Άλλη μια νέα δεξιότητα; Γιατί ο «γραμματισμός δεδομένων» αξίζει μια ευκαιρία
CONEDU Αυστρία
Το 2023, η καθημερινή ζωή διαποτίζεται από διαδικασίες συλλογής δεδομένων, ανάλυσης δεδομένων και εφαρμογής των αποτελεσμάτων τους - κυρίως χωρίς σημαντική δήλωση. Ο παγκόσμιος όγκος δεδομένων αυξάνεται σε αδιανόητη κλίμακα. Ο όγκος της «Παγκόσμιας Σφαίρας Δεδομένων» μετράται τώρα σε zettabytes. Τα δεδομένα έχουν καταστεί βασικός πόρος για την οικονομία και την κοινωνία. Η Ευρωπαϊκή Επιτροπή εκτιμά ότι μέχρι το 2025, ο αριθμός των εμπειρογνωμόνων δεδομένων στην Ευρώπη θα διπλασιαστεί σε σύγκριση με το 2018. Ταυτόχρονα, οι επιχειρηματικές διαδικασίες που βασίζονται σε δεδομένα καθιστούν τα άτομα στόχο για επιλεκτικές προσπάθειες μάρκετινγκ, παροχή πληροφοριών και αποφάσεις που βασίζονται σε αλγόριθμους.
Είναι επαρκές το επίπεδο των πληροφοριών;
Πώς ενημερώνεται ο πληθυσμός για αυτά τα θέματα; Ποιος γνωρίζει ακριβώς πώς παράγονται τα σημερινά δεδομένα για τον καιρό, τι συμβαίνει με τα δεδομένα από την πλοήγηση του οχήματος και αν αξίζει τον κόπο να προσαρμόσετε τις ρυθμίσεις των cookies κατά τη διάρκεια των αναζητήσεων στο διαδίκτυο; Στις καθημερινές αλληλεπιδράσεις των μέσων ενημέρωσης, τα επιχειρηματικά μοντέλα των πλατφορμών κοινωνικών μέσων που βασίζονται σε δεδομένα χρησιμοποιούνται συχνά χωρίς πολύ προβληματισμό. Τα προφίλ των χρηστών δημιουργούνται κατά τη διάρκεια των καθημερινών δραστηριοτήτων στο διαδίκτυο συχνά χωρίς οι χρήστες να το γνωρίζουν συνειδητά. Και σχεδόν κανείς δεν αμφισβητεί τη βάση δεδομένων ενός αστραφτερού γραφικού ή τα εκπαιδευτικά δεδομένα πίσω από ένα αποτέλεσμα τεχνητής νοημοσύνης. Είναι αυτό (μη)προβληματικό; Και μπορεί ο «γραμματισμός δεδομένων» να προσφέρει μια λύση;
Γραμματισμός δεδομένων - Τι είναι;
Ο γραμματισμός δεδομένων ορίζεται ως η ικανότητα συλλογής, διαχείρισης, αξιολόγησης και εφαρμογής δεδομένων με κριτικό τρόπο, σύμφωνα με μια ερευνητική περίληψη από το 2015. Αυτός ο ορισμός φέρνει στο νου δεξιότητες όπως η διεξαγωγή διαδικτυακής έρευνας ή ερευνών, η δημιουργία πινάκων Excel, η χρήση εργαλείων ανάλυσης ιστού ή η σύνταξη αναφορών στη βάση δεδομένων.
Ένα πλαίσιο ικανοτήτων στη γερμανική γλώσσα για τον γραμματισμό δεδομένων εισήχθη το 2019 με τη μορφή του μελλοντικού πλαισίου δεξιοτήτων για τον γραμματισμό δεδομένων για τον τομέα της τριτοβάθμιας εκπαίδευσης, αντιμετωπίζοντας ιδίως τις δεξιότητες που απαιτούνται σε καταστάσεις έρευνας. Το 2020, δύο ερευνητές από το Αμβούργο δημοσίευσαν ένα άρθρο με τίτλο «Datenkompetenz – αλφαβητισμός δεδομένων», όπου ο αλφαβητισμός δεδομένων ορίζεται ως βασική ικανότητα για τον 21ο αιώνα, η οποία περιλαμβάνει τη συλλογή δεδομένων, τη διαχείριση δεδομένων, την αξιολόγηση δεδομένων και την εφαρμογή δεδομένων (συμπεριλαμβανομένης της δεοντολογίας των δεδομένων).
