Als Leiter des Data-Literacy-Education-Programms modal an der Hochschule Mannheim zeigt Matthias Bandtel die gestiegene Relevanz der Förderung von Datenkompetenzen für Studierende aller Fächer auf. In diesem Beitrag stellt er das Mannheimer Modell Data Literacy Education und dessen vier Stufen vor.

In diesen Tagen starten die meisten Universitäten in das digitale Sommersemester 2020. An einigen Hochschulen allerdings läuft die Vorlesungszeit bereits seit mehreren Wochen. Lehrende & Lernende hatten an diesen Standorten bereits etwas Zeit, sich auf die besondere Situation einzustellen. An der Hochschule Mannheim finden schon seit Mitte März 2020 die allermeisten Veranstaltungen in digitaler Form statt. Auch das hochschulweite Programm Mannheimer Modell Data Literacy Education (modal) ist komplett auf eLearning umgestellt worden. Erste Rückmeldungen von Lehrenden & Lernenden stimmen positiv: Die Teilnehmer*innenzahlen haben sich gegenüber den Präsenzveranstaltungen im vorangegangenen Semester verdoppelt bis mehr als verdreifacht. Und das Feedback zeigt, dass die Relevanz von Angeboten zur Förderung von Datenkompetenzen für Studierende aller Fächer noch einmal deutlich zugenommen hat.

Es muss sich noch ausweisen, welche digitalen Lehr-Lernangebote auch dann sinnvoll in den Regelbetrieb übernommen werden können, wenn wir uns wieder selbstbestimmt für online- oder offline-Formate entscheiden können. In diesem Beitrag möchten wir vor dem Hintergrund unserer Erfahrungen aus dem Präsenzangebot von modal im Studienjahr 2019 unsere wichtigsten Learnings mit der Community teilen.

Datenkompetenzen für Studierende aller Fächer!

Studierenden aller Fächer die Entwicklung von Data-Literacy-Kompetenzen zu ermöglichen – so lautet das ambitionierte Ziel von modal. An der Hochschule Mannheim bedeutet das, Angebote für 5.200 Studierende aufzusetzen, die an neun Fakultäten 23 unterschiedliche Bachelorstudiengänge studieren. Die Herausforderung besteht darin, technisch-ingenieurwissenschaftliche, soziale und gestalterische Studiengänge gleichermaßen miteinzubeziehen.

Mit der Anschubfinanzierung aus dem Data-Literacy-Education-Förderwettbewerb von Heinz Nixdorf Stiftung und Stifterverband ist es gelungen, hierfür ein hochschulweites Programm zu implementieren: Das Mannheimer Modell Data Literacy Education (modal). Drei Stufen ermöglichen Studierenden aller Fächer einen niedrigschwelligen Einstieg und die konsekutive Vertiefung von Data-Literacy-Kompetenzen.

Orientiert an den Data Literacy Frameworks von Chantel Ridsdale et al. (2015) [1] und Katharina Schüller et al. (2019) [2] wurden spezifische Lernziele von modal operationalisiert, die fünf Kompetenzfeldern zugeordnet werden können:

1. Daten in Beruf und Gesellschaft
2. Daten Sammeln
3. Daten Formen
4. Daten Lesen
5. Daten Leiten Handeln

Unsere Systematik übernimmt von Schüller et al. (2019) das Modell der zirkulären Datenwertschöpfung. Außerdem spiegelt sich der Dreiklang der Kompetenzdimensionen »Wissen«, »Fähigkeiten« & »Haltung« in den Lernzielen von modal wider. Die Unterscheidung von drei Niveaustufen der Data Literacy nach Ridsdale et al. (2015) begründet den konsekutiven Aufbau von modal.

