Working paper Open Access

Data Literacy: Ein Systematic Review

Katharina Schüller; Paulina Busch


Citation Style Language JSON Export

{
  "publisher": "Zenodo", 
  "DOI": "10.5281/zenodo.3484583", 
  "author": [
    {
      "family": "Katharina Sch\u00fcller"
    }, 
    {
      "family": "Paulina Busch"
    }
  ], 
  "issued": {
    "date-parts": [
      [
        2019, 
        8, 
        15
      ]
    ]
  }, 
  "abstract": "<p>1.1 Management Summary<br>\nWelches Wissen, welche F&auml;higkeiten, welche Haltung ben&ouml;tigt es in Gesellschaft, Arbeitswelt und<br>\nWissenschaft, in denen Daten als wertvolle, mitunter die wertvollste Ressource gelten und Entscheidungen<br>\nzunehmend auf der Grundlage von Daten getroffen werden? Zweifellos werden Digitalisierung<br>\nund Datafizierung das Leben und Arbeiten im 21. Jahrhundert nachhaltig ver&auml;ndern.<br>\nK&uuml;nstliche Intelligenz, vernetzte Produktion, kommunizierende Maschinen und selbstfahrende Autos<br>\nwerden von Daten gesteuert und produzieren selbst Daten am laufenden Band. Daten sind die<br>\nAusgangsbasis f&uuml;r Wissens- bzw. Wertsch&ouml;pfung als Grundlage f&uuml;r bessere Entscheidungen.<br>\nDer Prozess der Wissenssch&ouml;pfung umfasst mehrere Schritte: (A) Datenkultur etablieren &ndash; (B) Daten<br>\nbereitstellen &ndash; (C) Daten auswerten &ndash; (D) Ergebnisse interpretieren &ndash; (E) Daten interpretieren &ndash;<br>\n(F) Handeln ableiten. Um systematisch Wissen bzw. Wert aus Daten zu sch&ouml;pfen, ist deshalb zuk&uuml;nftig<br>\nin allen Sektoren und Disziplinen die F&auml;higkeit, planvoll mit Daten umzugehen und sie im<br>\njeweiligen Kontext bewusst einsetzen und hinterfragen zu k&ouml;nnen, von entscheidender Bedeutung.<br>\nDies wird als Data Literacy bezeichnet und umfasst die F&auml;higkeiten, Daten auf kritische Art und<br>\nWeise zu sammeln, zu managen, zu bewerten und anzuwenden. Data Literacy ist weit mehr als ein<br>\nbreites und tiefes Detailwissen &uuml;ber sich laufend ver&auml;ndernde Methoden und Technologien. Vielmehr<br>\nspielt die Dimension der Datenethik, der Motivation und Werthaltung eine zentrale Rolle, um<br>\nzuk&uuml;nftig mit Daten erfolgreich und souver&auml;n umgehen zu k&ouml;nnen.</p>\n\n<p><br>\nData Literacy ist eine Schl&uuml;sselkompetenz des 21. Jahrhunderts, die in der modernen Gesellschaft<br>\nund Arbeitswelt unerl&auml;sslich sein wird. Data Literacy muss deshalb von Beginn an und<br>\nf&auml;cher&uuml;bergreifend an den Hochschulen vermittelt werden. Hierf&uuml;r bedarf es eines<br>\nKompetenzrahmens, d.h. eines Modells zur strukturierten Beschreibung von effektivem Verhalten in<br>\neinem gegebenen Aufgabenkontext. Er umfasst Kompetenzen, deren Definitionen und daraus<br>\nabgeleitete Verhaltensindikatoren. Ein derartiger Kompetenzrahmen soll alle Stufen des Wissensbzw.