{"id":3794,"date":"2014-07-11T14:53:03","date_gmt":"2014-07-11T12:53:03","guid":{"rendered":"http:\/\/dhd-blog.org\/?p=3794"},"modified":"2014-07-14T14:20:18","modified_gmt":"2014-07-14T12:20:18","slug":"big-data-prophetisches-mittel-als-chancen-zu-einer-digitalen-paedagogik","status":"publish","type":"post","link":"https:\/\/dhd-blog.org\/?p=3794","title":{"rendered":"„Big Data“ als Herausforderung an die „Digitale P\u00e4dagogik“ – Ein Pl\u00e4doyer f\u00fcr die Verwendung der „Grounded Theory“"},"content":{"rendered":"

Big Data als Herausforderungen an eine Digitale P\u00e4dagogik\u00a0<\/strong><\/p>\n

„Big Data“ sind in der breiten Massenkultur angekommen. Sehen einige darin den Untergang der Privatheit durch die umfangreiche \u00dcberwachung und Analyse von Nutzerverhalten, so werden die M\u00f6glichkeiten der durch die Vernetzung und Interoperabilit\u00e4t von gro\u00dfen Daten-Mengen erzeugten neuen Daten stellenweise schon frenetisch gefeiert. Der Gewinn sich im Zuge von „Big Data“ nun endlich mit den methodisch-reflexiven und praktischen Herausforderungen einer DH-affinen bzw. digitalen P\u00e4dagogik zu stellen, soll hier in Angriff genommen worden. Zu lange sind wir im Tal der Ahnungslosen verblieben bzw. haben uns darauf verlassen, dass es zu generellen Impulsen kommen wird, die aber seit langer Zeit ausgeblieben sind. Es sollen hier erste Anst\u00f6sse gegeben werden, dass wir durch den Umgang mit „Big Data“ und durch die Nutzung von „Big Data“ die Chance ergreifen k\u00f6nnen die Potentiale, die die „Big Data“ f\u00fcr die (Weiter-)Entwicklung der Digitalen P\u00e4dagogik birgt, zu nutzen. Dabei spielt die Einsicht von Arthur Conan Doyle „It is a capital mistake to theorize before one has data“ (Doyle 1891) eine wichtige Rolle, da wir noch viel zu wenig das Augenmerk auf bereits vorhandene und zu gewinnende Daten bei digitalen Lehr- und Lernprozessen und -kulturen gelegt haben und die Auswertung dieser Daten bisher noch aussteht bzw. diese nur peripher genutzt werden. Es soll hier eine Lanze daf\u00fcr gebrochen werden, dass wir im Umgang mit „Big Data“ und „Big Data Technologien“ vor neue Herausforderungen – auch und insbesondere in der Vermittlung – gestellt sind – dies w\u00fcrde auch wohl keiner mehr mit Ernst bezweifeln wollen.<\/p>\n

Big Data und die „Grounded Theory“ – Ein neuer Ansatzpunkt f\u00fcr die „Digitale P\u00e4dagogik“?<\/strong><\/p>\n