Die erste Stufe unimodal 1 richtet sich an Studienanfänger*innen aller Fächer, die Kernkompetenzen im planvollen, verantwortlichen und kritischen Umgang mit Daten entwickeln möchten. Das Format ist als Ringvorlesung mit alternierenden Praxisübungen angelegt. Die zweite Stufe bildet das interdisziplinäre Datenprojekt bimodal 2. Teilnehmen können Studierende aller Bachelorstudiengänge im Grundstudium. In fachlich gemischten Kleingruppen werden fortgeschrittene Data-Literacy-Kompetenzen anwendungsnah trainiert. Die dritte Stufe trimodal 3 richtet sich an Studierende im Hauptstudium. Die Teilnehmer*innen entwickeln Data-Literacy-Kompetenzen auf Expert*innenniveau. In Kooperation mit Praxispartner*innen werden transdisziplinäre datengetriebene Lehr-Lernforschungsprojekte realisiert. Über die Begleitsäule multimodal n werden u.a. Kooperationen &, Transfer sowie Evaluation & Wirksamkeitsforschung organisiert.

unimodal 1 – die Ringvorlesung »Donuts & Digitalisierung«

Eine Ringvorlesung für Studienanfänger*innen, die mit diesem Format gänzlich unvertraut sind? Kann das funktionieren? Im Austausch mit unseren Partner*innen im Data-Literacy-Education-Netzwerk haben wir die speziellen Herausforderungen dieses Settings adressiert: Wie können Studierende aus technischen, sozialen und gestalterischen Fächern für die Ringvorlesung begeistert werden? Welcher inhaltliche »rote Faden« und welcher organisatorische Rahmen bietet Orientierung in einem für viele Teilnehmer*innen unbekannten Setting? Wie können Wissens­impulse mit praktischen Übungen verknüpft werden?

In einer Pilotphase haben wir getestet, welche Themenstruktur und welche didaktische Ausgestaltung bei Lehrenden & Lernenden besonders gut funktionieren. Hierfür haben wir eine Reihe von Gastvorträgen zu verschiedenen Data-Literacy-Kompetenzfeldern veranstaltet. Unter anderem haben Martina Schories (Datenjournalistin bei der Süddeutschen Zeitung), Tobias Franke (Deutsches Forschungszentrum Künstliche Intelligenz) und Sebastian Meier (Technologiestiftung Berlin) Impulse beigesteuert.

Das Feedback hat gezeigt: Vortragsreihen zur Data Literacy werden von Studierenden aller Fächer nachgefragt. Aktuelle, disziplinenübergreifende Themen kommen besonders gut an. Der Fokus muss auf Praxisbezug und Anwendungsorientierung liegen. Wichtig ist, dass die Referent*innen ihre Impulse anschaulich aufbereiten und ein hohes Maß an Interaktion ermöglichen.

Aufbauend auf diesen Erfahrungen aus der Pilotphase haben wir die Ringvorlesung »Donuts & Digitalisierung« konzipiert. Die Themenstruktur orientiert sich an fünf Kompetenzfeldern der Data Literacy. Zu jedem Thema geben Praxisreferent*innen Impulse aus unterschiedlichen Disziplinen, Branchen und Gesellschaftsbereichen. Speziell entwickelte Praxisübungen, die online bearbeitet werden, ermöglichen den Studierenden, die jeweiligen Kompetenzen zu vertiefen. Ach ja: Und bei jeder Sitzung gibt es Donuts in Hülle und Fülle, um einen zusätzlichen Anreiz für die Teilnahme zu setzen.

Die Ringvorlesung »Donuts & Digitalisierung« im Winter 2019/20 verzeichnete über 125 Teilnahmen von Studierenden aller Fächer. In diesem Sommersemester 2020 findet die Ringvorlesung virtuell in Form einer Webinarreihe statt. An den ersten beiden Sitzungen haben schon über 132 Studierende teilgenommen – Tendenz steigend. Es zeichnet sich ab, dass die virtuelle Ringvorlesung zu einem Erfolgsmodell wird, das wir auch künftig fortführen werden.

bimodal 2 – das interdisziplinäre Datenprojekt

bimodal 2 steht ganz im Zeichen der Förderung von »Future Skills« für Studierende aller Fächer im Grundstudium:[3] »Klassische Schlüsselkompetenzen« wie Teamfähigkeit, Kreativität und Problemlösungskapazitäten werden mit »digitalen Schlüsselkompetenzen« wie dem planvollen, verantwortlichen und kritischen Umgang mit Daten und digitalen Technologien verbunden. Um Studierenden aller Fächer ein praxisnahes Training dieser Kompetenzen zu ermöglichen, greift das interdisziplinäre Datenprojekt auf hochschuldidaktische Best Practices wie das i-LEARN Modell zurück,[4] die sich in der Entwicklung von Future Skills und Data Literacy als erfolgreich erwiesen haben. Im Fokus stehen die Ermöglichung selbstorganisierten Lernens, ein hoher Anwendungsbezug und die Erfahrung von Selbstwirksamkeit.