Όλα αυτά παραμένουν επίκαιρα, αλλά θα πρέπει να επανεξεταστούν ενόψει των ταχέως εξελισσόμενων εξελίξεων. Ορισμοί όπως ο «γραμματισμός δεδομένων», που συνδέονται στενά με τις τεχνολογικές εξελίξεις, πρέπει πάντα να νοούνται ως δυναμικοί.
Επανεξετάστηκε ο γραμματισμός δεδομένων: Τι έχει αλλάξει
Το επιχειρηματικό μοντέλο των μέσων κοινωνικής δικτύωσης στοχεύει στη δημιουργία αλληλεπίδρασης και οι αλγόριθμοι πίσω από αυτό τροφοδοτούν αυτό το επιχειρηματικό μοντέλο. Οι χρήστες ενθαρρύνονται να μοιράζονται, να πατούν "μου αρέσει", να σχολιάζουν και να αφήνουν ίχνη δεδομένων και είναι πιο πιθανό να το κάνουν όταν πρόκειται για συναισθηματικά φορτισμένο περιεχόμενο. Αυτό έχει μια συνολική πολωτική και αποσταθεροποιητική επίδραση. Η εκπαίδευση στα μέσα ενημέρωσης που διαφωτίζει σχετικά με τέτοιες δυναμικές συμβάλλει στον γραμματισμό στα μέσα ενημέρωσης και στη δημοκρατία. Οι χρήστες των μέσων κοινωνικής δικτύωσης που ενημερώνονται σχετικά με αυτό είναι λιγότερο πιθανό να διαιωνίσουν τα μοτίβα διέγερσης του διαδικτυακού κοινού (ελπίζουμε).
Το 2023, απαιτείται πρόσθετη ευαισθητοποίηση λόγω της ευρείας διαθεσιμότητας της γενετικής τεχνητής νοημοσύνης. Μεγάλα γλωσσικά μοντέλα όπως το ChatGPT παράγουν πληροφορίες που βασίζονται σε εκπαιδευτικά δεδομένα που μπορεί να περιέχουν προκαταλήψεις, όπως η προκατάληψη λόγω φύλου–αυτό θα πρέπει να λαμβάνεται υπόψη κατά την ερμηνεία των αποτελεσμάτων. Επίσης, για την παραγωγή καθαρών γλωσσικών μοντέλων, οι άμεσες πηγές των αποτελεσμάτων δεν μπορούν να εντοπιστούν και, ως εκ τούτου, δεν μπορούν να μπουν σε πλαίσιο. Για τα προϊόντα τεχνητής νοημοσύνης, το κλειδί είναι: δεν είναι πάντα αυτό που φαίνεται. Ως εκ τούτου, η λειτουργική κατανόηση και ο γραμματισμός δεδομένων είναι απαραίτητα για τον σωστό χειρισμό εργαλείων τεχνητής νοημοσύνης όπως το ChatGPT – τουλάχιστον όταν τα αποτελέσματα προορίζονται για καταστάσεις δημοσίευσης ή διδασκαλίας. Επιπλέον, το απόρρητο των δεδομένων πρέπει πάντα να λαμβάνεται υπόψη κατά τη χρήση εργαλείων τεχνητής νοημοσύνης.
Τέλος, η εφαρμογή της τεχνητής νοημοσύνης αναμένεται να φέρει στο προσκήνιο πληθώρα επιφανειακών ή ανακριβών πληροφοριών στον ιστό–είτε σκόπιμα είτε από άγνοια. Η λήψη αυτών των περιεχομένων απαιτεί επίσης τεχνογνωσία, δηλαδή κριτική σκέψη ή, με άλλα λόγια, συγκεκριμένο γραμματισμό δεδομένων. Ενώ η τρέχουσα πρόταση για τον νόμο της ΕΕ για την τεχνητή νοημοσύνη απαιτεί κανονισμούς για την τεχνητή νοημοσύνη υψηλού κινδύνου και μια δήλωση για προϊόντα όπως το ChatGPT, το αποτέλεσμα παραμένει αβέβαιο.
