Working paper Open Access

Data Literacy: Ein Systematic Review

Katharina Schüller; Paulina Busch


DCAT Export

<?xml version='1.0' encoding='utf-8'?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:adms="http://www.w3.org/ns/adms#" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:dct="http://purl.org/dc/terms/" xmlns:dctype="http://purl.org/dc/dcmitype/" xmlns:dcat="http://www.w3.org/ns/dcat#" xmlns:duv="http://www.w3.org/ns/duv#" xmlns:foaf="http://xmlns.com/foaf/0.1/" xmlns:frapo="http://purl.org/cerif/frapo/" xmlns:geo="http://www.w3.org/2003/01/geo/wgs84_pos#" xmlns:gsp="http://www.opengis.net/ont/geosparql#" xmlns:locn="http://www.w3.org/ns/locn#" xmlns:org="http://www.w3.org/ns/org#" xmlns:owl="http://www.w3.org/2002/07/owl#" xmlns:prov="http://www.w3.org/ns/prov#" xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#" xmlns:schema="http://schema.org/" xmlns:skos="http://www.w3.org/2004/02/skos/core#" xmlns:vcard="http://www.w3.org/2006/vcard/ns#" xmlns:wdrs="http://www.w3.org/2007/05/powder-s#">
  <rdf:Description rdf:about="https://doi.org/10.5281/zenodo.3484583">
    <rdf:type rdf:resource="http://www.w3.org/ns/dcat#Dataset"/>
    <dct:type rdf:resource="http://purl.org/dc/dcmitype/Text"/>
    <dct:identifier rdf:datatype="http://www.w3.org/2001/XMLSchema#anyURI">https://doi.org/10.5281/zenodo.3484583</dct:identifier>
    <foaf:page rdf:resource="https://doi.org/10.5281/zenodo.3484583"/>
    <dct:creator>
      <rdf:Description>
        <rdf:type rdf:resource="http://xmlns.com/foaf/0.1/Agent"/>
        <foaf:name>Katharina Schüller</foaf:name>
        <org:memberOf>
          <foaf:Organization>
            <foaf:name>STAT-UP</foaf:name>
          </foaf:Organization>
        </org:memberOf>
      </rdf:Description>
    </dct:creator>
    <dct:creator>
      <rdf:Description>
        <rdf:type rdf:resource="http://xmlns.com/foaf/0.1/Agent"/>
        <foaf:name>Paulina Busch</foaf:name>
        <org:memberOf>
          <foaf:Organization>
            <foaf:name>STAT-UP</foaf:name>
          </foaf:Organization>
        </org:memberOf>
      </rdf:Description>
    </dct:creator>
    <dct:title>Data Literacy: Ein Systematic Review</dct:title>
    <dct:publisher>
      <foaf:Agent>
        <foaf:name>Zenodo</foaf:name>
      </foaf:Agent>
    </dct:publisher>
    <dct:issued rdf:datatype="http://www.w3.org/2001/XMLSchema#gYear">2019</dct:issued>
    <dcat:keyword>Future Skills</dcat:keyword>
    <dcat:keyword>Data Literacy</dcat:keyword>
    <dcat:keyword>Curriculumentwicklung</dcat:keyword>
    <dcat:keyword>21st Century Skill</dcat:keyword>
    <dcat:keyword>Systematic Review</dcat:keyword>
    <dcat:keyword>Data Literacy Kompetenzrahmen</dcat:keyword>
    <dct:issued rdf:datatype="http://www.w3.org/2001/XMLSchema#date">2019-08-15</dct:issued>
    <owl:sameAs rdf:resource="https://zenodo.org/record/3484583"/>
    <adms:identifier>
      <adms:Identifier>
        <skos:notation rdf:datatype="http://www.w3.org/2001/XMLSchema#anyURI">https://zenodo.org/record/3484583</skos:notation>
        <adms:schemeAgency>url</adms:schemeAgency>
      </adms:Identifier>
    </adms:identifier>
    <dct:isVersionOf rdf:resource="https://doi.org/10.5281/zenodo.3484582"/>
