Forschungsergebnisse

Forschungsergebnisse

Im Rahmen des Projekts wird insbesondere das Fachgebiet Datenmanagement aus informatikdidaktischer Perspektive umfassend beleuchtet. Dazu wurden verschiedene Perspektiven, die das Modell der Didaktischen Rekonstruktion f├╝r den Informatikunterricht vorschl├Ągt, untersucht. Auf diese Weise k├Ânnen die Anforderungen der Sch├╝lerinnen und Sch├╝ler, Lehrerinnen und Lehrer, aber auch der Gesellschaft und nat├╝rlich der Informatik gleicherma├čen ber├╝cksichtigt werden.

Schl├╝sselkonzepte des Datenmanagements

Ein Schwerpunkte der Arbeit lag auf der fachlichen Fundierung. Dazu wurde das Fachgebiet Datenmanagement hinsichtlich seiner Schl├╝sselkonzepte untersucht und das von Denning erarbeitete Modell der Great Principles of Computing f├╝r dieses Fachgebiet adaptiert. Als Ergebnis entstand ein Modell, das sowohl verschiedene Kerntechnologien des Datenmanagements als auch Praktiken, die in diesem Zusammenhang von Bedeutung sind, und Entwurfsprinzipien und Mechanismen f├╝r bzw. von Datenmanagementsystemen ber├╝cksichtigen.

Modell der Schl├╝sselkonzepte des Datenmanagements [1]

Die Kerntechnologien des Datenmanagements sind eine aktuelle Auswahl relevanter Forschungsgegenst├Ąnde aus diesem Gebiet, die aber nicht nur in der Forschung sondern auch der Datenmanagementpraxis eine hohe Bedeutung haben und somit den zentralen Ber├╝hrungspunkt zu diesem Fachgebiet dar.

Die Praktiken beschreiben zentrale T├Ątigkeiten im Bereich des Datenmanagements und geben gleichzeitig einen Einblick in den Datenlebenszyklus (vgl. unten). Sie geben einen Einblick in den Umgang mit Daten und betonen damit einen vollumf├Ąnglichen Blick auf die Prozesse, die in diesem Fachgebiet zentral sind, er├Âffnen aber auch wichtige Schnittpunkte zu anderen Fachgebieten und beispielsweise – insbesondere in den im Lebenszyklus sp├Ąter angesiedelten Praktiken – zu gesellschaftlichen Fragestellungen.

Die Entwurfsprinzipien des Datenmanagements beschreiben Entscheidungen, die f├╝r die Entwicklung, aber auch die Nutzung und Auswahl von Datenmanagementsystemen zentral sind: Sie stellen Eigenschaften dar, die diese Systeme zentral beeinflussen, einen Einblick in deren zentrale Eigenschaften und anhand derer verschiedene Datenmanagementsysteme unterschieden werden k├Ânnen.

Die Mechanismen stellen die Funktionsprinzipien der Systeme dar, die entsprechend am st├Ąrksten auf technischer Ebene angesiedelt sind. Sie beschreiben, wie verschiedene Teile eines Datenmanagementsystems zusammenwirken, um ein bestimmtes Ziel zu erf├╝llen.

Durch die Schl├╝sselkonzepte des Datenmanagements k├Ânnen nicht nur zentrale Aspekte des Fachgebiets knapp und verst├Ąndlich dargestellt werden. Die darin dargestellten Praktiken und Prinzipien tragen jedoch auch zu einem vertieften Verst├Ąndnis verschiedener Themen der Informatik bei:

  • Metadaten sind zentral f├╝r den Umgang mit Daten in verschiedensten Facetten, beispielsweise erm├Âglichen diese eine Wiederauffindbarkeit der Daten, strukturieren diese und explizieren Beziehungen zu anderen Daten oder geben weitere Informationen ├╝ber Daten preis (beispielsweise den Aufnahmeort eines Fotos). Metadaten sind damit in allen Praktiken des Datenmanagements relevant und stehen in Verbindung zu verschiedensten Prinzipien: Da Metadaten nie ihres Selbstzwecks wegen eingef├╝hrt werden, sondern immer mit einem bestimmten Ziel, tr├Ągt beispielsweise ein Wissen ├╝ber den Mechanismus Strukturierung klar dazu bei, zu verstehen welche Aufgabe strukturierende Metadaten ├╝bernehmen und wie sie ausgepr├Ągt sein m├╝ssen, w├Ąhrend beispielsweise erst ein Verst├Ąndnis ├╝ber Repr├Ąsentation die Notwendigkeit bzw. den Sinn von administrativen Metadaten wie Dateityp expliziert.
  • Datenbanken sind eine zentrale Technologie zur Datenspeicherung, die in vielen verschiedenen Auspr├Ągungen existiert. Um zu verstehen, was Datenbanken beispielsweise gegen├╝ber einem normalen Dateisystem auszeichnet, sind beispielsweise Kenntnisse ├╝ber Integrit├Ąt, Konsistenz und Isolierung, aber auch ├╝ber Nebenl├Ąufigkeit unabdingbar. Werden diese vier Aspekte im Kontext der Datenbanken nicht thematisiert, wird nur ein vages Bild der Datenbanken gezeichnet, das m├Âglicherweise nicht ausreicht, um Sinn und Zweck solcher Systeme zu erkennen und diese von anderen Datenspeichern zu unterscheiden.
  • Verteilte Datenspeicher, von denen insbesondere Cloud-Datenspeicher heute eine allumfassende Bedeutung erlangt haben, stellen eine weitere zentrale Technologie des Datenmanagements dar. Im Umgang mit solchen Datenspeichern treten vielf├Ąltige Ph├Ąnomene auf, beispielsweise bedingt durch die Synchronisation der Daten zwischen Datenquelle und Datenspeicher, die auch dem Nutzer bzw. der Nutzerin nicht verborgen bleiben. Um diese Ph├Ąnomene, aber auch den Unterschied von anderen Datenspeichern und den Nutzen dieser Technologien verstehen und diese sinnvoll einsetzen zu k├Ânnen, ist es beispielsweise zentral zu verstehen, wie Synchronisation und Replikation funktionieren, welche Probleme beim Transport von Daten auftreten k├Ânnen, oder was Partitionstoleranz in einem verteilten System auszeichnet und welche Konsequenzen es nach sich zieht, wenn diese nicht sichergestellt werden kann.