<br>\nWertsch&ouml;pfungsprozesses aus Daten abbilden; er soll alle Kompetenzdimensionen erfassen:<br>\n(a) Wissen, (b) Fertigkeiten, (c) F&auml;higkeiten, (d) Motivation und (Wert-)Haltung; er soll es erlauben,<br>\ndie erfassten Kompetenzen in konkrete und testbare Lern- oder Kompetenzziele zu &uuml;berf&uuml;hren; und<br>\ner soll die Interdisziplinarit&auml;t der Aufgabe reflektieren, also widerspiegeln, dass neben<br>\nDatenexpert*innen auch Fachleute f&uuml;r Datenschutz und Datenethik ben&ouml;tigt werden.</p>\n\n<p><br>\nAu&szlig;erdem ist zu erforschen, wie Data Literacy gemessen und getestet werden kann. Geeignete<br>\nMess- und Testinstrumente erfassen kognitive und affektive Lernbereiche; sie umfassen m&ouml;glichst<br>\nviele Lernstufen: (a) Reaktion, (b) Lernerfolg, (c) Verhalten, (d) Ergebnis; sie sind transparent<br>\nbez&uuml;glich der M&ouml;glichkeiten und Grenzen einer Schlussfolgerung von beobachtbarem Verhalten auf<br>\ndahinter liegender Kompetenz; sie gen&uuml;gen den Testg&uuml;tekriterien der Validit&auml;t, Reliabilit&auml;t und<br>\nObjektivit&auml;t; und schlie&szlig;lich sind sie mit vertretbarem Aufwand (Geld, Zeit, ben&ouml;tigte F&auml;higkeiten<br>\nder Pr&uuml;fer*innen) durchzuf&uuml;hren.</p>\n\n<p><br>\nDie vorliegende Studie verfolgt somit zwei Ziele. Erstens soll ein Kompetenzrahmen f&uuml;r<br>\nDigitalkompetenzen am Beispiel von Data Literacy entwickelt und umsetzbares Wissen f&uuml;r Hochschulen verf&uuml;gbar gemacht werden. Zweitens soll die Messung von Wirkung und Qualit&auml;t von Lehre und Studium im digitalen Zeitalter wie auch die Testentwicklung f&uuml;r Digitalkompetenzen am Beispiel von Data Literacy vorbereitet werden. Die Studie richtet sich an Verantwortliche f&uuml;r die<br>\nCurriculumentwicklung in der Hochschulpolitik und den Hochschulen selbst, aber auch an<br>\nLehrende, die nach konkreten Ans&auml;tzen zur Vermittlung und Evaluation von Data Literacy suchen.<br>\nHierf&uuml;r stellt das Arbeitspapier einen ausdifferenzierten Kompetenzrahmen zur Verf&uuml;gung, der zur<br>\nAbleitung von Lernzielen in zahlreichen Fachgebieten und Studieng&auml;ngen dienen kann. M&ouml;gliche<br>\nMess- und Testverfahren f&uuml;r Data Literacy werden n&auml;her beleuchtet. Beispielhaft ist anhand von<br>\nFallstudien aufgezeigt, wie der Kompetenzrahmen in realen Problemsituationen dazu beitragen<br>\nkann, Daten nutzbar zu machen.</p>\n\n<p><br>\nNun gilt es, die erarbeiteten Ergebnisse in Vorschl&auml;ge f&uuml;r Curricula umzusetzen. Daf&uuml;r m&uuml;ssen<br>\nPilothochschulen und Pilotstudieng&auml;nge ausgew&auml;hlt werden, in denen spezifische Lernziele f&uuml;r die<br>\njeweiligen Disziplinen aus dem Kompetenzrahmen abgeleitet werden. Zu diskutieren ist weiter der<br>\nAspekt des lebenslangen Lernens von Schl&uuml;sselkompetenzen: Wie kann bzw. sollte Data Literacy<br>\nbereits in der Schule sowie sp&auml;ter in der Arbeitswelt und der Erwachsenenbildung vermittelt<br>\nwerden? In jedem Fall braucht es didaktische Ans&auml;tze, die der Interdisziplinarit&auml;t der Aufgabe<br>\ngerecht werden, denn komplexe Datenprojekte werden bereits heute im Team bearbeitet, sie<br>\nerfordern ein multiprofessionelles Arbeiten, das die F&auml;higkeit zum Projektmanagement und die<br>\nKenntnis organisatorischer, rechtlicher und ethischer Rahmenbedingungen miteinschlie&szlig;t. Nicht<br>\nzuletzt bedarf die Frage, wie die Lehrenden f&uuml;r diese Herausforderung qualifiziert werden k&ouml;nnen,<br>\neiner Antwort.