Analysis
Data Literacy Framework
von Christian Zinke-Wehlmann und Franziska Wehlmann
Analyse der Hochschullandschaft:
von Martin Lechner
Was wird in der deutschen Hochschullandschaft unter “Datenkompetenz” (bzw. “Data Literacy”) verstanden und welche Angebote zum Thema gibt es?
Ziel: Eine der zentralen Ausgangsfragen des Projekts „Toolbox Datenkompetenz“ lautete: Welche Lehrangebote zu Datenkompetenz existieren an deutschen Hochschulen, und wie wird der Begriff jeweils interpretiert? Diese Fragestellung diente dazu, den Status quo zu erfassen, um die Entwicklung der Plattform zielgerichtet voranzutreiben und der inhaltlichen Vielfalt des Begriffs Datenkompetenz gerecht zu werden.
Vorgehensweise: Zwischen Mai und August 2022 hat das Forschungsteam des Projekts die Webseiten aller deutschen Hochschuleinrichtungen (über 400) durchsucht und Angebote zu den Stichworten Datenkompetenz und Data Literacy ausfindig gemacht. In dieser Erhebung wurden 85 Hochschuleinrichtungen und 101 Angebote gefunden, die teilweise in Kooperation entstanden sind.
Ergebnisse: Eine Analyse der Lehrangebote an deutschen Hochschulen hat ergeben, dass der Begriff Datenkompetenz bzw. Data Literacy sehr unterschiedlich interpretiert wird. Diese Vielfalt spiegelt die Komplexität und Vielschichtigkeit des Themas wider. Zwar existieren zahlreiche innovative und einzigartige Ansätze, jedoch sind diese nicht immer für alle Interessierten zugänglich. In den meisten Fällen sind die Angebote ausschließlich für eingeschriebene Studierende verfügbar und werden entweder in Präsenz oder als Online-Seminare angeboten. Nur wenige Programme sind frei zugänglich und somit offen für eine breitere Öffentlichkeit.
Der obenstehende Text orientiert sich in Teilen an einem Beitrag, der bereits am 18.04.2024 auf der Homepage des Transfer-Hubs Datenkompetenzen erschienen ist.
Während eine vertiefende Publikation zum Thema in Kürze erscheint, bietet folgende interaktive Karte bereits vorab einen umfassenden Überblick über bestehende Lehrangebote im Bereich Datenkompetenz an deutschen Hochschulen: https://projekt.toolboxdatenkompetenz.de/hochschullandschaft/
Hier finden Sie zudem ein Poster zu den Ergebnissen:
Poster zu Datenkompetenz an deutschen Hochschulen
Poster von Martin Lechner, Michelle Bindel, Julia Friedrich, Konstantin Hilger und Christian Zinke-Wehlmann
Anforderungserhebung:
von Christian Biedermann und Konstantin Hilger
Welche grundlegenden Anforderungen an die Gestaltung einer innovativen Plattform und entsprechender Lernangebote für die Vermittlung von Datenkompetenz lassen sich anhand von Interviews mit ausgewählten Expert:innen erfassen?
Ziel: Erfassung grundlegender Gedanken, Informationen, Bedarfe, Anforderungen und bereits vorhandener und aufzubauender Strukturen bzgl. Datenkompetenz anhand der Kenntnisse und Erfahrungen ausgewählter Expert:innen mit Bezug zu diesem Themen- und Forschungsfeld.
