DATA Literacy
Arbeiten mit Daten als herausragende Form der Informationen und Medien. Themen aus "Strategies and Best Practices for Data Literacy Education", Ridsdale et al.**
Relevante Daten suchen, identifizieren und filtern
Notwendigkeit zur Anonymisierung bewerten
Werkzeuge und Methoden kennen und bedarfsgerecht einsetzen; Anforderungen bewerten und formulieren
Daten und Datenquellen auswerten und kritisch bewerten; Qualität der Datensätze auf Fehler/Probleme kritisch bewerten
Werkzeuge und Methoden kennen und bedarfsgerecht einsetzen; Anforderungen bewerten und formulieren
Daten und Datenquellen bewerten und vergleichen
Daten auswerten, bewerten, speichern und organisieren
Werkzeuge und Methoden kennen und bedarfsgerecht einsetzen; Anforderungen bewerten und formulieren
Datenbereinigungsmethoden auswerten und bewerten; Fehlerhafte Daten identifizieren; Daten speichern und abrufen
Werkzeuge und Methoden kennen und bedarfsgerecht einsetzen; Anforderungen bewerten und formulieren
Daten in passende Formate konvertieren
Verschiedene Datentypen und Konvertierungsmethoden kennen; Werkzeuge zum Datenkonvertieren bedarfsgerecht einsetzen
Metadaten speichern und abrufen
Metadaten erstellen, weiterverarbeiten und integrieren
Daten sicher speichern, wiederfinden und von verschiedenen Orten abrufen
Anforderungen bewerten und formulieren
Methoden der Langzeitarchivierung bewerten; Daten zusammenfassen und strukturiert aufbewahren, DOI
Anforderungen bewerten und formulieren
Bedeutung der Langzeitarchivierung für die eigene wissenschaftliche Praxis reflektieren
Werkzeuge und Methoden zur Datenevaluation und -bewertung kennen und bedarfsgerecht einsetzen
Datenqualität bewerten
Analyseplan entwickeln; Hypothesen formulieren
Methoden der Datenanalyse kennen und bedarfsgerecht einsetzen
Bewertungs- und Vergleichsmaße kennen und reflektieren
Daten auswerten; Datenqualität bewerten
Analysen durchführen und dokumentieren
Werkzeuge und Methoden der Datenanalyse kennen und bedarfsgerecht einsetzen
Analyseergebnisse reflektieren
Verschiedene Probleme effizient lösen; Algorithmen erkennen und formulieren
Analyseergebnisse und Hypothesen in Beziehung setzen und reflektieren; Mögliche Fehlerquellen in der Analyse identifizieren und beheben
Grafische Ergebnispräsentationen entwickeln und produzieren; Ergebnisse aufbereiten und integrieren
Werkzeuge und Methoden der Datenvisualisierung kennen und bedarfsgerecht einsetzen
Bedeutung der grafischen Visualisierung auf die Aussagekraft und mögliche Barrieren reflektieren und konstruktiv damit umgehen
Ergebnispräsentationen aufbereiten; Ergebnisse kontextualiseren; Zielgruppengerecht reduzieren
Präsentationstechniken und Werkzeuge kennen und bedarfsgerecht einsetzen
Bedarfe der Zielgruppen anlaysieren; Bedeutung der Visualiserung auf die Aussagekraft und mögliche Barrieren reflektieren und konstruktiv damit umgehen
Daten in nutzbare Informationen konvertieren
Algorithmen zur Entscheidungsfindung entwickeln, parametrisieren und programmieren
Anwendung von Daten als Entscheidungsgrundlage analysieren und bewerten, verstehen und reflektieren; Grenzen der Algorithmen erkennen
Anwendung von Daten in Medien und Anwendungen analysieren, verstehen, reflektieren; Grenzen der Aussagen erkennen
Open Access und Datenrepositorien kennen und sicher anwenden
Vorteile und Nachteile von offenen Datenrepositorien kennen und auf die eigene Arbeit reflektieren
Rechtliche Vorgaben beachten
Anwendung von Daten in Fragestellungen analysieren, verstehen, bewerten und deren Auswirkung reflektieren
Literatur und Referenzen suchen und filtern; Quellen kritisch bewerten, DOI
Vorhandene (Forschungs)daten weiterverarbeiten und integrieren; Rechtliche Vorgaben beachten
Strategien entwickeln und einsetzen; Umgangsregeln kennen und einhalten (Netiquette)
Daten in verschiedenen Formaten präsentieren, veröffentlichen, teilen; Rechtliche Vorgaben beachten
Maßnahmen für Datensicherheit und gegen Datenmissbrauch kennen und anwenden; Privatsphäre durch geeignete Maßnahmen schützen
Werkzeuge und Methoden kennen und bedarfsgerecht einsetzen
Datenbasierte Entscheidungsunterstützungssysteme verstehen und deren Grenzen und Möglichkeiten reflektieren; Auswirkungen des Einsatzes von Entscheidungssystemen auf höhere Skalierungseben analysieren und reflektieren
Matrix des Clusters als PDF herunterladen
Auf dieser Seite kommen Grafiken zum Einsatz, deren Urhebern wir für die Vorlagen danken möchten:
Foto "Data Literacy" (aufgeteilt): Pixabay