• interdisziplinäre Teams. Heterogenität der Studierenden birgt große Potentiale für ein gemeinsames Lernen mit- und voneinander. Bei bimodal 2 werden die Teilnehmer*innen in fachlich gemischten Teams zusammengeführt. In heterogenen Kleingruppen lernen die Studierenden unterschiedliche Ansätze und Methoden im Umgang mit Daten kennen. Diese fachliche und sozio-kulturelle Vielfalt in ihrem Team wird als Chance erlebt.
• projektförmiges Lernen & Selbstorganisation. bimodal-2-Teams entwickeln semesterbegleitend eigene Projekte innerhalb einer offenen Themenstellung. Die Zusammenarbeit fordert und fördert Selbstorganisation! Studierende identifizieren Problemfelder selbst, legen gemeinsam Ziele und Arbeitsschritte fest und entscheiden eigenverantwortlich über Methoden zur Entwicklung eines Lösungskonzepts. Zum Abschluss treten die Teams in einem Wettbewerb gegeneinander an. Bei einer öffentlichen Veranstaltung pitchen die Studierenden ihre Projekte.
• praxisnahe Themenstellung. Die Themenstellung wird weit und ergebnisoffen gefasst, um Anknüpfungspunkte für möglichst viele Disziplinen zu bieten. Der bimodal2 Durchlauf im Sommer 2019 stand unter dem Motto »Zusammen Leben in Mannheim«. Gut 40 Teilnehmer*innen beschäftigten sich mit Mietpreisentwicklung, Gestaltung des öffentlichen Raums und gesellschaftlicher Integration in ihrer Studienstadt. Im Winter 2019/20 lautete das Thema »klima:freundlich – Hochschule Mannheim«. Über 85 Studierende interessieren sich für ressourcenschonende Lehre, regenerative Energien oder Klimafolgenanpassung auf dem Campus. Über einen Bezug zur Lebenswelt der Studierenden laden die Themen zur Auseinandersetzung mit großen gesellschaftlichen Herausforderungen ein. Den Teams werden kuratierte Daten­sätze zur Verfügung gestellt, mit denen sie den Problemraum erkunden und erste Ideen finden können. Eigene Datenerhebungen unterstützen die Entwicklung ganzheitlicher Lösungsansätze. Die Teams werden angeregt, ihre Entwürfe mit Hilfe digitaler Technologien, z.B. Virtual Reality, umzusetzen.
• Peer-begleitete tutorielle Lehre. Jedes bimodal-2-Team wird von einer*einem Tutor*in begleitet. Für diese Aufgabe gewinnen wir Studierende im Hauptstudium aus allen Fächern. Beim interdisziplinären Datenprojekt moderieren sie gruppendynamische Prozesse und geben Hilfe zur Selbsthilfe. Auf diese Aufgabe werden die Tutor*innen in einem fünftägigen Training vorbereitet. Peer-Learning hat sich als motivierendes und die Selbstorganisation stärkendes Setting bewährt.[5]
• inter- und transdisziplinäre Netzwerke & Kooperationspartner*innen. Professor*innen aller Fakultäten und Mitarbeiter*innen zentraler Einrichtungen unterstützen die bimodal2 Teams bei fachlichen Fragen. Diese Form der Interaktion dreht den Klassenraum um: Lernende arbeiten sich eigenständig in ein Thema ein und begegnen Lehrenden auf Augenhöhe. Zudem stehen Kooperationspartner*innen aus Wirtschaft, Verwaltung und Zivilgesellschaft den Studierenden mit Expertise und tatkräftiger Unterstützung zur Seite.
• Skill Week. Die Werkzeuge für den planvollen, verantwortlichen und kritischen Umgang mit Daten erarbeiten bimodal 2 Teilnehmer*innen in Workshops. Im Rahmen der »Skill Week« durchlaufen Mitglieder aller Teams Einführungen in Datenerhebung, Datenanalyse, Datenvisualisierung & Ergebnispräsentation. Das Jigsaw-Format sorgt dafür, dass Studierende die Datenwerkzeuge nicht nur kennenlernen, sondern auch aktiv an die anderen Teammitglieder weitergeben.
• Virtual Reality. Mit der CAVE steht bimodal-2-Teilnehmer*innen eine 3D-Entwicklungs­um­gebung im Kompetenzzentrum Virtual Engi­nee­ring der Hochschule Mannheim zur Verfügung: Wände, Boden und Decke des würfelförmigen Raumes werden von 10 Hochleistungsprojektoren mit stereoskopischen Daten bespielt. So können virtuelle Welten begeh- und erlebbar gemacht werden. bimodal-2-Teams nutzen die CAVE, um Daten zu explorieren sowie um virtuelle Prototypen zu konstruieren und zu testen. Dabei lernen die Studierenden zum einen niedrigschwellig hochaktuelle Entwicklungsprozesse und Tech­no­logien kennen. Zum anderen stimuliert die visuelle Umsetzung den planvollen, verantwortlichen und kritischen Umgang mit Daten, da Zusammenhänge an konkreten Objekten sichtbar gemacht und diskutiert werden können. Vor allem aber wirkt sich die Erfahrung, selbst komplexe Konzepte virtuell realisieren zu können, positiv auf Selbstwirksamkeit und Teamerleben aus.

