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 5
Leitfrage 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.] 6
Leitfrage 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 9
Leitfrage 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 11
Kontakt 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