Denken. Daten. Deuten.
Workshops zu »Data Literacy«Auf dieser Seite finden Sie Materialien zu den beiden Workshopangeboten am 6. Juli 2022.
Denken. Daten. Deuten.
Data Literacy oder Datenkompetenz beschreibt die Fähigkeit, mit Daten kompetent umzugehen. Eine Fähigkeit, die gerade im digitalen Zeitalter wichtig ist. Doch was verbirgt sich hinter diesem Begriff, welche Konzepte gibt es und wie sehen kreative Umgangsweisen mit Daten aus?
Mit den Workshops geben wir I) Einblicke in Grundbegriffe und Konzepte zu Datenkompetenz und den Anforderungen an einen planvollen Umgang mit Daten unterschiedlicher Qualität. Weiterhin
Für den Lernerfolg spielt die Sequenzierung der Veranstaltung eine entscheidende Rolle. Die Vorlesung ist daher in die Bereiche I) Grundbegriffe und Konzepte, II) Digitale Technologien, III) Anwendungsbereiche und Schnittstellen und IV) gesellschaftliche Diskurse untergliedert.
Die Konzeption der Vorlesung sieht vor, dass die Inhalte der vier Themenbereiche nicht nur im Hörsaal besprochen, sondern aufgezeichnet werden und den Studierenden neben weiteren Materialien zur Verfügung gestellt werden. Dabei wird das klassische Vorlesungsformat um digitale Medien ergänzt, sodass die Studierenden bereits im Lernprozess Kenntnisse im Umgang mit digitalen Medien und Technologien erwerben. Dementsprechend und zusätzlich zu den Präsenzangeboten ist das Selbststudium als integraler Bestandteil dieses Veranstaltungsformats vorgesehen. Die Studierenden werden hierbei aktiv unterstützt, indem ausgewählte Texte zu den Themen in der Vorlesung bearbeitet und in begleitenden Tutorien in Kleingruppen kontrovers diskutiert werden können.
Als Prüfungsformen wird die Produktion von Medienprojekten aktiv unterstützt. Die Studierenden sollen Medien in unterschiedlichen Kontexten und auf ihre Studienprogramme bezogen anwenden können. Dementsprechend wird die aktive Auseinandersetzung durch Medienprojekte, durch Formate wie eigene kleine Filmprojekte, Video-Game-Essays, Podcasts, Internet- oder Softwareprojekte in diesem Vorlesungskonzept gefördert.
Die Lernziele der hier konzipierten Veranstaltung lassen sich wie folgt festhalten.
Die Studierenden lernen
- grundlegende Begriffe und Konzepte der Datenwissenschaft und Analytics kritisch einzuordnen.
- fachspezifische und interdisziplinäre Perspektiven auf Data Analytics kennen.
- den Einsatz grundlegender Methoden und Technologien für die eigene Professionalisierung kennen und reflektieren.
- systematisch Erkenntnisse aus Daten abzuleiten, um Problemstellungen zu lösen, Strategien zu entwickeln, planvoll zu handeln.
Warum Hybrid?
Die Pandemie um COVID-19 hat die Hochschullandschaft auf den Kopf gestellt. Kurzfristige und kreative Lösungen und digitale Umsetzungen haben Studium und Lehre weitestgehend ermöglicht und aufgezeigt, dass digitale Formate, die in der Theorie schon lange diskutiert wurden, auch tatsächlich umgesetzt werden können und zugleich Akzeptanz finden.
Doch eine Vorlesung ist nicht nur Anlass zur Wissensvermittlung, sie bietet Raum zum sozialen Austausch und Gelegenheit für die Etablierung von Lerngruppen und kooperatives Lernen. Dementsprechend sollte das Format einer zeitgemäßen Vorlesung bestenfalls als hybrides Lehr-Lernsettings konzipiert werden.
Merkmale
im Überblick
Die Konzeption der Vorlesung in dieser Form bietet einige Vorteile gegenüber der klassischen Vorlesung.
