Advertisement

Digitalisierung und Datafizierung: Big Data als Herausforderung für die Schulbildung

Chapter
Part of the Medienbildung und Gesellschaft book series (MUG, volume 42)

Zusammenfassung

Durch den umfassenden Einsatz vernetzter Computertechnologie haben sich in den letzten Jahren Datenquellen vervielfacht, sodass permanent (Meta-)Daten automatisiert erfasst, verarbeitet und ausgewertet werden können. Der Ausdruck ‚Big Data‘ hat sich für diese exponentiell steigende Zunahme und kontinuierliche Generierung von digitalen Daten – in nahezu allen Lebensbereichen – durchgesetzt. Doch die Herausforderung von Big Data besteht nicht allein in der Sammlung und Archivierung riesiger (heterogener, unstrukturierter und komplexer) Datenströme, sondern vielmehr in deren Verknüpfung, Analyse und Auswertung in Echtzeit.

Literatur

  1. Aßmann, S. et al. (2016). Digitale Datenerhebung und -verwertung als Herausforderung für Medienbildung und Gesellschaft. Ein medienpädagogisches Diskussionspapier zu Big Data und Data Analytics. In: Brüggemann, M., Knaus, T. & Meister, D. (Hrsg.), Kommunikationskulturen in digitalen Welten (S. 131–140). München: Kopaed Verlag.Google Scholar
  2. Autenrieth, D. (2015). Ungenügende Medienintegration im Mathematikunterricht der Sekundarstufe. Ludwigsburger Beiträge zur Medienpädagogik 18. http://www.ph-ludwigsburg.de/fileadmin/subsites/1b-mpxx-t-01/user_files/Online-Magazin/Ausgabe18/Autenrieth18.pdf. Zugegriffen: 20. September 2016.
  3. Böhme, G. (2008). Invasive Technisierung. Technikphilosophie und Technikkritik. Zug: Graue Edition.Google Scholar
  4. boyd, d. & Crawford, K. (2013). Big Data als kulturelles, technologisches und wissenschaftliches Phänomen. In Geiselberger, H. & Moorstedt, T. (Hrsg.), Big Data – Das neue Versprechen der Allwissenheit. Frankfurt a. M.: Suhrkamp, S. 187–218.Google Scholar
  5. engl. (2012): Critical Questions for Big Data. Information, Communication & Society 15, 662–679.CrossRefGoogle Scholar
  6. Burkholder, L. (1992) (Hrsg.), Philosophy and the Computer. Boulder u. a.: Westview Press.Google Scholar
  7. Bushnell, D. D. & Cogswell, J. F. (1961). A Computer-Based Laboratory for Automation in School Systems. Audio Visual Communication Review 9, 173–185.Google Scholar
  8. Dander, V. (2014). Von der ‚Macht der Daten‘ zur ‚Gemachtheit von Daten‘. Praktische Datenkritik als Gegenstand der Medienpädagogik. In Burkhardt, M. & Gießmann, S. (Hrsg.), Mediale Kontrolle unter Beobachtung 3.1: Datenkritik. http://www.medialekontrolle.de/wp-content/uploads/2014/09/Dander-Valentin-2014-03-01.pdf. Zugegriffen: 20. September 2016.
  9. Dander, V. & Aßmann, S. (2015). Medienpädagogik und (Big) Data: Konsequenzen für die erziehungswissenschaftliche Medienforschung und -praxis. In Gapski, H. (Hrsg.), Big Data und Medienbildung (S. 33–50).Google Scholar
  10. de Vries, K. (2013). Privacy, due process and the computational turn: a parable and a first analysis. In Hildebrandt, M. & de Vries, K. (Hrsg.), Privacy, Due Process and the Computational Turn. The philosophy of law meets the philosophy of technology (S. 9–38). Abingdon, Oxon: Routledge.Google Scholar
  11. Dodge, M. & Kitchin, R. (2007). Outlines of a world coming into existence‘: pervasive computing and the ethics of forgetting. Environment and Planning B 34, 431–445.CrossRefGoogle Scholar
  12. Ethikrat, Dt. (2018). Big Data und Gesundheit – Datensouveränität als informationelle Freiheitsgestaltung. Stellungnahme. Berlin: Deutscher Ethikrat. http://www.ethikrat.org/dateien/pdf/stellungnahme-big-data-und-gesundheit.pdf. Zugegriffen: 10.03.2018.
  13. Ganguin, S. (2006). Das ‚Kritische‘ an der Medienkritik. In Niesyto, H., Rath, M. & Sowa, H. (Hrsg.), Medienkritik heute: Grundlagen, Beispiele und Praxisfelder, S. 71–86. München: Kopaed Verlag.Google Scholar
  14. Gapski, H. (2015) (Hrsg.). Big Data und Medienbildung. Zwischen Kontrollverlust, Selbstverteidigung und Souveränität in der digitalen Welt. Schriftenreihe zur Digitalen Gesellschaft NRW. Band 3, München: Kopaed Verlag.Google Scholar
  15. Gapski, H., Tekster, T. & Elias, M. (2018). Bildung für und über Big Data. Gutachten im Rahmen von ABIDA – Assessing Big Data. Marl: Grimme-Institut. http://www.abida.de/sites/default/files/Gutachten_Bildung.pdf. Zugegriffen: 3. Mai 2018.
  16. GI (2016). Dagstuhl-Erklärung. Bildung in der digitalen vernetzten Welt. Gesellschaft für Informatik, 07.03.2016. http://www.gi.de/aktuelles/meldungen/detailansicht/article/dagstuhl-erklaerung-bildung-in-der-digitalen-vernetzten-welt.html. Zugegriffen: 2. März 2017.
  17. Goergen, K. (2015). Ethikunterricht – Ersatz, Alternative oder Pflicht? Lehren & Lernen 41, 48–57.Google Scholar