trimodal 3 – datengeleitetes forschendes Lernen im multidisziplinären Team

Studierende aus bislang sieben Studiengängen können im Hauptstudium unsere Angebote im Rahmen von trimodal 3 belegen. Die wichtigsten Lernziele sind, Kenntnisse, Fähigkeiten und Werthaltungen für explorative Datenanalysen und experimentelle Visualisierungen zu entwickeln. Die Studierenden trainieren verschiedene Kreativtechniken und Entwicklungsmethoden. Sie erproben visuelle Datenanalysen und können Mobilitätsdaten bedarfsgerecht visualisieren.

Das projektbasierte Lehr-Lernkonzept folgt Prinzipien des »enquiry based learning«:[6] Die Teilnehmer*innen bearbeiten eine authentische Herausforderung, die nicht notwendigerweise einer vorgefassten Forschungsfrage folgt. Methodik und Umsetzung müssen vielmehr auf das jeweilige Projekt abgestimmt sein. trimodal 3 startet mit kurzen Impulsen von Domänenexpert*innen. Studierende werden ermutigt, Daten ergebnisoffen zu explorieren. Im Austausch mit Kooperationspartner*innen entwickeln, designen und bauen sie funktionale Visualisierungsprototypen.

Bis Sommer 2020 haben wir mit unseren Praxispartner*innen sechs Projekte für Studierende aus Informatik, Design und Sozialwesen angeboten. Über 65 Teilnehmer*innen haben bislang mitgemacht.

multimodal n – Projektentwicklung durch Forschung & Transfer

Auf der Begleitsäule multimodal n organisieren wir die Weiterentwicklung der Lehr-Lernangebote von modal, u.a. durch Beteiligung am wissenschaftlichen Diskurs, den Dialog mit unseren Kooperationspartner*innen in Wirtschaft, Verwaltung & Zivilgesellschaft sowie Evaluation & Wirksamkeitsforschung.

Kooperationen mit Praxispartner*innen in Stadt und Region haben sich auf zwei Ebenen als wertvoll herausgestellt. Zum einen profitieren Studierende ganz unmittelbar, wenn sich Vertreter*innen aus Wirtschaft, Verwaltung & Zivilgesellschaft an Lehr-Lernprojekten beteiligen. Authentische Themenstellungen, »echte« Daten und Expert*innenfeedback machen Anwendungskontexte von Data-Literacy-Kompetenzen direkt erfahrbar. Außerdem möchte modal Studierende aller Fächer dafür sensibilisieren, als mündige Bürger*innen die digitale Gesellschaft mitzugestalten. Darum beziehen wir die Teilnehmer*innen von Anfang an in den Transfer mit der Stadtgesellschaft ein: Studierende kommen mit sozialen Akteuren in Kontakt, lernen Bedarfe echter Menschen kennen und präsentieren ihre Lösungen im Stadtraum.

