Name: Christoph Kiefer

Fakultät /Fachgebiet: Fakultät für Psychologie und Sportwissenschaften, Abteilung Psychologie, AE06 – Psychologische Methodenlehre und Evaluation

An der Uni seit: 10/2020

Lehrveranstaltung und Lehrveranstaltungsart: Vorlesung „Statistik III – Computergestützte Datenanalyse“ (WiSe 2021/22)

mittlerweile auch auf andere Vorlesungen des Fachbereichs übertragen (z.B. Multivariate Verfahren im Master)

Gefördert durch: Qualitätsfonds für die Lehre

Übertragbarkeit auf andere Fachgebiete: prinzipiell gut, sofern Anwendung quantitativer Methoden geprüft werden soll

(Digitale) Innovation:  

Was wird gemacht: Integration von praktischen Datenanalysen mit R in ein Open-Book-Klausurformat

Wie umgesetzt: Nutzung von Open-Source-Paketen (R, exams), die das Erstellen und automatische Auswerten der Klausuren in Moodle erlauben

Ziel der Innovation: Direkte Prüfung der Kompetenz zur computergestützten Datenanalyse

Erfahrung und Evaluation: Bislang gute Erfahrungen, wenn man auf ein paar Dinge achtet (s.u.); wird von den Studierenden gut angenommen; Format auch für andere Vorlesungen unserer Arbeitseinheit übernommen

Herausforderungen & Lösungen:

Bei der Umsetzung sehen wir zwei größere Herausforderungen, die man im Blick haben muss:

- Die Umstellung vom „klassischen“ aufs neue Klausurformat kann Unsicherheit bei den Studierenden erzeugen. Aus unserer Sicht war es daher sehr wichtig, (a) die neuen Anforderungen sehr früh und transparent zu kommunizieren (z.B. Besprechung des Klausurformats in der ersten Vorlesung und Bereitstellen einer Beispielklausur) und (b) das tatsächliche Einüben der computergestützten Datenanalysen stärker zu fördern (z.B. Übungsgruppen, wöchentliche Aufgaben im Klausurformat).

- Die Programmiersprache R ist sehr vielfältig und oft gibt es viele Wege um eine Datenanalyse durchzuführen. Manchmal können sich dabei aber scheinbare Kleinigkeiten ändern, die in Summe dann zu einem anderen oder „falschen“ Ergebnis führen (z.B. weil Daten in einem anderen Format eingelesen werden als bei einer Vergleichsfunktion). Unser Lösungsansatz war (a) viel Erfahrung mit unterschiedlichen Auswertungsstrategien zu sammeln (z.B. im Rahmen der wöchentlichen Übungen) und Konstellationen, die leicht zu verschiedenen Ergebnissen führen können zu meiden und (b) in der Klausur ein offenes Feld für den R-Code bzw. weitere Informationen zum benutzten Computer zur Verfügung zu stellen, sodass im Zweifelsfall nachvollzogen werden kann, ob die Analyse grundsätzlich richtig gewesen ist.

Welche Unterstützung habe ich genutzt: Wir nutzen schwerpunktmäßig das Open-Source-Paket exams, das von Achim Zeileis (Uni Innsbruck) entwickelt und  kostenlos zur Verfügung gestellt wird. Sowohl für die Klausur als auch die wöchentlichen Übungen greifen wir auf die Moodle-Struktur der Uni Bielefeld zurück. 

Name: Dr. Pia Gausling (gemeinsam mit Prof. Dr. Oliver Böhm-Kasper, Prof.‘in Dr. Silke Schwandt, Prof. Dr. Roland Langrock, Prof.‘in Dr. Christiane Fuchs, Lisa de Vries u. Zaza Zindel)

Fakultät /Fachgebiet: Erziehungswissenschaft / Forschungsmethoden

An der Uni seit: 2016 als wiss. Mitarbeiterin

Lehrveranstaltung und Lehrveranstaltungsart: Ringvorlesung „Forschen, Handeln und Gestalten in der Welt der Daten“; wurde erstmalig im WiSe 2019/20 angeboten, danach turnusmäßig jedes Wintersemester. In der Vorlesung werden Datenkompetenzen vermittelt und richtet sich an Studierende aller Fächer. Gefördert durch: Qualitätsfonds der Universität Bielefeld

Übertragbarkeit auf andere Fachgebiete: (auf einer Skala von 1 bis 5): *****

(Digitale) Innovation: 

Was wird gemacht
Die Vorlesung bietet eine interdisziplinäre Einführung in den Umgang mit Daten. Mehrere Lehrende aus unterschiedlichen Fakultäten sind daran beteiligt (u.a. aus der Erziehungswissenschaft, der Geschichtswissenschaft, der Soziologie und den Wirtschaftswissenschaften). Zudem wird die Veranstaltung durch das Verbundprojekt „Data Literacy Skills@OWL“ unterstützt.

