Minisymposium 05: Data Science
| dc.contributor.author | Podworny, Susanne | |
| dc.contributor.author | Frischemeier, Daniel | |
| dc.date.accessioned | 2023-06-07T14:07:16Z | |
| dc.date.available | 2023-06-07T14:07:16Z | |
| dc.date.issued | 2023 | |
| dc.description.abstract | Im Schatten der Covid-19 Pandemie und im Zeitalter von Alternative Facts ist der kompetente Umgang mit Daten wichtiger denn je. Daten zu verstehen und geeignet darzustellen, bedeutet auch Macht, und so werden “Daten als Öl des 21. Jahrhunderts” angesehen (Spitz, 2016). Um sich die riesigen und komplexen Datenmengen zugänglich und zu Nutze zu machen, hat sich an der Schnittstelle von Mathematik, bzw. Statistik und Informatik immer zusammen mit einer Anwendungsdomäne seit einigen Jahren eine neue Disziplin unter dem Namen „Data Science“ etabliert. Publikationen, die sich mit der neuen Rolle von Daten in Bildung, Gesellschaft und Wirtschaft auseinandersetzen sind zum Beispiel von Weigend (2017) und O’Neil (2016) und gleichzeitig werden Forderungen nach entsprechenden Konsequenzen und Implikationen für die Bildung gestellt (Biehler et al., 2018). Auch die 2021 veröffentlichte Data Literacy Charta (https://hochschulforumdigitalisierung.de/sites/default/files/dateien/data-literacy-charta.pdf) betont die Wichtigkeit von Datenkompetenz. Ein wesentliches Konstrukt, um die riesigen Datenmengen effizient auszuwerten, sind Algorithmen. Der Begriff des Algorithmus kann somit auch im Mathematikunterricht wieder stärkere Betonung erfahren – mit Blick auf Nachbardisziplinen sollten Grundideen der Programmierung, Konzepte wie „Algorithm Literacy” sowie gesellschaftliche Bedingungen Lehr- und Lerngegenstand sein. Schließlich zeigen aktuelle Themenhefte wie MacGillivray et al. (2021) und Biehler et al. (2022) die aufsteigende Relevanz von Data Science im Schulunterricht und in der Hochschullehre. | de |
| dc.identifier.uri | http://hdl.handle.net/2003/41581 | |
| dc.identifier.uri | http://dx.doi.org/10.17877/DE290R-23424 | |
| dc.language.iso | de | de |
| dc.publisher | Gesellschaft für Didaktik der Mathematik | |
| dc.relation.ispartof | Beiträge zum Mathematikunterricht 2022 | |
| dc.subject | Data Science | en |
| dc.subject | künstliche Intelligenz | de |
| dc.subject | Statistik | de |
| dc.subject.ddc | 510 | |
| dc.title | Minisymposium 05: Data Science | de |
| dc.type | Text | de |
| dc.type.publicationtype | conferenceObject | de |
| dcterms.accessRights | open access | |
| eldorado.secondarypublication | false | de |