Zum anderen trägt der kontinuierliche Austausch mit Unternehmen unterschiedlicher Branchen sowie Akteuren aus Politik und Gesellschaft dazu bei, das Lehr-Lernprogramm von modal agil weiterzuentwickeln. Zahlreiche bilaterale Gespräche über in verschiedenen Bereichen benötigte Data-Literacy-Kompetenzen resultieren in bedarfsgerechte Anpassungen der Lernziele von modal.

Die Wirksamkeit von modal messen wir mit dem »Kompetenzraster zur Erfassung digitaler Kompetenzen«, das Michael Eichhorn und Alexander Tillmann 2018 in den GI Lecture Notes in Informatics vorgestellt haben.[7] Jeweils zu Beginn und zum Ende der Lehr-Lernangebote schätzen Teilnehmer*innen ihre Kompetenzen in einem Online-Fragebogen selbst ein. Im Prä-Post-Design werden auf acht Subdimensionen Mittelwertvergleiche angestellt.

Ein vorläufiger Befund in aller Kürze: Im Sommer 2019 attestierten sich bimodal-2-Teilnehmer*innen vor Beginn des interdisziplinären Datenprojekts auffällig schwach ausgeprägte digitale Kompetenzen. Insbesondere auf den Dimensionen »Erhebung« und »Analyse von Forschungsdaten« verorteten sich die Studierenden in der Eingangsbefragung deutlich unter dem Skalenmittelwert. Zum Ende des Semesters schrieben sich die Teilnehmer*innen im Mittel geringfügig stärker ausgeprägte digitale Kompetenzen zu. Über einen kompetenteren Umgang mit Forschungsdaten hinaus gaben sich die Studierenden höhere Werte mit Blick auf ihre Informationskompetenz sowie Analyse- und Reflexionsfähigkeit. Gleichwohl bestanden auch zum Abschluss des Datenprojekts auf allen acht Subdimensionen noch erhebliche Entwicklungspotentiale.

Wegen geringer Fallzahlen und zahlreicher nicht kontrollierbarer Einflussfaktoren sind die Befunde mit Vorsicht zu interpretieren. Sie deuten jedoch darauf hin, dass Studierende einen ausgeprägten Bedarf bei der Entwicklung digitaler Kompetenzen wahrnehmen, der durch bestehende curriculare Lehr-Lernangebote nicht gedeckt wird. Die dabei zum Ausdruck kommende Selbstreflexionsfähigkeit ist grundsätzlich positiv – inhaltlich jedoch ist der Befund alarmierend. In künftigen Erhebungswellen gilt es, zu beobachten, inwieweit sich diese Tendenz bestätigt. Schon jetzt allerdings zeichnet sich ab, dass das Engagement zur Förderung von Data Literacy für Studierende aller Fächer weiter intensiviert werden muss.

Ausblicke

In der zweiten Hälfte der Förderperiode von modal legen wir den Schwerpunkt unserer Projektentwicklung auf die institutionelle Verankerung der Data Literacy Education für Studierende aller Fächer sowie die Bereitstellung der dafür benötigten Ressourcen.

Für die nachhaltige Verankerung der Lernziele und die Akzeptanz der Lehr-Lernangebote ist die curriculare Integration von entscheidender Bedeutung. modal verfolgt die Doppelstrategie: Kreditierung und Zertifizierung. Zum einen haben wir ein Zertifikatsystem entwickelt, das Studierenden die auf der jeweiligen Stufe von modal erworbenen Kompetenzen bescheinigt. Zusätzlich erhalten Absolvent*innen des Gesamtprogramms das modal Data-Literacy-Zertifikat.

