Fachspezifisch? Datenspezifisch

Im Auftaktbeitrag zur Sonderreihe Forschungsdaten in der Medienwissenschaft haben Dietmar Kammerer und Kai Matuszkiewicz angeregt, über die fachlichen Spezifika und Bedarfe der Medienwissenschaft im Hinblick auf Forschungsdaten und Forschungsdatenmanagement aus dem Fach heraus nachzudenken, diese zu diskutieren und sie zu reflektieren. Die Frage, was Forschungsdaten für die Medienwissenschaft sein können und wie mit diesen umzugehen ist, ist ebenso essentiell, wie Forschungsdatenmanagement als Ausdruck der digitalen Transformation der geisteswissenschaftlichen Praxis unter soziotechnischen Vorzeichen zu verstehen, die die Geisteswissenschaften gegenwärtig in voller Breite erfasst hat. Ziel der Reihe ist es, einen offenen, intrinsisch motivierten Diskurs über medienwissenschaftliche Forschungsdaten zu führen sowie diverse Aspekte dieser umfassenden Thematik zu behandeln. Dabei versteht sich die Reihe als Diskussionsplattform und lädt Interessierte ein, sich an der selbigen zu beteiligen. Die Sonderreihe setzt sich mit einem Beitrag von Alexander Stark und Christoph Eggersglüß fort, die sich mit Auffassungen von Datenkompetenz sowie existierenden Studienmöglichkeiten befassen. Sie plädieren für eine fokussierte Auseinandersetzung der Medienwissenschaft mit der Thematik, betonen die Bedeutung von Vernetzung sowie den Rückgriff auf bestehende Ressourcen hierbei und rufen dazu auf, entstehende Lehr-Lernmaterialien offen zu teilen, um den Auf- und Ausbau von Data Literacy zu befördern.

Einer verkürzten Definition nach lässt sich Data Literacy oder Datenkompetenz als «ability to collect, manage, evaluate, and apply data, in a critical manner» (Ridsdale et al. 2015: 3) verstehen. So knapp und prägnant dieser begriffliche Anriss aussehen mag, der einige Kritik erfahren hat, steckt in ihm ein umfassendes Set von Kulturtechniken und Fertigkeiten. Sein Einsatz ist zudem voraussetzungsvoll: selbst der erste Schritt, ausgehend von einem Forschungsinteresse produktive, wissenschaftliche Gegenstände zu identifizieren und geeignete Methoden und Tools auswählen zu können, fiele schon darunter. Der Umgang mit Werkzeugen der Datenerhebung, -aufbereitung oder -verwaltung und -visualisierung kann gelernt werden. Gleichzeitig bedeutet der medientheoretische Blick über die technischen Abläufe hinaus, in der Lage zu sein, die eigenen Praktiken kritisch zu reflektieren: Wie schärft man ihn? Welche unbewussten Vorannahmen haben die Datenerhebung eventuell beeinflusst? Gibt es blinde Flecken, die Werkzeuge und Methoden mit sich bringen und sich auf den erhobenen Datensatz auswirken? Schließlich ist er