  18. Goldberg, A. L., Tondow, M. & Bushnell, D. D. (1966). The Computer in Education – Some Examples. Proceedings of the IEEE 54, 1656-1662.CrossRefGoogle Scholar
  19. Grimm, P. & Kimmel, B. (2015). Big Data und der Schutz der Privatsphäre – Medienethik in der medienpädagogischen Praxis. In Gapski, H. (Hrsg.), Big Data und Medienbildung (S. 111–130).Google Scholar
  20. Hochbruck, W. (2015). „… always just one step behind“ – Ein Einwurf zu Medienbildung und Lehramt. Ludwigsburger Beiträge zur Medienpädagogik 18. http://www.ph-ludwigsburg.de/fileadmin/subsites/1b-mpxx-t-01/user_files/Online-Magazin/Ausgabe18/Hochbruck18.pdf. Zugegriffen: 20. September 2016.
  21. Hörl, E. & Hagner, M. (2008). Überlegungen zur kybernetischen Transformation des Humanen. In Dies. (Hrsg.), Die Transformation des Humanen. Beiträge zur Kulturgeschichte der Kybernetik (S. 7–37). Frankfurt a.M.: Suhrkamp.Google Scholar
  22. Johnson, J. A. (2014). The Ethics of Big Data in Higher Education. International Revue of Information Ethics 21, 3–10.Google Scholar
  23. Jülicher, T. (2015). Big Data in der Bildung – Learning Analytics, Educational Data Mining & Co. ABIDA-Dossier. Institut für Informations-, Telekommunikations- und Medienrecht (ITM), Universität Münster. http://www.abida.de/sites/default/files/Education.pdf. Zugegriffen: 2. März 2017.
  24. Kitchin, R. (2014). The Data Revolution. Big Data, Open Data, Data Infrastructures and Their Consequences. Los Angeles u.a.: SAGE.Google Scholar
  25. Kline, R. R. (2015). The Cybernetics Moment. Or Why We Call Our Age the Information Age. Baltimore: John Hopkins University Press.Google Scholar
  26. Koska, C. (2015). Zur Idee einer digitalen Bildungsidentität. In Gapski, H. (Hrsg.), Big Data und Medienbildung (S. 81–94).Google Scholar
  27. Light, J. S. (2003). From Warfare to Welfare. Defense Intellectuals and Urban Problems in Cold War America. Baltimore & London: The John Hopkins University Press.Google Scholar
  28. Niesyto, H. (2015). Medienbildung in der Bildungsplanreform 2016: „Digitale Medien – wenn vorhanden“. Ludwigsburger Beiträge zur Medienpädagogik 18. http://www.ph-ludwigsburg.de/fileadmin/subsites/1b-mpxx-t-01/user_files/Online-Magazin/Ausgabe18/Niesyto18.pdf. Zugegriffen: 20. September 2016.
  29. Orwat, C. (2019). Diskriminierungsrisiken durch Verwendung von Algorithmen. Studie herausgegeben von der Antidiskriminierungsstelle des Bundes. Berlin: Nomos.Google Scholar
  30. Pötzsch, H. (2016). Materialist Perspectives on Digital Technologies. Informing Debates on Digital Literacy and Competence. Nordicom Revue 37, 119–132.CrossRefGoogle Scholar
  31. Rieder, B. & Röhle, T. (2017). Digital Methods. From Challenges to Bildung. In Schäfer, M. T. & van Es, K. (Hrsg.), The Datafied Society. Studying Culture Through Data (S. 109–124). Amsterdam: Amsterdam University Press.Google Scholar
  32. Reichert, R. (2014) (Hrsg.). Big Data. Analysen zum digitalen Wandel von Wissen, Macht und Ökonomie. Bielefeld: Transcript.Google Scholar
  33. Schrape, J.-F. (2016). Big Data: Informatisierung der Gesellschaft 4.0. Berliner Debatte Initial 27, 12–21.Google Scholar
  34. Selke, S. (2015). Lifelogging und die neue Taxonomie des Sozialen. In Gapski, H. (Hrsg.), Big Data und Medienbildung (S. 95–110).Google Scholar
  35. Van Es, K. & Schäfer, M. T. (2017). Introduction. In Schäfer, M. T. & van Es, K. (Hrsg.), The Datafied Society. Studying Culture Through Data (S. 13–22). Amsterdam: Amsterdam University Press.Google Scholar
  36. Wadephul, C. (2016). Führt Big Data zur abduktiven Wende in den Wissenschaften? Berliner Debatte Initial 27, 35–49.Google Scholar
  37. Wadephul, C. (2018). Big Data in der Wissenschaft. In Kolany-Raiser, B. et al. (Hrsg.), Big Data und Gesellschaft: Eine multidisziplinäre Annäherung. (S. 17–32). Wiesbaden: Springer.Google Scholar
  38. Wiegerling, K., Nerurkar, M. & Wadephul, C. (2019). Wissenschaft. In Kolany-Raiser, B. et al. (Hrsg.), Big Data: Gesellschaftliche Herausforderungen und rechtliche Lösungen (S. 401–448). München: C.H. Beck.Google Scholar
  39. Williamson, B. (2015). Governing Software: networks, databases and algorithmic power in the digital governance of public education. Learning, Media and Technology 40, 83–105.CrossRefGoogle Scholar
  40. Zorn, I. (2015). Warum sich Medienpädagogik mit Big Data Analytics befassen sollte. In Gapski, H. (Hrsg.), Big Data und Medienbildung (S. 19–32).Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2020

Authors and Affiliations

  1. 1.Universität WienWienÖsterreich
  2. 2.Karlsruher Institut für TechnologieKarlsruheDeutschland

Personalised recommendations