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.
This is a preview of subscription content, log in via an institution to check access.
Literatur
Berry MJA, Linoff GS (2004) Data Mining Techniques. John Wiley & Sons Inc., Hoboken
EU Science Hub (2018) The Digital Competence Framework 2.0 – EU Science Hub – European Commission. https://ec.europa.eu/jrc/en/digcomp/digital-competence-framework. Zugegriffen: 31. Dez. 2018
Europäische Kommission (o. J.) ESCO – Skills/competences – European Commission. https://ec.europa.eu/esco/portal/skill?uri=http%3A%2F%2Fdata.europa.eu%2Fesco%2Fskill%2F25a26ff6-af18-40b0-b2e2-cb58471015eb&conceptLanguage=en&full=true. Zugegriffen: 31. Dez. 2018
Europäische Kommission (2008) Der Europäische Qualifikationsrahmen für lebenslanges Lernen. https://ec.europa.eu/ploteus/sites/eac-eqf/files/leaflet_de.pdf. Zugegriffen: 12. Dez. 2018
Europäische Kommission (2016) European e‑Competence Framework 3.0. http://www.ecompetences.eu/wp-content/uploads/2014/02/European-e-Competence-Framework-3.0_DE.pdf. Zugegriffen: 11. November 2019
Foucault M, Gordon C (1980) Power/Knowledge : selected interviews and other writings, 1972–1977. Pantheon Books, New York
Heidrich DJ, Bauer P, Krupka D (2018) Future Skills: Ansätze zur Vermittlung von Data Literacy in der Hochschulbildung. Hochschulforum Digitalisierung (Arbeitspapier 37/2018)
Kitchin R (2014) The data revolution
Kuhlen R (2013) A 1 Information – Informationswissenschaft. In: Kuhlen R, Semar W, Strauch D (Hrsg) Grundlagen der praktischen Information und Dokumentation. De Gruyter Saur, Berlin, Boston, S 1–24 https://doi.org/10.1515/9783110258264.xx
Lohr S (2009) For today’s graduate, just one word: statistics. The New York Times (5. August 2009)
Matthews P (2016) Data literacy conceptions, community capabilities. J Commun Inform 12(3):47–56
Münster E (2019) Hilfe, wieso versteht niemand meine Datenvisualisierung? https://www.designation.eu/2019/01/30/wieso-versteht-niemand-meine-datenvisualisierung/. Zugegriffen: 18. Febr. 2019 (Designation (30. Januar 2019))
Nicholson J, Gal I, Ridgway J (2018) Understanding civic statistics – a conceptual framework to aid teachers and lecturers. A product of the ProCivicStat Project. http://IASE-web.org/ISLP/PCS. Zugriff: 14. November 2019
OECD (2005) Definition und Auswahl von Schlüsselkompetenzen
Ridsdale C, Rothwell J, Smit M, Ali-Hassan H, Bliemel M, Irvine D et al (2015) Strategies and Best Practices for Data Literacy Education: Knowledge Synthesis Report. Report. https://doi.org/10.13140/RG.2.1.1922.5044
Schüller K, Busch P (2019) Systematic Review: Data Literacy. Hochschulforum Digitalisierung (Arbeitspapier 46/2019)
Schüller K, Busch P, Hindinger C (2019) Future Skills: Ein Framework für Data Literacy. Hochschulforum Digitalisierung (Arbeitspapier 47/2019)
Seidl TPD, Baumgartner PPD, Brei C, Gerdes A, Lohse A, Kuhn SPD et al (2018) Diskussionspapier 3: (Wert‑)Haltung als wichtiger Bestandteil der Entwicklung von 21st Century Skills an Hochschulen. Hochschulforum für Digitalisierung. https://hochschulforumdigitalisierung.de/de/diskussionspapier-3-wert-haltung-als-wichtiger-bestandteil-der-entwicklung-von-21st-century-skills. Zugegriffen: 8. Jan. 2019
The Association of Independent Schools of New South Wales Limited (o. J.) Data informed decision making cycle. https://www.aisnsw.edu.au/Resources/WAL%204%20[Open%20Access]/Data%20Informed%20Decision-Making%20Cycle.pdf. Zugriff: 14. November 2019
Watson J, Callingham R (2003) Statistical literacy: a complex hierarchical contruct. Stat Educ Res J 2(2):3–46
Watson J, Callingham R (2004) Statistical literacy: from idiosyncratic to critical thinking. In Burrill G, Camden M (Hrsg) Curricular development in statistics education: International Association for Statistical Education roundtable. Lund, IASE, pp 116–137
Weinert FE (2014) Leistungsmessungen in Schulen. Beltz, Weinheim
Wild C (2012) The concept of distribution. Stat Educ Res J 5(2):10–26
Author information
Authors and Affiliations
Corresponding author
Additional information
Hinweis des Verlags
Der Verlag bleibt in Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in veröffentlichten Karten und Institutsadressen neutral.
Rights and permissions
About this article
Cite this article
Schüller, K. Ein Framework für Data Literacy. AStA Wirtsch Sozialstat Arch 13, 297–317 (2019). https://doi.org/10.1007/s11943-019-00261-9
Received:
Revised:
Accepted:
Published:
Issue Date:
DOI: https://doi.org/10.1007/s11943-019-00261-9