    <dct:description>&lt;p&gt;1.1 Management Summary&lt;br&gt; Welches Wissen, welche F&amp;auml;higkeiten, welche Haltung ben&amp;ouml;tigt es in Gesellschaft, Arbeitswelt und&lt;br&gt; Wissenschaft, in denen Daten als wertvolle, mitunter die wertvollste Ressource gelten und Entscheidungen&lt;br&gt; zunehmend auf der Grundlage von Daten getroffen werden? Zweifellos werden Digitalisierung&lt;br&gt; und Datafizierung das Leben und Arbeiten im 21. Jahrhundert nachhaltig ver&amp;auml;ndern.&lt;br&gt; K&amp;uuml;nstliche Intelligenz, vernetzte Produktion, kommunizierende Maschinen und selbstfahrende Autos&lt;br&gt; werden von Daten gesteuert und produzieren selbst Daten am laufenden Band. Daten sind die&lt;br&gt; Ausgangsbasis f&amp;uuml;r Wissens- bzw. Wertsch&amp;ouml;pfung als Grundlage f&amp;uuml;r bessere Entscheidungen.&lt;br&gt; Der Prozess der Wissenssch&amp;ouml;pfung umfasst mehrere Schritte: (A) Datenkultur etablieren &amp;ndash; (B) Daten&lt;br&gt; bereitstellen &amp;ndash; (C) Daten auswerten &amp;ndash; (D) Ergebnisse interpretieren &amp;ndash; (E) Daten interpretieren &amp;ndash;&lt;br&gt; (F) Handeln ableiten. Um systematisch Wissen bzw. Wert aus Daten zu sch&amp;ouml;pfen, ist deshalb zuk&amp;uuml;nftig&lt;br&gt; in allen Sektoren und Disziplinen die F&amp;auml;higkeit, planvoll mit Daten umzugehen und sie im&lt;br&gt; jeweiligen Kontext bewusst einsetzen und hinterfragen zu k&amp;ouml;nnen, von entscheidender Bedeutung.&lt;br&gt; Dies wird als Data Literacy bezeichnet und umfasst die F&amp;auml;higkeiten, Daten auf kritische Art und&lt;br&gt; Weise zu sammeln, zu managen, zu bewerten und anzuwenden. Data Literacy ist weit mehr als ein&lt;br&gt; breites und tiefes Detailwissen &amp;uuml;ber sich laufend ver&amp;auml;ndernde Methoden und Technologien. Vielmehr&lt;br&gt; spielt die Dimension der Datenethik, der Motivation und Werthaltung eine zentrale Rolle, um&lt;br&gt; zuk&amp;uuml;nftig mit Daten erfolgreich und souver&amp;auml;n umgehen zu k&amp;ouml;nnen.&lt;/p&gt; &lt;p&gt;&lt;br&gt; Data Literacy ist eine Schl&amp;uuml;sselkompetenz des 21. Jahrhunderts, die in der modernen Gesellschaft&lt;br&gt; und Arbeitswelt unerl&amp;auml;sslich sein wird. Data Literacy muss deshalb von Beginn an und&lt;br&gt; f&amp;auml;cher&amp;uuml;bergreifend an den Hochschulen vermittelt werden. Hierf&amp;uuml;r bedarf es eines&lt;br&gt; Kompetenzrahmens, d.h. eines Modells zur strukturierten Beschreibung von effektivem Verhalten in&lt;br&gt; einem gegebenen Aufgabenkontext. Er umfasst Kompetenzen, deren Definitionen und daraus&lt;br&gt; abgeleitete Verhaltensindikatoren. Ein derartiger Kompetenzrahmen soll alle Stufen des Wissensbzw.&lt;br&gt; Wertsch&amp;ouml;pfungsprozesses aus Daten abbilden; er soll alle Kompetenzdimensionen erfassen:&lt;br&gt; (a) Wissen, (b) Fertigkeiten, (c) F&amp;auml;higkeiten, (d) Motivation und (Wert-)Haltung; er soll es erlauben,&lt;br&gt; die erfassten Kompetenzen in konkrete und testbare Lern- oder Kompetenzziele zu &amp;uuml;berf&amp;uuml;hren; und&lt;br&gt; er soll die Interdisziplinarit&amp;auml;t der Aufgabe reflektieren, also widerspiegeln, dass neben&lt;br&gt; Datenexpert*innen auch Fachleute f&amp;uuml;r Datenschutz und Datenethik ben&amp;ouml;tigt werden.