Daten und Data Literacy im Kontext der Wissenschaft – Chancen und Herausforderung am Beispiel des data.RWTH-Projekts

Kurzbeschreibung

Der Beitrag stellt die Bedeutung von Data Literacy für Wirtschaft, Politik, Wissenschaft und Gesellschaft heraus. Es werden verschiedene Definitionsansätze für Data Literacy vorgestellt, die Bedeutung von Daten und Data Litercy im Kontext der Wissenschaft beleuchtet und abschließend das Projekt "data.RWTH" vorgestellt.

Annahmen über die Folgen der Digitalisierung

Die Digitalisierung bringt mit sich, dass Daten ein immer wichtigeres Gut geworden sind und weiterhin werden. Jede Gesellschaft, jedes Unternehmen und auch jede wissenschaftliche Disziplin ist von ihnen abhängig und würde ohne sie zum Stillstand kommen. Außerdem bringt sie Veränderungen im Kontext des wissenschaftlichen Forschens mit sich: So können immer mehr Daten erhoben, gesammelt, verwaltet, ausgewertet und bewertet werden, was allerdings wiederum zu neuen Kompetenzanforderungen in diesem Bereich führt. Zudem treibt sie Veränderungen der Machtstrulturen zwischen den Wissenschaften voran.

Kompetenzanforderungen

Der selbstbestimmte, sozial verantwortliche und kompetente Umgang mit solchen Daten stellt eine immer wichtiger werdende Kompetenz und Voraussetzung zur aktiven Teilhabe an Wissenschaft und Gesellschaft dar, die in die schulische, berufliche und hochschulische (Aus-)Bildung integriert werden muss. Weiterhin werden vier verschiedene Personengruppen genannt und jeweilige Kompetenzanforderungen definiert: Kommunikatoren, die Daten verständlich für andere kommunizieren und in den Kontext einordnen, Leser, die Kompetenzen benötigen, um die wachsende Menge an Daten angemessen interpretieren zu können, Macher, die Daten zur Lösung realer Probleme nutzen und sich der Wirkung ihrer eigenen produzierten Daten bewusst zu sein haben, und Wissenschaftler, die fortgeschrittene technische Datenfertigkeiten mit kommunikativen Fähigkeiten und Wissen über Daten zu kombinieren müssen.

Kompetenzdimensionen

Kreative Dimension: Daten visualisieren; Daten zur Lösung von Problemen einsetzen.

Soziale Dimension: Data sharing.

Kritisch-reflexive Dimension: kompetenter und reflektierter Umgang mit Daten; Daten auf eine kritische Weise sammeln, verwalten, auswerten und anwenden; data ethics; ethische Werthaltung; kritisches Denken; Evaluation und Sicherstellen der Qualität von Daten und Quelle; verantwortungsvoller Umgang mit Daten; Daten in Kontexte einordnen können; Data Interpretation; (fachbezogene) Interessen und Unterschiede bei der Datenverarbeitung und -nutzung hinterfragen und damit die Grenzen eines vermeintlich objektiven Erkenntnisgewinns aus Daten reflektieren.

Kognitive Dimension: Daten finden und sammeln; Data Conversion, Curation, Preservation, Organisation, Manipulation, Data Analysis.

Zentrale theoretische Annahmen über Kompetenz

Datenkompetenz beschreibt konkrete Fertigkeiten zur Datenauswertung und Interpretation. Demgegenüber ist der Begriff Data Literacy breiter gefasst als der der Datenkompetenz.

Perspektive der Kompetenzträger*innen auf Kompetenz einbezogen?

keine Angabe

Lebenskontexte der Kompetenzträger*innen einbezogen?

Data Literacy wird als Schlüsselkompetenz der Allgemeinbildung verstanden. Es besteht also Bedarf dafür in jeder Altersgruppe. Im Hinblick auf die Beschreibung des data.RWTH-Projekts wird allerdings vornehmlich Bezug auf Student*innen genommen.

Herausforderungen der Erfassung von Kompetenz

keine Angabe

Quellenangabe

Cwielong, I., Sossong, S., Persike, M., Weyers, P., & Vogelgesang, A. (2021). Daten und Data Literacy im Kontext der Wissenschaft. Medienimpulse, 59(3). https://doi.org/10.21243/mi-03-21-14

Zuletzt geändert am 31. August 2022.