Auflistung nach Schlagwort "Data Literacy"
1 - 7 von 7
Treffer pro Seite
Sortieroptionen
- KonferenzbeitragBetter ready than just aware: Data and AI Literacy as an enabler for informed decision making in the data age(INFORMATIK 2023 - Designing Futures: Zukünfte gestalten, 2023) Schüller, Katharina; Rampelt, Florian; Koch, Henning; Schleiss, JohannesData and AI literacy is an important enabler for informed decision making in the data age. To inform educational programs and policies, it is important to create a common understanding about the required knowledge and skills. In this paper, we propose a novel taxonomy to data and AI literacy based on qualitative literature analysis and expert group discussions. We introduce three key roles related to Data and AI Literacy: the informed prosumer, the skilled user, and the expert creator. Moreover, we argue that Data and AI Awareness as the lowest level of understanding and recognizing is a necessary prerequisite but not a sufficient condition to Data and AI Literacy. We rather equate Data and AI Literacy with Data and AI Readiness. Further work will focus on defining the core knowledge, skills and competences of the taxonomy.
- KonferenzbeitragDAIdalos: Forschen und Lernen zugleich?(INFORMATIK 2023 - Designing Futures: Zukünfte gestalten, 2023) Beyer, Andrea; Schulz, KonstantinDie Daidalos-Infrastruktur soll es Forschenden der Klassischen Philologie und verwandter Disziplinen ermöglichen, verschiedene Methoden des Natural Language Processing an selbst zusammengestellten Forschungskorpora anzuwenden. Dabei ist Daidalos als interaktive Lern- und Forschungsinfrastruktur konzipiert, die den Ausbau wesentlicher Teilfähigkeiten von Data Literacy, z. B. die Zusammenstellung und Analyse von Korpora oder den Umgang mit Annotationen, TEI-XML und graphischen Auswertungen, unterstützt.
- ZeitschriftenartikelData Storytelling als kritischer Erfolgsfaktor von Data Science(HMD Praxis der Wirtschaftsinformatik: Vol. 57, No. 5, 2020) Neifer, Thomas; Lawo, Dennis; Bossauer, Paul; Esau, Margarita; Jerofejev, Anna-MariaBedingt durch die fortlaufende Digitalisierung und den Big Data-Trend stehen immer mehr Daten zur Verfügung. Daraus resultieren viele Potenziale – gerade für Unternehmen. Die Fähigkeit zur Bewältigung und Auswertung dieser Daten schlägt sich in der Rolle des Data Scientist nieder, welcher aktuell einer der gefragtesten Berufe ist. Allerdings ist die Integration von Daten in Unternehmensstrategie und -kultur eine große Herausforderung. So müssen komplexe Daten und Analyseergebnisse auch nicht datenaffinen Stakeholdern kommuniziert werden. Hier kommt dem Data Storytelling eine entscheidende Rolle zu, denn um mit Daten eine Veränderung hervorrufen zu können, müssen vorerst Verständnis und Motivation für den Sachverhalt zielgruppenspezifisch geschaffen werden. Allerdings handelt es sich bei Data Storytelling noch um ein Nischenthema. Diese Arbeit leitet mithilfe einer systematischen Literaturanalyse die Erfolgsfaktoren von Data Storytelling für eine effektive und effiziente Kommunikation von Daten her, um Data Scientists in Forschung und Praxis bei der Kommunikation der Daten und Ergebnisse zu unterstützen. Due to the ongoing digitalization and the Big Data trend, an increasing amount of data is available. This results in many potentials—especially for companies. The ability to cope with and evaluate this data is reflected in the role of the data scientist, which is one of the most popular jobs at present. However, challenges arise from the integration of data into corporate strategy and culture. For example, complex data and analysis results must be communicated to stakeholders who are not data-affine. Data storytelling plays a decisive role here, because to use data to initiate change, understanding and motivation for the issue must first be created for every target group. However, data storytelling is still a niche topic. This article uses a systematic literature analysis to derive the success factors of data storytelling for an effective and efficient communication of data to support Data Scientists in research and practice in communicating data and results.
- KonferenzbeitragTeaching Machine Learning and Data Literacy to Students of Logistics using Jupyter Notebooks(DELFI 2020 – Die 18. Fachtagung Bildungstechnologien der Gesellschaft für Informatik e.V., 2020) Kastner, Marvin; Franzkeit, Janna; Lainé, AnnaTeaching machine learning in fields outside of computer sciences can be challenging when the students do not have a solid code knowledge. In this work, the requirements for teaching data literacy and code literacy to students of logistics are explored. Specifically, the use of Jupyter Notebooks in a machine learning course for students in logistics is evaluated, using “Teaching and Learning with Jupyter” written by Barba et al. in 2019 that lists several teaching patterns for Jupyter Notebooks.