</p>\n\n<p><br>\n1.2 Aufbau des Arbeitspapiers<br>\nDas vorliegende Systematic Review dokumentiert die Literaturrecherche. Im Kapitel Hintergrund<br>\nund Zielsetzung pr&auml;zisiert das Arbeitspapier zun&auml;chst den Begriff der Data Literacy als &bdquo;21st<br>\nCentury Skill&ldquo; und den kompetenzdefinierenden Prozess. Daraus werden Kriterien zur Bewertung<br>\nvon Relevanz und Durchf&uuml;hrbarkeit m&ouml;glicher Kompetenzrahmen-Modelle abgeleitet. Die<br>\nRecherche von Modellen zur Messung und zur Operationalisierung bzw. Testung von Kompetenzen<br>\nlegt einen Schwerpunkt insbesondere auf die nichttechnischen Kompetenzen (z. B. konzeptuelle<br>\nKompetenzen). Die Ergebnisse wurden mit ausgew&auml;hlten Fachleuten aus Hochschulen sowie<br>\nPraktiker*innnen aus verschiedenen Fachgebieten diskutiert und validiert.<br>\nDas folgende Kapitel Vorgehensweise dokumentiert das Vorgehen zur Recherche geeigneter<br>\nKompetenzrahmen, die als Ausgangsbasis f&uuml;r den zu entwickelnden Kompetenzrahmen dienen<br>\nk&ouml;nnen, wobei die verschiedenen Ausbildungszwecke und Bildungsstufen ber&uuml;cksichtigt wurden.<br>\nEs beschreibt, wie anhand eines vorab festgelegten Rechercheplans eine Recherche im Internet<br>\nund einschl&auml;gigen Portalen (z. B. Web of Science) sowie in Fachzeitschriften (z. B. Statistics<br>\nEducation Research Journal) und vorab identifizierter Literatur durchgef&uuml;hrt wurde.<br>\nDas Kapitel Ergebnisse beinhaltet relevante Dokumente, die anhand geeigneter Kriterien<br>\n(insbesondere der Zitierh&auml;ufigkeit) identifiziert und genauer ausgearbeitet wurden. Dies erfolgte<br>\neinerseits in Form einer tabellarischen Literaturzusammenfassung. Dabei wurden die Dokumente<br>\nin Kategorien gegliedert, denen sie thematisch vornehmlich zuzuordnen sind. Diese Kategorien<br>\nbeziehen sich auf die einzelnen Elemente des Recherchegegenstandes der Studie, etwa den<br>\nKompetenzrahmen, die Definitionen der Literacies, m&ouml;gliche Testinstrumente oder einzelne<br>\nFallstudien. Zus&auml;tzlich zu den Metadaten der Dokumente wurde die jeweilige Kernaussagefestgehalten. Des Weiteren wurden die Dokumente, die sich auf die drei Hauptaspekte dieser Studie beziehen, n&auml;mlich Definition der Literacies, Definition des Kompetenzrahmens und Testinstrumente, in einheitlich strukturierten Steckbriefen zusammengefasst, um die<br>\nverschiedenen Aussagen des Dokuments und dessen Einordnung auf einen Blick erfassen zu<br>\nk&ouml;nnen.</p>\n\n<p><br>\nDie recherchierten Definitionen, Kompetenzen und Testverfahren wurden im n&auml;chsten Schritt, dem<br>\neigentlichen Review, anhand von Bewertungsschemata kategorisiert und verglichen, um<br>\nGemeinsamkeiten und Besonderheiten auszumachen. Diese Bewertungsschemata st&uuml;tzen sich auf<br>\nwesentliche Vorarbeiten, insbesondere existierende Systematic Reviews zu Information Literacy<br>\nund Digital Literacy. Dar&uuml;ber hinaus wurden fehlende Aspekte erg&auml;nzt, welche im Dialog mit<br>\nweiteren Fachleuten als wesentlich identifiziert wurden.