ist nicht gegeben, auch wenn es das Wort versprechen mag, das haben Literatur- bis Wissenschaftsgeschichte die letzten Jahrzehnte wohl ausreichend gezeigt. Daher gilt es gerade heute, sich ethisch-moralischer, rechtlicher wie sozialer Kontexte der Datenerhebung bewusst zu sein, trotz aktueller Bemühungen, Algorithmen und Tabellen nicht nur die statistische Arbeit machen zu lassen. Ein Forschungsdesign zu entwerfen, heißt mehr. Der instrumentelle Charakter der Datenerhebung wie auch ein «datensparsamer» Umgang sollte, sowohl in der kollektiven Forschung als auch in der individuellen und gezielten Nutzung des Internets, vermittelt und reflektiert werden. Die Debatte um Elsevier lässt grüßen. Universitäten und Fachhochschulen kommt als Bildungsorten dabei eine gesteigerte Rolle zu, den Gebrauch von Daten, ihre Erhebung, Visualisierung, Interpretation wie auch Kuratierung zu schulen, aber nicht bloß zu verschulen – allein schon, um die großen Unterschiede in den Lehrplänen der Länder auszugleichen. Die rezenten Diskussionen um den Begriff der Data Literacy sind in den Medienwissenschaften nicht zuletzt durch die Veröffentlichung der Data Literacy Charta des Stifterverbandes, die Datenkompetenz zur Schlüsselkompetenz für gesellschaftliche Teilhabe erhebt, wieder in Bewegung geraten. Ein kritischer Kommentar dazu von Marcus Burkhardt, Katja Grashöfer, Shintaro Miyazaki und Andreas Weich machte auf einige Fallstricke und Desiderata in der Charta aufmerksam. Vor allem, wenn es darum gehen soll, einen komplexen Datenbegriff zu behandeln, der sowohl medienhistorische und technologische Bedingungen als auch soziopolitische Konsequenzen, also Machtverhältnisse der Verdatung im Sinne einer Medienkompetenz, bedenkt. Auch auf internationaler Bühne zog die eingangs zitierte Formel bereits eine Reihe von Iterationen und Erweiterungen nach sich. Was Data Literacy im Kern bedeuten könnte, mag je nach Lehr-, Lern- und Vermittlungsperspektive vor einem vielschichtigen gesellschaftlichen Hintergrund variieren: «Data literacy is the ability to ask and answer real-world questions from large and small data sets through an inquiry process, with consideration of ethical use of data. It is based on core practical and creative skills, with the ability to extend knowledge of specialist data handling skills according to goals. These include the abilities to select, clean, analyse, visualise, critique and interpret data, as well as to communicate stories from data and to use data as part of a design process.» (Wolff et al. 2016: 23) Die Debatte ist weiter im Gange und richtet sich mit den bildungspolitischen Rahmenbedingungen abermals aus.