Die Kernmerkmale des Konzepts werden hier in Kürze dargestellt und zielen implizit auf die Förderung von digitalen Skills ab, da die Angebotsvielfalt auch die individuellen Orientierungsleistungen der Studierenden adressiert.
Selbstverantwortung
Die Videos, Texte und Inhalte können im eigenen Lerntempo durchgearbeitet werden. Damit wird die Selbstverantwortung gestärkt, es wird aber auch das situative Lernen gefördert.
Freiheit statt Kontrolle
Dieses Format lehnt die überwachende Kontrolle des Lernfortschritts ab und bietet stattdessen mehr Anlässe zum Austausch, zur pädagogischen Begleitung, Beratung und Diskussion.
Kooperatives Lernen
Durch die Fokussierung auf soziale Interaktion können im Rahmen eines solchen Formats kooperative und vernetzte Lernprozesse angeregt und ähnlich wie in agil arbeitenden Teams angeleitet werden.
Individualität
Lernende können sich aus dem Set der unterschiedlichen Materialien und Teilaufgaben ihren Weg suchen, um die Teilnahme an der Vorlesung nachhaltig zu gestalten. Gleichzeitig können so individuelle Ziele verfolgt und damit der Lernprozess in den MIttelpunkt gerückt werden.
Technologien als Chance
Studium und Lehre ist unter den Bedingungen der Digitalität nicht ohne Technologien denkbar. Entscheidend ist jedoch die systematische Gestaltung digitaler Lehre als barrierearm, diversitätssensibel und bedürfnisorientiert. Das vorliegende Format trägt diesen Anforderung Rechnung.
Der Ablaufplan 14 Termine
Die Vorlesung ist daher in die Bereiche I) Grundbegriffe und Konzepte, II) Digitale Technologien, III) Anwendungsbereiche und Schnittstellen und IV) gesellschaftliche Diskurse untergliedert.
Jede Sitzung wird um die besprochenen Inhalte und weiterführende Materialien ergänzt.
#1: Organisation und Überblick
In der ersten Sitzung geht es 1) um die Vorstellung, Erwartungen und den Ablauf der Vorlesung und 2) einen ersten Einstieg. Es werden die Themen, Schwerpunkte und Lernziele kurz vorgestellt.
Daneben wird die Frage geklärt, was Data Analytics ist. Dies geschieht neben einer naturwissenschaftlichen Einordnung entlang von medien- und kulturgeschichtlichen Bezügen.
Schlagworte:
Data Analytics, Organisation, Lernziele, Digitale Medienkulturen, Cultural Analytics
#2: Grundbegriffe und Konzepte I
Was sind Daten und was ist Datenqualität? In dieser Sitzung werden Daten in ihrer Heterogenität und Beschaffenheit betrachtet und die Frage beantwortet, was Datenqualität ist und wie diese für den Umgang mit Daten wichtig gewendet werden kann.
Schlagworte:
Daten, Big Data, Datenqualität
#3: Grundbegriffe und Konzepte II
In dieser Sitzung wird Künstliche Intelligenz sowie daraus hervorgehendend Machine Learning und Deep Learning begrifflich eingeordnet und ins Verhältnis zum digitalen Wandel gesetzt.
Schlagworte:
Künstliche Intelligenz, Machine Learning, Deep Learning
#4: Grundbegriffe und Konzepte III
In dieser Sitzung wird Data Literacy entlang ausgewählter Modelle und Konzepte diskutiert. Hierfür wird ein Einblick in das Feld der Critical Data Studies eröffnet, um Schnittstellen aufzuzeigen. Daneben werden Kompetenzenrahmen (DigComp2.1, HFD Future Skills) und internationale Studien zum Umgang mit Daten in den Blick genommen.
Schlagworte:
Digitale Kompetenzen, Datenkompetenzen, Kritische Datenkompetenz
#5: Digitale Technologien I
In dieser Sitzung wird es um einen grundlegenden Einblick in die Werkzeuge und Technologien zu Data Analytics gehen.
