{"id":9826,"date":"2018-08-07T11:26:39","date_gmt":"2018-08-07T11:26:39","guid":{"rendered":"https:\/\/hfdwhdev.15.phee.host\/news\/ausschreibung-entwicklung-eines-kompetenzrahmens-und-vorbereitende-studie-zur-kompetenzmessung-von-21st-century-skills-am-beispiel-von-data-literacy\/"},"modified":"2018-08-07T11:26:39","modified_gmt":"2018-08-07T11:26:39","slug":"ausschreibung-entwicklung-eines-kompetenzrahmens-und-vorbereitende-studie-zur-kompetenzmessung-von-21st-century-skills-am-beispiel-von-data-literacy","status":"publish","type":"news","link":"https:\/\/hfd.phee.dev\/en\/news\/ausschreibung-entwicklung-eines-kompetenzrahmens-und-vorbereitende-studie-zur-kompetenzmessung-von-21st-century-skills-am-beispiel-von-data-literacy\/","title":{"rendered":"Ausschreibung – \u201eEntwicklung eines Kompetenzrahmens und vorbereitende Studie zur Kompetenzmessung von 21st century skills am Beispiel von Data Literacy\u201c"},"content":{"rendered":"

Datenliteraten gesucht! Das Hochschulforum Digitalisierung schreibt eine Studie zur \u201eEntwicklung eines Kompetenzrahmens und vorbereitend zur Kompetenzmessung von 21st century skills am Beispiel von Data Literacy\u201c aus. Bis zum 05. September k\u00f6nnen Sie Angebote einreichen. Im Folgenden wird die Ausschreibung im Original wiedergegeben.<\/strong><\/p>\n

Hintergrund, Gegenstand und Ziel des Projekts\"Logo\"<\/h2>\n

Data literacy<\/strong> ist die F\u00e4higkeit, planvoll mit Daten umzugehen und sie im jeweiligen Kontext bewusst einsetzen und hinterfragen zu k\u00f6nnen. Dazu geh\u00f6ren die Kompetenzen, Daten zu erfassen, erkunden, managen, kuratieren, analysieren, visualisieren, interpretieren, kontextualisieren, beurteilen und anzuwenden. Data literacy ist eine zentrale Kompetenz f\u00fcr die Digitalisierung und die globale Wissensgesellschaft in allen Sektoren und Disziplinen. Angesichts der zunehmenden Verf\u00fcgbarkeit von Daten stellt sich die Herausforderung, mit den Daten Wissen zu generieren und Entscheidungen zu informieren. Hierf\u00fcr braucht es auf der einen Seite spezialisierte Fachkr\u00e4fte — data scientists — und auf der anderen Seite in allen Sektoren und F\u00e4chern datengewandte Expertinnen und Experten sowie F\u00fchrungskr\u00e4fte, die in ihren jeweiligen Gebieten Fragen zu den Daten formulieren und Datenanalysen fachlich interpretieren k\u00f6nnen, insgesamt also datengest\u00fctzt arbeiten und entscheiden k\u00f6nnen. So ist data literacy eine grundlegende fach\u00fcbergreifende Kompetenz<\/strong>, deren Erwerb entscheidend daf\u00fcr ist, in der digitalen Welt fachspezifisch Wissen und Kompetenz aufbauen und ausf\u00fcllen zu k\u00f6nnen, und gleichzeitig als Mitglied an der digitalen Gesellschaft teilzuhaben. Ein weiter gefasster Begriff der data literacy umfasst auch, mit dem \u00d6kosystem von Methoden zur Reproduzierbarkeit und Programmierung, Konzepten wie Open Source und Tools wie GitHub vertraut zu sein. Technik, Analyse, Exploration, Kontextualisierung und disziplin\u00e4re Urteilsf\u00e4higkeit, Design, Visualisierung greifen ineinander:<\/p>\n

\u201cTwenty-first century citizens must harness twenty-first century skills to be successful in the knowledge-based economy. Information is in abundance, and information is derived from data. (…) The information\/data atmosphere in society requires individuals to employ higher-order thinking, which can be challenging to teach, and often involves non-traditional instruction.Twenty-first century skills include critical thinking, problem solving, and computational thinking. These skills are difficult to hone when not built into curricula with intentionality. Critical thinking is a foundational skill for 21st century thinking and data literacy. Working with data requires the ability to ask the right questions and critically evaluate outcomes. Problem solving requires navigating difficult situations thoughtfully. Computational thinking incorporates a level of both critical thinking and problem solving.” (Ridsdale et al., 2015<\/a>)<\/em><\/p>\n

W\u00e4hrend in den klassisch datenaffinen F\u00e4chern (Informatik, Mathematik und Statistik) spezialisierte Data-Science-Studienangebote existieren, fehlt es in der deutschen Hochschullandschaft derzeit an Konzepten und Angeboten fu\u0308r den umfassenden Erwerb von Data-Literacy-Kompetenzen durch Studierende aller F\u00e4cher.<\/p>\n