Bisher sind viele Potentiale von Big Data und Big-Technologien nicht genutzt worden, wenngleich immer wieder angef\u00fchrt wird, dass wir durch die technische Umsetzung noch sehr begrenzt sind. Ich halte dies f\u00fcr ein Schein-Argument, da wir schon \u00fcber viele Daten verf\u00fcgen, die aber in konzeptionell-methodischer Hinsicht noch nicht aufgearbeitet sind. Erst durch die „datengest\u00fctzte Theoriebildung“ scheint es mir m\u00f6glich \u00fcberhaupt technische Anforderungen und weitergehende wechselseitig Bestimmung von Technik und p\u00e4dagogischer Praxis zu formulieren, die dann wieder in die jeweilige weitere Ausformulierung des Zusammenspiels m\u00fcnden k\u00f6nnen. Ich gehe davon aus, dass die Big Data und ihre Technologien als\u00a0Praktik, um die in den Daten schlummernde p\u00e4dagogische Theorie zu entdecken. Ein theoretischer Ansatz k\u00f6nnte dabei in der „Grounded Theory“ gesehen werden, die\u00a0durch systematisches Erheben und Analysieren von Daten, die sich auf das entdeckte Ph\u00e4nomen beziehen, entdeckt, ausgearbeitet und vorl\u00e4ufig best\u00e4tigt. Folglich stehen Datensammlung, Analyse und die Theorie in einer wechselseitigen Beziehung zueinander, die wiederum dazu gen\u00fctzt werden k\u00f6nnen die technischen Anforderungen an eine neue Form von „digitaler P\u00e4dagogik“ auszuarbeiten. Mit den vorhandenen Big Data und den vorhandenen Big Data-Technologien k\u00f6nnte die\u00a0\u201eMethode des permanenten Vergleichs\u201c angewendet werden. Bei dieser Methode finden die Datensammlung sowie das Kodieren und Analysieren der Daten parallel statt.\u00a0F\u00fcr die Kodierung werden substantielle und theoretische Codes verwendet: Die substantiellen Codes werden in offene und selektive Codes unterteilt. Zu Beginn der Analyse werden offene Codes verwendet (offene Kodierung). Offene Codes sind z.\u00a0B. bestimmte Worte, die in den Daten wiederkehrend vorkommen. Es werden anhand der offenen Codes Unterschiede, Gemeinsamkeiten, Handlungsmuster usw. mit dem Ziel, Kategorien bilden zu k\u00f6nnen, gesucht. Die Klassifizierungen\u00a0k\u00f6nnen gebildet werden, sobald diejenigen Verhaltensmuster identifiziert wurden, die Bedeutung oder Nicht-Bedeutung zugeschrieben bekommen. Diese Verhaltensmuster werden auch Kernvariablen\u00a0genannt. Im zweiten Teil der Analyse wird nur noch selektiv (selektive Kodierung) kodiert, d.\u00a0h. anhand der entwickelten Kategorien. Diese Analyseschritte k\u00f6nnten sowohl von forschenden Personen als auch durch Maschinen-lesbare Serialisierung der Daten vorangetrieben werden. So k\u00f6nnten\u00a0\u00a0\u201eThemengruppen\u201c und \u201eStrategien\u201c, anhand derer die einzelne Datensegmente gruppiert werden k\u00f6nnen, erhoben werden und systematisch f\u00fcr die Generierung von neuen Materialien im Lern- und Lehrprozess genutzt werden bzw. auf methodisch-reflektierter Ebene zur Fundierung von p\u00e4dagogischen Mitteln und Methoden genutzt werden.. Das Ziel ist, dadurch Beziehungen und Zusammenh\u00e4nge herausarbeiten zu k\u00f6nnen (Polit, Tatano Beck & Hungler, 2004), die dann wiederum in Theorie und Praxis einer „Digitalen P\u00e4dagogik“ genutzt werden k\u00f6nnten. Es steht damit in Frage, ob bisher die „Digitale P\u00e4dagogik“ noch zu sehr an dem positivistisch-funktionalistischen Paradigma des Hiatus von Theorie, Praktik und Technik aufsass und damit auch „Big Data“ in eine Ecke gezwungen wurde, die das negative Bild pr\u00e4gte. Es wird hier vorgeschlagen Big Data im Zuge einer interaktionistisch-pragamtistischen Perspektive zu sehen. In dieser Sicht sind in den Big Data Interaktionen\u00a0 zu beobachten, die helfen\u00a0die Bedeutung von sozialen Objekten, Situationen und Beziehungen, die im symbolisch\u00a0vermittelten Prozess der Interaktion\/Kommunikation hervorgebracht werden, zu analysieren und zu nutzen.<\/p>\n

