Der Schwerpunkt des Bausteins liegt auf der Narration der Datafizierung.
Lernziele:1. Identifikation und kritische Analyse von Narrativen, die die Datafizierung des Sozialen begleiten
2. Beurteilung der Dringlichkeit und Relevanz von Narrativen in der Datafizierung des Sozialen
3. Erkennen der Gestaltbarkeit von Datafizierungsprozessen und Benennen von Handlungsebenen
4. Entwicklung eines datenbasierten Lösungskonzepts für ein berufliches Problem entwickeln
Dozierende:
Nadine Frei
Technische Umsetzung:
Lydia Fuchs
Danksagung:
Ein herzliches Dankeschön an Bianca Prietl für das Interview und an Leandra Hautle fürs Testing!
Dieser Baustein befasst sich mit der Vermittlung von spezifischen Inhalten und wesentlichen Grundlagen im Zusammenhang mit der Sammlung und Speicherung grosser Datenmengen, der Funktionsweise und Anwendung von Maschinellem Lernen und Künstlicher Intelligenz.
Lernziele:
1. Etablierung von Basiswissen über den Nutzen sogenannter grosser und neuer Datenquellen für die (Berufs-)Bildung
2. Förderung einer bewussten Wahrnehmung von ethischen Implikationen von Digitalität
3. Förderung der Reflektion des eigenen Umgangs mit Daten und Informationen
4. Förderung der Beurteilungsfähigkeit von Datenquellen und ihre Qualität hinsichtlich spezifischer Kriterien
5. Förderung des Wissenstransfers und der Wissensanwendung in verschiedenen Anwendungsfeldern
Dozierende:
Mathias Missler
Filippo Pusterla
Nadine Frei
Thomas Ruoss
Technische Umsetzung:
Lydia Fuchs
Mathias Missler
Danksagung:
Ein herzliches Dankeschön an Frau Estelle Pannatier für das Interview und Leandra Hautle fürs Testing!
Dieser Baustein befasst sich mit der Vermittlung von spezifischen Inhalten zu Learning Analytics. Dabei wird erklärt, was Learning Analytics sind, wie sie genutzt und eingesetzt werden können sowie welche ethischen und datenschutzrechtlichen Aspekte zu bedenken sind.
Lernziele:
1. Aufbau von Basiswissen über Learning Analytics
2. Förderung der Bewertungs- und Analysefähigkeit von Learning Analytics
3. Förderung des Wissenstransfer und der Wissensanwendung in verschiedenen Anwendungsfeldern
4. Etablierung einer bewussten Wahrnehmung von ethischen Implikationen von Learning Analytics
Dozierende:
Lydia Fuchs
Filippo Pusterla
Mathias Missler
Technische Umsetzung:
Lydia Fuchs
Mathias Missler
Danksagung:
Ein herzliches Dankeschön an Prof. Dr. Dirk Ifenthaler für die Erlaubnis zur Verwendung seines Slidecasts "Learning Analytics als Treiber für Change Prozesse an Hochschulen", an Prof. Dr. Niels Pinkwart für die Verwendung seines Vortrags "KI-Lectures: Learning Analytics in der Hochschulbildung", an Imoox.at für die Erlaubnis zur Einbindung ihrer Videos zu Datenschutz und Ethik und an Leandra Hautle fürs Testing des Bausteins.
Der Schwerpunkt des Bausteins liegt auf Datenvisualisierungen.
Lernziele:1. Aufbau von Basiswissen über Datenvisualisierungen
2. Förderung der Lese- und
Interpretationsfähigkeit visualisierter Daten
3. Kompetenzaufbau in der Erstellung und im Umgang mit
Datenvisualisierungen
4. Schulung der kritischen Rezeption und Reflektion
von Datenvisualisierungen
Dozierende:
Jörg Neumann
Technische Umsetzung:
Lydia Fuchs
Danksagung:
Ein herzliches Dankeschön an Leandra Hautle fürs Testing!
Dieser Baustein befasst sich mit der Vermittlung von spezifischen Inhalten zu Bildungsdaten. Dabei werden Teilaspekte wie die Genese von Daten im Bildungsbereich, Produzenten und Akteuren der Datenerhebung und -verwertung, sowie Risiken, Potenziale und Grenzen näher beleuchtet.
