Data Literacy - Lehrende
This is a modal window.
The media could not be loaded, either because the server or network failed or because the format is not supported.
Formal Metadata
| Title |
| |
| Title of Series | ||
| Number of Parts | 6 | |
| Author | ||
| License | CC Attribution 3.0 Germany: You are free to use, adapt and copy, distribute and transmit the work or content in adapted or unchanged form for any legal purpose as long as the work is attributed to the author in the manner specified by the author or licensor. | |
| Identifiers | 10.5446/43590 (DOI) | |
| Publisher | ||
| Release Date | ||
| Language |
Content Metadata
| Subject Area | ||
| Genre | ||
| Abstract |
|
00:00
Data analysisStatisticsInternetdienstComputer programMainframe computerPHPFinite-Differenzen-MethodeGoogleData storage deviceComputer networkElectrical contactsKommunikationStudent's t-testComputer scienceUniformer RaumWordSet (mathematics)Mathematical structureDigitizingInformationNumberAlgebraic closureKapazität <Mathematik>Product (category theory)InternetGRADEProgrammer (hardware)Eigenvalues and eigenvectorsMittelungsverfahrenOffice <Programm>Musical ensembleInformation systemsSanitary sewerSystems <München>Mach's principleFile formatForestBeta functionGrand Unified TheoryDataflowPhysical quantityLecture/ConferenceMeeting/InterviewComputer animation
09:32
Computer scienceCoin <Programmiersprache>InformationKapazität <Mathematik>Form (programming)Uniformer RaumXML
09:58
InformationComputer scienceCoin <Programmiersprache>Computer animationXML
10:19
Systems <München>CurveNormal distributionStudent's t-testDatabaseData centerKommunikationFile formatComputer animation
13:25
Lecture/ConferenceMeeting/Interview
Transcript: German(auto-generated)
00:00
Und ich würde gerne mit einem konkreten Beispiel anfangen, was mir letzte Woche passiert ist. Ich war auf einer Verteidigung im Bereich der Geisteswissenschaften und da stellte jemand seine Arbeit vor und nach der Arbeit sagte er, ich möchte meine Daten jetzt ganz gerne vermarkten, damit Geld machen und richtig was rausbekommen. Und da stellte man die Frage, ja, was ist denn mit deinen Daten? Ja, ich habe alle Daten bei Google und habe das alles selber organisiert und ich
00:23
habe so einen Stick dabei. Wie gehe ich jetzt damit um? Ich möchte ganz gerne richtig Geld mit den Daten machen. Er stellte sich heraus, woher er diese Information hat, dass er sich nicht an der Uni informiert hat, weil seine Freunde haben ihm gesagt, die Uni hat eh keine guten Tools, mach alles über Google. Und er hat eben irgendwelche Kumpels gehabt, die ihm da weitergeholfen haben und seine
00:44
betreuenden Hochschullehrer, denen war das eigentlich egal gewesen, weil die haben selber auch lieber die modernen Produkte von Apple benutzt. Und dann sagte er zum Abschluss noch, aber jetzt würde er gerne promovieren und wie das die Grundlage sein könnte. Ich denke, dieses Beispiel zeigt, dass wir sehr unterschiedlichen Umgang an den Hochschulen
01:01
mit dem Thema Data Literacy haben und dass dieses Thema eigentlich nicht nur an den Hochschulen liegt, sondern dass es eigentlich ein gesellschaftliches Thema ist, weil die Studenten, die wir heutzutage am Anfang haben, die aus den Schulen kommen, haben ein sehr unterschiedliches Niveau im Umgang mit Daten, mit ihrer eigenen Datenkompetenz. Und auch am Ende des Studiums gibt es da sehr, sehr große Unterschiede.
01:23
Und deshalb ist mir persönlich einfach wichtig, auch ein bisschen über das Thema Data Literacy nachzudenken und eigentlich auch zu motivieren, dass wir sehr, sehr früh anfangen, die jungen Wissenschaftler in das wissenschaftliche Arbeiten einzuführen und auch mit ihren Ängsten sie ernst zu nehmen.