Ein Neu-Ansatz der „Digitalen P\u00e4dagogik“ im Angesicht der M\u00f6glichkeiten von Big Data und Big Data-Technologien m\u00fcsste auf theoretischer Ebene bei einer interaktionistisch-pragmatistischen Wissenssoziologie anfangen, um in diesen die eingelagerten Interaktionszusammenh\u00e4ngen in der Wissensgenese und die vermittelnde Rolle von Daten und Datafakten im Zusammenklang von theoretisch-konzeptuellen und methodischer Impulse nutzen zu k\u00f6nnen.\u00a0Durch diese Sicht k\u00f6nnen wir ein Miteinander von quantitativer und qualitativer Sozialforschung f\u00fcr die Entwicklung neuer Formen der „Digitalen P\u00e4dagogik“ Neu-Ansatz der „Digitalen P\u00e4dagogik“ im Angesicht der M\u00f6glichkeiten von Big Data und Big Data-Technologien m\u00fcsste auf theoretischer Ebene bei einer interaktionistisch-pragmatistischen Wissenssoziologie anfangen, um in diesen die eingelagerten Interaktionszusammenh\u00e4ngen in der Wissensgenese und die vermittelnde Rolle von Daten und Datafakten im Zusammenklang von theoretisch-konzeptuellen und methodischer Impulse nutzen zu k\u00f6nnen.<\/p>\n

Die Verwendung von Big Data in diesem\u00a0<\/span>unteraktionistisch-pragmatistischen Horizont\u00a0weist dabei auf die Unterscheidung von Medium und Form auf, die das Re-entry der Form der Daten und ihrer Modellierung in die Form der Daten erlaubt.<\/span><\/p>\n

Big Data: die Revolution, die die digitale P\u00e4dagogik ver\u00e4ndert?<\/strong><\/p>\n

Das von Hirsch (2012) in Anschlag gebrachte Ungleichgewicht zugunsten der Fragen um die Forschungsmethoden, den Theorien und Ergebnissen gegen die kritischen und den aktuellen Praktiken des Unterrichtens, kann m.E. durch Nutzung von „Big Data“ als Medium und Form eines p\u00e4dagogischen Grundprinzips abgemildert werden. Gerade das Miteinander von Methoden der Datenerfassung, der Verteilung und Speicherung, sowie die im Zusammenhang mit Lehr- und Lernmaterialien entstandenen Daten zu durchsuchen, zu analysieren und zu visualisieren, um daraus wiederum R\u00fcckschl\u00fcsse, Ans\u00e4tze f\u00fcr die Neugestaltung und Individualisierung von Lehr- und Lernmaterialien k\u00f6nnen den allzu oft k\u00fcnstlich hergestellten bzw. heraufbeschworenen Hiatus zwischen Digitaler P\u00e4dagogik und Big Data \u00fcberwinden. Durch die Datenerfassung, das Tracing von Datenstr\u00f6men, des IR als Bestandteil von Feedback-Schleifen durch Analyse und Visualisierung k\u00f6nnen sowohl f\u00fcr die Produktion und Entwicklung als auch als Ma\u00dfnahme der Qualit\u00e4tssicherung von Schulungsmaterialien Grundlagen aus den Big Data gewonnen werden. Durch die Nutzung und Analyse von Nutzerverhalten bei vorhandenen Schulungsmaterialien k\u00f6nnen wichtige R\u00fcckschl\u00fcsse daraus gezogen werden, wie diese benutzt werden, und f\u00fcr individuell nutzbare, aber trotzdem im Sinne eines „mass-customizing“ sowie bei der Anpassung, der Aufarbeitung und Neugestaltung genutzt werden k\u00f6nnen. Insbesondere das Data-Mining mit dem Ziel, neue Muster zu erkennen, k\u00f6nnten genutzt werden, um die Lehr- und Lernmaterialien optimaler zu positionieren und durch die Big Data-Technologien von einem „mass-customizing“ einer Lernplattform zu individualisierten Lerninseln vorstossen zu k\u00f6nnen. Die Big Data aus den Schulungsmaterialien mit den Schulungsmaterialien selbst sind dabei der Anfang des Knowledge Discovery in Databases<\/em>-Prozesses (KDD) (Ester\/Sander 2000) zu verstehen.<\/p>\n

