FUTURE SKILLS: ANSÄTZE ZUR VERMITTLUNG VON DATA LITERACY IN DER HOCHSCHULBILDUNG - Fraunhofer IESE-Blog
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
FUTURE SKILLS: ANSÄTZE ZUR
VERMITTLUNG VON DATA LITERACY
IN DER HOCHSCHULBILDUNG
Im Auftrag der Arbeitsgruppe Curriculum 4.0 des Hochschulforum Digitalisierung
Dr. Jens Heidrich
Pascal Bauer
Fraunhofer IESE
Das Hochschulforum Digitalisierung ist ein gemeinsames
Daniel Krupka Projekt des Stifterverbandes, des CHE Centrums für
Gesellschaft für Informatik e.V. Hochschulentwicklung und der Hochschulrektorenkonferenz.
Förderer ist das Bundesministerium für Bildung und Forschung.
24.10.2018 1
Zielsetzung und Fokus
• Ziel: Umsetzbares Wissen für die Leitfragen:
Curriculum-Entwicklung im Hinblick auf 1. Was wird unter Data Literacy
Data Literacy zusammenzustellen verstanden und welche Schwerpunkte
sind relevant?
2. Wie wird Data Literacy in Disziplinen
• Fokus: Europäische und internationale und Curricula integriert und wie schafft
Best-Practice-Beispiele, welche Angebote man Anreize für Lehrende?
zur Disziplinen-übergreifenden 3. Was ist ein fachübergreifendes Set an
Vermittlung von Data Literacy aufgebaut Basiskompetenzen und was sind
haben Spezialkompetenzen?
4. Welche Anforderungen ergeben sich an
• Abgrenzung: Im Vordergrund stand die die Absolventinnen und Absolventen für
Gesellschaft, Arbeitsmarkt und
Wissensvermittlung von Data Literacy in Wissenschaft?
den Anwendungsdomänen und nicht die 5. Was sind Faktoren des Erfolgs und
Ausbildung von Data Scientists Misserfolgs der curricularen
Implementierung?
24.10.2018 2
Überblick
1. Desk Research 4. Dokumentation
• Recherche und Grobklassifikation von • Handreichung Stand der Forschung
89 Studiengängen und Kursen • 100-Seitiger Abschlussbericht
• Sichten von 17 Literaturquellen zum
Stand der Forschung
2. Interviews und Umfrage
• Auswahl und Detailklassifikation
von 15 Fallbeispielen
• Interviews mit Vertretern von 6
Fallbeispielen (21 Fragen)
• Umfrage mit 69 Teilnehmern (16
Fragen)
3. Workshop
• Durchführung eines internationalen
Workshops mit 19 Fachexperten
24.10.2018 3
Leitfrage 1: Was wird unter Data Literacy verstanden und welche Schwerpunkte sind relevant? „Data Literacy ist die Fähigkeit Daten auf kritische Art und Weise zu sammeln, zu managen, zu bewerten und anzuwenden“ [Ridsdale et al.] • Sowohl bei den Experteninterviews als auch der Umfrage stimmten dieser Definition ein Großteil der Personen völlig oder teilweise zu (100% bzw. 94%) • Die noch fehlenden Aspekte betreffen und betonen meist Einzelkompetenzen • Es gibt eine große Überlappung zum Begriff der „Information Literacy” sowie angrenzenden Begriffen wie „Data Information Literacy”, „Science Data Literacy”, „Digital Literacy” oder auch „Statistical Literacy“ 24.10.2018 4
Leitfrage 2: Wie wird Data Literacy in
Disziplinen und Curricula integriert und wie
schafft man Anreize für Lehrende?