Schlagworte:
Datenanalyse, Dienste, Tools, Ressourcen
#6: Digitale Technologien II
Python ist eine mächtige Technologie für Data Analytics. Einer der häufigsten Einsatzbereiche der Programmiersprache ist die schnelle Erstellung und Verwaltung von Datenstrukturen – Pandas beispielsweise bietet eine Fülle von Werkzeugen zur Manipulation, Analyse und sogar Darstellung von Datenstrukturen und komplexen Datensätzen. In dieser Sitzung wird es um Python und zentrale Pakete zur Datenanalyse gehen.
Schlagworte:
Python, Pandas, NumPy
#7: Digitale Technologien III
Die Visualisierung ist für Data Analytics ein zentrales Thema, dementsprechend wird hier der Fokus auf die technologische Möglichkeiten zur Datenvisualisierung mit Python gelegt. Daneben werden auch Werkzeuge wie Tableau oder Gephi vorgestellt, die keine größeren Programmierkenntnisse erforderlich machen, um eine Grundlage für den Anwendungsbereich Datenvisualisierung zu schaffen.
Schlagworte:
Datenvisualisierung, Python, Tableau, Gephi
#8: Anwendungsbereiche und Schnittstellen I
Datenvisualisierung wird in Fortführung der vorherigen Sitzung als erstes Anwendungsfeld thematisiert. Es geht hierbei vor allem um künstlerisch-kreative Expressionen und Datenpraktiken.
Schlagworte:
Datenvisualisierung, Processing, Generative Art, KI Kunst
#9: Anwendungsbereiche und Schnittstellen II
In dieser Sitzung soll es darum gehen, die Möglichkeiten und Grenzen von Data Analytics hinsichtlich der Auswertung und Bearbeitung von bestehenden Daten im Kontext audiovisueller Medien, wie Drehbücher, Nutzungsdaten und filmhistorische Datenbestände gehen.
Schlagworte:
Skripte, Storyboards, filmhistorische Daten
#10: Anwendungsbereiche und Schnittstellen III
Wie kann Data Analytics die audiovisuelle Medienproduktion bereichern? Die Frage wird in der Sitzung entlang von Datenpraktiken zu Videogrammetry und Virtual Production diskutiert.
Schlagworte:
Medienproduktion, Videogrammetry, Virtual Production
#11: Gesellschaftliche Diskurse I
Schlagworte:
Datafizierung, Automatisierung, Ethik, Verantwortung, Data Literacy
#12: Gesellschaftliche Diskurse II
Digitale Ungleichheit stellt ein zentrales Problemfeld dar, welches sich insbesondere im Hinblick auf die Reproduktion von sozialen Ungleichheiten über audiovisuelle Medien und digitale Technologien als komplexe Herausforderung für das gemeinsame Miteinander und Teilhabechancen erweist. In dieser Sitzung soll es um Bias und die Reproduktion von Ungleichheiten durch digitale Daten gehen.
Schlagworte:
Bias, Digitale Ungleichheit, Critical Data Literacy
Lehrprobe
In der Lehrprobe lernen wir das Simpson Paradoxon kennen.
Material:
- Folien zur Lehrprobe
- Google Colab Notebook mit Berkely Datensatz als Playground
- Visualizing Simpson’s Paradox auf Kaggle
- Datensatz der UC Berkely Admission
- Palmer Archipelago Datensatz über Pinguine
Weiterführende Literatur:
-
- Bickel, P. J., Hammel, E. A., & O’Connell, J. W. (1975). Sex bias in graduate admissions: Data from Berkeley. Science, 187(4175), 398-404.
- Henze, N. (2020). Ein Simpson-Paradoxon bei Covid-19-Todesfallraten. 3. Stochastik in der Schule. KIT.