Εάν όλες αυτές οι πτυχές ενσωματωθούν στην έννοια του «γραμματισμού δεδομένων», αυτή ευθυγραμμίζεται στενά με τον «κριτικό γραμματισμό στα μέσα επικοινωνίας», όπως εξηγείται σε ένα βίντεο του Mario Friedwagner από το bifeb.
Τι φέρνει η έννοια του γραμματισμού δεδομένων στην εκπαίδευση ενηλίκων;
Παρόλο που ο γραμματισμός δεδομένων έχει οριστεί εδώ και πολύ καιρό, εφαρμόζεται ελάχιστα σε προγράμματα της αυστριακής εκπαίδευσης ενηλίκων που είναι ορατά στο κοινό.
Στη νεότερη ερμηνεία του («αναθεωρημένη»), ο «γραμματισμός δεδομένων» υπάρχει στη διασταύρωση του κριτικού γραμματισμού στα μέσα επικοινωνίας. Ως εκ τούτου, η υποστήριξη για περισσότερο «γραμματισμό δεδομένων» είναι μια έκκληση για μετατόπιση της προσοχής-συγκεκριμένα, περισσότερη προσοχή στους τρέχοντες μηχανισμούς των μέσων κοινωνικής δικτύωσης και της παραγωγικής τεχνητής νοημοσύνης (και άλλων επιχειρηματικών μοντέλων που βασίζονται σε δεδομένα του μέλλοντος).
Θα μπορούσε αυτή η εστίαση να συμβάλει στρατηγικά στην καλύτερη εφαρμογή του κοινωνικοπολιτικά σημαντικού στόχου του διαφωτισμού; Και θα μπορούσε η εκπαίδευση ενηλίκων να επωφεληθεί από αυτό;
Και τα δύο είναι απολύτως πιθανά. Λόγω των μέσων κοινωνικής δικτύωσης και της δημιουργικής τεχνητής νοημοσύνης, η κριτική σκέψη και η εγρήγορση στον γραμματισμό στα μέσα ενημέρωσης είναι πιο κρίσιμες από ποτέ. Ενώ αυτά είναι επίσης θέματα στην πολιτική εκπαίδευση, όροι όπως «πολιτική εκπαίδευση» και «κριτική σκέψη» αντιμετωπίζουν παραδοσιακά προκλήσεις μάρκετινγκ στην εκπαίδευση ενηλίκων-και τα δύο είναι προγράμματα μειοψηφίας με βάση τους αριθμούς συμμετοχής. Ωστόσο, η αντιμετώπιση ενός κόσμου που βασίζεται στα δεδομένα θα μπορούσε να αποτελέσει μαθησιακό πρόβλημα για πολλούς ανθρώπους-όχι μόνο όταν οι βιογραφικά σχετικές αποφάσεις στη ζωή τους λαμβάνονται με βάση αλγορίθμους. Στην ιδανική περίπτωση, ο γραμματισμός δεδομένων ενδιαφέρει όλους όσους αναρωτιούνται σχετικά με τη βάση της αξιολόγησης κινδύνου στην ασφάλιση, πού αποστέλλονται τα δεδομένα από το σύστημα πλοήγησης του οχήματός τους και γιατί είναι συχνά δύσκολο να εξαιρεθούν από τα αιτήματα cookie.
Ο γραμματισμός δεδομένων στην πολιτική ατζέντα
Το Ευρωπαϊκό Πλαίσιο για την Ψηφιακή Ικανότητα-γνωστό ως DigComp-περιελάβανε ήδη τον τομέα ικανοτήτων «Πληροφόρηση και γραμματισμός δεδομένων» στην έκδοση 2.1 του 2017. Αυτός ο τομέας ικανοτήτων καθόρισε στόχους όπως η έρευνα, η κριτική αξιολόγηση και η διαχείριση πληροφοριών και δεδομένων. Αυτό υιοθετήθηκε στο αυστριακό μοντέλο DigComp 2.2. AT και αναπτύχθηκε περαιτέρω στο μοντέλο DigComp 2.3, το οποίο τώρα περιλαμβάνει ρητά τον όρο «κριτική».
