Datenkompetenz für Lehrkräfte

Datenkompetenz für Lehrkräfte (Data Literacy Education) - ein interdisziplinäres Modul im Kontext Klimawandel

Foto: Moritz Kreinsen

Projektleitung: Prof. Dr. Sandra Schulz, Prof. Dr. Sandra Sprenger

Wissenschaftliche Mitarbeiter:innen: Moritz Kreinsen

Laufzeit: 04/22 - 03/23

Förderung: Digital and Data Literacy in Teaching Lab (DDLitLab) mit Geldern der Stiftung Innovation in der Hochschullehre

Ziele und Hintergrund:

Das Wissen über Daten und ein souveräner und reflektierter Umgang mit ihnen gehören zu unabdingbaren Kompetenzen einer mündigen Gesellschaft. Wo fallen Daten an? Wie werden sie verarbeitet? Welche Aussagen können aus ihnen gezogen werden?

Im Rahmen einer Forschungswerkstatt werden u.a. solche Fragen gestellt und im Kontext von Wetter und Klima(-wandel) untersucht. Dieses Format bietet Studierenden die Möglichkeit, forschungsnahes Lernen praxisnah zu erleben und individuellen Forschungsfragen nachzugehen. Hierfür konstruieren und programmieren die Studierenden eigene Wetterstationen mithilfe von Microcontrollern und erfassen mit diesen auf Exkursionen in div. Stadtteilen eigene Daten. Die so gewonnenen Daten gilt es anschließend mit Apps u.a. zu analysieren, interpretieren und visualisieren, um sie einordnen und mögliche Handlungen daraus ableiten zu können. Im Fokus stehen hier bspw. stadtklimatische Fragestellungen.

Das Lehrkonzept orientiert sich an einem Kompetenzmodell für Lehrkräfte am Beispiel des Klimawandels und ist dabei auf die Heterogenität und Interdisziplinarität der Lerngruppe abgestimmt. Aspekte der Programmierung, technischen Informatik und Robotik werden niedrigschwellig aufgegriffen und der Zielgruppe kontextorientiert zugänglich gemacht. Hierfür wird ein systemanalytischer Ansatz gewählt, indem Lernhilfen durch blockbasierte Programmiersprachen verwendet werden. Im Zentrum stehen das haptische Lernen und das Konstruieren von Wissen. Der Einsatz von Microcontrollern ist dafür besonders gut geeignet, da Data Literacy nicht nur in der Theorie erschlossen, sondern auch mit eigenen Daten und selbstkonstruierten Geräten gearbeitet wird, was zum sinnerfüllten Lernen führen kann.
Im Rahmen dessen wird die Fragestellung erforscht, welche Vorstellungen die genannte Zielgruppe von Daten hat, wie sich diese nach einem interdisziplinären Kurs verändern und welche Maßnahmen dazu führen können.

Für Interessierte wurden Unterrichtsmaterialien zusammengestellt.