- Moore, T. L. (2006). Paradoxes in Film Ratings. Journal of Statistics Education, 14(1), 8. https://doi.org/10.1080/10691898.2006.11910579
- Pearl, J. (2013). Understanding Simpson’s Paradox. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.2343788
- Spiegelhalter, D. J. (2019). The art of statistics: Learning from data. Pelican.
- von Kugelgen, J., Gresele, L., & Scholkopf, B. (2021). Simpson’s Paradox in COVID-19 Case Fatality Rates: A Mediation Analysis of Age-Related Causal Effects. IEEE Transactions on Artificial Intelligence, 2(1), 18–27. https://doi.org/10.1109/TAI.2021.3073088
#13: Gesellschaftliche Diskurse III
Demokratie, Hate Speech und Fake News werden in dieser Sitzung thematisiert und entlang ihrer medialen Praktiken diskutiert. Die Sitzung stellt eine Beziehung aus medien- und kulturwissenschafltichen Bestrebungen zur Bearbeitung dieser Problemfelder her.
Schlagworte:
Teilhabe, Öffentlichkeit, Desinformation, Datafizierung
#14: Ausblick: Data Analytics und audiovisuelle Medien
Die Vorlesung schließt mit einem Ausblick auf zukünftige Herausforderungen und Chancen von Data Analytics für die künstlerische Auseinandersetzung und Medienproduktion.
Schlagworte:
KI, Kunst, Big Data, Ökonomie, Virtual Production
Dan Verständig
Sie erreichen mich jederzeit über Mail oder Chat. Für Besprechungen stehe ich in den Bürozeiten zur Verfügung.
Auf medienbildung.team finden Sie weitere Informationen zu Studium und Lehre.
Literatur
Weiterführende Literatur finden Sie im E-Learning-Bereich der Universität.
Material
Das Konzept der Vorlesung wird durch die Produktion von digitalen Materialien realisiert und nachhaltig in die Lehre eingearbeitet.
Digitale Lernressourcen
Um einen bestmöglichen Lernprozess zu ermöglichen, der auf die individuellen Bedarfe und Situationen der Studierenden eingeht, ist ein breites Spektrum an Lehr-Lernmaterialien hilfreich. Die didaktische Aufbereitung und Verknüpfung des Materials ist dabei ebenso wichtig.
Videos oder Texte in eine E-Learning-Plattform hochladen reicht nicht aus und ist im schlimmsten Fall eher hinderlich. Dementsprechend ist die mediale Produktion und Aufbereitung hier entscheidend.
Das Spektrum der Lernressourcen
Textgrundlage
Die in der Vorlesung besprochene Literatur wird über das E-Learning-Portal zur Verfügung gestellt. Zudem soll ein Skript frei zugänglich angeboten werden. Fokussiert wird die Nutzung von Open Access Literatur.
Videomaterial
Das Videomaterial der Vorlesung besteht aus den Inhalten der Sitzungen und wird strukturell aufbereitet. Zeitmarken und Hyperlinks dienen der grundlegenden Verknüpfung unterschiedlicher Materialien in der Veranstaltung.
Lecture2Go
Zur Vorlesung soll (später) zudem ein Podcast angeboten werden, indem das Videomaterial die Basis darstellt. Dies würde dem Vorbild der Ringvorlesung Autonomie im digitalen Zeitalter folgen.
Barrierefreiheit
Die Materialien sollen barrierefrei zugänglich gemacht werden. Gerätepräferenzen oder Einschränkungen im Zugang werden im Konzept bedacht und weitgehend ausgeschlossen.
Austausch & Vernetzung
Durch den Einsatz einer studierendenzentrierten Lehr-Lernplattform soll Vernetzung und Austausch digital gefördert werden, um trotz der Distanz soziale Nähe herzustellen. Dies geschieht durch moderierte Foren und niederschwellige Chatangebote.
Transparenz
Durch die Bereitstellung der Materialien wird Transparenz geschaffen, die dann dazu motivieren kann, sich selbst in die jeweiligen Themen einzubringen. Dies wird über eigene Protokolle als Grundlage der selbst gewählten Themen realisiert.