Angestrebte Kompetenzen:
1. Datenkompetenz generell
2. Beurteilungskompetenz von Datenquellen und -qualität
3. Kontextsensible Interpretation von Daten und Informationen
4. Selektionskompetenz
5. Wahrnehmung und Reflektion der ethischen Implikationen von Digitalität
Dozierende:
Dr. Thomas Ruoss
Dr. Nadine Frei
Dr. Filippo Pusterla
Dr. Fabienne Lüthi
Technische Umsetzung:
Lydia Fuchs
Mathias Missler
Dieser Baustein befasst sich mit der Vermittlung von spezifischen Inhalten zur kritischen Reflexion von Datafizierung. Dabei werden Definition, Genese, Legitimierung und Auswirkungen der Datafizierung des Sozialen untersucht. Zusätzlich werden Trends der Selbstvermessung und Handlungsimplikationen für den Umgang mit Datafizierung behandelt.
Lernziele:
1. Aufbau einer kritischen Analyse- und Beurteilungsfähigkeit von Quantifizierung, Datafizierung und Algorithmisierung
2. Entwicklung eines Verständnisses von sozialen, ökonomischen und politischen Folgen intensiver Datennutzung in der (Berufs-)Bildung
3. Aufbau von Basiswissen über algorithmische Diskriminierung, Datennutzung in Verbindung mit sozialer Ungleichheit und Daten als Macht- und Herrschaftsinstrument
4. Etablierung einer bewussten Wahrnehmung von ethischen Implikationen der Digitalisierung
Dozierende:
Dr. Nadine Frei
Mathias Missler
Technische Umsetzung:
Lydia Fuchs
Mathias Missler
Danksagung:
Ein herzliches Dankeschön an Frau Prof. Dr. Duttweiler und Frau Dr. Ina Sander für die Interviews in diesem Baustein sowie an Leandra Hautle fürs Testing!
Dieser Baustein befasst sich mit der Vermittlung von spezifischen Inhalten zur Datenökonomie. Dabei werden Eigenschaften und Anwendungsbereiche von Daten als Geschäftsmodell aus unternehmerischer und individueller Perspektive untersucht. Zusätzlich werden Potenziale und Herausforderungen genauer beleuchtet.
Lernziele:
1. Aufbau von Basiswissen über die Datenökonomie, ihrer Eigenschaften und ihrer Anwendungsbereiche
2. Förderung der bewussten Wahrnehmung des eigenen Umgang mit Daten und Informationen (Datenkompetenz)
3. Förderung einer Übertragung der Grundprinzipien der Datenökonomie in das Themenfeld der Berufsbildung
4. Förderung der kontextsensiblen Interpretationsfähigkeit von Daten und Informationen über die Datenökonomie
Dozierende:
Dr. Filippo Pusterla
Mathias Missler
Technische Umsetzung:
Lydia Fuchs
Mathias Missler
Danksagung:
Ein herzliches Dankeschön an Herrn Prof. Dr. Matt für das Interview in diesem Baustein!
Dieser Baustein befasst sich mit der Vermittlung von spezifischen Inhalten zu digitalen Daten. Dabei werden Teilaspekte wie Datentypen, Datenrecherche, Privatsphäre, Datenquellen und -qualität und ein kurzer Ausblick hinsichtlich der Datafizierung der Gesellschaft gewagt.
Lernziele:
1. Förderung der Beurteilungsfähigkeit von Datenquellen und ihrer Qualität hinsichtlich spezifischer Kriterien
2. Förderung einer kritischen Beurteilungs- und Hinterfragungsfähigkeit digitaler Artefakte (Daten, Informationen hinsichtlich Wahrheitswert (Fake vs. Fact)
3. Entwicklung einer Datenrecherchekompetenz
4. Aneignung von Basiswissen über Themen und Aspekte der Datafizierung
Dozierende:
Dr. Thomas Ruoss
Mathias Missler
Technische Umsetzung:
Lydia Fuchs
Mathias Missler
Danksagung:
Ein herzliches Dankeschön an Bernhard Knast für die Verfügbarmachung seines Videos "Wie funktioniert (die) Google (Suche)" und Leandra Hautle fürs Testing des Bausteins.
