Ein Grundelement der Datenkompetenz ist das kritische Denken und wenn wir unsere Datenkompetenz trainieren, dann lernen wir in großen Teilen einfach, die richtigen Fragen zu stellen.
Wann immer wir Daten und Auswertungen in die Hände bekommen, sollten wir automatisch anfangen, diese kritisch zu bewerten: Wo kommen die Daten her? Was genau wird gemessen? Wie sehen relevante Kennzahlen aus? In welchem Kontext müssen die betrachtet werden? Welche Schlussfolgerungen können gezogen werden?
Um diese Fragen beantworten zu können, brauchen wir ein grundsätzliches Verständnis von der Konzeption von Forschungsdesigns und natürlich auch eine solide Basis an Datenkompetenz im Sinne von Grundwissen in statistischen Methoden.
Oft werden in Artikeln oder Beiträge über Studien berichtet oder es werden Daten und Fakten präsentiert. Unser Fragemotor sollte sofort in Gang kommen und wir sollten prüfen, ob wir alle relevanten Informationen haben, um uns selbst ein Bild machen zu können. Außerdem leben wir in einer Zeit, in der jeder online ungeprüfte Inhalte posten und verbreiten kann. Deswegen ist es entscheidend, Autoren und Inhalte kritisch zu bewerten, um sich eine Meinung bilden und fundierte Entscheidungen treffen zu können.
Im Folgenden wollen wir uns wesentliche Aspekte anschauen, die bei der Einschätzung von Studien und Artikeln mit Datenauswertungen berücksichtigt werden sollten: die Methode der Datenerhebung, die Stichprobe, der Untersuchungszeitraum, Beschreibung und Auswertung der Daten, Darstellung und Interpretation der Ergebnisse.
Methode der Datenerhebung
Die Methode der Datenerhebung ist ein zentraler Punkt bei der Bewertung einer Studie. Es gibt verschiedene Methoden, wie z.B. Befragungen, Beobachtungen, Experimente oder die Analyse bestehender Daten. Wichtig ist, dass die gewählte Methode zur Forschungsfrage passt und systematisch durchgeführt wurde. Eine gut dokumentierte Methode der Datenerhebung erhöht die Transparenz und Nachvollziehbarkeit der Studie.
Vorstellung der Stichprobe
Eine repräsentative Stichprobe ist entscheidend, um die Ergebnisse auf die gesamte Population übertragen zu können. Bei der Vorstellung der Stichprobe sollten demographische Daten wie Alter, Geschlecht, Bildungsstand und andere relevante Merkmale angegeben werden. Auch das Auswahlverfahren der Stichprobe sollte angeben und sinnvoll sein. Falls ihr mehr Informationen zu Auswahlverfahren und Repräsentativität benötigt, seien die verlinkten Blogbeiträge empfohlen.
Untersuchungszeitraum
Es ist wichtig zu prüfen, ob der Untersuchungszeitraum aktuell und relevant für die Forschungsfrage ist. Ein angemessener Untersuchungszeitraum ist auch wichtig, um saisonale oder zeitliche Schwankungen zu berücksichtigen. Bei komplexen Themen können Studien, die über einen längeren Zeitraum durchgeführt werden, tendenziell robustere und verlässlichere Ergebnisse liefern als solche, die nur über einen kurzen Zeitraum laufen.
Beschreibung und Auswertung der Daten
Was wird eigentlich genau gemessen– und was unter Umständen auch nicht? Die Beschreibung der relevanten Variablen sollte genau geprüft werden. Es macht beispielsweise einen großen Unterschied, ob der Lebensstandard einer Volkswirtschaft mithilfe des Bruttoinlandsprodukts (BIP) oder des Bruttonationalglücks (BNG) gemessen wird. Ersteres beschränkt sich auf die wirtschaftliche Leistung einer Volkswirtschaft, während das BNG weiter Dimensionen, wie beispielsweise die gerechte und nachhaltige Entwicklung der Wirtschaft misst. Bei der Auswertung sollte darauf geachtet werden, dass die verwendeten statistischen Methoden zur Fragestellung und den Daten passt.
Darstellung und Interpretation der Ergebnisse
Eine gute Darstellung der Ergebnisse erleichtert das Verständnis und die Interpretation der Daten. Außerdem gibt sie einen Hinweis auf die Datenkompetenz des Autors oder der Autorin. Mangelhafte Datenkompetenz auf deren Seite kann auch zu (unbeabsichtigten) Ungenauigkeiten oder fehlerhaften Interpretation führen. Damit wir uns selbst ein Bild über die Daten und Fakten machen können, brauchen wir auch immer den Kontext, in dem die Daten stehen.
So schreibt Christoph Drösser in seiner Kolumne Stimmt’s, dass die Liste der genialen Rechtshänder länger sei, als die der genialen Linkshänder. Bei Vergleichen von absoluten Zahlen muss sich der datenkompetente Leser sofort die Frage des Kontexts stellen. Denn was bedeutet diese Aussage, wenn nur etwas 10 Prozent der Menschen linkshändig sind? Richtig, nicht viel.
Es ist wichtig, dass die Ergebnisse objektiv präsentiert werden und keine selektive Berichterstattung erfolgt. Alle relevanten Ergebnisse – auch die, die nicht den Erwartungen entsprechen – sollten dargestellt werden. Hierbei müssen wir den Autorinnen und Autoren ein Stück weit vertrauen, sollten aber stutzig werden, wenn ganz offensichtlich große Teile der relevanten Daten nicht besprochen werden. Auch die Limitationen der Studie sollten offen kommuniziert sein, damit die Gültigkeit der Ergebnisse realistisch eingeschätzt werden kann.
Fazit
Wie ihr seht, erfordert die kritische Bewertung von Studien und Artikeln mit Datenauswertungen ein systematisches Vorgehen und ein gutes Verständnis der wissenschaftlichen Vorgehensweise und eine gute Portion Datenkompetenz. Wann immer ihr einen Bericht über eine Studie oder etwas über (vermeintliche) Fakten lest, seht oder hört, solltet ihr das als eine kleine Einheit Datenkompetenztraining verstehen und euch die oben besprochenen Fragen stellen.
Wenn ihr interessante Quellen findet, teilt sie gern mit der Community und wir können diese im Rahmen eines Meetups gemeinsam unter die Lupe nehmen!
Fragen? Kommentare? Anmerkungen? Nutzt die Chance, Euch auf Coapp mit Eurer zedita zukunftsforum Community für Datenkompentenz Training auszutauschen!
Eure Carina
Das „zedita.zukunftsforum“ ist ein Projekt der Hochschule Weserbergland und wird gefördert durch die Zukunftsregion Weserbergland+ mit Mitteln der Europäischen Union und des Landkreises Hameln-Pyrmont.