Το 2021, η γερμανική ομοσπονδιακή κυβέρνηση υιοθέτησε μια εκτεταμένη στρατηγική δεδομένων, με σαφή στόχο την αύξηση του γραμματισμού δεδομένων του γερμανικού πληθυσμού. Στην Αυστρία, το (πρώην) Συμβούλιο Έρευνας και Τεχνολογικής Ανάπτυξης παρουσίασε ένα έγγραφο θέσης το 2022 με τίτλο «Αριστεία δεδομένων: Στρατηγικές για την Αυστρία», ζητώντας τη στοχευμένη βελτίωση του γραμματισμού δεδομένων στον αυστριακό πληθυσμό. Το επιθυμητό σενάριο ενός πληθυσμού με γραμματισμό δεδομένων φαίνεται να είναι ομόφωνο-τόσο στην Αυστρία όσο και πέρα από αυτήν.
Ωστόσο, μια ορισμένη ένταση με οικονομικές ανησυχίες είναι δύσκολο να παραβλεφθεί. Σε μια δημοσίευση σχετικά με το Ψηφιακό Σχέδιο Δράσης της Αυστρίας με τίτλο «Η Ευκαιρία των Μεγάλων Δεδομένων», αναφέρεται ότι «η κυριαρχία των δεδομένων είναι δυνατή μόνο εάν υπάρχουν επαρκείς γνώσεις σχετικά με τα δικά του δεδομένα, την επεξεργασία αυτών των δεδομένων και τις ευκαιρίες και τους κινδύνους της χρήσης δεδομένων σε ολόκληρη την κοινωνία». Ταυτόχρονα, η έννοια της κυριαρχίας των δεδομένων συμπληρώνεται από την έκκληση για «αλληλεγγύη δεδομένων». Ουσιαστικά, αυτό ενθαρρύνει την ανταλλαγή δεδομένων για σκοπούς με κοινωνική προστιθέμενη αξία. Το υπόβαθρο είναι η ευρωπαϊκή στρατηγική για τα δεδομένα, με στόχο τη δημιουργία μιας ενιαίας αγοράς δεδομένων και τη διευκόλυνση της ανταλλαγής δεδομένων σε διάφορους τομείς και εθνικά σύνορα εντός της ΕΕ. Η εθνική εφαρμογή της Ευρωπαϊκής Στρατηγικής Δεδομένων στην Αυστρία αποτελεί αρμοδιότητα του Ομοσπονδιακού Υπουργείου Οικονομικών (BMF) από τον Ιούλιο του 2023.
Περισσότερες πληροφορίες:
- Future Skills: Ein Framework für Data Literacy – Kompetenzrahmen und Forschungsbericht (2019).
- Ludwig, Th. / Tielmann, H.: Datenkompetenz – Data Literacy. Informatik Spektrum (2020)
- Datenstrategie der deutschen Bundesregierung
- Publikation zum Digitaler Aktionsplan Austria: Die große Daten-Chance (2020)
- Ein Selbsttests für Datenkompetenz im Alltag
- Das österreichische Kompetenzmodell DigComp 2.3 AT
- Kritische Medienkompetenz: Noch relevanter durch neue KI-Anwendungen?
Κείμενο/Συγγραφέας του πρωτότυπου άρθρου στη γερμανική γλώσσα: Birgit Aschemann/CONEDU
Διασκευή του πρωτότυπου άρθρου στη γερμανική γλώσσα: Gunter Schüßler/CONEDU
Titelbild: Unsplash-Lizenz, Kelvin Han, unsplash.com
Data Literacy
The blog posts resonate strongly with me, as I’ve seen the gradual evolution of the data-driven society. In my opinion, we live in an era that is characterised by large data volumes and advanced technologies. Therefore, having data literacy skills is both necessary and imperative.
The author adequately highlights the nature and issues of media literacy, stressing the importance of understanding the mechanisms behind generative AI, social media, and other data-based models. I believe that direct discussions about the benefits and correct use of AI data models would benefit modern society, as topics such as plagiarism and a lack of creativity are at risk.
In conclusion, having data literacy skills and critical thinking is an important set for individuals to stay informed in a data-driven society.