<br>\nDas abschlie&szlig;ende Kapitel dient der Vorauswahl geeigneter Modelle f&uuml;r Data Literacy Kompetenzrahmen<br>\nsowie Mess- und Testinstrumente. Ein Ausblick schlie&szlig;t den Systematic Review ab und<br>\nleitet &uuml;ber zum Forschungsbericht als dem zweiten Arbeitspapier der vorliegenden Studie.<br>\n1.3 Abgrenzung und Bezug zu den weiteren Arbeitspapieren der Studie<br>\nDie Studie &bdquo;Entwicklung eines Kompetenzrahmens und vorbereitende Studie zur Kompetenzmessung<br>\nvon 21st Century Skills am Beispiel von Data Literacy&ldquo; umfasst insgesamt zwei Arbeitspapiere.<br>\nNeben dem vorliegenden Systematic Review ist dies ein Forschungsbericht (Sch&uuml;ller, Busch &amp;<br>\nHindinger, 2019), der auch den entwickelten Kompetenzrahmen dokumentiert.<br>\nDas vorliegende Dokument liefert einen ausf&uuml;hrlichen Vorgehens- und Ergebnisbericht &uuml;ber die<br>\nRecherche und Einordnung der Vorarbeiten. Er dient der weiteren Forschung sowie der Auswahl</p>\n\n<p>festgehalten. Des Weiteren wurden die Dokumente, die sich auf die drei Hauptaspekte dieser Studie<br>\nbeziehen, n&auml;mlich Definition der Literacies, Definition des Kompetenzrahmens und<br>\nTestinstrumente, in einheitlich strukturierten Steckbriefen zusammengefasst, um die<br>\nverschiedenen Aussagen des Dokuments und dessen Einordnung auf einen Blick erfassen zu<br>\nk&ouml;nnen.</p>\n\n<p><br>\nDie recherchierten Definitionen, Kompetenzen und Testverfahren wurden im n&auml;chsten Schritt, dem<br>\neigentlichen Review, anhand von Bewertungsschemata kategorisiert und verglichen, um<br>\nGemeinsamkeiten und Besonderheiten auszumachen. Diese Bewertungsschemata st&uuml;tzen sich auf<br>\nwesentliche Vorarbeiten, insbesondere existierende Systematic Reviews zu Information Literacy<br>\nund Digital Literacy. Dar&uuml;ber hinaus wurden fehlende Aspekte erg&auml;nzt, welche im Dialog mit<br>\nweiteren Fachleuten als wesentlich identifiziert wurden.<br>\nDas abschlie&szlig;ende Kapitel dient der Vorauswahl geeigneter Modelle f&uuml;r Data Literacy Kompetenzrahmen<br>\nsowie Mess- und Testinstrumente. Ein Ausblick schlie&szlig;t den Systematic Review ab und<br>\nleitet &uuml;ber zum Forschungsbericht als dem zweiten Arbeitspapier der vorliegenden Studie.potenziell geeigneter, existierender Test- und Messinstrumente f&uuml;r Data Literacy f&uuml;r praktische<br>\nProjekte.<br>\nDer Forschungsbericht fasst die Ergebnisse der Studie insgesamt zusammen und sammelt Instrumente,<br>\ndie die Grundlage f&uuml;r Testentwicklung in einem Folgeprojekt bilden k&ouml;nnen. Es liefert zudem<br>\neine ausf&uuml;hrliche Dokumentation des entwickelten Kompetenzrahmens einschlie&szlig;lich der &Uuml;berlegungen<br>\nzu seiner Herleitung</p>", 
  "title": "Data Literacy: Ein Systematic Review", 
  "type": "article", 
  "id": "3484583"
}
120
97
views
downloads
All versions This version
Views 120120
Downloads 9797
Data volume 333.7 MB333.7 MB
Unique views 9898
Unique downloads 8282

Share

Cite as