| Modulname |
Data Literacy - Grundlagen für das Überleben in der Datenwelt |
| Gebiet |
|
| Profil |
Profil Freie Studien
Profil Zukunft
Profil Forschung
|
| CPs |
5 CP |
| Campus |
Hier geht
es zum Vorlesungsverzeichnis |
| Voraussetzungen |
Keine Voraussetzungen erforderlich. |
| Besonderheiten |
TN-Plätze 150/150 Termin 1. Sitzung 20.10.2022, 12:15 Uhr, Zoom-Sitzung 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 |
Ja |
| Vorkenntnisse |
|
| Veranstaltungszeit |
|
| Dozenten |
|
| Arbeitsaufwand |
150 Stunden, davon 20 Stunden Präsenzzeit und 130 Stunden Selbststudium. Die Präsenzzeit umfasst die Teilnahme an der Auftakt- und Abschlussveranstaltung 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 |
[430005] Data Literacy Grundlagen für das Überleben in der Datenwelt (digitaler Selbstlernkurs) - WS 22/23 |
| Modultyp |
|
| Modulanbieter |
Methodenzentrum |
| Inhalt |
Online-Veranstaltung Teil 1 und 2: Data Literacy – Grundlagen für das Überleben in der Datenwelt (E-Learning), WiSe 2022/23, 4 SWS Zentrales Ziel dieses digitalen Selbstlernkurses 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. In digitalen Selbstlerneinheiten werden hierzu 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. Für die Vertiefung und Anwendung der in den Selbstlerneinheiten vermittelten Inhalten, werden digitale Materialien und Aufgaben bereitgestellt und die Möglichkeit zum fachlichen Diskurs in einem eigens eingerichteten Online-Forum in Moodle gegeben. Darüber hinaus wird mit unserem Aufbaumodul „Data Literacy – Wissenschaftliches Arbeiten mit digitalen Daten“ eine Möglichkeit zur praktischen Anwendung geboten. |
| 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 |