&lt;/p&gt; &lt;p&gt;&lt;br&gt; Au&amp;szlig;erdem ist zu erforschen, wie Data Literacy gemessen und getestet werden kann. Geeignete&lt;br&gt; Mess- und Testinstrumente erfassen kognitive und affektive Lernbereiche; sie umfassen m&amp;ouml;glichst&lt;br&gt; viele Lernstufen: (a) Reaktion, (b) Lernerfolg, (c) Verhalten, (d) Ergebnis; sie sind transparent&lt;br&gt; bez&amp;uuml;glich der M&amp;ouml;glichkeiten und Grenzen einer Schlussfolgerung von beobachtbarem Verhalten auf&lt;br&gt; dahinter liegender Kompetenz; sie gen&amp;uuml;gen den Testg&amp;uuml;tekriterien der Validit&amp;auml;t, Reliabilit&amp;auml;t und&lt;br&gt; Objektivit&amp;auml;t; und schlie&amp;szlig;lich sind sie mit vertretbarem Aufwand (Geld, Zeit, ben&amp;ouml;tigte F&amp;auml;higkeiten&lt;br&gt; der Pr&amp;uuml;fer*innen) durchzuf&amp;uuml;hren.&lt;/p&gt; &lt;p&gt;&lt;br&gt; Die vorliegende Studie verfolgt somit zwei Ziele. Erstens soll ein Kompetenzrahmen f&amp;uuml;r&lt;br&gt; Digitalkompetenzen am Beispiel von Data Literacy entwickelt und umsetzbares Wissen f&amp;uuml;r Hochschulen verf&amp;uuml;gbar gemacht werden. Zweitens soll die Messung von Wirkung und Qualit&amp;auml;t von Lehre und Studium im digitalen Zeitalter wie auch die Testentwicklung f&amp;uuml;r Digitalkompetenzen am Beispiel von Data Literacy vorbereitet werden. Die Studie richtet sich an Verantwortliche f&amp;uuml;r die&lt;br&gt; Curriculumentwicklung in der Hochschulpolitik und den Hochschulen selbst, aber auch an&lt;br&gt; Lehrende, die nach konkreten Ans&amp;auml;tzen zur Vermittlung und Evaluation von Data Literacy suchen.&lt;br&gt; Hierf&amp;uuml;r stellt das Arbeitspapier einen ausdifferenzierten Kompetenzrahmen zur Verf&amp;uuml;gung, der zur&lt;br&gt; Ableitung von Lernzielen in zahlreichen Fachgebieten und Studieng&amp;auml;ngen dienen kann. M&amp;ouml;gliche&lt;br&gt; Mess- und Testverfahren f&amp;uuml;r Data Literacy werden n&amp;auml;her beleuchtet. Beispielhaft ist anhand von&lt;br&gt; Fallstudien aufgezeigt, wie der Kompetenzrahmen in realen Problemsituationen dazu beitragen&lt;br&gt; kann, Daten nutzbar zu machen.&lt;/p&gt; &lt;p&gt;&lt;br&gt; Nun gilt es, die erarbeiteten Ergebnisse in Vorschl&amp;auml;ge f&amp;uuml;r Curricula umzusetzen. Daf&amp;uuml;r m&amp;uuml;ssen&lt;br&gt; Pilothochschulen und Pilotstudieng&amp;auml;nge ausgew&amp;auml;hlt werden, in denen spezifische Lernziele f&amp;uuml;r die&lt;br&gt; jeweiligen Disziplinen aus dem Kompetenzrahmen abgeleitet werden. Zu diskutieren ist weiter der&lt;br&gt; Aspekt des lebenslangen Lernens von Schl&amp;uuml;sselkompetenzen: Wie kann bzw. sollte Data Literacy&lt;br&gt; bereits in der Schule sowie sp&amp;auml;ter in der Arbeitswelt und der Erwachsenenbildung vermittelt&lt;br&gt; werden? In jedem Fall braucht es didaktische Ans&amp;auml;tze, die der Interdisziplinarit&amp;auml;t der Aufgabe&lt;br&gt; gerecht werden, denn komplexe Datenprojekte werden bereits heute im Team bearbeitet, sie&lt;br&gt; erfordern ein multiprofessionelles Arbeiten, das die F&amp;auml;higkeit zum Projektmanagement und die&lt;br&gt; Kenntnis organisatorischer, rechtlicher und ethischer Rahmenbedingungen miteinschlie&amp;szlig;t. Nicht&lt;br&gt; zuletzt bedarf die Frage, wie die Lehrenden f&amp;uuml;r diese Herausforderung qualifiziert werden k&amp;ouml;nnen,&lt;br&gt; einer Antwort.&lt;/p&gt; &lt;p&gt;&lt;br&gt; 1.2 Aufbau des Arbeitspapiers&lt;br&gt; Das vorliegende Systematic Review dokumentiert die Literaturrecherche. Im Kapitel Hintergrund&lt;br&gt; und Zielsetzung pr&amp;auml;zisiert das Arbeitspapier zun&amp;auml;chst den Begriff der Data Literacy als &amp;bdquo;21st&lt;br&gt; Century Skill&amp;ldquo; und den kompetenzdefinierenden Prozess. Daraus werden Kriterien zur Bewertung&lt;br&gt; von Relevanz und Durchf&amp;uuml;hrbarkeit m&amp;ouml;glicher Kompetenzrahmen-Modelle abgeleitet. Die&lt;br&gt; Recherche von Modellen zur Messung und zur Operationalisierung bzw. Testung von Kompetenzen&lt;br&gt; legt einen Schwerpunkt insbesondere auf die nichttechnischen Kompetenzen (z. B. konzeptuelle&lt;br&gt; Kompetenzen). Die Ergebnisse wurden mit ausgew&amp;auml;hlten Fachleuten aus Hochschulen sowie&lt;br&gt; Praktiker*innnen aus verschiedenen Fachgebieten diskutiert und validiert.