Strukturiert studieren

Nicht umsonst haben sich in den letzten Jahren im Zuge der Spezialisierung vor allem postgradualer, nicht zwingend konsekutiver Studienprogramme gerade im Umfeld der Digital Humanities eine ganze Reihe neuer Curricula dem Thema Daten unter geisteswissenschaftlichen Gesichtspunkten angenommen – sei es in einzelnen Modulen oder gar als überspannendes Thema bis hin zum Abschluss. Auch die Medienwissenschaft differenziert sich weiter aus. So existiert heute beispielsweise der Masterstudiengang «Cultural Data Studies» an der Philipps‑Universität Marburg, der Studierende aus verschiedenen Disziplinen adressiert, oder etwa der historische Grundlagen medialer Praktiken vermittelnde MA «Kulturtechniken» an der Universität Basel sowie der weiterführende Studiengang «Datafication and Digital Literacy» an der Universiteit Groningen. Der vorliegende Artikel möchte mit solchen Reihen erste Hinweise, keinen Überblick liefern, um dieses Feld tentativ zu erschließen. Zudem finden über Lehrende, also in Labs, Forschungsprojekten und Instituten, entsprechende Bestrebungen und anwendungsbezogene Inhalte Einzug in die medienwissenschaftlichen Studienrichtungen, die Daten und Tools und damit das eigene Arbeiten befragen (soweit nach außen sichtbar etwa in Siegen, Lüneburg und Bochum). Gute Beispiele für die Verstetigung modularer Ergänzungen beziehungsweise die Integration grundständiger Fächerkombinationen finden sich darüber hinaus (neben vielen anderen) in Köln, Mainz, Potsdam, Göttingen, Jena und Trier. Schreiben Sie uns dazu gerne, wenn Sie ähnliche Angebote planen. Mainz bietet als Teil des Gutenberg Lehrkollegs im Stifterverband geförderten Netzwerk «Data Literacy Education» den «Schwerpunkt: Data Literacy» an, der fächerübergreifend mit Basiskursen und Praxisübungen in einigen Studiengängen verankert ist. Er führt nicht nur an alltagspraktische Datenkompetenz heran, sondern  unter anderem in Python-Kursen auch in die Analyse von Datenbeständen ein. Ebenso findet sich hier der vom Mainzer Zentrum für Digitalität (mainzed) koordinierte forschungsorientierte und hochschulübergreifende Masterstudiengang «Digitale Methodik in den Geistes- und Kulturwissenschaften». In Göttingen wiederum werden neben einem DataLab und einer Vielzahl von Open Educational Resources gezielt Basiskurse in die Lehre integriert. Jena bietet sogar ein mehrstufiges Zertifikatsprogramm zu Data Literacy an. Einen etwas anderen Weg geht die Universität Potsdam, dort sticht das vom BMBF geförderte Projekt «Forschen|Lernen Digital (FoLD)» heraus, in dem ein enger Austausch von Forschung und Lehre im Sinne eines «forschenden Lernens» hinsichtlich der Integration aktueller Themen und Ansätze stattfindet. Die Medienkulturwissenschaft ist mit einem Projekt zum digitalen Kuratieren und Ausstellen aktiv. An der Universität Trier wiederum findet sich in den Geschichts-, Kultur- und Literaturwissenschaften zudem das Center for Digital Humanities, ein Kompetenzzentrum, das den Umgang mit digitalen Editionen, Forschungsdatenmanagement (FDM) und Kulturerbe über entsprechende Kurse im Lehrangebot platziert. Eine ähnliche Rolle übernimmt das Cologne Center for eHumanities als Kompetenzzentrum für die digitalen Geisteswissenschaften an der Universität zu Köln, insbesondere der Philosophischen Fakultät, das hier als Ansprechpartner für Fachwissenschaftler innen eigentlich NRW-weit fungiert. Hierbei handelt es sich lediglich um ein paar Beispiele, die Liste ließe sich derart und einschlägig fortsetzen. Darüber hinaus gibt es eine ganze Reihe von Onlineangeboten, so am Kommunikations-, Informations-, Medienzentrum der Universität Konstanz (KIM), über die man sich dem Thema nähern kann. Besonderes Augenmerk verdienen die Zusammenschlüsse von Universitätsbibliotheken, Hochschulrechenzentren und Landesinitiativen, die selbst ein reiches Angebot zum Selbstlernen als auch fächerübergreifender Schulungen bieten (Bsp. HeFDI Data School). Zu suchen beginnt man am besten lokal und an der eigenen Einrichtung, Hilfe und Rat ist meist näher als gedacht. Im Folgenden sollen weiterhin Vermittlungsperspektiven unter Nutzung aktueller Vernetzungsangebote aufgezeigt werden.

