Daten und Data Literacy im Kontext der Wissenschaft
DOI:
https://doi.org/10.21243/mi-03-21-14Abstract
“Data is the new soil” (“Daten sind der neue Boden”). Daten sind heute im Zuge der Digitalisierung zu einem wesentlichen Element für Innovation und nachhaltiges Wachstum geworden. Wir sind an einem Punkt angelangt, an dem ohne digitale Daten nicht nur Wirtschaft, Politik und Wissenschaft, sondern auch Teile der Gesellschaft zum Stillstand kommen würden. Die fortschreitende Datafizierung erfordert für eine aktive Teilnahme am gesellschaftlichen und wissenschaftlichen Leben, die Fähigkeit zum selbstbestimmten, sozial verantwortlichen und kompetenten Umgang mit Daten. Der Zugang zu Daten, die technischen Möglichkeiten des Umgangs mit ihnen und Data Literacy sind notwendige Voraussetzungen und bilden die Basis für Wissenschaft, Forschung und Innovation. Data Literacy, als kompetenter Umgang mit Daten, muss daher in Bildungseinrichtungen, in Wissenschaft und Forschung und insbesondere an Hochschulen vermittelt werden. Das Projekt data.RWTH der RWTH Aachen University nimmt sich der Herausforderung an, Data Literacy an die Studierenden aller Fakultäten und Disziplinen zu vermitteln.
Literaturhinweise
Aceves-Bueno, Eréndira/Adeleye, Adeyemi S./Feraud, Marina/Huang, Yuxiong/Tao, Mengya/ Yang, Yi/Anderson, Sarah E. (2017): The accuracy of citizen science data: a quantitative review, in: Bulletin of the Ecological Society of America 98 (4), 278–290.
Barrowman, Nick (2018): Why Data Is Never Raw. On the seductive myth of infomration free of human judgment, online unter: https://www.thenewatlantis.com/publications/why-data-is-never-raw (letzter Zugriff: 01.09.2021).
Bourdieu, Pierre (1975): The specificy of the scientific field and the social conditions of the progress of reason, in: Social Science Information 14 (6), 19–47.
Bourdieu, Pierre (1991): The peculiar history of scientific reason, in: Sociological Forum 6 (1), 3–26.
Bourdieu, Pierre (1992): Homo academicus, Frankfurt am Main: Suhrkamp.
Bourdieu, Pierre (1998): Vom Gebrauch der Wissenschaft. Für eine klinische Soziologie des wissenschaftlichen Feldes, Konstanz: UVK.
Blümel, Clemens (2019): Open Science und Open Innovation: Neue Indikatoren für die Analyse des Wissenschafts- und Innovationssystems im digitalen Zeitalter, in: Stifterverband für die Deutsche Wissenschaft e.V. Berlin, Discussion Paper 1.
Dichev, Christo/Dicheva, Darina (2017): Towards data science literacy, in: Procedia Computer Science 108, 2151–2160.
Fecher, Benedikt/Friesike, Sascha (2014): Open science: one term, five schools of thought, in: Opening science, 17–47.
Gitelman, Lisa (Hg.) (2013): Raw data is an oxymoron, Cambridge, MA: MIT Press.
Graf, Angela (2016): Macht- und Chancenstrukturen in der Wissenschaft – Die Konstitution der Wissenschaftselite in Deutschland, in: Gengnagel, Vincent/Hamann, Julian/Hirschfeld, Alexander/Maeße, Jens (Hg.): Macht in Wissenschaft und Gesellschaft. Diskurs- und feldanalytische Perspektiven, Wiesbaden: Springer VS, 55–82.
Hartmann, Michael (2003): Nationale oder transnationale Eliten? Europäische Eliten im Vergleich, in: Oberschichten – Eliten – Herrschende Klassen, Wiesbaden: VS Verlag für Sozialwissenschaften, 273–297.
Hartmann, Michael (2007). Eliten und Macht in Europa: ein internationaler Vergleich, Frankfurt am Main: Campus.
Häußling, Roger/Ziesen, Nenja/Lemm, Jaqueline/Kerpen, Daniel/Strüver, Niklas/Eggert, Michael (2017): Schlaglichter der Digitalisierung: Virtureale (r) Körper – Arbeit – Alltag: Ein Vorstoß zum Kern der Digitalisierung aus einer techniksoziologisch-relationalen Perspektive: Working Paper des Lehrstuhls für Technik- und Organisationssoziologie, No. RWTH-2017-06217, Lehrstuhl für Soziologie mit dem Schwerpunkt Technik-und Organisationssoziologie.
