Welche Daten? Welche Literacy? (original) (raw)
Related papers
Statistical Literacy & Data Literacy – Grundbildung im Umgang mit empirischen Daten
2020
Bereits in der Schule ist es notwendig, ein Verstandnis von wissenschaftlichen Forschungsprozessen und dem Zustandekommen der daraus resultierenden Befunde, Schlusse und Darstellungen zu fordern, um Schuler*innen so auf einen kompetenten Umgang mit Informationen im Alltag vorzubereiten. In diesem Beitrag wird ein Ansatz vorgestellt, wie diese Forderung im Rahmen eines Naturwissenschaftskurses fur die Eingangsphase der Oberstufe erfolgen kann.
Journal for General Philosophy of Science, 2000
What Do the Data Tell Us? Justification of scientific theories is a threeplace relation between data, theories, and background knowledge. Though this should be a commonplace, many methodologies in science neglect it. The article will elucidate the significance and function of our background knowledge in epistemic justification and their consequences for different scientific methodologies. It is argued that there is no simple and at the same time acceptable statistical algorithm that justifies a given theory merely on the basis of certain data. And even if we think to know the probability of a theory, that does not decide whether we should accept it or not.
Zivilstatistik: Konzept einer neuen Perspektive auf Data Literacy und Statistical Literacy
AStA Wirtschafts- und Sozialstatistisches Archiv
Zusammenfassung Demokratie lebt von Argumenten, die auf nachweisbaren Fakten basieren. Lebendige Demokratien brauchen gut informierte Bürger, die relevante gesellschaftliche Fragen verstehen, diskutieren und sich in öffentliche Entscheidungsprozesse einbringen können. Dieser Aufsatz stellt in Erweiterung von Statistical Literacy eine Teildisziplin vor, die wir Zivilstatistik nennen. Zivilstatistik konzentriert sich auf das Verstehen statistischer Informationen über die Gesellschaft, wie sie von den Medien, Statistikämtern und anderen Statistikanbietern bereitgestellt werden. Die Herausforderung, Menschen zu befähigen, Sinn aus diesen Daten zu erschließen, richtet sich gleichermaßen an Bildungseinrichtungen (Schulen und Hochschulen) wie auch an Medien und Statistikanbieter. Im vorliegenden Aufsatz beschreiben wir die spezifischen Charakteristika von Zivilstatistik und begründen die Notwendigkeit dieser Teildisziplin, die im Schnittfeld von Statistik, Gesellschaftswissenschaften und –...
Daten, die uns angehen Statistische Grundbildung fördern mit Analysen amtlicher Statistiken
2018
Zusammenfassung. Wir präsentieren eine didaktische Analyse ausgewählter Themen in Zusammenhang mit Statistik und Gesellschaft, die sich zur Förderung statistischer Grundbildung im Schulunterricht eignen. Dazu nutzen wir amtliche Daten über die Bevölkerungsentwicklung und das Netto-Einkommen aus Open-Source-Quellen wie das Statistische Bundesamt und die Eurostat Datenressourcen. Ein Unterrichtsversuch zur Modellierung der Projektion der Bevölkerungsentwicklung in Deutschland wird ausführlicher dargestellt; der Zugang ist gedacht für die Sekundarstufe II. Die Modellierung basiert auf Geburten, Sterbefällen und Wanderbewegungen. Die einzelnen Schritte der Modellierung werden didaktisch aufbereitet und reflektiert. Das Thema ist motivierend und herausfordernd zugleich und trifft auf die gegenwärtige öffentliche Diskussion über demographischen Wandel und Migration in Deutschland.
Die Tradition des Textes und die Herausforderung der Daten
Bibliothek Forschung und Praxis
ZusammenfassungIm Zuge der digitalen Transformation von Forschung, Lehre und Studium werden textorientierte Arbeitsformen zunehmend von datenbasierten Herangehensweisen abgelöst. Die sich damit verändernde Informationslogistik von Forschungsprozessen und Ergebnispräsentationen erfordert eine Neuausrichtung der bibliothekarischen Services. Denn die Dynamik datengetriebener, digitaler Prozesse bringt die Statik textgebundener, analoger Wissensarchitekturen ins Wanken. Mit den „Digital Humanities“ ist diese Entwicklung auch bei den Geistes- und Kulturwissenschaften angekommen. Digitale Informationsinfrastrukturen verändern bestehende Forschungs- und Publikationskulturen und führen zu neuen Formen der Produktion und Präsentation von Wissen. Der Beitrag zeigt die Veränderungen und Wechselwirkungen auf, die sich aus dem Paradigmenwandel von „Texten“ zu „Daten“ ergeben.
2021
Der als Barcamp organisierte Workshop lädt alle interessierten historisch arbeitenden Geisteswissenschaftler*innen dazu ein, gemeinsam die Frage zu diskutieren, welche Data-Literacy-Kompetenzen die historisch arbeitenden Wissenschaften benötigen. Ausgehend von den Barcamp-Ergebnissen der DHd2020 sehen wir drei größere Themenbereiche, denen sich die Teilgebenden des Barcamps widmen könnten: 1. Data Literacy und geschichtswissenschaftliche Datenkritik: Was können wir von der historischen Methode lernen? 2. Digital Literacy, Data Literacy und andere Literacies: Worin unterscheiden sich Strategien und Herangehensweisen? Wieviel technisches Know-How benötigen Historiker*innen? Wo sind die Grenzen zum Forschungsdatenmanagement? 3. Data Literacy in der geschichtswissenschaftlichen Ausbildung: Welche Datenkompetenzen sollten auch schon im Studium erlernt werden? Wie können wir die Vermittlung von Data Literacy-Kompetenzen in den Curricula verankern? Ist es sinnvoll verschiedene Niveaustufen...
Future Skills: Ein Framework für Data Literacy
2019
1.1 Management Summary <br> Welches Wissen, welche Fähigkeiten, welche Haltung benötigt es in Gesellschaft, Arbeitswelt und Wissenschaft, in denen Daten als wertvolle, mitunter die wertvollste Ressource gelten und Entschei-dungen zunehmend auf der Grundlage von Daten getroffen werden? Zweifellos werden Digitalisierung und Datafizierung das Leben und Arbeiten im 21. Jahrhundert nachhaltig verändern. Künstliche Intelli-genz, vernetzte Produktion, kommunizierende Maschinen und selbstfahrende Autos werden von Daten gesteuert und produzieren selbst Daten am laufenden Band. Daten sind die Ausgangsbasis für Wissens- bzw. Wertschöpfung als Grundlage für bessere Entscheidungen. Der Prozess der Wissensschöpfung umfasst mehrere Schritte: (A) Datenkultur etablieren – (B) Daten bereitstellen – (C) Daten auswerten – (D) Ergebnisse interpretieren – (E) Daten interpretieren – (F) Handeln ableiten. Um systematisch Wissen bzw. Wert aus Daten zu schöpfen, ist deshalb zukünftig in allen Sektoren ...