In die Vollen gehen

All diese positiven Tendenzen sollten die grundständigen Studiengänge der Medienwissenschaft nicht davon entbinden, sich dem Thema Data Literacy in der Lehre gezielt und modular anzunehmen, vor allem eigene Angebote zu entwickeln. Dafür gibt es zwei gute Gründe: Erstens einen extrinsischen, der auf Aspekte der Hochschul- und Förderpolitik abzielt. Der Erwerb von Datenkompetenz wird angesichts von politischen Strategiepapieren wie der Datenstrategie der Bundesregierung, das unter anderem die Bedeutung der Vermittlung von Datenkompetenz an Universitäten herausstellt, in Zukunft eine noch wichtigere Rolle bei der Schaffung neuer Studiengänge und der Re-Akkreditierung bestehender Studiengänge spielen. Förderinstitutionen wie die DFG verlangen darüber hinaus im Antrag neuer Forschungsprojekte  den Nachweis eines sorgsamen Umgangs mit erhobenen Forschungsdaten, der wiederum den Erwerb von Fähigkeiten, die zum Verarbeiten von Forschungsdaten qualifizieren, voraussetzt. Forschungsdatenmangement und Datenmanagementpläne mögen für Geisteswissenschaftler innen (manchmal) Reizworte sein, nur kommen sie nicht darum herum, vor allem wenn sie die einmal erhobenen oder schwach strukturierten Daten (dies können unter anderem schon Listen, Interviews, Scans wie Annotationen sein) in einem Repositorium hinterlegen wollen, die wiederum daten- und/oder fachspezifisch aufgesetzt sein können. Für die Lehre sollte aber die zweite, intrinsische Motivation wohl wichtiger sein: Die Vielfalt der  Forschungsgegenstände und Methoden der Medienwissenschaft waren und sind für die Propädeutik ohnehin eine Herausforderung, wie sich u. a. an der Methodendebatte zeigt. Diese Situation wird noch komplexer, indem digitale Werkzeuge und Forschungsdaten für die Medienwissenschaft praktisch immanent, also zur Voraussetzung, werden, mindestens, wenn es um das Publizieren geht. Im Rahmen der universitären Ausbildung scheint es zentral, neben grundständigen Kenntnissen über Methoden und  Forschungsgegenstände Datenkompetenz als Teil dieser Ausbildung und Teil der medienwissenschaftlichen Einführungen zu vermitteln – und zwar nicht erst für diejenigen Studierenden, die sich für eine wissenschaftliche Karriere entscheiden. Dabei kann Datenkompetenz die etablierten Inhalte ergänzen, zu einem selbstverständlichen Teil der im Studium erlernten wissenschaftlichen Fähigkeiten werden. Im Umgang mit Forschungsdaten können CARE- und FAIR-Prinzipien früh Eingang in die Lehre und Handreichungen zur wissenschaftlichen Arbeit finden, wie sie schließlich förderpolitisch verpflichtender Bestandteil sind. Bleibt offen: Braucht die Medienwissenschaft eine eigene Ausprägung von Datenkompetenz? Wie steht es um dezidiert medienwissenschaftliche Lehrmaterialien, Ansätze und Vernetzungsmöglichkeiten?

Miteinander reden

Eine medienwissenschaftliche Data Literacy mag letztlich daten- und anwendungsspezifisch gefunden werden, schöpft aus dem eigenen Werkzeugkasten. Es erscheint dennoch sinnvoll, wie auch schon bei der Entstehung des Fachs, produktive Diskussionen in Nachbardisziplinen zu katalysieren. Unter dem Dach der Nationalen Forschungsdateninfrastruktur versammeln sich zurzeit einige davon und kommen miteinander ins Gespräch. Im Sinne der Forschungsunterstützung soll die NFDI beraten, Kompetenzrahmen erarbeiten, lokale wie nationale Bemühungen vernetzen und zukünftig Basisdienste zur Verfügung stellen. Die Medienwissenschaft ist über die GfM, aber auch über mehrere Kolleg innen im Konsortium NFDI4Culture vertreten, das sich mit Forschungsdaten zu materiellen und immateriellen Kulturgütern befasst und darüber in den kommenden Jahren Bedarfe und Anliegen der Film- und Medienwissenschaften, der Architektur-, Kunst- und Musik- bis hin zu Theater- und Tanzwissenschaft adressieren möchte. Daneben werden weitere Konsortien über Querschnittsthemen einbezogen, die für eine Diskussion um eine medienwissenschaftliche Data Literacy und deren Vermittlung vielversprechend erscheinen: so etwa KonsortSWD für die Sozial-, Verhaltens-, Bildungs- und Wirtschaftswissenschaften, Text+ für text- und sprachbasierte Forschungsdaten sowie die Konsortien NFDI4Memory für die historischen Wissenschaften und NFDI4Objects, das von der Archäologie getragen wird, die im Juni 2022 eine Förderempfehlung von der NFDI erhalten haben. Davon abgesehen lassen sich Impulse für eine medienwissenschaftliche Data Literacy selbst aus der oben angeführten Kürze der praktischen Begriffsbestimmung ziehen. Um eine kritischen Umgang mit Daten zu fördern, braucht es nicht nur eine Debatte darüber, was medienwissenschaftliche Forschungsdaten sein können, sondern daran anknüpfend auch eine Auseinandersetzung mit den gängigen Methoden, Tools und Rahmenbedingungen zur Datenerhebung, -aufbereitung und -auswertung, die sich nicht allein auf die technische Vermittlung des Umgangs damit beschränkt. Das «Forum Medienwissenschaft in NFDI4Culture» soll dafür eine offene Austauschplattform innerhalb der GfM bieten und hat im März 2022 ein Positionspapier zum (Forschungs-)Datenselbstverständnis in der Medienwissenschaft angestoßen.