&lt;br&gt; Das folgende Kapitel Vorgehensweise dokumentiert das Vorgehen zur Recherche geeigneter&lt;br&gt; Kompetenzrahmen, die als Ausgangsbasis f&amp;uuml;r den zu entwickelnden Kompetenzrahmen dienen&lt;br&gt; k&amp;ouml;nnen, wobei die verschiedenen Ausbildungszwecke und Bildungsstufen ber&amp;uuml;cksichtigt wurden.&lt;br&gt; Es beschreibt, wie anhand eines vorab festgelegten Rechercheplans eine Recherche im Internet&lt;br&gt; und einschl&amp;auml;gigen Portalen (z. B. Web of Science) sowie in Fachzeitschriften (z. B. Statistics&lt;br&gt; Education Research Journal) und vorab identifizierter Literatur durchgef&amp;uuml;hrt wurde.&lt;br&gt; Das Kapitel Ergebnisse beinhaltet relevante Dokumente, die anhand geeigneter Kriterien&lt;br&gt; (insbesondere der Zitierh&amp;auml;ufigkeit) identifiziert und genauer ausgearbeitet wurden. Dies erfolgte&lt;br&gt; einerseits in Form einer tabellarischen Literaturzusammenfassung. Dabei wurden die Dokumente&lt;br&gt; in Kategorien gegliedert, denen sie thematisch vornehmlich zuzuordnen sind. Diese Kategorien&lt;br&gt; beziehen sich auf die einzelnen Elemente des Recherchegegenstandes der Studie, etwa den&lt;br&gt; Kompetenzrahmen, die Definitionen der Literacies, m&amp;ouml;gliche Testinstrumente oder einzelne&lt;br&gt; Fallstudien. Zus&amp;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&amp;auml;mlich Definition der Literacies, Definition des Kompetenzrahmens und Testinstrumente, in einheitlich strukturierten Steckbriefen zusammengefasst, um die&lt;br&gt; verschiedenen Aussagen des Dokuments und dessen Einordnung auf einen Blick erfassen zu&lt;br&gt; k&amp;ouml;nnen.&lt;/p&gt; &lt;p&gt;&lt;br&gt; Die recherchierten Definitionen, Kompetenzen und Testverfahren wurden im n&amp;auml;chsten Schritt, dem&lt;br&gt; eigentlichen Review, anhand von Bewertungsschemata kategorisiert und verglichen, um&lt;br&gt; Gemeinsamkeiten und Besonderheiten auszumachen. Diese Bewertungsschemata st&amp;uuml;tzen sich auf&lt;br&gt; wesentliche Vorarbeiten, insbesondere existierende Systematic Reviews zu Information Literacy&lt;br&gt; und Digital Literacy. Dar&amp;uuml;ber hinaus wurden fehlende Aspekte erg&amp;auml;nzt, welche im Dialog mit&lt;br&gt; weiteren Fachleuten als wesentlich identifiziert wurden.&lt;br&gt; Das abschlie&amp;szlig;ende Kapitel dient der Vorauswahl geeigneter Modelle f&amp;uuml;r Data Literacy Kompetenzrahmen&lt;br&gt; sowie Mess- und Testinstrumente. Ein Ausblick schlie&amp;szlig;t den Systematic Review ab und&lt;br&gt; leitet &amp;uuml;ber zum Forschungsbericht als dem zweiten Arbeitspapier der vorliegenden Studie.&lt;br&gt; 1.3 Abgrenzung und Bezug zu den weiteren Arbeitspapieren der Studie&lt;br&gt; Die Studie &amp;bdquo;Entwicklung eines Kompetenzrahmens und vorbereitende Studie zur Kompetenzmessung&lt;br&gt; von 21st Century Skills am Beispiel von Data Literacy&amp;ldquo; umfasst insgesamt zwei Arbeitspapiere.&lt;br&gt; Neben dem vorliegenden Systematic Review ist dies ein Forschungsbericht (Sch&amp;uuml;ller, Busch &amp;amp;&lt;br&gt; Hindinger, 2019), der auch den entwickelten Kompetenzrahmen dokumentiert.