1. Die Vermittlung von Kompetenzen im 5. Es benötigt eine nationale Forschungs-,
Bereich Data Literacy sollte möglichst Bildungs- und Trainingsagenda sowie
früh begonnen werden (etwa zum den Aufbau nationaler Infrastrukturen
Beginn eines Studiums) 6. Verschiedene Modelle der Integration
2. Das Bewusstsein für die Wichtigkeit sind denkbar: von Online-Angeboten,
muss bei Studenten und Organisation einem zentralen Einstiegskurs mit
vermitteln werden Erweiterungsmodulen bis hin zu
3. Ein Angebot muss an verschiedene vollintegrierten Lösungen
Bildungsniveaus und disziplinspezifisch 7. Erfolgreiche Angebote sind modular
an den Kontext, die Terminologie und aufgebaut und bedienen sich moderner
den Arbeitsablauf der Problemstellung Vermittlungsformate (wie Hands-On-
angepasst werden und projektbasiertes Lernen)
4. Der Aufbau von disziplinunabhängigen 8. Die Motivation für Lehrende zur
Institution wird empfohlen, die Experten Beteiligung an gemeinsamen
aus verschiedenen Fachrichtungen für Angeboten besteht größtenteils in
den Aufbau von Programmen einbindet persönlichem Interesse und der
Verbreiterung der eigenen Fähigkeiten
24.10.2018 5Leitfrage 3: Was ist ein fachübergreifendes
Set an Basiskompetenzen und was sind
Spezialkompetenzen?
Konzeptioneller
Rahmen
Einführung in Daten • Basis- und Spezialkompetenzen
Konzeptionell
Datenerschließung und -sammlung hängen vom Ausbildungszweck von
Datensammlung Evaluierung und Sicherstellen der Qualität der
Datenquellen Data Literacy ab
Datenorganisation
Datenmanipulation • Im Workshop wurden zwei mögliche
Daten- Datenkonvertierung Zwecke diskutiert:
Management Metadatenerzeugung und -verwendung
Datenheilung, -sicherheit und -wiederverwendung 1. Ausbildung mündiger
Datenaufbewahrung Bildungsbürger: erfordert
Datenwerkzeuge
Kern
Grundlegende Datenanalyse disziplinübergreifenden,
Dateninterpretation (Datenverständnis) generischen Grundstock an
Datenevaluation Nutzen von Daten zur Identifizierung von Problemen
Datenvisualisierung Kompetenzen in der Breite
Datenpräsentation (verbal)
2. Vermittlung von Data-Literacy-
Fortgeschritten
Datengetriebene Entscheidungsfindung
Kritisches Denken Kompetenzen für die jeweilige
Datenkultur
Datenethik Disziplin: erfordert größere
Datenanwendung Datenzitierung
Spezialisierung in die Tiefe
Datenteilung
Evaluieren von Entscheidungen basierend auf Daten und Anpassung
24.10.2018 [C. Ridsdale et al., „Strategies and Best Practices for Data Literacy Education: Knowledge Synthesis Report“, Report, 2015.] 6Leitfrage 3: Was ist ein fachübergreifendes Set an Basiskompetenzen und was sind Spezialkompetenzen? • Im Rahmen der Interviews bestand lediglich Einigkeit, dass es sich bei „Einführung in Daten“ und „Grundlegende Datenanalyse“ um grundlegende Kompetenzen handelt • Bei der Umfrage sieht man, dass die „Einführung in Daten“ von 95% als grundlegend gesehen wird, gefolgt von „Datenpräsentation (verbal)“ mit 90% und „Kritischem Denken“ mit 85% • Als am wenigsten grundlegend wurde die „Datenkonvertierung“ mit 10% und „Datenaufbewahrung“ mit 15% gesehen • Alle anderen Kompetenzbereiche wurden bei mind. 35% der Antworten als grundlegend bezeichnet 24.10.2018 7
Leitfrage 4: Welche Anforderungen ergeben sich an die Absolventinnen & Absolventen für Gesellschaft, Arbeitsmarkt & Wissenschaft? • Nach der Umfrage sind für die Gesellschaft „Kritisches Denken“, „Datenethik“, und „Datenteilung“ wichtig • Für den Arbeitsmarkt sind „Datenkonvertierung“ und „Datengetriebene Entscheidungsfindung“ sowie „Datenwerkzeuge“ von Wichtigkeit • Für die Forschung spielt „Datenzitierung“ und „Datenerschließung und -sammlung“ eine große Rolle • Die Interviews zeigen, dass für die Gesellschaft, Fähigkeiten im ethisch korrekten Umgang mit Daten von Wichtigkeit sind, beim Arbeitsmarkt einzelne, mehr technische Fähigkeiten im Vordergrund stehen und bei der Wissenschaft ein breites Kompetenzprofil gefragt ist 24.10.2018 8
Leitfrage 5: Herausforderungen und
Maßnahmen aus Literatur und Interviews
Strukturen & Kollaboration Kompetenzen & Integration Kompetenzvermittlung
Übergreifende Kollaboration Frühzeitig Bewusstsein Verfügbarkeit von Lehrenden
Heraus-
forderungen
(Silodenken) schaffen Diversität der Teilnehmer
Ressourcen-Verfügbarkeit Identifikation relevanter Praxisnahe Vermittlung
Aufbaufinanzierung Kompetenzen
Verschiedene Bildungsniveaus
Kollaborationen mit anderen Bei Schulen Grundstein legen Moderne Lern- und
Maßnahmen
Fachbereichen, Grundkompetenzen bereits für Coaching-Konzepte (u.a.