01:40
Weil Befragungen haben gezeigt, die meisten Leute haben eigentlich nicht Angst mit den Forschungsdaten, sondern ihre Unfähigkeit kommt, Anführungszeit Unfähigkeit, aus dem privaten Alltag, aus dem Umgang mit den Freunden, mit den sozialen Netzwerken. Und da müssen wir einfach als Hochschulen eventuell einiges noch weiter entwickeln im Rahmen der Ausbildung.
02:00
Ja, Data Literacy ist in der Praxis extrem wichtig, weil es das Bindeglied ist zwischen Lehre und Forschung. Es bringt nichts, den Studenten tolle Forschungsergebnisse vorzuführen, wenn sie kein Verständnis für diese Daten haben und auch das praktische Arbeiten mit den Zahlen ist und den Daten ist eigentlich nur dann wirklich sinnvoll, wenn wirklich dieses Grundverständnis da ist und ich selber war auch eingebunden
02:23
in viele Übungen und da zeigte sich eigentlich, dass es dort einen großen Bedarf gibt, auch zu diskutieren. Was ist die Qualität von Daten? Wie sind die verknüpft? Und dort ist meiner Meinung nach einfach sehr, sehr viel zu tun. Und wir müssen dafür sorgen, dass wir eben nicht nur wie bisher die Medienkompetenz
02:40
fördern, sondern die Medienkompetenz weiter entwickeln und auch erlernen lassen praktisch in dem Bereich von Übungen. Wie werde ich in Zukunft wissenschaftlich arbeiten? Weil interessanterweise hatten die Schüler, wenn ich gearbeitet hatte, mehr Informationen aus dem Internet und über Freunde als wirklich über die Hochschulen, sodass sie ganz andere Informationskanäle genutzt haben.
03:01
Und jede hat so sein eigenes Beispiel für wissenschaftliches Arbeiten für sich entwickelt oder teilweise eben an seinem Betreuer orientiert. Was wir auch erleben ist, dass das Thema lange nicht mehr bei Universitäten bleibt, sondern wir sind jetzt gerade im Transformationsprozess in das lebenslange Lernen. Das heißt, die Schule muss eigentlich die Grundkompetenz schaffen.
03:22
Wenn das die Schule bis dahin nicht schafft, sozusagen dieses Mindestlevel zu erreichen, brauchen wir auch in den Hochschulen Angebote, um diese Themen zu diskutieren und weiterzuentwickeln. Die Universitäten fangen damit an, erst mal dieses Grundwissen aufzubauen. Da kommen immer mehr Fachinformationssysteme und Fachbeispiele dazu. Aber was auch ganz wichtig ist, wir werden auch in Zukunft im Beruf immer
03:43
mit diesen neuen Technologien und mit den Datenfragen beschäftigt sein. Und die Universität ist so ein bisschen das Bindeglied zwischen der Grundausbildung und der späteren Betreuung in entsprechenden Fortführungen. Am Ende meines Gesprächs mit dem Wissenschaftler fragte ich aber schon, was von FAIR gehört hatte. Und da war natürlich gar nichts, was rausgekommen ist.
04:02
Und wir haben also momentan auch große Anstrengungen, die FAIR Prinzipien in die Wissenschaft reinzubringen, weil, wie vorhin auch schon gesagt wurde, da wird sehr, sehr viel und es ist wirklich der Bedarf da, für die einzelnen Fachdisziplinen auch Beispiele zu haben, wie man FAIR gut leben kann. Gut, die Trennung fällt mir extrem schwer,
04:23
weil dieses ganze Thema hat sowohl was mit den Infrastrukturen zu tun. Was haben wir für Angebote? Was haben wir für Vorbilder? Wie werden Daten jetzt schon in der Forschung verwendet? Wie soll es zukünftig sein? Und wie kann ich diese Kultur in die Lehre hineinbringen? Das heißt also, eigentlich ist Infrastruktur und Forschung
04:43
die Grundlage für ein gutes Lehrangebot. Und wir haben zum einen, wurde auch schon angesprochen, die Grundkompetenzen, die weiterentwickelt werden müssen. Es geht also darum, dass viele Studenten auch gar nicht richtig eine Ahnung haben von den Prinzipien. FAIR zum Beispiel, was sind Datenformaten? Welche Methoden der Auswirkungen gibt es?