Vorgehensweise: Die Anforderungserhebung begann mit der Konzeption eines Fragenkatalogs sowie der Identifizierung und Anfrage von Datenkompetenz-Expert:innen für Einzelinterviews. Insgesamt wurden 28 Interviews mit Vertreter:innen der primär im Projekt adressierten Akteursgruppen Wirtschaft (n=10), Bildung (n=8) und Zivilgesellschaft (n=10) durchgeführt, die ein umfassendes Bild der Anforderungen an eine Lernplattform und Lernangebote für Datenkompetenz vermittelten. Das 15 Stunden umfassende Interviewmaterial wurde transkribiert (384 Seiten Text) und mit der Software f4 codiert. Die so aufbereiteten Interviews bildeten die Grundlage für weiterführende Ergebnisse wie Kompetenzstufenmodelle, eine Use Case-Liste, erste Erkenntnisse zu Herausforderungen, Anreizen, Chancen, Definitionen, und Relevanz sowie eine Lageeinschätzung der generellen Thematisierung von Datenkompetenz in den drei Gesellschaftsbereichen Wirtschaft, Hochschule und Zivilgesellschaft. Bei Bedarf wurden zusätzliche Anforderungen zu einzelnen Themen- und Entwicklungsfeldern im Rahmen von Workshops innerhalb des Expert:innen-Netzwerks erhoben.
Die erhobenen und analysierten Anforderungen wurden anschließend systematisch geordnet und priorisiert. Zunächst erfolgte eine Unterteilung der aus den Expert:innen-Interviews gewonnenen Anforderungen in funktionale/didaktische Anforderungen an die Plattform und inhaltliche Anforderungen an Kurse und andere Formate. Der daraus resultierende Anforderungskatalog diente als Basis für die Entwicklung des Kompetenzrahmens (AP 1.2) und einer wissenschaftlichen Publikation (AP 5.8) und wurde mit StackFuel geteilt. Der Abgleich zwischen aktuellem Stand und Zielvorgaben der Entwicklungsarbeiten erfolgte über das gemeinsame Projektmanagement-Tool und regelmäßige Planungstreffen.
Ergebnisse: Die zentralen Ergebnisse der Anforderungserhebung wurden in der folgenden Publikation dokumentiert:
Hilger, K., Gamböck-Strätz, J., Biedermann, C. (2023). Getting Data Literacy Education Ready for the Future. In: Camarinha-Matos, L.M., Boucher, X., Ortiz, A. (eds) Collaborative Networks in Digitalization and Society 5.0. PRO-VE 2023. IFIP Advances in Information and Communication Technology, vol 688. Springer, Cham. https://doi.org/10.1007/978-3-031-42622-3_34.
Die Untersuchung zeigte einen Bedarf an verbesserten Bildungsressourcen und betonte die Notwendigkeit eines gezielten, umfassenden Handelns seitens der Anbietenden, um Datenkompetenz als grundlegende Voraussetzung für das Bestehen in einer vernetzten Welt flächendeckend zu etablieren. Eine interdisziplinäre Perspektive ist dabei ebenso entscheidend, um ein besseres Verständnis der umfassenden sozialen Implikationen zu erreichen, wie die Entwicklung effektiver Methoden zur Vermittlung von Datenkompetenz und die Schaffung standardisierter Lehrpläne unter Beteiligung relevanter Akteure. Die Arbeit mit konkreten Beispielen (Use Cases) und eine praxisorientierte Ausbildung können, neben weiteren Anreizsystemen, insbesondere für Personen förderlich sein, die bisher wenig Berührungspunkte mit dem Thema Datenkompetenz hatten.
Zielgruppen und Personas
von Rebekka Gersbach
Mit den drei großen Zielgruppen Wirtschaft, Hochschule und Gesellschaft ist die Ausrichtung der Plattform sehr breit angelegt. Daraus ergibt sich die große Herausforderung, auf der Plattform einerseits klare, übersichtliche und intuitiv verständliche Strukturen zu schaffen (z.B. die Navigation im Kurskatalog zur Auswahl eines Lernangebots) und andererseits Nutzende aus unterschiedlichen Zielgruppen möglichst differenziert anzusprechen und ihnen an ihre sehr verschiedenen Lernbedarfe angepasste Lernangebote vorzuschlagen.
