PEDaL HN - Data Literacy Education

Hochschule Niederrhein. Dein Weg.

PEDaL HN - Das Projekt

Data Literacy erfordert umfassende Kompetenzen zum Verstehen, Strukturieren und Bewerten von Daten. Im "Projekt zum Erwerb von Data Literacy an der Hochschule Niederrhein" (PEDaL HN) wird ein dreistufiges Kompetenzmodell zum Erwerb von Datenliteralität entwickelt, in dem studiengangübergreifende und fachspezifische Elemente ineinander-greifen.

In drei Bausteinen bilden die Studierenden (1) Verständnis und Bewusstsein für Daten, (2) erlernen Techniken zum Datenmanagement, um (3) mit realen Daten in fachbezogenen Studienprojekten zu arbeiten. In einer Online-Rallye, die mit Live-Conventions und studentischen DatenPat:innen begleitet wird, wird zunächst Data Awareness entwickelt. Für Data-Literacy-Techniken und -Methoden wird ein überfachlicher Online-Kurs erstellt, der von Lehrenden modular in bereits etablierte, curriculare Veranstaltungen integriert werden kann. Interdisziplinäre Fragestellungen mit fachspezifischen Daten werden durch die Studierenden in fachbereichsübergreifenden Projekten bearbeitet. PEDaL HN wird durch eine formative und summative Evaluation begleitet.

Förderung

Das Projekt PEDaL HN wird gefördert durch das MKW NRW und ist ein Kooperationsvorhaben der DH.NRW. Das Förderprogramm Data Literacy Education.nrw des Stifterverbands für die deutsche Wissenschaft und des Ministeriums für Kultur und Wissenschaft NRW unterstützt landesweit zehn Hochschulen und Universitäten. PEDaL HN ist Teil des Engagements der Hochschule Niederrheins, zur Umsetzung der Digitalisierung in Lehre und Studium.

Mehr Details zum Projekt

Die ehemalige Projektkoordinatorin Dr. Elske Schönhals im Interview:

Ansprechpartnerin

Dr. Christina Grieb-Viglialoro
Hochschuldidaktik Projektkoordinatorin „PEDaL HN“ & wissenschaftliche Mitarbeiterin im Projekt KI-transdiziplinär

Veröffentlichungen

Veröffentlichungen

2023

2021

  • Schönhals, E.M., Kaufmann, J., Ruschin, S., Schwarzwälder, T. und Quix, C. (2021): PEDaL HN. Ein dreistufiges Kompetenzmodel in der Data Literacy Education; Curriculum 4.0 & Data Literacy - Zukunftskompetenzen und ihre Strukturen in der Hochschullehre, Tagungsposter, September 2021.
     
  • Class, C.B., Hütig, A., Schönhals, E.M. (2021) Gewissensbits – wie würden Sie urteilen?. Informatik Spektrum, Januar 2021. https://doi.org/10.1007/s00287-021-01337-z

Vorträge

2023


2022

  • Stegemerten, B., Ruschin, S., Königs, F., Grieb-Viglialoro, C. (2022): Curriculare Verankerung von digitalen Kompetenzen. ORCA-Tagung „Digitale Transformation der Hochschullehre durch digitale Kompetenzen als offene Bildungsressourcen“. 24.-25.11.2022.
     
  • Grieb-Viglialoro, C. (2022): Der Data-Literacy-Baukasten. Eine Kompetenzmatrix in der Data Literacy Education. Working Group Data Literacy (Stifterverband), 13.12.2022

Was ist die Data Awareness Rallye?

Mit dem Laden des Videos, akzeptieren Sie die Datenschutzerklärung von Youtube.
Mehr erfahren (google.com)

Learning Outcome Data Awareness Rallye

Nachfolgend wird das Lernergebnis der Data Awareness Rallye anhand der Was-Womit-Wozu-Struktur formuliert:

Nach Abschluss der Data Awareness Rallye sind die Studierenden in der Lage...

die Chancen und Risiken der Erhebung und Nutzung von Daten begründet zu reflektieren,

indem sie...

  • anhand eines individuellen Daten-Tracking-Sheets 24 Stunden lang erheben, an welchen Stellen im Alltag sie welche Daten teilen bzw. hinterlassen (Level 1)
  • mithilfe der Cookie-Challenge herausfinden, wie ihre Internetnutzung durch Tracker und Cookies ausgewertet wird und wie sie dies vermeiden können (Level 2)
  • sich auf Basis der Kerninhalte der DSGVO leitfragengestützt damit auseinandersetzen, wie die DSGVO personenbezogene Daten – insbesondere sensible Daten – schützt (Level 2)
  • auf Grundlage von Fallbeispielen herleiten, welche persönlichen Daten Smart Devices (bspw. Fitnesstracker) zu welchem Zweck erheben, speichern und auswerten (Level 2)
  • unter Anleitung ihr Smartphone datensicherer machen (Level 2)
  • anhand von Fallbeispielen (z.B. Cambridge Analytica) nachvollziehen, wie soziale Medien u.a. durch die Verbreitung von Fake News und den Einsatz von Bots unsere Wahrnehmung und Entscheidungen beeinflussen können (Level 3)
  • sich mittels anleitender Fragen erarbeiten, wie das Urheberrecht im Wesentlichen die Verwertung kreativer Inhalte regelt und welche Ausnahmeregelungen existieren (Level 3)
  • in einem simulierten Bürger:innenentscheid Argumente für oder gegen die Einführung eines KI-basierten Überwachungssystems in einer fiktiven Kreisstadt erarbeiten (Level 4)
  • auf Basis eines Fallbeispiels die ethischen Implikationen der statistischen Aufbereitung und visuellen Darstellung von Daten kritisch reflektieren (Level 5)

damit sie....

als mündige Bürger:innen in einer zunehmend digitalisierten Welt planvoll mit ihren persönlichen Daten sowie Daten im Allgemeinen umgehen und sie im jeweiligen Kontext bewusst einsetzen und hinterfragen können.

Dr. Christina Grieb-Viglialoro
Hochschuldidaktik Projektkoordinatorin „PEDaL HN“ & wissenschaftliche Mitarbeiterin im Projekt KI-transdiziplinär
Prodekan für Finanzen Wirtschaftsinformatik und Data Science
Wirtschaftsinformatik, insb. Data Science
Dr. Sylvia Ruschin
Leitung Hochschuldidaktik
Hochschullehrer Zivilrecht

Sayed Hoseini, M.Sc.
Wissenschaftlicher Mitarbeiter im Bereich Data Science
Dr. rer. nat. Elske Schönhals
Hochschuldidaktik Stv. Projektleitung KI-transdisziplinär