Ein Framework für Data Literacy

Katharina Schüller
{"title":"Ein Framework für Data Literacy","authors":"Katharina Schüller","doi":"10.1007/s11943-019-00261-9","DOIUrl":null,"url":null,"abstract":"<div><h2>Zusammenfassung</h2><div><p>Digitalisierung und Datafizierung werden das Leben und Arbeiten im 21. Jahrhundert\nnachhaltig verändern. Daten sind die Ausgangsbasis für Wissens- bzw. Wertschöpfung\nals Grundlage für bessere Entscheidungen. Um systematisch Wissen bzw. Wert aus\nDaten zu schöpfen, ist deshalb zukünftig in allen Sektoren und Disziplinen die\nFähigkeit, planvoll mit Daten umzugehen und sie im jeweiligen Kontext bewusst\neinsetzen und hinterfragen zu können, von entscheidender Bedeutung. Dies wird als\nData Literacy bezeichnet und umfasst die Fähigkeiten, Daten auf kritische Art und\nWeise zu sammeln, zu managen, zu bewerten und anzuwenden. Hierfür bedarf es\neines Kompetenzrahmens, d.h. eines Modells zur strukturierten Beschreibung von\neffektivem Verhalten in einem gegebenen Aufgabenkontext. Er umfasst Kompetenzen,\nderen Definitionen und daraus abgeleitete Verhaltensindikatoren. Ein derartiger\nKompetenzrahmen soll alle Stufen des Wissens- bzw. Wertschöpfungsprozesses aus\nDaten abbilden; er soll alle Kompetenzdimensionen erfassen: (a) Wissen, (b)\nFertigkeiten, (c) Fähigkeiten, (d) Motivation und (Wert-)Haltung; er soll es erlauben, die\nerfassten Kompetenzen in konkrete und testbare Lern- oder Kompetenzziele zu\nüberführen; und er soll der die Interdisziplinarität der Aufgabe reflektieren, also\nwiderspiegeln, dass neben Datenexperten auch Fachexperten, Datenschützer und\nDatenethiker benötigt werden. Dieser Beitrag stellt das neu entwickelte Data Literacy\nFramework vor und ist eine gekürzte Fassung der Studie „Future Skills: Ein Framework\nfür Data Literacy“ (Arbeitspapier 47) des Hochschulforums Digitalisierung.</p></div></div>","PeriodicalId":100134,"journal":{"name":"AStA Wirtschafts- und Sozialstatistisches Archiv","volume":"13 3-4","pages":"297 - 317"},"PeriodicalIF":0.0000,"publicationDate":"2019-11-14","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://sci-hub-pdf.com/10.1007/s11943-019-00261-9","citationCount":"6","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"AStA Wirtschafts- und Sozialstatistisches Archiv","FirstCategoryId":"1085","ListUrlMain":"https://link.springer.com/article/10.1007/s11943-019-00261-9","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 6

Abstract

Zusammenfassung

Digitalisierung und Datafizierung werden das Leben und Arbeiten im 21. Jahrhundert nachhaltig verändern. Daten sind die Ausgangsbasis für Wissens- bzw. Wertschöpfung als Grundlage für bessere Entscheidungen. Um systematisch Wissen bzw. Wert aus Daten zu schöpfen, ist deshalb zukünftig in allen Sektoren und Disziplinen die Fähigkeit, planvoll mit Daten umzugehen und sie im jeweiligen Kontext bewusst einsetzen und hinterfragen zu können, von entscheidender Bedeutung. Dies wird als Data Literacy bezeichnet und umfasst die Fähigkeiten, Daten auf kritische Art und Weise zu sammeln, zu managen, zu bewerten und anzuwenden. Hierfür bedarf es eines Kompetenzrahmens, d.h. eines Modells zur strukturierten Beschreibung von effektivem Verhalten in einem gegebenen Aufgabenkontext. Er umfasst Kompetenzen, deren Definitionen und daraus abgeleitete Verhaltensindikatoren. Ein derartiger Kompetenzrahmen soll alle Stufen des Wissens- bzw. Wertschöpfungsprozesses aus Daten abbilden; er soll alle Kompetenzdimensionen erfassen: (a) Wissen, (b) Fertigkeiten, (c) Fähigkeiten, (d) Motivation und (Wert-)Haltung; er soll es erlauben, die erfassten Kompetenzen in konkrete und testbare Lern- oder Kompetenzziele zu überführen; und er soll der die Interdisziplinarität der Aufgabe reflektieren, also widerspiegeln, dass neben Datenexperten auch Fachexperten, Datenschützer und Datenethiker benötigt werden. Dieser Beitrag stellt das neu entwickelte Data Literacy Framework vor und ist eine gekürzte Fassung der Studie „Future Skills: Ein Framework für Data Literacy“ (Arbeitspapier 47) des Hochschulforums Digitalisierung.

查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
数据素养框架
数字化和数据化将成为21世纪的生活和工作。可持续变化。数据是知识和培训的起点。增值是做出更好决策的基础。为了获得系统的知识或知识。因此,在未来的所有部门和学科中,从数据中创造价值至关重要,即有计划地处理数据的能力,以及能够在各自的背景下有意识地使用和质疑数据的能力。这被称为数据素养,包括以关键方式收集、管理、评估和应用数据的能力。这需要一个能力框架,即在给定的任务上下文中对有效行为进行结构化描述的模型。它包括能力及其定义和由此产生的行为指标。这种能力框架旨在涵盖所有层次的知识和培训。从数据映射价值创造过程;它应涵盖能力的所有方面:(a)知识,(b)技能,(c)技能,以及(d)动机和(价值)态度;它应允许将所获得的技能转化为具体和可测试的学习或能力目标;它应该反映任务的跨学科性,以及对数据专家、主题专家、数据保护者和数据伦理的需求。本文介绍了新开发的数据素养框架,是大学数字化论坛研究“未来技能:数据素养框架”(工作文件47)的缩写版本。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Vorwort der Herausgeber Connecting algorithmic fairness to quality dimensions in machine learning in official statistics and survey production Automated Bayesian variable selection methods for binary regression models with missing covariate data Fairness als Qualitätskriterium im Maschinellen Lernen – Rekonstruktion des philosophischen Konzepts und Implikationen für die Nutzung außergesetzlicher Merkmale bei qualifizierten Mietspiegeln Interview mit Walter Krämer
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1