Die von der Arbeitsgruppe \u201eCurriculum 4.0\u201c des Hochschulforum Digitalisierung in Auftrag gegebene und begleitete Studie zu \u201eData Literacy Education\u201c (Ausz\u00fcge dieser Studie<\/a>) fasst den Forschungs- und Umsetzungsstand zu \u00fcbergreifenden Kompetenzen und Studieninhalten in der digitalen Welt am Beispiel von Data Literacy zusammen. Sie benennt Einzelkomponenten der Kompetenz Data Literacy (wie z.B. Data Ethics, Data Management, Data Curation etc.) und gibt in ihrem Abschlussbericht Handlungsempfehlungen basierend auf Experteninterviews und einem internationalen Expertenworkshop. Als zentrale Empfehlungen im Handlungsfeld Erwerb digitaler Kompetenzen im Bereich Data Literacy<\/strong> formuliert die Studie unter anderem:<\/p>\n

    \n
  1. Aufbau eines standardisierten Kompetenz-Frameworks<\/strong> f\u00fcr Data Literacy<\/li>\n
  2. Data-Literacy-Bildung sollte standardisiert werden.<\/li>\n<\/ol>\n

    Die hier ausgeschriebene Folgestudie soll unmittelbar daran ankn\u00fcpfen. Die Zahl der Projekte zur F\u00f6rderung des Lehren und Lernens von Digitalkompetenzen und insbesondere von Data Literacy nimmt zu (vgl. F\u00f6rderprogramm \u201cData Literacy Education\u201d von Stifterverband und Heinz Nixdorf Stiftung<\/a>). International wird empfohlen, f\u00fcr den Aufbau von data literacy an den Hochschulen auf Bachelorniveau anzusetzen. Die Studie soll umsetzbares Wissen f\u00fcr Hochschulen und F\u00e4cher f\u00fcr die Curriculumentwicklung<\/strong> im Hinblick auf \u00fcbergreifende Kompetenzen und Inhalte in der digitalen Welt — Gesellschaft, Arbeitswelt und Wissenschaft — anhand der Kompetenz der data literacy zusammenstellen. Insbesondere soll die Studie beleuchten, wie die Kompetenz der data literacy von allen Studierenden immersiv erworben werden kann. Dabei soll die Studie die Kompetenz nicht isoliert betrachten, sondern untersuchen, wie sie auf die einzelnen Fachgebiete bezogen werden kann.<\/p>\n

    Zur Entwicklung, Abstimmung und Standardisierung der Bildungsangebote (auch zwischen den verschiedenen \u00dcberg\u00e4ngen im Hochschul- und Weiterbildungssystem) fehlt ein Kompetenzrahmen. F\u00fcr diagnostische Fragen, f\u00fcr adaptive Szenarien, f\u00fcr Evaluation und f\u00fcr die weitere Forschung ist es dar\u00fcber hinaus bedeutsam, die Kompetenz bzw. den Kompetenzzuwachs messen zu k\u00f6nnen. Ein solches Instrument zur Wirksamkeitsmessung von Lehre erm\u00f6glicht Monitoring und Steuerung des Mitteleinsatzes (vgl. WR-Positionspapier<\/a>). Die Operationalisierung erm\u00f6glicht dar\u00fcber hinaus Konkretisierung, Aussch\u00e4rfung und Diskussion zun\u00e4chst allgemein formulierter Kompetenzziele.<\/p>\n

    Hauptziel der Studie<\/strong> ist, einen Kompetenzrahmen f\u00fcr Digitalkompetenzen am Beispiel von Data Literacy<\/strong> zu entwickeln<\/strong> und umsetzbares Wissen f\u00fcr Hochschulen verf\u00fcgbar zu machen.<\/p>\n

    Weiteres Ziel der Studie ist die Messung von Wirkung und Qualit\u00e4t von Lehre und Studium im digitalen Zeitalter und die Testentwicklung f\u00fcr Digitalkompetenzen am Beispiel von Data Literacy vorzubereiten<\/strong>.<\/p>\n

    Zielgruppen<\/strong> der Studie sind Hochschulmitglieder, die Lehr-\/Lernangebote im Bereich Digitalkompetenzen \/ Data Literacy entwickeln und evaluieren bzw. strategisch f\u00f6rdern wollen sowie die weitere Fach\u00f6ffentlichkeit. Hierbei sollten neben den Hochschulmitgliedern aus verschiedenen Bereichen (unter anderem Informatik, gesellschaftspolitische F\u00e4cher – Recht, Wirtschaft, Ethik, verschiedene Anwendungsdom\u00e4nen) auch die externe Experten benannt sein, die den gesellschaftspolitischen und wirtschaftlichen Rahmen beschreiben k\u00f6nnen.<\/p>\n