&lt;br&gt; Das vorliegende Dokument liefert einen ausf&amp;uuml;hrlichen Vorgehens- und Ergebnisbericht &amp;uuml;ber die&lt;br&gt; Recherche und Einordnung der Vorarbeiten. Er dient der weiteren Forschung sowie der Auswahl&lt;/p&gt; &lt;p&gt;festgehalten. Des Weiteren wurden die Dokumente, die sich auf die drei Hauptaspekte dieser Studie&lt;br&gt; beziehen, n&amp;auml;mlich Definition der Literacies, Definition des Kompetenzrahmens und&lt;br&gt; Testinstrumente, in einheitlich strukturierten Steckbriefen zusammengefasst, um die&lt;br&gt; verschiedenen Aussagen des Dokuments und dessen Einordnung auf einen Blick erfassen zu&lt;br&gt; k&amp;ouml;nnen.&lt;/p&gt; &lt;p&gt;&lt;br&gt; Die recherchierten Definitionen, Kompetenzen und Testverfahren wurden im n&amp;auml;chsten Schritt, dem&lt;br&gt; eigentlichen Review, anhand von Bewertungsschemata kategorisiert und verglichen, um&lt;br&gt; Gemeinsamkeiten und Besonderheiten auszumachen. Diese Bewertungsschemata st&amp;uuml;tzen sich auf&lt;br&gt; wesentliche Vorarbeiten, insbesondere existierende Systematic Reviews zu Information Literacy&lt;br&gt; und Digital Literacy. Dar&amp;uuml;ber hinaus wurden fehlende Aspekte erg&amp;auml;nzt, welche im Dialog mit&lt;br&gt; weiteren Fachleuten als wesentlich identifiziert wurden.&lt;br&gt; Das abschlie&amp;szlig;ende Kapitel dient der Vorauswahl geeigneter Modelle f&amp;uuml;r Data Literacy Kompetenzrahmen&lt;br&gt; sowie Mess- und Testinstrumente. Ein Ausblick schlie&amp;szlig;t den Systematic Review ab und&lt;br&gt; leitet &amp;uuml;ber zum Forschungsbericht als dem zweiten Arbeitspapier der vorliegenden Studie.potenziell geeigneter, existierender Test- und Messinstrumente f&amp;uuml;r Data Literacy f&amp;uuml;r praktische&lt;br&gt; Projekte.&lt;br&gt; Der Forschungsbericht fasst die Ergebnisse der Studie insgesamt zusammen und sammelt Instrumente,&lt;br&gt; die die Grundlage f&amp;uuml;r Testentwicklung in einem Folgeprojekt bilden k&amp;ouml;nnen. Es liefert zudem&lt;br&gt; eine ausf&amp;uuml;hrliche Dokumentation des entwickelten Kompetenzrahmens einschlie&amp;szlig;lich der &amp;Uuml;berlegungen&lt;br&gt; zu seiner Herleitung&lt;/p&gt;</dct:description>
    <dct:accessRights rdf:resource="http://publications.europa.eu/resource/authority/access-right/PUBLIC"/>
    <dct:accessRights>
      <dct:RightsStatement rdf:about="info:eu-repo/semantics/openAccess">
        <rdfs:label>Open Access</rdfs:label>
      </dct:RightsStatement>
    </dct:accessRights>
    <dcat:distribution>
      <dcat:Distribution>
        <dct:license rdf:resource="https://creativecommons.org/licenses/by/4.0/legalcode"/>
        <dcat:accessURL rdf:resource="https://doi.org/10.5281/zenodo.3484583"/>
      </dcat:Distribution>
    </dcat:distribution>
    <dcat:distribution>
      <dcat:Distribution>
        <dcat:accessURL rdf:resource="https://doi.org/10.5281/zenodo.3484583"/>
        <dcat:byteSize>3440447</dcat:byteSize>
        <dcat:downloadURL rdf:resource="https://zenodo.org/record/3484583/files/HFD_AP_Nr_46_DALI_Systematic_Review_WEB.pdf"/>
        <dcat:mediaType>application/pdf</dcat:mediaType>
      </dcat:Distribution>
    </dcat:distribution>
  </rdf:Description>
</rdf:RDF>
110
92
views
downloads
All versions This version
Views 110110
Downloads 9292
Data volume 316.5 MB316.5 MB
Unique views 9090
Unique downloads 7777

Share

Cite as