Data Literacy: Ein Systematic Review

1.1 Management Summary
Welches Wissen, welche Fähigkeiten, welche Haltung benötigt es in Gesellschaft, Arbeitswelt und
Wissenschaft, in denen Daten als wertvolle, mitunter die wertvollste Ressource gelten und Entscheidungen
zunehmend auf der Grundlage von Daten getroffen werden? Zweifellos werden Digitalisierung
und Datafizierung das Leben und Arbeiten im 21. Jahrhundert nachhaltig verändern.
Künstliche Intelligenz, 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 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. Data Literacy ist weit mehr als ein
breites und tiefes Detailwissen über sich laufend verändernde Methoden und Technologien. Vielmehr
spielt die Dimension der Datenethik, der Motivation und Werthaltung eine zentrale Rolle, um
zukünftig mit Daten erfolgreich und souverän umgehen zu können.

Data Literacy ist eine Schlüsselkompetenz des 21. Jahrhunderts, die in der modernen Gesellschaft
und Arbeitswelt unerlässlich sein wird. Data Literacy muss deshalb von Beginn an und
fächerübergreifend an den Hochschulen vermittelt werden. 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 Wissensbzw.
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 die Interdisziplinarität der Aufgabe reflektieren, also widerspiegeln, dass neben
Datenexpert*innen auch Fachleute für Datenschutz und Datenethik benötigt werden.

Außerdem ist zu erforschen, wie Data Literacy gemessen und getestet werden kann. Geeignete
Mess- und Testinstrumente erfassen kognitive und affektive Lernbereiche; sie umfassen möglichst
viele Lernstufen: (a) Reaktion, (b) Lernerfolg, (c) Verhalten, (d) Ergebnis; sie sind transparent
bezüglich der Möglichkeiten und Grenzen einer Schlussfolgerung von beobachtbarem Verhalten auf
dahinter liegender Kompetenz; sie genügen den Testgütekriterien der Validität, Reliabilität und
Objektivität; und schließlich sind sie mit vertretbarem Aufwand (Geld, Zeit, benötigte Fähigkeiten
der Prüfer*innen) durchzuführen.

Die vorliegende Studie verfolgt somit zwei Ziele. Erstens soll ein Kompetenzrahmen für
Digitalkompetenzen am Beispiel von Data Literacy entwickelt und umsetzbares Wissen für Hochschulen verfügbar gemacht werden. Zweitens soll die Messung von Wirkung und Qualität von Lehre und Studium im digitalen Zeitalter wie auch die Testentwicklung für Digitalkompetenzen am Beispiel von Data Literacy vorbereitet werden. Die Studie richtet sich an Verantwortliche für die
Curriculumentwicklung in der Hochschulpolitik und den Hochschulen selbst, aber auch an
Lehrende, die nach konkreten Ansätzen zur Vermittlung und Evaluation von Data Literacy suchen.
Hierfür stellt das Arbeitspapier einen ausdifferenzierten Kompetenzrahmen zur Verfügung, der zur
Ableitung von Lernzielen in zahlreichen Fachgebieten und Studiengängen dienen kann. Mögliche
Mess- und Testverfahren für Data Literacy werden näher beleuchtet. Beispielhaft ist anhand von
Fallstudien aufgezeigt, wie der Kompetenzrahmen in realen Problemsituationen dazu beitragen
kann, Daten nutzbar zu machen.

Nun gilt es, die erarbeiteten Ergebnisse in Vorschläge für Curricula umzusetzen. Dafür müssen
Pilothochschulen und Pilotstudiengänge ausgewählt werden, in denen spezifische Lernziele für die
jeweiligen Disziplinen aus dem Kompetenzrahmen abgeleitet werden. Zu diskutieren ist weiter der
Aspekt des lebenslangen Lernens von Schlüsselkompetenzen: Wie kann bzw. sollte Data Literacy
bereits in der Schule sowie später in der Arbeitswelt und der Erwachsenenbildung vermittelt
werden? In jedem Fall braucht es didaktische Ansätze, die der Interdisziplinarität der Aufgabe
gerecht werden, denn komplexe Datenprojekte werden bereits heute im Team bearbeitet, sie
erfordern ein multiprofessionelles Arbeiten, das die Fähigkeit zum Projektmanagement und die
Kenntnis organisatorischer, rechtlicher und ethischer Rahmenbedingungen miteinschließt. Nicht
zuletzt bedarf die Frage, wie die Lehrenden für diese Herausforderung qualifiziert werden können,
einer Antwort.

