Modul: Data Literacy – Grundlagen für das Überleben in der Datenwelt

Modulname Data Literacy – Grundlagen für das Überleben in der Datenwelt
Gebiet
Profil Profil Freie Studien Profil Forschung Profil Zukunft
CPs 5 CP
Campus Hier geht es zum Vorlesungsverzeichnis
Voraussetzungen Keine Voraussetzungen erforderlich. Studierende, die das Modul für den Optionalbereich besuchen müssen das Modul mit einer Note in der Klausur abschließen.
Besonderheiten TN-Plätze 150/200 Termin 1. Sitzung: Termin folgt zeitnah Anmeldung Die Anmeldung erfolgt über eCampus auf der Veranstaltungsebene. Zusammensetzung der Endnote Am Ende des Semesters wird eine schriftliche MC-Klausur in Präsenz als Open-Book-Klausur durchgeführt. Die Endnote entspricht der Note aus der Klausur. Prüfungstermin: Der Termin folgt rechtzeitig.
Blockseminar Nein
Vorkenntnisse Keine Voraussetzungen erforderlich. Studierende, die das Modul für den Optionalbereich besuchen müssen das Modul mit einer Note in der Klausur abschließen.
Veranstaltungszeit siehe eCampus.
Dozenten siehe eCampus
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 siehe eCampus
Modultyp siehe eCampus
Modulanbieter siehe eCampus
Inhalt Im Rahmen des Zertifikatsstudiums Entrepreneurship vermittelt das Modul Kompetenzen aus den folgenden Kompetenzbereichen: Kompetenzbereich Ideas & Opportunities "Zertifikatsprogramm Digital Humanities Studierende die den Wahlbereich „Digital Humanities“ bearbeiten, können das Modul als Basismodul im Zertifikat Digital Humanities einbringen. Weitere Informationen zum Zertifikat unter https://dh-ruhr.rub.de " Online-Veranstaltung Teil 1 und 2: Data Literacy – Grundlagen für das Überleben in der Datenwelt (E-Learning mit Präsenzterminen), WiSe 2026/27, 4 SWS, Termine folgen zeitnah 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 behandelt - genauso wie die Themen Datenverfügbarkeit und Datennachnutzung (z.B. über Forschungsdatenzentren). Die zunehmende Bedeutung von Künstlicher Intelligenz, Large Language Models wie ChatGPT und Algorithmen im digitalen Alltag (und ggf. die Emanzipation davon) werden ebenso thematisiert. 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. Ein Wahlbereich mit den Themenblöcken „Learning Analytics“ und „Digital Humanities“ behandelt die Nutzung digitaler Daten im Bildungsbereich bzw. die Rolle digitaler Daten und Methoden in den Geisteswissenschaften. 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. Sie werden von uns nach der Anmeldung in eCampus zum Moodle-Kurs hinzugefügt.
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