Medienwissenschaft vermitteln

Nicht nur angesichts der Vielfalt der Forschungsgegenstände und Methoden in der Medienwissenschaft ist es ratsam, das Thema Data Literacy früh und nicht erst vor den Abschlussarbeiten zu adressieren und je nach Ausbildungsgrad (Bachelorstudierende, Masterstudierende, Doktorand innen) möglichst praxis- und demnach forschungsnah zu vermitteln. In der Theorie sollte sich eine medienwissenschaftliche Data Literacy darüber hinaus von einer Media Literacy oder eben Medienkompetenz abgrenzen, die im Idealfall schon in der schulischen Ausbildung beginnt. Bei vielen Studierenden in den ersten Fachsemestern ist jedoch eine große Bandbreite, aber auch Heterogenität an Medienkompetenz zu erkennen, die sich häufig im Rahmen des Studiums weiter spezialisiert. Die universitäre Vermittlung von Data Literacy kann hier ausgleichend wirken, gezielt den Umgang und Einsatz der eigenen Mittel und Werkzeuge reflektieren, Methoden, Quellen wie Tools und Programme in der eigentlichen Mediennutzung hinterfragen. Neben einer breit geführten Debatte um Data Literacy und Forschungsdaten in der Medienwissenschaft sowie der Integration in Pflichtmodulen, kann die Vermittlung von Datenkompetenz somit bereits im Kleinen, im pragmatischen Rahmen einzelner Lehrveranstaltungen und Rechercheseminare beginnen. Programme, Apps und Plattformen sollten damit nicht nur eingesetzt, sondern im Sinne des Tool Criticism besprochen, die eigenen Methoden der Datenerhebung, -analyse und -publikation im Rahmen der eigenen Lehrveranstaltungen thematisiert werden. Sophie Einwächter hat ihre Erfahrungen mit dem Thema FDM in diesem Blog bereits geschildert und gezeigt, dass beispielsweise Fragen und Problemkomplexe der Datenorganisation die Lebens- und Lernwelt der Studierenden durchaus tangieren und ihnen in direkter Bezugnahme auf ihr eigenes Agieren produktiv vermittelt werden können. Im besten Fall können daraus neue Impulse für das Fach selbst gezogen werden. Nicht nur, wenn es darum geht, die eigenen Normdatenvokabulare weiterzuentwickeln, sondern zu ganz neuen Forschungsfragen zu kommen. Praktische Beispiele scheinen hier immer ein guter Weg zu sein. Lukas Weimers Beitrag zur Arbeit mit geisteswissenschaftlichen Forschungsdaten in Repositorien wäre ein solches Beispiel. Dabei müssen für das Thema keine genuin neuen Vermittlungsmethoden erfunden werden. Oft haben sich Best Practices im Gebrauch der Tools schon gefunden, sie müssen nur entsprechend reflektiert, vorgeführt und eingeübt werden. Eine Beschreibung und niedrigschwellige Publikation dieser Praktiken, sei es im Sinne eines Tutorials, einer Einführung oder eines Berichts aus dem Seminar, das bislang eher hinter verschlossenen Türen, also auf Lernplattformen wie Moodle, Ilias oder myStudy sowie Rechercheblogs stattfindet, kann hier ein fruchtbarer Ansatz sein. Die Furcht vor Urheberrechten und Sorge um Einschränkungen seitens der Universitäten sind hier leider noch immer prägend und hinderlich. Aufgabe der NFDI und Motivation einer bunten Menge von Vernetzungsorganisationen ist es daher auch,  mehr Handlungs- und Rechtssicherheit in diesem Bereich zu schaffen, also möglichst interoperable, faire Netzwerke für Langzeitarchive und Metadatenstandards zu schaffen und bei der Umsetzung in Lehre und Forschung mittels Handreichungen und Helpdesks zu beraten.