1.2 Aufbau des Arbeitspapiers
Das vorliegende Systematic Review dokumentiert die Literaturrecherche. Im Kapitel Hintergrund
und Zielsetzung präzisiert das Arbeitspapier zunächst den Begriff der Data Literacy als „21st
Century Skill“ und den kompetenzdefinierenden Prozess. Daraus werden Kriterien zur Bewertung
von Relevanz und Durchführbarkeit möglicher Kompetenzrahmen-Modelle abgeleitet. Die
Recherche von Modellen zur Messung und zur Operationalisierung bzw. Testung von Kompetenzen
legt einen Schwerpunkt insbesondere auf die nichttechnischen Kompetenzen (z. B. konzeptuelle
Kompetenzen). Die Ergebnisse wurden mit ausgewählten Fachleuten aus Hochschulen sowie
Praktiker*innnen aus verschiedenen Fachgebieten diskutiert und validiert.
Das folgende Kapitel Vorgehensweise dokumentiert das Vorgehen zur Recherche geeigneter
Kompetenzrahmen, die als Ausgangsbasis für den zu entwickelnden Kompetenzrahmen dienen
können, wobei die verschiedenen Ausbildungszwecke und Bildungsstufen berücksichtigt wurden.
Es beschreibt, wie anhand eines vorab festgelegten Rechercheplans eine Recherche im Internet
und einschlägigen Portalen (z. B. Web of Science) sowie in Fachzeitschriften (z. B. Statistics
Education Research Journal) und vorab identifizierter Literatur durchgeführt wurde.
Das Kapitel Ergebnisse beinhaltet relevante Dokumente, die anhand geeigneter Kriterien
(insbesondere der Zitierhäufigkeit) identifiziert und genauer ausgearbeitet wurden. Dies erfolgte
einerseits in Form einer tabellarischen Literaturzusammenfassung. Dabei wurden die Dokumente
in Kategorien gegliedert, denen sie thematisch vornehmlich zuzuordnen sind. Diese Kategorien
beziehen sich auf die einzelnen Elemente des Recherchegegenstandes der Studie, etwa den
Kompetenzrahmen, die Definitionen der Literacies, mögliche Testinstrumente oder einzelne
Fallstudien. Zusätzlich zu den Metadaten der Dokumente wurde die jeweilige Kernaussagefestgehalten. Des Weiteren wurden die Dokumente, die sich auf die drei Hauptaspekte dieser Studie beziehen, nämlich Definition der Literacies, Definition des Kompetenzrahmens und Testinstrumente, in einheitlich strukturierten Steckbriefen zusammengefasst, um die
verschiedenen Aussagen des Dokuments und dessen Einordnung auf einen Blick erfassen zu
können.

Die recherchierten Definitionen, Kompetenzen und Testverfahren wurden im nächsten Schritt, dem
eigentlichen Review, anhand von Bewertungsschemata kategorisiert und verglichen, um
Gemeinsamkeiten und Besonderheiten auszumachen. Diese Bewertungsschemata stützen sich auf
wesentliche Vorarbeiten, insbesondere existierende Systematic Reviews zu Information Literacy
und Digital Literacy. Darüber hinaus wurden fehlende Aspekte ergänzt, welche im Dialog mit
weiteren Fachleuten als wesentlich identifiziert wurden.
Das abschließende Kapitel dient der Vorauswahl geeigneter Modelle für Data Literacy Kompetenzrahmen
sowie Mess- und Testinstrumente. Ein Ausblick schließt den Systematic Review ab und
leitet über zum Forschungsbericht als dem zweiten Arbeitspapier der vorliegenden Studie.
1.3 Abgrenzung und Bezug zu den weiteren Arbeitspapieren der Studie
Die Studie „Entwicklung eines Kompetenzrahmens und vorbereitende Studie zur Kompetenzmessung
von 21st Century Skills am Beispiel von Data Literacy“ umfasst insgesamt zwei Arbeitspapiere.
Neben dem vorliegenden Systematic Review ist dies ein Forschungsbericht (Schüller, Busch &
Hindinger, 2019), der auch den entwickelten Kompetenzrahmen dokumentiert.
Das vorliegende Dokument liefert einen ausführlichen Vorgehens- und Ergebnisbericht über die
Recherche und Einordnung der Vorarbeiten. Er dient der weiteren Forschung sowie der Auswahl

festgehalten. Des Weiteren wurden die Dokumente, die sich auf die drei Hauptaspekte dieser Studie
beziehen, nämlich Definition der Literacies, Definition des Kompetenzrahmens und
Testinstrumente, in einheitlich strukturierten Steckbriefen zusammengefasst, um die
verschiedenen Aussagen des Dokuments und dessen Einordnung auf einen Blick erfassen zu
können.

Die recherchierten Definitionen, Kompetenzen und Testverfahren wurden im nächsten Schritt, dem
eigentlichen Review, anhand von Bewertungsschemata kategorisiert und verglichen, um
Gemeinsamkeiten und Besonderheiten auszumachen. Diese Bewertungsschemata stützen sich auf
wesentliche Vorarbeiten, insbesondere existierende Systematic Reviews zu Information Literacy
und Digital Literacy. Darüber hinaus wurden fehlende Aspekte ergänzt, welche im Dialog mit
weiteren Fachleuten als wesentlich identifiziert wurden.
Das abschließende Kapitel dient der Vorauswahl geeigneter Modelle für Data Literacy Kompetenzrahmen
sowie Mess- und Testinstrumente. Ein Ausblick schließt den Systematic Review ab und
leitet über zum Forschungsbericht als dem zweiten Arbeitspapier der vorliegenden Studie.potenziell geeigneter, existierender Test- und Messinstrumente für Data Literacy für praktische
Projekte.
Der Forschungsbericht fasst die Ergebnisse der Studie insgesamt zusammen und sammelt Instrumente,
die die Grundlage für Testentwicklung in einem Folgeprojekt bilden können. Es liefert zudem
eine ausführliche Dokumentation des entwickelten Kompetenzrahmens einschließlich der Überlegungen
zu seiner Herleitung