05:02
Da wird dann eher wie von einem Kochrezept etwas nachgemacht, was Sie mal gelesen haben, ohne wirklich das reflektiert zu haben. Und gerade in den Naturwissenschaften wird gar nicht darüber nachgedacht, was ist eigentlich die politische, ethische und rechtliche Konsequenz meiner Veröffentlichung und meiner Daten und in welchem Kontext stehen Sie dort?
05:21
Also da haben wir noch einen großen Bedarf, die Grundkompetenzen gerade an den Hochschulen weiterzuentwickeln. Genauso, aber da sind wir schon sehr viel weiter, gibt es eine ganze Menge an Tools. Sehr häufig kommt der Wunsch auf, gib mir doch mal ein Tool davor. Die Leute wollen lieber über, ich mach lieber das System versus das System diskutieren, weil sie davon gehört haben, als wirklich über ist es sinnvoll oder nicht.
05:42
Und da brauchen wir also auch noch entsprechende Kapazitäten. Und erst wenn da sozusagen die Basis aufgebaut ist, können wir wirklich in die fachspezifischen Angebote einsteigen. Ja, ich wollte jetzt ein paar Worte zu Hamburg sagen. Sie werden die Analogie für den griechischen Tempel sofort erkennen und das Dach fehlt. Der Grund dafür ist, wir haben in Hamburg von der Behörde
06:02
momentan drei große Programme aufgelegt. Das eine ist die Hamburg Open Online University. Da geht es um Fragen, open educational resources, Lehrmaterialien, aber die auch in der Öffentlichkeit herauszubringen, also wirklich Fragen des modernen Lehrens und Wissenschaftskommunizierens. Dann haben wir die zweite Säule, das ist das Programm Hamburg Open Science.
06:21
Da beschäftigen wir uns mit Unterstützung von Strukturen, gerade FDM und aber FIS-Systeme für die Wissenschaftler. Und die dritte Säule, die hätte eigentlich Herr Semmann heute vertreten. Das wäre Ahoi Digital. Da geht es darum, dass man also die Grundlagen, die man in der Forschung der Informatik ausbauen möchte, gerade damit Leute, die mit Daten arbeiten, das entsprechend nutzen können.
06:41
Ein paar ganz wenige Worte. Ein Infrastrukturprojekt wie Hamburg Open Science hat das mit Data literacy zu tun. Im Endeffekt bauen wir die Grundlagen auf. Also Hamburg ist jetzt ein Stadtbundesamt und dadurch gibt es die Möglichkeit, mit der Anzahl der Universitäten sehr eng zusammenzuarbeiten. Und wir wollen am Ende 2020, dass jede Universität
07:00
ein eigenes Forschungsdatensystem betreibt, ein FIS-System betreibt. Aber dass die auch miteinander verknüpft sind. Und dabei geht es nicht nur darum, die Technik aufzubauen, sondern die Hochschulen sind aktiv dabei, diesen kulturellen Wandel. Da haben wir ein eigenes Projekt dazu, wie Daten im Datenschutz genutzt werden, in die Hochschulen reinzubringen und weiterzuentwickeln.