Die KDD als p\u00e4dagogisches Mittel und Methode der Digitalit\u00e4t<\/strong>
\nDie bereits vorhandenen Erfahrungen der Nutzung und die vorhandenen Daten zum Schulungsmaterial k\u00f6nnten die vorbereitenden Untersuchungen und die Transformation der auszuwertenden Datens\u00e4tze mit bedingen, die wiederum eine Dimension des Knowledge Discovery in Databases sind. Die Schulungsmaterialien selbst sind dabei auch als KDD anzusehen. Ziel w\u00e4re es damit zun\u00e4chst die Erkennung bislang unbekannter Zusammenh\u00e4nge aus vorhandenen Datenbest\u00e4nde aus und in Form und Medien von Schulungsmaterialien zu erschlie\u00dfen. Durch die Nutzung von Big Data-Technologien, wie z.B. die Clusteranalyse, die Outlier-Erkennung und die Analyse und Generierung von Indexstrukturen, k\u00f6nnten neue Data-Mining-Algorithmen entwickelt werden, um Schritte der Wissensentdeckung (Datenauswahl, Datenbereinigung, Datenreduktion, Modellbildung, Visualisierung usw.) gezielter f\u00fcr die (Weiter-)Entwicklung und neuer Schulungsmaterialien zu nutzen, indem Regelm\u00e4\u00dfigkeit, Gesetzm\u00e4\u00dfigkeiten und verborgene Zusammenh\u00e4nge extrahiert werden und auf das vorhandene Schulungsmaterial zur\u00fcckgef\u00fchrt werden, welches in „real-time“ dem Lehr- und Lernprozess des KDD angepasst wird. Big Data-Technologien k\u00f6nnen sowohl die Daten dabei als Medium als auch Form der Clusteranalyse, der Klassifikation, der Assoziations- und Regressionsanalyse der bestehenden Daten dienen. Hierdurch wird es m\u00f6glich Daten f\u00fcr die Erstellung von neuen Schulungsmaterialien zu gewinnen, die wiederum Anstoss f\u00fcr weitere notwendige Theoretisierungen im Bereich der Digitalen P\u00e4dagogik . Durch die Verwendung von Big Data-Technologien, die durch das Daten-Mining von Schulungsmaterialien gewonnen werden k\u00f6nnen, k\u00f6nnte es m\u00f6glich werden von Daten hin zur Theoretisierung und ausgehend von dort wiederum zur konkreten Umsetzung in neue Formen und zu Medien der Lehr- und Lernmaterialien zu gelangen. Die Verwendung von Big Data weist dabei eine Unterscheidung von Medium und Form auf, die das Re-entry der Form der Daten und ihrer Modellierung in die Form der Daten erlaubt. Durch diese Sicht k\u00f6nnen wir ein Miteinander von quantitativer und qualitativer Sozialforschung f\u00fcr die Entwicklung neuer Formen der „Digitalen P\u00e4dagogik“ nutzen.<\/p>\n

Ein Neu-Ansatz der „Digitalen P\u00e4dagogik“ im Angesicht der M\u00f6glichkeiten von Big Data als KDD und Big Data-Technologien m\u00fcsste auf theoretischer Ebene bei einer interaktionistisch-pragmatistischen Wissenssoziologie anfangen, um in diesen die eingelagerten Interaktionszusammenh\u00e4ngen in der Wissensgenese und die vermittelnde Rolle von Daten und Datafakten im Zusammenklang von theoretisch-konzeptuellen und methodischer Impulse nutzen zu k\u00f6nnen.<\/p>\n

Es stellt sich damit aber umso dringender die Frage nach dem Anspruch eines solchen Ansatzes. Ist eine „Digitale P\u00e4dagogik“ immer eine P\u00e4dagogik der DH oder ist die „P\u00e4dagogik der DH“ nicht vielleicht doch das Nahziel.<\/p>\n