Heidrich, Jens/Bauer, Pascal/Krupka, Daniel (2018): Future Skills: Ansätze zur Vermittlung von Data Literacy in der Hochschulbildung, in: Hochschulforum Digitalisierung beim Stifterverband für die Deutsche Wissenschaft e.V. Berlin, Arbeitspapier 37.
Heidrich, Jens/Bauer, Pascal/Krupka, Daniel (2018): Strukturen und Kollaborationsformen zur Vermittlung von Data-Literacy-Kompetenzen, in: Hochschulforum Digitalisierung beim Stifterverband für die Deutsche Wissenschaft e.V. Berlin, Arbeitspapier 32.
Kaufman, Allison B. (2014): Let’s talk about citizen science: What doesn’t work, in: Animal Behavior and Cognition 1(4), 446–451.
Lowry, Christopher/Stepenuck, Kristine (2021): Is Citizen Science Dead? In: Environmental Science & Technology 55(8), 4194–4196.
Mau, Steffen (2017): Das metrische Wir. Über die Quantifizierung des Sozialen, Berlin: Suhrkamp.
Markl, Volker (2018): Eine nationale Daten- und Analyseinfrastruktur als Grundlage digitaler Souveränität, in: Informatik-Spektrum 41(6), 433–439.
McCandless, David (2010): The beauty of data visualization, TEDGlobal-Talk 2019, online unter: https://www.ted.com/talks/david_mccandless_the_beauty_of_data_visualization (letzter Zugriff: 01.09.2021).
Persike, Malte/Schenkat, Sophie/Schulte, Stefan (2021): Einblick in den Lernraum – Inhalte, Methoden, Praxisbeispiele, in: Ebeling, Johanna/Koch, Henning/Roth-Grigori, Alexander (Hg.): Kompetenzerwerb im kritischen Umgang mit Daten – Data Literacy Education an deutschen Hochschulen, Edition Stifterverband, im Druck.
Positionspapier des Wissenschaftsrats (2020): Wissenschaft im Spannungsfeld von Disziplinarität und Interdisziplinarität, Positionspapier, Drs. 8694–20, Köln.
Rasche, Christoph (1994): Kritische Würdigung der Ressourcenperspektive im strategischen Management, in: Wettbewerbsvorteile durch Kernkompetenzen, Wiesbaden: Deutscher Universitätsverlag, 397–408.
Ridsdale, Chantel/Rothwell, James/Ali-Hassan, Hossam/Bliemel, Michael/Irvine, Dean/Kelley, Daniel/Matwin, Stan/Wuetherick, Brad (2015): Strategies and best practices for data literacy education: Knowledge synthesis report, online unter: http://www.mikesmit.com/wp-content/papercite-data/pdf/data_literacy.pdf (letzter Zugriff: 01.09.2021).
Riphan, Regina T. (2020): Wissenschaft braucht Daten, in: Wissenschaftsdienst. Zeitschrift für Wissenschaftspolitik 5, 306–307.
Röhlig, Andreas (2018): Interdisziplinäre Zusammenarbeit im Verbundprojekt: Herausforderungen und kritische Faktoren einer erfolgreichen Forschungskooperation, No. 181, HWWI Research Paper.
Schüller, Katharina/Busch, Paulina/Hindinger, Carina (2019): Future Skills. Ein framework für data literacy, in: Hochschulforum Digitalisierung 46, 1–128.
Schüller, Katharina/Koch, Henning/Rampelt, Florian (2021): Data-Literacy-Charta. Version 1.2, Berlin: Stifterverband für die Deutsche Wissenschaft e.V.
Seaver, Nick (2013): Knowing algorithms, in: Media in Transition 8, 1–12.
Swertz, Christian/Fessler, Clemens (2010): Literacy: Facetten eines heterogenen Begriffs, in: Medienimpulse 48, Nr. 4/2010, online unter:
https://journals.univie.ac.at/index.php/mp/article/view/mi272 (letzter Zugriff: 01.09.2021).
Wilke, Julia (2016): Literacy – Begriffliche Annäherungen, in: Literacy und geistige Behinderung, Wiesbaden: Springer VS, 25–37.
Wolff, Annika/Gooch, Daniel/Montaner, Jose J. Cavero/Rashid, Umar/Kortuem, Gerd (2016): Creating an understanding of data literacy for a data-driven society, in: The Journal of Community Informatics 12(3).
Wosnitza, Marold/Bürger, Kathrin/Drouven, Svenja (2015): Self-Assessments: Heterogene Eingangsvoraussetzungen und Prognosen von Studienerfolg, in: Herausforderung Heterogenität beim Übergang in die Hochschule, Waxmann, 133–144.