07:21
Also Technologie ist die Grundlage. Aber wir wollen gleichzeitig mit der Einführung der Technologie wirklich in die Anwendung, in den Nutzen hineinzukommen. Wie machen wir das gerade im Kulturwandel? Also gerade das Projekt FDM ist da sehr stark drin. Entsprechende Beratungsstrukturen zu schaffen, Workshops zu entwickeln, ist ganz interessant. In Zeiten der Digitalisierung gibt es einen Riesenbedarf
07:41
nach persönlichen Kontakten und persönlichen Workshops. Der wirkliche Umgang mit Webinaren, mit sich selbstständig, mit FAQs zu beschäftigen, ist mein Eindruck, der kann noch ausgebaut werden. Also wir brauchen auch da einen Kulturwandel in der Art und Weise, wie gelernt wird von den mehr personenbezogenen Lerntechniken hin zu dem selbstständigen Lernen mit den vielfältigen Angeboten,
08:01
die es ja gerade im Open Science und FDM Bereich gibt. Wir müssen trotzdem auch weiter noch mal über die Grundkompetenzen uns Gedanken machen. Wenn wir feststellen, wo die fehlen, wie können die gefördert werden? Welche Angebote sollten noch hochschulübergreifend geschaffen werden? Und wir würden einfach auch gerne Diskussionsräume schaffen. Gerade diese Frage, was ist open? Wie gehe ich mit Daten um?
08:21
Was darf ich veröffentlichen? Und auch rechtliche Fragen sind immer wieder Fragen, die uns gestellt werden. Deshalb haben wir unter anderem auch jetzt kurz vor der Veröffentlichung ein Rechtskompendium, wie man damit umgehen kann. Ganz wichtig ist das Machen. Das heißt, wir versuchen, die Hochschullehrenden zu motivieren, dass wenn die Daten vorliegen, die schon möglichst schnell auch in die Vorlesung einzubinden,
08:42
weil die Lehrenden sind immer wieder auch die Vorbilder für die Studenten. Und wenn wir es schaffen, gute Beispiele zu haben, vielleicht auch übergreifend über mehrere Fachbereiche, können wir eigentlich den Leuten zeigen, was ihnen das bringt, diese neuen Technologien für ihre eigene Welt oder eigene Forschung zu berücksichtigen. Ja, das hört sich immer theoretisch gut an.
09:01
Jetzt sind wir mit dem Projekt Kulturwandel das erste Mal in der Uni Hamburg in die Hochschulen hineingegangen und sind fast erschlagen von der Vielfalt der Strukturen sogar innerhalb der einzelnen Fachkulturen. Also auch da findet momentan die Digitalisierung in Form eines Kommunikationsprozesses statt. Es ist keine Standardisierung. Wir haben immer die Vielfalt und die Lehrenden
09:21
und die Forschenden sind gerade dabei, für sich im Fachbereich Kulturen zu entwickeln, wie die Kommunikation zukünftig aussehen könnte. Und das sind auch wieder Beispiele für die Lehre natürlich. Ja, das Projekt Ahoi Digital habe ich schon vorhin angesprochen. Auch da sind vier große Hamburger Hochschulen vertreten. Und das war von Anfang an so aufgebaut,
09:42
dass es eben nicht nur darum ging, Kapazitäten in der Forschung zu schaffen, sondern von Anfang an dieses Thema Lehre, Forschung und in dem Falle auch noch Transfer gemeinsam zu denken. Da geht es wirklich darum, diese Elemente in einer neuen Lehrform mit modernen Techniken so zu entwickeln, dass die Studierenden direkt stärker in den Forschungsprozess eingebunden sind.
10:04
Als Beispiel von der Uni Hamburg, Data Science ist ein sehr viel größerer Begriff. Aber wie Herr Semmann mir sagte, ist in Data Science einfach ganz entscheidend auch die Data Literacy. Man kann erst mal Data Science anfangen, wenn da entsprechende Grundlagen existieren.
