Datakundskab (data literacy) — en nøglekompetence i det 21. århundrede

15/10/2019          Taleboble Kommentarer

En følge af digitaliseringen er, at der løbende produceres enorme mængder af data. Det har været udgangspunktet for flere indlæg i denne blog, hvor fokus har været på de muligheder og problemer, udviklingen medfører for den officielle statistik. Men naturligvis er der andre end de officielle statistikbureauer, der har øje for de de store datamængder, og som er indstillet på at  udnytte dem. Før der træffes beslutninger af bare lidt mere end rutinemæssig karakter, vil beslutningstagerne i stigende grad spørge om der findes data, der kan belyse problemet, før en beslutning træffes. Da det vil gælde alle områder og niveauer i samfundet, bliver kendskab til data — hvordan de skabes, hvordan de bearbejdes og hvordan de anvendes — en vigtig kompetence for stort set alle. Det betyder naturligvis ikke, at alle skal være eksperter på området, men en grundlæggende viden vil være nødvendig i stort set alle professioner. Og der bliver naturligvis også behov for eksperter.

I praksis betyder det, at datakundskab (data literacy) må forventes af blive et vigtigt fag både i grundskolerne og på de sekundære og videregående uddannelser. Det giver igen anledning til at overveje, hvad faget datakundskab skal indeholde. Til støtte for udviklingen af kurser i datakundkab har Hochschulforum Digitalisierung — en tænketank oprettet af Stifterverband für die Deutsche Wissenschaft  — udgivet et arbejdspapir, der opstiller en såkaldt kompetenceramme for faget datakundkab. En kompetenceramme defineres i papiret som en model til beskrivelse af effektiv adfærd i en given opgavesammenhæng.  Rammen definerer 21 kompetencer fordelt på seks kompetencefelter. En oversigt er vist herunder.

Kompetencefelt Kompetence
Fastlægge problemet Identificere dataanvendelse
Specificere dataanvendelse
Koordinere dataanvendelse
Klargøre data Modellere  dataanvendelse
Overholde databeskyttelse og -sikkerhed
Identificere datakilder
Integrere data
Verificere data
Dataproces
Evaluere data Analysere data
Visualisere data
Verbalisere data
Fortolke dataprodukter Fortolke dataanalyser
Fortolke datavisualiseringer
Fortolke dataverbaliseringer
Fortolke data Dekryptere standardisering
Spore dataindsamling
Rekonstruere datakoncepter
Udlede handling Identificere handlingsmuligheder
Datastyret handling
Vurdere virkning

For hver af de 21 kompetencer giver kompetencerammen en nærmere beskrivelse af kompetencen og opstiller en række mere konkrete eksempler på krav til hhv. viden, færdigheder og holdninger — de tre kompetencedimensioner. Nedenfor er som eksempel vist rammens indhold for kompetencen Fortolke dataverbaliseringer under kompetencefeltet  Fortolke dataprodukter.

Kompetencefelt Fortolke dataprodukter
Kompetence   Fortolke dataverbaliseringer
Beskrivelse Fortolke statistiske egenskaber og modeller  således at konklusioner kan drages eller prognoser opstilles på grundlag af de bagvedliggende data og sammenhænge.
Kompetence-dimension Viden Kendskab til grundlæggende statistiske metoder 
Færdigheder Forstå en beskrevet analyseproces og kritisk granske den

Læse og forstå en statistisk tekst

Holdninger Forholde sig kritisk til beskrivelser og konklusioner

Søge implicit information i teksten

Forholde sig kritisk men være åben over for nye konklusioner og ny indsigter, også hvis de modsiger den nuværende situation

Rammen skelner for hver kompetence mellem tre kompetenceniveauer, og giver eksempler på kravene på de forskellige niveauer. For kompetencen Fortolke dataverbaliseringer er eksemplerne:

Laveste niveau Kan forstå enkle forklaringer af statistiske metoder
Mellemste niveau Kan forstå mundtlige og skriftlige forklaringer af mere komplekse analyseprocesser
Højeste niveau Kan forstå og granske mundtlige og skriftlige forklaringer af mere komplekse analyseprocesser

Rammen kan således anvendes for alle uddannelsesniveauer.

Referencer:
Katharina Schüller, Paulina Busch & Carina Hindinger: “Future Skills: Ein Framework für Data Literacy Kompetenzrahmen und Forschungsbericht”,  Hochschulforum Digitalisierung Nr 47/august 2019 (link)

Skriv et svar

Din e-mailadresse vil ikke blive publiceret. Krævede felter er markeret med *


Besøg Offstat's hovedside