentre altri derivano da gradienti latitudinali su scala planetaria e giocano in tempi geologici. A causa di questa multidimensionalità, la ricerca sulla storia naturale è stata meno attenta alle grandi visioni e infrastrutture dei Big Data. Tuttavia, le richieste di replicazione, riproduzione e riutilizzo stanno trasformando la ricerca della storia naturale in una data science. Qui esaminiamo le pratiche e le tendenze attuali in questo campo.


Natural history research as a replicable data science

Natural history museums curate specimens not only for display but also to study processes shaping biodiversity. To this end, multidisciplinary techniques are used to obtain data from specimens at multiple levels of organization, ranging from the molecular, e.g. isotopes and biomolecular sequences, to the morphological, extracted by 3D scanning and image analysis, while whole collections yield data about entire assemblages. Patterns in the data are placed on wide-ranging scales in time and space, as some small-scale ecological processes manifest themselves over the course of hours, while others stem from planetary-scale latitudinal gradients and play out over geological time. Due to this multidimensionality, natural history research has been less amenable to grand ‘Big Data’ visions and infrastructures. Nevertheless, demands of replication, reproduction, and reuse are turning natural history research into a data science. Here, we review the current practices and trends in this field.


Sponsor