10:20
Ja, was sind die nächsten Schritte, um wirklich arbeiten zu können, brauchen wir erst einmal die Infrastruktur. Es ist immer schön, Ideen zu haben, was man machen kann, was man nicht haben kann. Aber die Leute fragen, OK, was kann ich jetzt konkret machen? Wo liegen die Daten? Welche Infrastrukturangebote sind zur Verfügung? Die müssen aber nicht nur bei der einzelnen Hochschule liegen.
10:40
So ist es auch ganz wichtig zu vermitteln, gerade für die Fachsysteme, dass einfach wir als Wissenschaftler nicht mehr nach der Hochschule denken müssen. Nur unser Rechenzentrum ist zuständig, sondern ich muss nach dem besten System für meine Fachrichtung schauen. Dann brauchen wir immer noch ergänzende Lehrformate für diese Grundkompetenzen. Gerade die Fragestellung des Umgangs mit Daten, des Verständnisses von Daten.
11:01
Da gibt es noch relativ wenig Lehrformate, die gerade als Open-Metal-Ressources in der Uni Hamburg zumindest im Einsatz sind. Wenn diese Grundlagen geschaffen sind, bräuchte man eigentlich wie so Baukasten mäßig so ein Fächer, dass wir noch einmal für die einzelnen Fachdisziplinen einfach die Ergänzungen da oben drauf bauen. Die ORs, die wir uns angeschaut haben,
11:22
da sehen wir ganz häufig drin, dass aufgrund der Studenten der Wunsch ist, immer bei Adam und Eva anzufangen. Was ist eine Datenbank? Wie ist das aufgebaut? Und da gibt es einfach sehr, sehr viele Redundanzen, weil diese Systeme sich überlagern. Also da brauchen wir auch irgendwie ein Tool noch, dass wir wirklich das auf den Punkt bringen. Das ist das System für deine Fachrichtung
11:40
und das kannst du entsprechend verwenden und die Daten gibt es dort schon. Gerade das Projekt Ahoi Digital vernetzt die verschiedenen Labs, die verschiedenen Entwicklungsräume und die haben sich als sehr produktiv erwiesen. Weil wenn wir uns die Kompetenz bei den Studierenden angucken, haben wir so eine Normalverteilungskurve. Wir haben ganz links die super IT-affinen Leute,
12:01
die jedes Tool mehrfach nutzen wollen, die digital denken und leben. Und rechts haben wir die, die wir überhaupt nicht überzeugen können, die Dinge mal zu nutzen. Spannend ist eigentlich der Bereich in der Mitte. Da gibt es welche, die sind eher neutral und abwartend und welche, die sind eher interessiert. Und wir haben die Erfahrung gemacht, dass gerade die Interessierten dann in solche Labs hineinkommen, ihre Fragen stellen
12:21
und an konkreten Beispielen auch fächerübergreifend arbeiten wollen. Also diese Labs haben sich trotz allen IT-Strukturen als ganz wichtiger Kommunikationsraum auch zur Diskussion der Erfahrung mit Ad Literacy entwickelt. Ich bin fast fertig. Meine drei Fragen für den Tisch nachher sind wie folgend.
12:42
Wie werden allgemeine und fachspezifische Grundfähigkeiten zum Umgang mit Forschungsdaten definiert? Wir brauchen also aus unserer Sicht quasi eine Basis. Was sollte heutzutage mindestens da sein? Dann das Beispiel, das ja vorhin ja auch gezeigt, dass es sehr unterschiedlich ist, wie das umgesetzt wird. Also wie kann wirklich dieses Thema Data Literacy auch in die Curricula sowohl der Lehrenden
13:03
als auch der Studenten eingebaut werden? Wenn sich ein Student irgendwann später bewirbt, wie kann er nachweisen, dass er wirklich dort Kompetenzen erworben hat? Welche Möglichkeiten haben der? Und wie können wir Lehrende noch mehr für dieses Thema motivieren, ihre Vorlesungen zu überarbeiten und dieses Thema wirklich
13:21
beispielhaft in den Lehrunterricht einzubinden? Vielen Dank.
Recommendations
Series of 8 media
Series of 6 media