Big Data: Medium und Form – Ans\u00e4tze f\u00fcr eine „Digitale P\u00e4dagogik“ oder P\u00e4dagogik der DH?<\/strong>
\nDer Soziologe Niklas Luhmann unterschied zwischen Medium und Form, wobei der von einer Kritik der \u00fcblichen Definition des Medienbegriffs ausging, die durch die zwei Aspekte „Vorstellung einer Vielzahl von Elementen und die Funktion des Vermittelns“charakterisiert sei, ohne da\u00df ihr Zusammenhang klar werde. Nach Luhmann setzt gerade ein Medium Elemente voraus, die tempor\u00e4r gekoppelt werden und solcherma\u00dfen im Medium als unterscheidbare Formen erscheinen k\u00f6nnen.Ein Medium wird durch eine Differenz von loser und fester Kopplung seiner Element gekennzeichnet: „Wir m\u00fcssen dann die Einheit dieser Unterscheidung als Medium<\/em> bezeichnen, nennen diese lose gekoppelten Elemente mediales Substrat\u00a0<\/em>und die festen Kopplungen (deren Au\u00dfenseite jeweils das mediale Substrat ist) Formen<\/em>. Ein Medium (…) ist eine Unterscheidung (also selbst eine Form!) auf deren Innenseite Elemente fest und auf deren Au\u00dfenseite Elemente lose gekoppelt sind“\u00a0(Luhmann 2000, 30).<\/p>\n

Das Medium ist selbst nicht beobachtbar, sondern nur Fortbildungen innerhalb des Mediums. Es soll hier die These vertreten werden, dass vieles daf\u00fcr spricht, dass Big Data und die damit verbundenen Technologien als ein KDD-Prozess aufgefasst werden k\u00f6nnen, die sich f\u00fcr die Nutzung auf die Medium-Form-Unterscheidung st\u00fctzen k\u00f6nnten. So betont Luhmann, dass allein die Formseite anschlussf\u00e4hig ist, was aufgrund des tempor\u00e4ren Charakters der Form zu st\u00e4ndiger (Re-)Aktualisierung von Formbildung zwingt, wie wir es auch bei Data-Mining-Prozessen bei den Big Data-Technologien erleben. Das Medium ist hingegen zeitlich weitaus stabiler, es verbraucht sich nicht durch Fortbildungen. Durch das Data-Mining findet eine Sinnoperation statt, die als re-entry der Form in die Form zu werden ist: „Als operative Einheit aus Unterscheidung und Bezeichnung ist Sinn eine Form, die sich selbst enth\u00e4lt, n\u00e4mlich die Unterscheidung von Unterscheidung und Bezeichnung. Eine Form ist letztlich eine Unterscheidung, die in sich selbst als Unterschiedenes wieder vorkommt“\u00a0(Luhmann 1998, 57).<\/p>\n

Big Data und ihre Technologien als Medium sorgen somit f\u00fcr die kommunikative Autopoiesis der Daten, indem hier nicht mehr davon ausgegangen wird, dass Informationen einfach \u00fcbertragen werden, sondern her- und zugestellt werden k\u00f6nnen, die wiederum in eine Form (hier die Schulungsmaterialien) einflie\u00dfen k\u00f6nnen. Durch Big Data als Form der digitalen P\u00e4dagogik wird die Markierung einer Unterscheidung m\u00f6glich (Luhmann 1997,198). Big Data als lose gekoppelte Elemente k\u00f6nnen in eine feste Kopplung \u00fcberf\u00fchrt werden, indem sie mit den \u00fcblichen Verfahren des Data-Mining gebunden werden und bei jeder neuen Verwendung reproduziert werden, wobei sie immer beliebig oft verwendbar sind. Durch das Data-Mining werden die Big Data zum autopoetischen System, wenn sie als KDD betrachtet werden, das sie das eigene Medium zur eigenen Form binden (Luhmann 1997,197). Die Form ist also eine sich selbst entfaltende Selbstreferenz. Durch die Nutzung von Big Data-Technologien kann es gelingen das Schulungsmaterial der Lern- und Subjektkultur im Wechselspiel des Lernenden und Lehrenden anzupassen. Der individuell hinterlassene Datenstrom kann genutzt werden, um das Lehr- und Lernmaterial anzupassen. Auch dies umfasst die \u00c4nderung von einem positivistisch-funktionalistisch zu einem interaktionistisch-pragmatistischen Paradigma der Big Data als KDD.<\/p>\n