Diese drei Beispiele zeigen, dass die Prinzipien des Datenmanagements insbesondere dabei helfen k├Ânnen, informatische Begriffe (wie Metadaten) zu verstehen und zu kontextualisieren, ein technisch korrektes Verst├Ąndnis von informatischen Technologien (beispielsweise Datenbanken) zu entwickeln und Ph├Ąnomene, die beim Umgang mit informatischen Technologien auftreten (wie bei verteilten bzw. Cloud-Datenspeichern), zu verstehen.

Aber auch die Praktiken des Datenmanagements k├Ânnen einen wichtigen Einblick in das Feld erm├Âglichen: Indem diese Praktiken als Lebenszyklusmodell (vgl. unten) aufgefasst werden, geben sie einen ├ťberblick ├╝ber den gesamten Prozess von der Datengewinnung ├╝ber deren Speicherung, Verarbeitung, Analyse und Austausch bis hin zur Archivierung und L├Âschung. Dieser Prozess gibt nicht nur Sch├╝lerinnen und Sch├╝lern aber auch Lehrerinnen und Lehrern eine wichtige Orientierung, sondern kann auch dazu genutzt werden, interessante Fragestellungen zu ermitteln: Eine Orientierung von Datenmanagementunterricht an diesem Lebenszyklusmodell legt beispielsweise die Fragen nahe, woher die Daten kommen, welche Daten ├╝berhaupt gewonnen werden sollen/k├Ânnen, wie diese bereinigt und strukturiert werden k├Ânnen, wie deren Qualit├Ąt sichergestellt wird, wie diese verarbeitet und analysiert werden k├Ânnen, wie sie (durch Visualisierung) verst├Ąndlich f├╝r den Menschen gemacht werden, usw.

Datenlebenszyklusmodell

Entwicklung eines Data-Literacy-Kompetenzmodells

Zus├Ątzlich wurde im Rahmen dieses Projekts jedoch auch eine Grundlage f├╝r die Forschung in einem weiteren wichtigen Bereich des Umgangs mit Daten geschaffen:  W├Ąhrend sich in der Forschung immer mehr die Entstehung eines neuen datenorientierten Forschungsparadigmas zeigt und auch in der Hochschullehre Kompetenzen in der Datenanalyse und zum Teil dem Maschinenlernen immer h├Ąufiger auch au├čerhalb der Informatik als relevant erachtet werden, wurde diese Data Literacy noch nicht aus Perspektive des allgemeinbildenden Schulunterrichts beleuchtet, obwohl Grundfertigkeiten und grundlegende Kompetenzen im Umgang mit Daten heute in allen Lebensbereichen immer zentraler werden und zu einer selbstbestimmten Teilhabe am gesellschaftlichen Leben beitragen k├Ânnen. Aus diesem Grund wurde, als Grundlage f├╝r die weitere Forschung in diesem Bereich, basierend auf empirisch gepr├Ągten Arbeiten ein Kompetenzmodell der Data Literacy mit einem Fokus auf die Sekundarstufe I/II entwickelt, dass jedoch potentiell auch f├╝r andere Bildungsniveaus anpassbar ist.

Data-Literacy-Kompetenzmodell [3]

Weitere Informationen / Quellen

Die Entwicklung des Modells der Schl├╝sselkonzepte des Datenmanagements wird ausf├╝hrlich in den Beitr├Ągen [1,2] dargestellt. Einen kurzen Einblick in die Entwicklung des Kompetenzmodells gibt der Beitrag [3] (ein ausf├╝hrlicher Beitrag befindet sich derzeit in Arbeit) sowie das Poster [4].

[1] Grillenberger, A. & Romeike, R.: Key Concepts of Data Management: An Empirical Approach, In Proceedings of the 17th Koli Calling International Conference on Computing Education Research, ACM, 2017.

[2] Grillenberger, A. & Romeike, R.: Empirische Ermittlung der Schl├╝sselkonzepte des Fachgebiets Datenmanagement, In Informatische Bildung zum Verstehen und Gestalten der digitalen Welt, Proceedings der 17. GI-Fachtagung Informatik und Schule, Oldenburg, 2017.

[3] Grillenberger, A. & Romeike, R.: Data Literacy und das Modell der Schl├╝sselkonzepte des Datenmanagements, In Data Literacy und Data Science Education: Digitale Kompetenzen in der Hochschulausbildung, 2018.

[4] Poster am Data Literacy Symposium des Stifterverbands / Hoschulforum DigitalisierungDownload (PDF)