Zum Inhalt
Spotlight For­schung: Prof. Katja Ickstadt zu Data Literacy in der For­schung

Da­ten­kom­pe­tenz heißt: Sprache lernen einmal anders“

-
in
  • Top-Meldungen
  • For­schung
  • Reihen & Dossiers
Portrait von Prof. Katja Ickstadt © Felix Schmale​/​ TU Dort­mund
Prof. Katja Ickstadt ist seit 2004 Professorin für Mathematische Statistik und Biometrische An­wen­dungen an der Fa­kul­tät Statistik der TU Dort­mund.

Prof. Katja Ickstadt leitet als Dekanin an der TU Dort­mund die einzige ei­gen­stän­dige Fa­kul­tät Statistik im deutsch­sprachigen Raum. Täglich arbeitet sie in ihrer For­schung mit enormen Datenmengen, die nach sinnvollen Verfahren modelliert und klassifiziert wer­den müssen. Auch in anderen Fachdisziplinen wird ein kompetenter und ziel­ge­rich­te­ter Umgang mit Daten immer wichtiger: Wissen­schaft­liche Thesen wer­den mit großen Datenmengen unterfüttert, Dritt­mit­tel­ge­ber fordern Pläne für ein nachhaltiges For­schungs­daten­ma­nage­ment. Um Stu­die­ren­den und Pro­mo­vie­ren­den aller Fächer diese Kom­pe­ten­zen frühzeitig zu vermitteln, startete vor Kurzem das Data Competence Network (DaCoNet). Geleitet wird es von Prof. Katja Ickstadt und Prof. Henrik Müller vom Institut für Jour­na­lis­tik der TU Dort­mund. Das Projekt konnte sich er­folg­reich im Wettbewerb „Data Literacy Education.NRW“ durchsetzen und wird vom Stifterverband NRW für die kommenden drei Jahre ge­för­dert. Im Interview spricht Prof. Ickstadt über die He­raus­for­de­rung­en beim Umgang mit Daten und er­klärt, warum Data Literacy nicht nur in der Statistik eine zentrale Be­deu­tung hat.

Prof. Ickstadt, woran forschen Sie gerade?

Methodisch beschäftige ich mich vor allem mit der Analyse hochdimensionaler Daten. Dabei geht es darum, sehr große Datenmengen zu reduzieren, ohne dass sich das Ergebnis einer Analyse wesentlich ändert. Einen wei­te­ren Schwerpunkt meiner For­schung bildet die Modellierung von Daten mit raum-zeitlicher Struktur, bei der sogenannte Bayesianische Modelle zum Ein­satz kommen. Diese ermöglichen es, Wahr­schein­lich­kei­ten unter Berücksichtigung von Vorwissen zu be­stim­men und sie kön­nen auch aus wenigen oder unvollständigen Daten Aussagen ableiten. Für uns Statistikerinnen und Statistiker sind die Anwendungsgebiete vielfältig – das macht unser Fach so abwechslungsreich. Hauptsächlich beschäftige ich mich mit epidemiologischen Fragestellungen, zum Beispiel: Welchen Einfluss haben bestimmte Schadstoffe oder genetische Dispositionen auf ver­schie­de­ne Er­kran­kun­gen? Aber auch Fragen aus dem Bau­in­ge­ni­eur­we­sen wie die Rissentwicklung im Beton bearbeiten wir gerade. Spaß ma­chen natürlich auch For­schungs­fra­gen aus dem Sport, etwa beim Fußball: Hat ein Stürmer, der mehrere Treffer erzielt und somit einen „Lauf“ hat, tatsächlich eine höhere Wahr­schein­lich­keit, ein weiteres Tor zu erzielen? Es gibt Hinweise auf diesen sogenannten „Hot Shoe Effect“. Analog dazu un­ter­su­chen wir gerade, ob es auch einen „Hot Glove“-Effekt bei Torhütern gibt.

Was bedeutet eigentlich Data Literacy?

Kurz gesagt beschreibt Data Literacy die Kom­pe­tenz, sinnvoll mit Daten umgehen zu kön­nen. Dazu gehören bei­spiels­weise die Fähigkeiten, Daten zu erfassen, zu visualisieren und zu analysieren, zu interpretieren und im jeweiligen Kontext zu beurteilen. Wenn Daten der neue Grundstoff unserer Ge­sell­schaft sind, ist Data Literacy die nötige Kulturtechnik für den Umgang damit. Deshalb betrifft das The­ma alle Fächer. Daten be­geg­nen uns täglich, seien es die neuesten Co­ro­na-Zahlen, Börsenkurse oder Sportergebnisse – doch sie werfen viele Fragen auf: Kenne ich die Quelle und ist sie verlässlich? Sind es Rohdaten oder wurden sie bereits vorbearbeitet und/oder zusammengefasst? Welche Antworten liefern sie, welche Methoden eignen sich zur Analyse und welche Sorgfaltspflichten habe ich im Umgang mit den Daten? Um diese Fragen zu beantworten, ist das Zusammenspiel aller Fachdisziplinen notwendig – und für die Verständigung braucht es eine gemeinsame Sprache. Insofern bedeutet Da­ten­kom­pe­tenz: Sprache lernen einmal anders.

Welche Ziele verfolgen Sie mit dem Projekt DaCoNet?

