• 08 Von Daten zu fachlichem Wissen

    Daten und ihre Bedeutung im Unterricht

    • Eine der wichtigsten Anwendungen von Computern in Wissenschaft, Wirtschaft und Forschung ist die Auswertung und Analyse realer Daten. In diesem Modul werden wir gemeinsam einen Datensatz analysieren und Potenziale, aber auch Risiken von umfassenden Datenanalysen (Stichwort "Big Data") thematisieren.

      In diesem Modul lernen Sie:

      • Daten, Informationen und Wissen zu unterscheiden.
      • beispielhaft Daten auszuwerten und zu visualisieren, Daten geeignet zu interpretieren.
      • was "Big Data" ist und welche persönlichen und gesellschaftlichen Implikationen die Auswertung großer Datenmengen haben kann.
      • die Bedeutung von Daten bzw. Datenanalysen für Ihre Fächer einzuschätzen.

    • Book icon
      Modul 08
    • Verwendete Literatur im Überblick
      • In seinem Vortrag 
         zeigt Hans Rosling Daten wirklich, wie wir sie noch nie gesehen haben. Der Vortrag ist es wirklich wert ihn anzuschauen. Er weiß mit seinem 20 minütigen Vortrag nicht nur zu begeistern, sondern liefert auch spannende Einblicke in die Entwicklung unserer Welt.
      • https://www.datamation.com/big-data/structured-vs-unstructured-data.html
      • https://www.the-scientist.com/foundations/john-snows-grand-experiment-1855-43152
      • http://oceantracks.org/sites/oceansofdata.org/files/Module5_FINAL.pdf
      • https://scheinkorrelation.jimdo.com/
      • Hao, K. & Stray, J. (2019), Can you make AI fairer than a judge?, online abrufbar unter:
        https://www.technologyreview.com/2019/10/17/75285/ai-fairer-than-judge-criminal-risk-assessment-algorithm/
      • Abelson et al. (2008): Blown to Bits: Your Life, Liberty, and Happiness After the Digital Explosion, Adison-Wesley, 2008.
        Infos zum Buch: Egal wohin wir gehen, was wir bestellen, photographieren oder wo wir Geldabhebungen machen, wir erzeugen unglaublich viele Daten. Das Buch enthält viele Beispiele wie Computer diese Daten verwenden. Blown to Bits hinterfragt die Welt, die wir damit erschaffen und gibt das Wissen, das wir brauchen, um unsere eigene digitale Zukunft mitzugestalten, ohne dass andere es für uns tun. Es lässt uns paradoxe Wahrheiten über digitale Daten entdecken und erfahren, wie so jahrhunderte alte Annahmen über Privatsphäre, Identität und persönliche Kontrolle auf den Kopf gestellt werden.
      • Finzer, W., Busey, A., & Kochevar, R. (2018): Data-Driven Inquiry in the PBL Classroom. Science Teacher, 86(1), 28-34.
      • Grillenberger, A. & Romeike, R. (2015): Analyzing the Twitter Data Stream using the Snap! Learning Environment, In Informatics in Schools. Curricula, Competences, and Competitions – 8th International Conference on Informatics in Schools: Situation, Evolution, and Perspectives, ISSEP 2015, Ljubljana, Slovenia, September 28 – October 1, 2015, Proceedings (Brodnik, Andrej, Vahrenhold, Jan, eds.), Springer, Cham, volume 9378, 2015.
      • Jannidis, F. et al. (2017), Digital Humanities, S. 206.
      • Koch, T. & Denike, K. (2006): Rethinking John Snow’s South London study: A Bayesian evaluation and recalculation
      • Rosling, H. (2009). Gapminder. GapMinder Foundation http://www.gapminder.org, 91.
      • Siegel, M., Deuschle, J., Lenze, B., Petrovic, M., & Starker, S. (2016): Automatische Erkennung von politischen Trends mit Twitter – brauchen wir Meinungsumfragen noch? DGI-Praxistage 2016.