Veranstaltungsdetails

Data Literacy – Grundlagen für das Überleben in der Datenwelt

Inhalt

Zentrales Ziel dieses digitalen Selbstlernkurses ist die Vermittlung der notwendigen Kenntnisse und Fähigkeiten, um in Zeiten der Digitalisierung und der zunehmenden Verfügbarkeit von (empirisch begründeten) Informationen mit Daten und Datenquellen informiert und verantwortungsvoll umgehen zu können. In digitalen Selbstlerneinheiten werden hierzu die Fragen „Was sind Daten?“ und „Woher kommen Daten?“ mit Bezug auf die Bedeutung der Wahl von Forschungsfragen und –samples und die zunehmende Bedeutung von Algorithmen im digitalen Alltag (und ggf. die Emanzipation davon) ebenso thematisiert wie die Information über Datenverfügbarkeit und Datennachnutzung (z.B. über Forschungsdatenzentren). Darüber hinaus werden zentrale empirische Konzepte und Probleme wie Data Mining, Selektionseffekte, Korrelation vs. Kausalität oder einfache und bedingte Wahrscheinlichkeiten anhand konkreter Fallbeispiele vermittelt und die Möglichkeiten der perspektivisch gefärbten Datenvisualisierung transparent gemacht. Schließlich werden Themen des Datenschutzes und der Datengenerierung in einer digitalen Welt, z.B. durch Nutzung von Trackingverfahren, diskutiert.

Für die Vertiefung und Anwendung der in den Selbstlerneinheiten vermittelten Inhalten, werden digitale Materialien und Aufgaben bereitgestellt und die Möglichkeit zum fachlichen Diskurs in einem eigens eingerichteten Online-Forum in Moodle gegeben. Darüber hinaus wird mit unserem Aufbaumodul „Data Literacy – Wissenschaftliches Arbeiten mit digitalen Daten“ eine Möglichkeit zur praktischen Anwendung geboten.

Zu den Lernzielen gehören insbesondere:

  • Der kritische Umgang mit Alltagsdaten
  • Erlangung eines Bewusstseins dafür, in wie vielen Diskursen einem datengestützte Geltungsbehauptungen begegnen, die außerhalb der eigenen Expertise
  • Kennenlernen der Arten von Daten und Informationen
  • Kennenlernen der Arten von Daten und Informationen
  • Kennenlernen von Datenquellen, Erhebungsmethoden und Arten der Datenvisualisierung
  • Adäquate Bewertung und Einschätzung der Herkunft von Daten Verstehen und Unterscheidung von zentralen statistischen Konzepten und Zusammenhängen
  • Verstehen der Grundlagen des Datenschutzes

Arbeitsaufwand

150 Stunden, davon 20 Stunden Präsenzzeit und 130 Stunden Selbststudium. Die Präsenzzeit umfasst die Teilnahme an der Auftakt- und Abschlussveranstaltung und die Beteiligung in der E-Learning-Umgebung (u.a. Forum). Für das Selbststudium werden digitale Materialen und Übungsaufgaben zur Verfügung gestellt.

Leitung

Sebastian Jeworutzki

Termine

  • Freitag, 13.10.2023
    12:00 bis 13:00 Uhr

  • Zoom-Sitzung

Anmeldung

Bitte melden Sie sich direkt beim Veranstalter für die Veranstaltung an.