    Der zu entwickelnde Kompetenzrahmen soll<\/h4>\n
      \n
    1. anhand anerkannter allgemeiner Kompetenzrahmen-Frameworks die Kompetenzkomponenten von Data Literacy aus verschiedenen Fachlichkeiten heraus in verschiedenen Niveaus benennen, beschreiben und in den verschiedenen Bildungsstufen verorten (Schulbildung, Bachelor\/Master, Promotion\/Weiterbildung),<\/li>\n
    2. eine datenbasierte, fach\u00fcbergreifende Auseinandersetzung f\u00f6rdern,<\/li>\n
    3. Bez\u00fcge der einzelnen Kompetenzkomponenten zu verschiedenen Fachgebieten herstellen,<\/li>\n
    4. unter Einbeziehung von Stakeholdern entwickelt werden,<\/li>\n
    5. Bedarfsorientierung (Gesellschaft und Arbeitswelt) der aus ihm abgeleiteten Studienangebote f\u00f6rdern,<\/li>\n
    6. eine Messung des Kompetenzerwerbs in den einzelnen Kompetenzen erm\u00f6glichen,<\/li>\n<\/ol>\n

      Die Testentwicklung und Messung soll anhand folgender Leitfragen vorbereitet werden:<\/h4>\n
        \n
      1. Wie kann Data Literacy Kompetenz bzw. deren Zuwachs insgesamt und wie in den  einzelnen Kompetenzkomponenten getestet und gemessen werden? Welche Instrumente stehen hierf\u00fcr zur Verf\u00fcgung?<\/li>\n
      2. Wie kann Data Literacy Kompetenz fach\u00fcbergreifend vergleichbar getestet und gemessen werden? Welche Instrumente stehen hierf\u00fcr zur Verf\u00fcgung?<\/li>\n
      3. Welche Studienf\u00e4cher und Studienorte eignen sich als Piloten?<\/li>\n<\/ol>\n

        \"Schwarm.\"<\/p>\n

        Vorgehen und Methodik<\/h2>\n

        Durchf\u00fchrung einer Studie zur Entwicklung des Kompetenzrahmens und Vorbereitung der Testentwicklung in zwei Phasen:<\/p>\n

          \n
        1. Phase I: Systematisches Review<\/strong> (Desk Research der Kompetenzkomponenten, Modelle zur Messung und zur Operationalisierung\/Testung, Auswertung von zur Verf\u00fcgung gestellten Daten aus der im September 2018 ver\u00f6ffentlichten Data Literacy-Studie)<\/li>\n
        2. Phase II: Strukturierte Experteninterviews<\/strong> zur fachlichen und \u00fcberfachlichen Kompetenzdefinition, Vorbereitung der Testung\/Messung<\/li>\n<\/ol>\n

          In der Vorbereitung der Testung\/Messung soll sich \u2013 soweit zweckm\u00e4\u00dfig \u2013 auf ein geeignetes Studienfach als Pilot f\u00fcr eine sp\u00e4tere Testentwicklung fokussiert werden.<\/p>\n

          Die Studie wird begleitet durch einen vom Auftraggeber eingesetzten Expertenkreis aus der HFD-Community \/ AG Curriculum 4.0 sowie ggf. weiterer Vertreter von Fachgesellschaften und Stakeholdern von Data Literacy Education aus Gesellschaft und Arbeitswelt.<\/p>\n

          Produkte<\/h2>\n

          Im Rahmen des Projekts sollen folgende Berichte erstellt und durch den Auftraggeber ver\u00f6ffentlicht werden:<\/p>\n

            \n
          1. Kompetenzrahmen \u201eData Literacy\u201c<\/strong><\/li>\n
          2. Publikation\/Systematisches Review<\/strong> aus Phase I, brauchbar f\u00fcr Forschung und Phase II, brauchbar f\u00fcr praktische Projekte zur Auswahl von Test-\/Messinstrumenten<\/li>\n
          3. Forschungsbericht und Sammlung von Instrumenten<\/strong> aus Phase II, die  Grundlage f\u00fcr Testentwicklung in einem Folgeprojekt bilden k\u00f6nnen<\/li>\n
          4. Folienpr\u00e4sentation<\/strong> der Projektergebnisse<\/li>\n<\/ol>\n

            Alle Rohdaten und alle Produkte sollen dem Auftraggeber als Google Doc bzw. Google Pr\u00e4sentation oder einem vergleichbaren Online-Format (z.B. Microsoft Online Office) zur Verf\u00fcgung gestellt und unter der CC-BY 4.0 – Lizenz vom Auftraggeber herausgegeben und ver\u00f6ffentlicht werden k\u00f6nnen. Die \u00dcbernahme ins Layout des Auftraggebers \u00fcbernimmt der Auftraggeber. Das Lektorat \u00fcbernimmt der Auftragnehmer.<\/p>\n

            Ablauf und Organisation<\/h2>\n

            Zeitplan<\/h4>\n