Durch die initiale Anforderungserhebung und weitere Gruppeninterviews (im Rahmen der Netzwerktreffen) mit Expert:innen aus allen drei Zielgruppen sowie die Customer Journey mit Nutzenden-Personas wiederum aus allen drei Zielgruppen konnte eine empirische Grundlage geschaffen werden, um die Diversität dieser Gruppen und ihre spezifischen Bedarfe genauer zu analysieren. Eine zentrale Herausforderung war es, den Nutzenden das Auffinden von für sie relevanten Lernmaterialien zu erleichtern.
Ein Ansatz hierfür war es, der Diversität der drei Zielgruppen durch die Konstruktion von Personas gerecht zu werden. Der Vorteil dieser Herangehensweise liegt darin, dass Personas den Nutzenden im Idealfall eine leichte Identifikation der für sie relevanten Inhalte erlauben. In verschiedenen Workshops wurden daher mit Vertreter:innen unterschiedlicher Zielgruppen Personas entwickelt, welchen dann die für sie relevanten Kompetenzbereiche aus dem Datenkompetenzrahmen zugeordnet wurden. Während diese Vorgehensweise auf großes Interesse bei den Expert:innen gestoßen ist, hat sich die Umsetzung aufgrund der sehr großen Diversität auch innerhalb der Zielgruppen als nicht realistisch innerhalb der Projektlaufzeit erwiesen. Darüber hinaus bliebe zu untersuchen, ob eine Vorgabe von Personas in einer Bandbreite, die diese Diversität realistisch widerspiegelt, überhaupt zielführend wäre. Wenngleich die Übersetzungsleistung abstrakter Kompetenzen in alltagsnahe Beschreibungen auch in dem Fall gegeben wäre, würde eine zu große Anzahl an Personas den zweiten großen Vorteil dieser Strategie, die für eine kognitive Entlastung ebenfalls notwendige Komplexitätsreduktion, unterlaufen.
Eine andere Möglichkeit, die im Rahmen des Gamifizierungs-Ansatzes verfolgt werden könnte, besteht darin, dass sich die Nutzenden selbst eine Persona „bauen“, einen „Daten-Avatar“, für den sie sowohl inhaltliche Interessen und Lernziele auswählen als auch Präferenzen für bestimmte Lernformate festlegen können.
Präsentation zum Workshop auf der HFDcon 2024 in Berlin:
Expert:innen-Netzwerk und Fachgruppentreffen:
von Martin Lechner, Konstantin Hilger und Christian Biedermann
Wie können wir das Wissen von Expert:innen im Bereich Datenkompetenz für unsere Plattform erschließen bzw. fruchtbar machen?
Ziel: Teil unseres Forschungsprojekts ist es, ein Expert:innen-Netzwerk aufzubauen, das die Entwicklung der Plattform mit Fachwissen und Erfahrung unterstützt und begleitet. Dabei wollen wir (über den Erkenntnisgewinn durch einzelne Interviews zu einem gegebenen Zeitpunkt hinaus) den Mehrwert einer dynamischen Interaktion der Expert:innen untereinander zu mehreren Zeitpunkten und unterschiedlichen Themenschwerpunkten nutzen, um weiterführende Erkenntnisse zu gewinnen.
Vorgehensweise: In regelmäßigen Treffen zu wechselnden Themen werden vorbereitete Fragenstellungen des Projekts in Kleingruppen diskutiert und gemeinsam bearbeitet.
Ergebnisse: Die folgenden Schwerpunktthemen konnten bei den bisherigen Fachgruppentreffen behandelt werden:
- Sammlung von Best Practices zu Datenkompetenzbildung
- Inhalte & Lernziele
- Qualitätssicherung
- Feedback zum Prototypen (Betaversion) der Plattform
- Call for Content
- Operationalisierung eines neuentwickelten Data Literacy Frameworks
Die dabei erfassten Hinweise und Anregungen konnten wiederum in die weitere Forschungs- und Entwicklungsarbeit einfließen und einerseits zur Verbesserung der TBDK beitragen sowie andererseits die Präzisierung und Adaption des Forschungsprozesses voranbringen.