Wie wird es umgesetzt
Um nicht nur eine wissenschaftliche Perspektive auf den Umgang mit (Forschungs-)Daten einzunehmen, werden ebenfalls Praxisvertreter*innen aus Unternehmen und Administration in die Vorlesung eingeladen.

Ziel der Innovation:
Aktuelle Krisen wie die Klimakrise und die Corona-Pandemie verweisen auf den hohen Stellenwert von Daten und datenbasierenden Entscheidungen. Daher werden in der Vorlesung – neben rein methodischen und technischen Aspekten (z.B. Anwendung von Analysetools) – auch gesellschaftspolitische Themen im Zusammenhang mit Daten behandelt (bspw. Diskriminierung durch Algorithmen, epidemiologische Fragen)

Erfahrung und Evaluation:
Die Evaluation hat gezeigt, dass insbesondere die disziplinübergreifende Ausrichtung den Teilnehmer*innen gefallen hat. So haben die Studierenden die Möglichkeit, auch mal über den Tellerrand des eigenen Fachs zu schauen.
Auch das abwechslungsreiche Format, welches aus synchronen Sitzungen und asynchronen Elementen bestand (u.a. aufgezeichnete Interviews wie mit dem Soziologen Armin Nassehi, Screencasts, R Markdowns), wurde sehr gut angenommen.

Curriculare / Modulare Verankerung:
Die Ringvorlesung ist in das Modul „Data Literacy - Kulturtechnik des 21. Jahrhunderts“ eingebettet und kann in der Individuellen Ergänzung besucht werden. Die Vorlesung wird dabei durch vertiefende Seminare ergänzt, die sich mit aktuellen Diskursen und Praktiken rund um das Thema „Data Literacy“ beschäftigen. Hierzu gehören u.a. die Analyse von Open Data und die Erstellung von Data Stories.

Schwierigkeiten & Lösungen: Aufgrund der fakultätsübergreifenden Gestaltung ist ein erhöhter Abstimmungsbedarf erforderlich. Unsere wiss. Hilfskraft hat hier einen Großteil der Kommunikation und Koordination übernommen. Zugleich ist es spannend zu sehen, wie Kolleg*innen anderer Disziplinen mit Daten arbeiten und welche Gemeinsamkeiten und Unterschiede bestehen.
Zudem stellt die Heterogenität der Studierendenschaft eine Herausforderung dar. Um alle Teilnehmer*innen abzuholen, ist es von Bedeutung, die inhaltliche Komplexität zu reduzieren und Themen exemplarisch entlang aktueller Beispiele zu veranschaulichen. Die Vorlesung soll jedoch auch nur einen ersten Einblick vermitteln. Weiterführende Inhalte werden in den Vertiefungsseminaren behandelt.

Welche Unterstützung habe ich genutzt: Durch den Qualitätsfonds wurde für das erste Semester eine wiss. Hilfskraft finanziert, die die Abstimmung zwischen den Lehrenden sowie die Kommunikation mit den Studierenden übernommen hat. Später haben wir Unterstützung durch das Projekt „DaLiS@OWL“ aus dem Dezernat für digitale Transformation und Prozessorganisation der Universität erhalten.

Welches Projekt steht als Nächstes an? In einem aktuellen Lehr-Projekt, finanziert über das Programm Curriculum 4.0.nrw, entwickeln wir zurzeit bei uns in der Fakultät digitale Selbstlerneinheiten, die den Umgang mit quantitativen Daten aus studentischer Perspektive mithilfe des Storytelling-Ansatzes in den Blick nehmen. Zudem beginnen wir im Herbst mit der Erstellung weiterer digitaler Lehr-Lernszenarien, die das qualitative Methodenlernen adressieren. Das Projekt wird gefördert durch die Stiftung Innovation in der Hochschullehre.

Mehr erfahren: Nähere Informationen zum Data Literacy-Modul und zur Ringvorlesung finden Sie hier. Bei Fragen schreiben Sie gerne an pgausling@uni-bielefeld.de oder oliver.boehm-kasper@uni-bielefeld.de