AStA Wirtschafts- und Sozialstatistisches Archiv最新文献

Burgard et al. (2020) stellen in ihrem Artikel zu Qualitätszielfunktionen für stark variierende Gemeindegrößen im Zensus 2021 Erweiterungen der Stichproben- und Schätzmethoden des Zensus 2011 vor, die kleine Gemeinden unter 10.000 Einwohnern in den Entscheidungsprozess integrieren. Die Dringlichkeit zur Lösung dieses Problems wurde ebenso im Urteil des Bundesverfassungsgerichts zur Volkszählung 2011 festgestellt. Ziel dieser Erwiderung ist eine eingehende Diskussion der Ergebnisse des vorangegangenen Beitrags mit namhaften Experten auf diesem Gebiet. Insbesondere geht es um eine Einordnung des Artikels in den Wissenschaftskontext (Krämer), die Bedeutung von Nichtstichprobenfehlern für den Zensus (Küchenhoff), den Zensus aus Sicht der Amtsstatistik (Bleninger und Fürnrohr) sowie aus statistisch-methodischer Sicht (Kiesl). Darüber hinaus werden aktuelle Entwicklungen vorgestellt.

Im vorliegenden Beitrag wird anhand von exemplarischen Beispielen aufgeführt, welche Anforderungen an den kompetenzorientierten Umgang mit Statistik gestellt werden sollten und wie sich diese Anforderungen vor dem Hintergrund zunehmender Datenverfügbarkeit mit unterschiedlicher Strukturierungsform (Big Data) verändern. Insbesondere in Fächern, in denen die Statistikausbildung nicht zum Kerninhalt gehört, sollte vorrangig das „Denken in Daten(modellen)“ sowie die Interpretation und Bewertung von Ergebnissen statistischer Berechnungen gelehrt werden.

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

Statistik und Recht scheinen zwei gänzlich verschiedene Disziplinen zu sein. Während man mit der Statistik Formeln assoziiert, dominiert im Recht das geschriebene Wort. Und dennoch sind sich beide im Kern ähnlich: Häufig muss eine Entscheidung herbeigeführt werden und selten kann man mit 100%iger Sicherheit behaupten, dass die gefällte Entscheidung die richtige ist. Nicht nur diese Wesensverwandtheit nähert die beiden Disziplinen einander an – durch die gestiegene Verfügbarkeit von Daten sind deren Auswertungen zunehmend auch Bestandteil von Rechtsprechungsdokumenten, indem statistische Auswertungen nicht selten entscheidungsrelevant sind. Doch da statistisches Denken weder intuitiv ist, noch die grundlegenden Methoden im Rahmen des juristischen Studiums vermittelt werden, stehen juristische Entscheider nicht selten vor einer großen Herausforderung, wenn es darum geht, widersprüchliche Argumente statistischer Natur zu bewerten. Der folgende Beitrag zeigt anhand zweier Fallbeispiele konkret auf, in welchem Kontext statistische Analysen in gerichtlichen Entscheidungen auftreten und zieht daraus die Konsequenz, dass eine statistische Grundbildung für Juristinnen und Juristen unerlässlich ist, um sachgerechte und methodisch korrekte Entscheidungen herbeizuführen.