Folgen von Big Data für die Lehre

Größe: px

Ab Seite anzeigen:

Download "Folgen von Big Data für die Lehre"

Jonas Hafner
vor 6 Jahren
Abrufe

Flgen vn Big Data für die Lehre Ausgewählte Beispiele Universität

Trsten Eymann Prjektgruppe Wirtschaftsinfrmatik des Fraunhfer FIT

Vizepräsident der Universität Bayreuth für IT und Entrepreneurship

1 Flgen vn Big Data für die Lehre Ausgewählte Beispiele Universität Bayreuth Prf. Dr. Trsten Eymann Prjektgruppe Wirtschaftsinfrmatik des Fraunhfer FIT Lehrstuhl für Betriebswirtschaft VII - Wirtschaftsinfrmatik Vizepräsident der Universität Bayreuth für IT und Entrepreneurship Kernkmpetenzzentrum Finanz- & Infrmatinsmanagement Juni 2017

Der Wert vn Big Data steckt in aufbereiteten Daten Erfassung Zusammenführung & Integratin Aufbereitung Auswertung Interpretatin 010 10101 01010 10101 01010 0 1 1 0 ABC DEFGH IJKLM NOPQR STUVW Die

2 Der Wert vn Big Data steckt in aufbereiteten Daten Erfassung Zusammenführung & Integratin Aufbereitung Auswertung Interpretatin ABC DEFGH IJKLM NOPQR STUVW Die reine Erfassung und Zusammenführung vn Daten schafft nch keinen Mehrwert. Ein nutzbarer Mehrwert entsteht erst durch die sinnhafte Aufbereitung und Auswertung vn Daten swie deren krrekte Interpretatin im gegebenen Kntext. 2 Prf. Dr. Trsten Eymann Flgen vn Big Data für die Lehre

3 Der Wert vn Big Data steckt in aufbereiteten Daten Erfassung Zusammenführung & Integratin Aufbereitung Auswertung Interpretatin Fachwissenschaften Data Scientist Ein nutzbarer Mehrwert entsteht erst durch die sinnhafte Aufbereitung und Auswertung vn Daten swie deren krrekte Interpretatin im gegebenen Kntext. 3 Prf. Dr. Trsten Eymann Flgen vn Big Data für die Lehre

Verankerung vn Big Data in der Lehre W kann Big Data in heutigen Curricula an Universitäten und Hchschulen unterkmmen?

(BITKOM 2012) Herausfrderungen: Studierende müssen im Umgang mit Daten geschult werden. ABER: In existierenden Studiengängen passt Big Data selten in das Curriculum.

Wie mtiviert man Studierende, diese Dinge zusätzlich zu machen? mtiviert durch Frschung: In Frschungsarbeiten wird die Analyse vn Datensätzen immer wichtiger.

4 Verankerung vn Big Data in der Lehre W kann Big Data in heutigen Curricula an Universitäten und Hchschulen unterkmmen? mtiviert durch Lehre: In der digitalen Welt treten Daten als vierter Prduktinsfaktr neben Kapital, Arbeitskraft und Rhstffe. (BITKOM 2012) Herausfrderungen: Studierende müssen im Umgang mit Daten geschult werden. ABER: In existierenden Studiengängen passt Big Data selten in das Curriculum. Als Flge müssen sich Studierende das Wissen als zusätzliche Leistung aneignen. Dabei kann, analg zu Sprachkursen, eine Zusatzqualifikatin angebten werden. Wie mtiviert man Studierende, diese Dinge zusätzlich zu machen? mtiviert durch Frschung: In Frschungsarbeiten wird die Analyse vn Datensätzen immer wichtiger. Herausfrderungen: Für die Evaluatin vn Frschungsergebnissen anhand vn Realweltdaten wird immer mehr Knw-Hw benötigt. Weiterbildung in Statistik, Mathematik, swie in der Benutzung geeigneter Tls wird immer wichtiger. Ein Frtbildungszentrum für Hchschullehre kann Nachwuchswissenschaftler und erfahrene Kllegen im Umgang mit Big Data unterstützen. 4 Prf. Dr. Trsten Eymann Flgen vn Big Data für die Lehre

5 Mtivierung in der Lehre: Beispiel Uni Bayreuth Prjekt: Lehr-Lernprzesse mit digitalen Ressurcen gestalten didaktisch begründet methdisch eingebettet als Unterstützung vn Lehr- und Lernprzessen um studentisches Lernen zu fördern und den Studienerflg zu erhöhen Beteiligte Institutinen Frtbildungszentrum Hchschullehre, IT-Servicezentrum, VP für IT und Entrepreneurship, PK für IuK-Technlgien, VP für Lehre und Studierende, PK für Lehre und Studium, Arbeitskreis IT in der Lehre, Beauftragte des Präsidenten für Hchschullehre, StuPa, Sprecherrat für Wissenschaft, Studium und Lehre, Stabsabteilung Chancengleichheit 5 Prf. Dr. Trsten Eymann Flgen vn Big Data für die Lehre

Bausteine und Maßnahmen Zielgruppe Prfessuren Wiss.