Big learning data – Ansatzpunkte f\u00fcr eine Revolution der „Digitalen P\u00e4dagogik“<\/strong>
\nBig Data erlauben es also eine f\u00fcr ein breit ausgelegtes Publikum erstelltes Schulungsmaterial auf die jeweilige Lehr- und Lernkultur im Prozess der KDD anzupassen, um so ein „mass-customized“ Schulungsmaterial zu einem individuell nutzbaren zu machen und dies in Echtzeit. Dabei k\u00f6nnen sowohl die Aspekte Volume, Velocity <\/em>und Variety<\/em> Ber\u00fccksichtigung finden als auch notwendiges Feedback geben, die Motivation steigern, individuelle Lernprozesse abbilden und gestalten, die Kollaboration in Datenherstellung, -nutzung und -austausch steigern, die Lehr- und Lernkultur und -prozesse besser steuerbar machen, die Begleitung besser gestalten und das Verstehen von Lehr- und Lernprozessen als Medium und Form zu bef\u00f6rdern. Durch die Gewinnung der Daten durch die Verwendung von Big Data als Medium und Form von p\u00e4dagogischen Prozessen, deren Abbildung und Realisierung der Clusteranalyse, der Klassifikation, der Assoziations- und Regressionsanalyse, kann es gelingen, dass wir in eine h\u00f6chst produktive und kreative Phase der DH eintreten k\u00f6nnen und jedem unmittelbar der Nutzen von Digital Humanities verdeutlichen k\u00f6nnen. Wir k\u00f6nnen dann wirklich von Daten ausgehen, auf deren Grundlage wir die Theoretisierung und notwendige und in der Dringlichkeit nicht abzustreitende Theoriearbeit der Digitalen P\u00e4dagogik weitertreiben zu k\u00f6nnen und zu m\u00fcssen. Die Nutzung von Big Data und der damit in Zusammenhang stehenden Technologien k\u00f6nnte somit auch eine Revolution der Digitalen P\u00e4dagogik im interaktionistisch-pragmatischen Sinn herbeif\u00fchren, die sich von einer blossen Medienp\u00e4dagogik endlich abl\u00f6st und die Big Data aus der Schmuddelecke des Feuilleton befreit.<\/p>\n

 <\/p>\n","protected":false},"excerpt":{"rendered":"

Big Data als Herausforderungen an eine Digitale P\u00e4dagogik\u00a0 „Big Data“ sind in der breiten Massenkultur angekommen. Sehen einige darin den Untergang der Privatheit durch die umfangreiche \u00dcberwachung und Analyse von Nutzerverhalten, so werden die M\u00f6glichkeiten der durch die Vernetzung und Interoperabilit\u00e4t von gro\u00dfen Daten-Mengen erzeugten neuen Daten stellenweise schon frenetisch gefeiert. Der Gewinn sich im […]<\/p>\n","protected":false},"author":97,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1,11,10],"tags":[56,442,446,443,445,444],"class_list":["post-3794","post","type-post","status-publish","format-standard","hentry","category-allgemein","category-forschung","category-reflektion","tag-annotation","tag-big-data","tag-data-mining","tag-digitale-paedagogik","tag-grounded-theory","tag-kdd"],"_links":{"self":[{"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/posts\/3794","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/users\/97"}],"replies":[{"embeddable":true,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=3794"}],"version-history":[{"count":6,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/posts\/3794\/revisions"}],"predecessor-version":[{"id":3800,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/posts\/3794\/revisions\/3800"}],"wp:attachment":[{"href":"https:\/\/dhd-blog.org\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=3794"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=3794"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=3794"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}