DaCoNet verfolgt beim Umgang mit Daten drei Ziele, die aufeinander aufbauen: sensibilisieren, qualifizieren und spezialisieren. Zunächst wol­len wir Bachelor-Stu­die­ren­den aller Fächer ein elementares Datenverständnis vermitteln und sie für die ver­schie­de­nen Bereiche sensibilisieren, die mit Da­ten­kom­pe­tenz verbunden sind. Dazu nut­zen wir eine Kombination aus Prä­senz­ver­an­stal­tun­gen und di­gi­ta­len Lernangeboten sowie eine in­ter­dis­zi­pli­nä­re Ringvorlesung. Im zweiten Schritt kön­nen Stu­die­ren­de in ihren Fächern ein fortgeschrittenes Datenverständnis erwerben. Das geschieht in Tandems aus Lehrenden datenwissenschaftlicher und an­wen­dungs­orien­tier­ter Disziplinen. Level drei, das Expert-Level, richtet sich schließlich an Masterstudierende und Promovierende in datenintensiven Fächern. Sie erlernen hier den automatisierten Umgang mit Forschungsdaten im gesamten Prozessablauf und erstellen eigene Programmskripte. Auch an ein Fortbildungsangebot für Lehrerinnen und Lehrer ist auf diesem Level gedacht. Auf jeder der drei Stufen ist es zudem mög­lich, ein DaCoNet-Zertifikat zu erwerben. Wir freuen uns sehr, dass das Projekt nun gestartet ist und hoffen, es zu­sam­men mit dem Dort­mund Data Science Center (DoDSc) weiter ausbauen zu kön­nen, um Da­ten­kom­pe­tenz als The­ma dauerhaft an unserer Uni­ver­si­tät zu verankern.
 

Zur Person:

●    1994 Pro­mo­ti­on in Mathe­matik an der TU Darmstadt
●    1997-1998 Assistant Professor am Department of Statistics, Uni­ver­sity of North Carolina, Chapel Hill, USA     
●    2001 Habilitation in Mathe­matik an der TU Darmstadt     
●    Seit 2004 Professorin für Mathematische Statistik und Biometrische An­wen­dungen an der Fa­kul­tät Statistik der TU Dort­mund
●    Seit 2011 Teilprojektleitung im Sonder­forschungs­bereich 876 „Verfügbarkeit von Information durch Analyse unter Ressourcenbeschränkung“
●    Seit 2013 Teilprojektleitung im Sonder­forschungs­bereich 823 „Statistik nichtlinearer dynamischer Prozesse“
●    Seit 2018 Vorstandsmitglied des in­ter­dis­zi­pli­nä­ren Dort­mund Data Science Center(DoDSc) an der TU Dort­mund
 

Weitere In­for­ma­ti­onen:
Projekt DaCoNet an der TU Dort­mund
Ausschreibung „Data Literacy Education“ des Stifterverbandes NRW
Be­ra­tung zum For­schungs­daten­ma­nage­ment durch das Referat Forschungsförderung der TU Dort­mund

 

Alle Interviews der Reihe Spotlight For­schung:
Zur Übersicht

Kalender

Zur Veranstaltungsübersicht

Mensapläne

Anfahrt & Lageplan

Der Campus der TU Dort­mund liegt in der Nähe des Autobahnkreuzes Dort­mund West, wo die Sauerlandlinie A45 den Ruhrschnellweg B1/A40 kreuzt. Die Abfahrt Dort­mund-Eichlinghofen auf der A45 führt zum Campus Süd, die Abfahrt Dort­mund-Dorstfeld auf der A40 zum Campus-Nord. An beiden Ausfahrten ist die Uni­ver­si­tät ausgeschildert.
Für E-Autos gibt es eine Ladesäule am Campus Nord, Vo­gel­pothsweg.

Direkt auf dem Campus Nord befindet sich die S-Bahn-Station „Dort­mund Uni­ver­si­tät“. Von dort fährt die S-Bahn-Linie S1 im 20- oder 30-Minuten-Takt zum Hauptbahnhof Dort­mund und in der Gegenrichtung zum Hauptbahnhof Düsseldorf über Bochum, Essen und Duisburg. Außerdem ist die Uni­ver­si­tät mit den Buslinien 445, 447 und 462 zu erreichen. Eine Fahrplanauskunft findet sich auf der Homepage des Verkehrsverbundes Rhein-Ruhr, außerdem bieten die DSW21 einen interaktiven Liniennetzplan an.
 

Zu den Wahrzeichen der TU Dort­mund gehört die H-Bahn. Linie 1 verkehrt im 10-Minuten-Takt zwischen Dort­mund Eichlinghofen und dem Technologiezentrum über Campus Süd und Dort­mund Uni­ver­si­tät S, Linie 2 pendelt im 5-Minuten-Takt zwischen Campus Nord und Campus Süd. Diese Strecke legt sie in zwei Minuten zurück.

Vom Flughafen Dort­mund aus gelangt man mit dem AirportExpress innerhalb von gut 20 Minuten zum Dort­mun­der Hauptbahnhof und von dort mit der S-Bahn zur Uni­ver­si­tät. Ein größeres Angebot an inter­natio­nalen Flugverbindungen bietet der etwa 60 Ki­lo­me­ter entfernte Flughafen Düsseldorf, der direkt mit der S-Bahn vom Bahnhof der Uni­ver­si­tät zu erreichen ist.

Die Ein­rich­tun­gen der TU Dort­mund verteilen sich auf den größeren Campus Nord und den kleineren Campus Süd. Zudem befinden sich einige Bereiche der Hoch­schu­le im angrenzenden Technologiepark. Genauere In­for­ma­ti­onen kön­nen Sie den Lageplänen entnehmen.