| Modulname |
Data Literacy Grundlagen für das Überleben in der Datenwelt |
| Gebiet |
Gebiet 3
|
| Profil |
Profil Liberal Arts Education
Profil Forschung
Profil Freie Studien
|
| CPs |
5 CP |
| Campus |
Hier geht
es zum Vorlesungsverzeichnis |
| Voraussetzungen |
Keine Voraussetzungen erforderlich. |
| Besonderheiten |
TN-Plätze 150/150 Termin 1. Sitzung Datum wird noch bekannt gegeben, Do 12-14 Uhr, per Zoom Anmeldung Standard-Anmeldeverfahren über eCampus Zusammensetzung der Endnote Am Ende des Semesters wird eine schriftliche MC-Klausur durchgeführt. Die Endnote entspricht der Note aus der Klausur. Prüfungstermin Der Prüfungstermin findet gegen Ende des Semesters statt. Datum, Zeit und Raum werden noch bekanntgegeben. |
| Blockseminar |
Nein |
| Vorkenntnisse |
|
| Veranstaltungszeit |
|
| Dozenten |
Sebastian Jeworutzki |
| Arbeitsaufwand |
150 Stunden, davon 50 Stunden Präsenzzeit und 100 Stunden Selbststudium. Die Präsenzzeit umfasst die Teilnahme an der Vorlesung und die Beteiligung in der E-Learning-Umgebung (u.a. Forum). Für das Selbststudium werden digitale Materialen und Übungsaufgaben zur Verfügung gestellt. |
| Literatur |
Informationen zu begleitender und vertiefender Literatur werden von den Dozentinnen und Dozenten im Vorfeld der jeweiligen Lerneinheit bereitgestellt. |
| Modulteil |
[430006] Data Literacy Grundlagen für das Überleben in der Datenwelt (E-Learning) - SS 2021, [430005] Data Literacy Grundlagen für das Überleben in der Datenwelt - SS 2021 |
| Modultyp |
|
| Modulanbieter |
|
| Inhalt |
Teil 1: Data Literacy – Grundlagen für das Überleben in der Datenwelt (Vorlesung), SoSe 2021, 2 SWS, Donnerstags, 12-14 Uhr, per Zoom Teil 2: Data Literacy – Grundlagen für das Überleben in der Datenwelt (E-Learning), SoSe 2021, 2 SWS Teil 1: Zentrales Ziel der Veranstaltung 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. Hierzu werden 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. Teil 2: In dem Teil 2 der Veranstaltung werden die in der Vorlesung behandelten Inhalte aufgegriffen und weiter vertieft (z.B. Praxis- und Fachbezug, methodische Vertiefung). Hierfür werden digitale Materialien und Aufgaben bereitgestellt und die Möglichkeit zum fachlichen Diskurs in einem eigens eingerichteten Online-Forum in Moodle gegeben. |
| Lernziele |
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 liegen 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 |