Institutionen und Industrie Nicht-Graduierte gemischte Lernteams)
Kompetenzen über Eigenständige Disziplin- Lernen mit realen Daten
Disziplinen hinweg bündeln übergreifende Kurse anbieten Stipendien für Disziplin-
Gemeinsamer Asset-Pool Integration von Kompetenzen übergreifende Arbeiten
Übergreifende Zentren in existierende Fächer Lehrenden Perspektiven
Nationale Strategie und Tailoring des Angebots an die eröffnen
Infrastruktur Bedürfnisse der Zielgruppen Train-the-Trainer-Angebote
24.10.2018 9Leitfrage 5: Handlungsempfehlungen aus Expertenworkshop Strukturen und Kollaboration Kompetenzen und Integration Kompetenzvermittlung 1. Aufbau geeigneter 1. Aufbau von Laboren für „Data 1. Data Literacy sollte zur Infrastrukturen und Raum in Education“, um das Grundvoraussetzung für den Curricula, Zugang zu Eigenstudium besser zu akkreditierte Programme Best Practices und zu Daten unterstützen werden 2. Weiterbildung der operativen 2. Frühzeitig auf Schulebene 2. Data-Literacy-Bildung sollte Leitung, Überzeugung der beginnen, indem z.B. die standardisiert werden Hochschulführung und das kommende Lehrerschaft 3. Die Vermittlung von Data- Lancieren von Maßnahmen ausgebildet wird Literacy-Kompetenzen sollte 3. Aufbau von Kollaborationen 3. Aufbau eines als Duo mit einem Domänen- über Abteilungen, standardisierten Kompetenz- Experten und einem Data Fachbereiche und Industrie, Frameworks für Data Literacy Scientist erfolgen und an den Schaffen einer Community of Kontext angepasst werden Practice und eines gemeinsamen Raums mit Zugang zu Ressourcen 24.10.2018 10
Data Literacy Education: Förderprogramm des
Stifterverbandes und der Heinz Nixdorf Stiftung im
Rahmen der Initiative „Future Skills“
• Ziel: Förderung des Erwerbs von Data • Fünf weitere Finalisten:
Literacy für Studierende aller Fächer an • Hochschule für Technik und
deutschen Hochschulen Wirtschaft Berlin
• Umfang: 3 mal 250.000€ • Ruhr-Universität Bochum
• Dauer: 3 Jahre (Beginn Oktober 2018) • Universität Hildesheim
• Einreichung: 47 Konzepte • Johannes Gutenberg-Universität
• Modus: Öffentliche Auswahlsitzung Mainz
(28.9.2018) • Universität Regensburg
• Zur Förderung ausgewählt: • Weitere Informationen unter:
• Georg-August-Universität Göttingen https://www.stifterverband.org/data-
• Leuphana Universität Lüneburg literacy-education
• Hochschule Mannheim
24.10.2018 11Kontakt Dr. Jens Heidrich, Division Manager Daniel Krupka, Geschäftsführer Hauptabteilung “Process Management” Gesellschaft für Informatik e.V. (GI) Tel: +49 631 6800-2193 Tel.: +49 30 7261 566-15 Mail: jens.heidrich@iese.fraunhofer.de Mail: daniel.krupka@gi.de Pascal Bauer Berliner Büro im Spreepalais am Dom Abteilung “Data Engineering” Anna-Louisa-Karsch-Str. 2 Tel: +49 631 6800-2164 10178 Berlin Mail: pascal.bauer@iese.fraunhofer.de Fraunhofer-Institut für Experimentelles Web: www.gi.de Software Engineering (IESE) Fraunhofer-Platz 1, 67663 Kaiserslautern Web: www.iese.fraunhofer.de 24.10.2018 12
Sie können auch lesen