Zum anderen machen wir uns für die Data Literacy Education für Studierende aller Fächer stark. Für die Stufe bimodal 2 konnte dieses Ziel schon erreicht werden: Die Teilnahme am interdisziplinären Datenprojekt wird in allen 23 Bachelor-Studiengängen der Hochschule Mannheim als Studienleistung angerechnet und mit 2-4 ECTS-Punkten kreditiert. Hierfür sind in allen Studiengängen Blockseminare und Wahlpflichtfächer geöffnet worden. Die Stufe trimodal 3 wird bislang in fünf Bachelorstudiengängen anerkannt und mit 5-6 ECTS Punkten vergütet. In der Modulstruktur der jeweiligen Fächer ist trimodal 3 als Wahlpflichtangebot aufgehängt. Für ihre Teilnahme an der Ringvorlesung »Donuts & Digitalisierung« im Rahmen von unimodal 1 erhalten Studierende aller Fächer bei erfolgreicher Teilnahme das unimodal 1-Zertifikat über Data-Literacy-Kernkompetenzen.

Die strategische Zielsetzung der Hochschule Mannheim sieht den Ausbau interdisziplinärer Lehr-Lernangebote in allen Studiengängen vor. Im Struktur- und Entwicklungsplan ist eine Richtgröße von 10 ECTS-Punkten vereinbart. modal unterstützt die Umsetzung dieses Ziels. Wir werden die entstehenden Fenster nutzen, um die Lehr-Lernangebote auf allen Stufen von modal in allen Studiengängen curricular zu verankern.

Bei dieser Aufgabe sind wir auf die Zusammenarbeit mit der Community angewiesen. Durch den wechselseitigen Erfahrungs­austausch können verbleibende Herausforderungen schneller und effektiver angegangen werden. Lassen Sie uns gemeinsam mit- und voneinander lernen!

Fußnoten

[1] Chantel Ridsdale u. a., „Strategies and Best Practices for Data Literacy Education“, Knowledge Synthesis Report (Halifax, Canada: Dalhousie University, 2015), http://dataliteracy.ca/.

[2] Katharina Schüller, Paulina Busch, und Carina Hindinger, „Future Skills: Ein Framework für  Data Literacy. Kompetenzrahmen und Forschungsbericht“, Forschungsbericht (Berlin: Hochschulforum Digitalisierung, 2019).

[3] Jens Heidrich, Pascal Bauer, und Daniel Krupka, „FUTURE SKILLS: ANSÄTZE ZUR VERMITTLUNG VON DATA LITERACY IN DER HOCHSCHULBILDUNG“, Arbeitspapier (Berlin: Hochschulforum Digitalisierung, 2018); Julian W. Kirchherr u. a., „Future Skills: Welche Kompetenzen in Deutschland fehlen“, Future Skills-Diskussionspapier (Essen: Stifterverband für die Deutsche Wissenschaft e.V., 2018).

[4] Stacey Greenwell, „The I-LEARN Model: Introduction“, Research Guides, 3. Oktober 2019, //libguides.uky.edu/c.php?g=223353&p=1479162.

[5] Matthias Bandtel und Leonie Trefs, „Ermöglichungsräume für selbstorganisiertes Lernen: Wollen, Können, Gefragt werden“, in Visionen von Studierenden-Erfolg, hg. von Yvonne Berkle u. a. (Kaiserslautern: Hochschule Kaiserslautern, 2019), 229–44, https://www.hs-kl.de/fileadmin/hochschule/profil/studierendenerfolg/tagung/2018/tagungsband-visionen-studierenden-erfolg.pdf.

[6] Peter Kahn und Karen O’Rourke, „Understanding enquiry-based learning“, in Handbook of Enquiry & Problem Based Learning. Irish Case Studies and International Perspectives, hg. von Terry Barett, Iain Mac Labhrainn, und Helen Fallon (Galway: CELT, 2005), 1–12; Peter Kahn und Karen O’Rourke, „Guide to curriculum design: Enquiry-based learning“, Higher Education Academy 30, Nr. 2 (2004): 3–30.

[7] Michael Eichhorn und Alexander Tillmann, „Digitale Kompetenzen von Hochschullehrenden messen. Validierungsstudie eines Kompetenzrasters“, in DeLFI 2018 – Die 16. E-Learning Fachtagung Informatik, Lecture Notes in Informatics (LNI), hg. von Detlef Krömker und Ulrik Schroeder (Bonn: Gesellschaft für Informatik, 2018), 69–80.