Aus dem Vollen schöpfen

Schlüssel zu einem guten Selbstlern- oder Lehrpaket sind nicht zuletzt die verwendeten Materialien. Zum Thema Forschungsdaten und Data Literacy gibt es mittlerweile ein großes Angebot, vor allem ein generisches. Wo also anfangen zu suchen? Einen guten Einstieg bieten die Plattformen forschungsdaten.info und forschungsdaten.org. Hier finden sich nicht nur ein guter Überblick über regionale und lokale Anlaufstellen zum FDM im deutschsprachigen Raum und Bemühungen in den Geisteswissenschaften, sondern auch praxisnahe Hilfestellungen. Zudem hat sich das Open Access Network gebildet, bei dem man Beratung und erste Schritte zum Thema freies Publizieren findet, bei dem es nicht zuletzt auch um die Sichtbarkeit und Anknüpfbarkeit der eigenen Forschung geht. Nachhaltig nutzbare Publikationen (seien es Daten, seien es Open-Access-Artikel) sind ein Schlüsselelement im kritischen Umgang der Communities mit sich selbst. Darüber hinaus bietet die Materialsammlung der DINI/nestor Unterarbeitsgruppe Schulungen/Fortbildungen eine Fülle an Handreichungen, redaktionell hauptsächlich durch die FDM-Landesinitiativen betreut. Wenn etwaige Dienste und Werkzeuge gesucht werden, bietet ferner der Katalog der AG Datenzentren einen guten Überblick. Hier finden sich nicht nur ausgewählte Datenzentren, Repositorien und Archive, sondern vor allem auch weiterführende Hinweise und Beratungsangebote zu rechtlichen Fragestellungen, Metadaten und Datenkuratierung. Einen guten Einstieg in ein Currciulum für die Integration von Basiskursen, angewandten Data Labs als auch Open Educational Ressources (OER) liefert das Projekt Daten Lesen Lernen der Universität Göttingen, um ein Angebot aus der Fülle er Angebote beispielhaft herauszugreifen. Ein derart verschränkter Aufbau mag nicht zuletzt auch als Muster für neue Vorhaben dienen.

Für mehr schwach strukturiertes Publizieren

Angebote zur Auseinandersetzung gibt es viele, dieser Artikel konnte nur Schlaglichter werfen. Aus dem Fach, aus der Lehre heraus würde sich gleichfalls anbieten, wie es der OMS-Blog verschiedentlich versucht, Einblicke in die Praxis festzuhalten. Letztlich verschwinden die Ergebnisse arbeitsintensiver und komplexer Seminare und Projekte oftmals nach ihrem Ende. Gelegentlich wird ein Rechercheblog geführt, um Aufgaben zu stellen und vor allem auch die Arbeiten der Studierenden zu veröffentlichen. Denkbar und wünschenswert wäre, die Lehreinheiten und Folien schon frühzeitig «offen» anzulegen und diese zumindest nach Ende der jeweiligen Lehreinheiten und Module unter einer freien Lizenz zu teilen, sodass auch andere daran anknüpfen können. Mittels der CC-Lizenzen können diese zur Weiterbearbeitung freigegeben werden. Modular und mit jedem Seminar aufbauend können so auch eigene OER-Materialien angeboten und ausgebaut werden. Bei der Förderung von Data Literacy stehen demnach nicht fixe Ergebnisse am Ende eines langen Weges, wie der Artikel anhand erster Hilfestellungen und Vernetzungsangebote versucht hat aufzuzeigen. Es handelt sich vielmehr um einen ständigen Dialog auf stets wandelndem Terrain der Tools und Lernumgebungen.