Mitarbeiter Bayreuther Universitätspreis für digital

fördern mit digitalen Ressurcen E-Tutren zur Unterstützung

Weiterbildungs- und Serviceangebte Weiterbildung mit

Unterstützung (Planung und Umsetzung) Infrmatinen und

6 Bausteine und Maßnahmen Zielgruppe Prfessuren Wiss. Nachwuchs Wiss. Mitarbeiter Bayreuther Universitätspreis für digital unterstützte Lehre Zertifikatsprgramm Lehr-Lernprzesse fördern mit digitalen Ressurcen E-Tutren zur Unterstützung des Einsatzes digitaler Ressurcen in der Lehre Weiterbildungs- und Serviceangebte Weiterbildung mit Schwerpunkt auf digitale Ressurcen Individuelle Unterstützung (Planung und Umsetzung) Infrmatinen und Lernmaterialien nline Austausch: Input- und Ideenwerkstatt 6 Prf. Dr. Trsten Eymann Flgen vn Big Data für die Lehre

Beispiel: Zertifikatsprgramm Lehr-Lernprzesse fördern mit digitalen Ressurcen Seminarbesuche und individuelle Lernphasen Eigenes Lehrprjekt: Planung, Durchführung

7 Beispiel: Zertifikatsprgramm Lehr-Lernprzesse fördern mit digitalen Ressurcen Seminarbesuche und individuelle Lernphasen Eigenes Lehrprjekt: Planung, Durchführung und Evaluatin vn Lehreinheiten, die mit digitalen Ressurcen gestaltet sind. Zertifikat mit 60 Arbeitseinheiten 7 Prf. Dr. Trsten Eymann Flgen vn Big Data für die Lehre

IT-Kmpetenzen für Studierende: Beispiele IT4All und Digitale

eines Onlinegestützten Studienangebts zur Digitalen Bildung für

Jahr: Test in Deutschdidaktik an der Uni Erlangen-Nürnberg, 2.

Jahr: Online-Kurse über Virtuelle Hchschule Bayern Digitale

8 IT-Kmpetenzen für Studierende: Beispiele IT4All und Digitale Lehr-Lernlabre Digi4All: Knzeptin, Ausgestaltung und Implementierung eines Onlinegestützten Studienangebts zur Digitalen Bildung für Lehramtsstudierende aller Fächer und Schularten. 1. Jahr: Test in Deutschdidaktik an der Uni Erlangen-Nürnberg, 2. Jahr: alle Lehramtsfächer in Erlangen und Bayreuth, 3. Jahr: Online-Kurse über Virtuelle Hchschule Bayern Digitale Lehr-Lernlabre (ab 2019) Wie Digi4All, dauerhafte Institutin, zusätzlich Weiterbildung vn Lehrern 8 Prf. Dr. Trsten Eymann Flgen vn Big Data für die Lehre

9 IT-Kmpetenzen für Nachwuchswissenschaftler: Methdische Ausbildung in der Graduate Schl 9 Prf. Dr. Trsten Eymann Flgen vn Big Data für die Lehre

Fazit und Kntaktdaten Big Data im Curriculum muss zusätzlich mtiviert werden, jeweils auf die

Wissenschaftlichen Nachwuchses Beispiel: Kurse der Graduate Schl als Teil der Methdenausbildung vn

Trsten Eymann Vizepräsident für Infrmatinstechnlgie und Entrepreneurship der Universität Bayreuth

10 Fazit und Kntaktdaten Big Data im Curriculum muss zusätzlich mtiviert werden, jeweils auf die Mtivatinslage angepasst Beispiel: Zertifikat Hchschullehre als Teil des Karriereüberlegungen des Wissenschaftlichen Nachwuchses Beispiel: Kurse der Graduate Schl als Teil der Methdenausbildung vn Prmvierenden Beispiel: Digi4All und Labre im Lehramtsstudium über plitische Weichenstellungen Prf. Dr. Trsten Eymann Vizepräsident für Infrmatinstechnlgie und Entrepreneurship der Universität Bayreuth Telefn: +49 (0)921 / eymann@uni-bayreuth.de 10 Prf. Dr. Trsten Eymann Flgen vn Big Data für die Lehre

Ähnliche Dokumente

Eine IT-Unterstützung bei der Einführung des Expertenstandards Schmerzmanagement in der Pflege bei akuten Schmerzen

Eine IT-Unterstützung bei der Einführung des Expertenstandards Schmerzmanagement in der Pflege bei akuten Schmerzen P.Cisper, J.Lauber, M.Meissner, A.Mendlia, G.Mizrak Ein studentisches Prjekt unter Leitung