- KonferenzbeitragUsability trifft DSGVO: Wie gehe ich mit sensiblen Daten um? (UPA Arbeitskreis Security & Privacy)(Mensch und Computer 2019 - Usability Professionals, 2019) Jakobi, Timo; Schmitt, Hartmut; Balthasar, Mandy; Zinn, Jessica MiriamSpätestens mit der EU-Datenschutzgrundverordnung (DSGVO) ist das Thema Datenschutz im Berufsalltag vieler Usability Professionals angelangt. Es müssen praktikable und benutzerfreundliche Lösungen gefunden werden, um rechtskonform mit Kundenidentitäten oder mit Einwilligungen zur Verarbeitung personenbezogener Daten umzugehen. Im Workshop wird ein Ansatz vorgestellt, um personenbezogene Daten – z. B. IoT-Daten aus den Bereichen Smart Metering, Smart Home bzw. intelligentes Auto oder Benutzerprofildaten (z. B. Google Takeout) – in einem Dahboard aufzubereiten, zu visualisieren und besser zu verstehen. Hierdurch sollen Anwender und Unternehmen in die Lage versetzt werden, informierte Entscheidungen zu treffen und souverän mit ihren (bzw. den ihnen anvertrauten) personenbezogenen Daten umzugehen.
- PraxisbeiträgeVorstellung einer Lernumgebung für ein fächerübergreifendes MINT-Projekt: Das gläserne Ökosystem(INFOS 2023 - Informatikunterricht zwischen Aktualität und Zeitlosigkeit, 2023) Grothaus, Jonathan; Greubel, André; Dickmeis, Lars; Herold, Anna; Elsholz, Markus; Hennecke, Martin; Trefzger, ThomasDie Arbeit mit MINT-Projekten erfuhr in den letzten Jahren einen großen Aufschwung. Arbeitsmethoden und Inhalte mehrerer Fächer sollen sich ergänzen und in ihrer Perspektive zu einem umfassenden Verständnis beitragen. Bisherige Forschung zeigt jedoch, dass insbesondere Mathematik und Informatik in einem derartigen Unterricht häufig unausgeprägt bzw. auf wenige Teiltätigkeiten (wie Rechnen oder Programmieren) beschränkt bleiben. [JS22] Zudem bleibt die Verbindung häufig segmentiert, und die Arbeitsmethoden der Einzelfächer stehen nebeneinander, ohne sich inhaltlich zu ergänzen. Das Ziel dieses Praxisbeitrages ist es, die informatikdidaktischen Überlegungen hinter einem Konzept für ein angedachtes Schülerlabor vorzustellen: Für das vorgestellte Projekt „Das gläserne Ökosystem“ werden zunächst Pflanzengläser mit Sensoren präpariert. Die Lernenden sollen die Gläser bepflanzen, ein Informatiksystem erstellen, das das Systemverhalten misst und die Daten abspeichert. Anschließend untersuchen die Schüler:innen das Systemverhalten im Zeitverlauf und unter äußerer Variation von Systemvariablen, wie der Zugabe von 𝐶𝑂2 in das Gefäß.
- KonferenzbeitragWorkshop: „Aktuelle Entwicklungen und Perspektiven (an Hochschulen) im Bereich Data Science“(INFORMATIK 2023 - Designing Futures: Zukünfte gestalten, 2023) Steinmann, Lena; Nowotka, Dirk; Oberländer, Lea; Pfuhl, Helen; Stuckenschmidt, Heiner; Drechsler, RolfIn einer zunehmend von Daten geprägten Welt spielt Data Science eine zentrale Rolle, um insbesondere auch hochdimensionale Daten effektiv zu nutzen und daraus wertvolles Wissen zu generieren. Auch das Hochschulsystem hat auf diese Entwicklung reagiert und in den letzten Jahren wurden verschiedene Forschungsstrukturen, wie zum Beispiel Data Science Center, Beratungsstellen, neue Studiengänge sowie Aus- und Weiterbildungsangebote aufgebaut. Der Workshop fördert einen interdisziplinären und standortübergreifenden Austausch zwischen Vertreter:innen verschiedener Data-Science-Initiativen und legt so die Grundlage für eine zukünftige überregionale Zusammenarbeit. Durch den Austausch rund um innovative Ansätze, bewährte Praktiken und Erfahrungen werden Synergien geschaffen und die Weiterentwicklung des Feldes vorangetrieben. Dabei stehen die Herausforderungen und Chancen der datenintensiven Forschung im Fokus der Diskussionen. Der Workshop bietet eine Plattform, um den Dialog zu fördern, Netzwerke zu stärken und Kompetenzen auf nationaler Ebene zu bündeln.