Daten sind Öl, Datenkraken der Endgegner und Künstliche Intelligenz wird alles verändern? Wenn wir "Big Data" und "Machine Learning" hören, scheint kein Superlativ zu groß und das Potenzial unendlich. Aber was genau steckt eigentlich hinter den viralen Schlagworten und großen Versprechungen? Wie genau werden Daten zu einem wertvollen Rohstoff, wer profitiert davon und wie kann ich sie nutzen? Genau um diese Fragen dreht sich der ABV-Kurs: Data Literacy und Künstliche Intelligenz.

Der Kurs thematisiert sowohl statistische Grundlagen für die konkrete Datenanalyse in einem Forschungsprojekt als auch den sinnvollen Einsatz von ChatGPT im studentischen Alltag. Ziel ist es, den Teilnehmenden einen reflektierten und kritischen Umgang mit Daten, Datenprodukten und Künstlicher Intelligenz (KI) zu ermöglichen.

Kurs-Inhalte

Der Kurs ist in zwei Themengebiete unterteilt: Im ersten Teil (hellblau und grün) geht es darum die Abläufe und Probleme unserer datengetriebenen Welt kennenzulernen, kritisch zu betrachten und auch aus ethischer Perspektive zu diskutieren. Das bedeutet einerseits, dass aktuelle technische sowie rechtliche Entwicklungen und deren Auswirkungen auf unser gesellschaftliches Leben besprochen werden. Andererseits sollen die Teilnehmenden mit konkretem Grundlagenwissen über Statistik, maschinelle Datenverarbeitung und Funktionsweisen von KI auch im täglichen Kontakt einen souveränen und kritischen Umgang mit Daten und KI erlernen.

Obwohl schon dieser erste Teil nicht ohne einen ersten technischen Einblick auskommt, soll es im zweiten Teil (gelb und dunkelblau) noch ein bisschen konkreter um die (maschinelle) Datenverarbeitung gehen. Dazu wird anhand des Datenzyklus in der Wissenschaft die Recherche bzw. Erhebung, Exploration, Analyse und Kommunikation von Daten nicht nur besprochen, sondern konkret geübt. Das bedeutet unter anderem auch, dass die Teilnehmenden die Programmiersprache R kennenlernen und nützliche Anwendungen für ihr Studium sowie den weiteren Berufsweg ausprobieren können.

Die folgenden Videos geben einen Einblick in das Themenfeld der Data Literacy:

Interdisziplinarität

Eine Besonderheit der Themenfelder Data Literacy und KI als auch des Kurses ist die Interdisziplinarität. Daten und KI sind nicht nur für einen Fachbereich oder einen Studiengang relevant, sondern für alle. Deswegen wird der Umgang mit Daten und KI sowohl in ihren universellen Grundsätzen als auch in der fachspezifischen Anwendung betrachtet. Der Kurs ist also nicht nur für Kunsthistoriker*innen und Astrophysiker*innen gleichermaßen konzipiert, sondern lebt von dieser Vielfalt. Vielleicht ist ja die Datenanalysemethode aus der Biologie genau der richtige Ansatz für die empirische Abschlussarbeit in prähistorischer Archäologie?

Diese kurzen Videos zeigen verschiedene Perspektiven auf den Umgang mit Daten und wie er sich konkret auf den Alltag an der Freien Universität auswirkt:

Blended-Learning

Der interdisziplinäre Austausch der Teilnehmenden und die konkrete Anwendung von gelerntem Wissen bilden zentrale Bausteine des didaktischen Konzepts. Daher wird die Zeit des gemeinsamen Lernens durch den Blended-Learning-Ansatz eines Inverted Classroom möglichst interaktiv und flexibel gestaltet. Die Wissensvermittlung erfolgt als Vorbereitung jeder Sitzung durch Online-Selbstlerneinheiten. Vor Ort werden die jeweiligen Themen dann mit (Fach-)Beiträgen der Teilnehmenden und Übungen vertieft. Bei der Gestaltung der gemeinsamen Zeit spielen zudem die Fragen, Anmerkungen und Diksussionen durch die Teilnehmenden eine große Rolle.

Rahmenbedingungen

Der Kurs „Data Literacy und Künstliche Intelligenz“ ist für das Modul „Informationskompetenz“ entwickelt worden und unterliegt daher auch den Rahmenbedingungen dieses Moduls. Die Leistungen für die anrechenbaren 5 CPs im ABV-Bereich umfassen die regelmäßige Teilnahme (wöchentlich 3 Zeitstunden), einen Kurzvortrag ( ca. 20 Min.) sowie die Abgabe einer schriftlichen Ausarbeitung (4-8 Seiten) zum Semesterende. Die Details stehen in der Studien- und Prüfungsordnung (S. 1153) und Infos zur Anmeldung gibt es im Vorlesungsverzeichnis.

Kontakt: KI@FU