Seit dem Wintersemester 2022/2023 bietet die FernUniversität den neuen Masterstudiengang „Data Science“ an. Der Studiengang ist an der Fakultät für Mathematik und Informatik verankert. Das Thema „Data Science“ ist hochaktuell, denn immer mehr Unternehmen sehen sich durch die Digitalisierung mit immer größeren Datenmengen konfrontiert. Daten können insbesondere für Unternehmen wertvolle Erkenntnisse über ihre Kunden einbringen. Laut Computerwoche gehört der Beruf „Data Scientist“ zu den bestbezahlten „IT-Trendberufen“. Dabei ist Data Science ein interdisziplinäres Wissenschaftsfeld und vereint Grundlagen aus der Informatik, Statistik und Mathematik.
Neues Konzept für neuen Studiengang
Um für dieses neue Angebot ein angepasstes, modernes didaktisches Konzept zu entwickeln, fand sich im Jahr 2021 eine interdisziplinäre Gruppe aus verschiedenen Bereichen und Fakultäten der FernUni zusammen. Das Ziel? Gemeinsam ein „Didaktisches Framework“ zu erarbeiten, das nicht nur für Data Science funktioniert, sondern für alle Studiengänge. Das Framework ist als Leitfaden zu verstehen, der sich an Lehrende richtet, die ihre Angebote entwickeln oder weiterentwickeln möchten. Es wurde im Herbst 2021 veröffentlicht und wird prototypisch für die Entwicklung der vier grundlegenden Module des Studiengangs Data Science eingesetzt. Für den Studiengang sind fünf neue Professorinnen und Professoren an die FernUni berufen worden. Durch das Framework erhalten sie hilfreiche Impulse für die Entwicklung von Materialien für das lebenslange Lernen und auch für digitale Lehr- und Lernformen.
Studierende einbeziehen
Begleitet wird die Einführung des didaktischen Frameworks im Studiengang Data Science durch das Forschungsprojekt DaSDida (Data Science Didaktik), das im Rahmen der Förderlinie „Curriculum 4.0.nrw“ finanziert wird. In diesem Projekt evaluieren wir sowohl die Anwendbarkeit des Frameworks als auch die Akzeptanz der entstandenen Materialien seitens der Studierenden. Lernendenzentrierung heißt auch, die Studierenden in dieses Projekt aktiv einzubeziehen, wie es auch im Hagener Manifest zu New Learning gefordert wird. Und das passiert auf unterschiedlichen Wegen und mit verschiedenen Aktivitäten.
Gemeinsam am Studiengang arbeiten
Für uns alle waren vor Beginn des Semesters die neuen Studierenden eine „Black Box“, da wir ja über die formalen Einschreibebedingungen hinaus keine Erfahrungswerte über die Zusammensetzung der Studierenden hatten: Was bringen sie an Kompetenzen mit? Welche eigenen Ziele möchten sie erreichen? Was erwarten sie von den Lehrenden und vom Studiengang? Um das schon früh im Semester zu erfahren, haben wir in den aktuell angebotenen drei Modulen eine Umfrage unter den Studierenden gestartet.
Zu unserer Freude nahmen über 100 Studierende teil. Es bestätigte sich der Eindruck, den wir aufgrund der Diskussionen während verschiedener Lehrveranstaltungselemente (Chat- und Videosprechstunden) im Kurs „Einführung in Data Science“ erhalten hatten: dass sehr viele der Studierenden schon in irgendeiner Weise im Bereich Data Science tätig sind. Es fehlen ihnen jedoch die theoretischen bzw. wissenschaftlichen Grundlagen.
Ein weiteres Ergebnis der Umfrage ist, dass auch Data Science zu rund 80% nebenberuflich studiert wird und die Studierenden daher nur ein eingeschränktes Zeitbudget zur Verfügung haben. Wir können durch diese Umfragen Erkenntnisse erhalten, die wir auf andere Studiengänge übertragen können, da sie eine ähnliche Studierendenstruktur aufweisen.
Lernen mit Motivation
Die bisherigen informellen Rückmeldungen der Studierenden sind positiv und konstruktiv und zeigen, dass die Lehrenden ansprechende und motivierende Lehr-Lernszenarien entwickelt haben, die es in der nächsten Runde zu verbessern oder weiterzuentwickeln gilt. Der Wechsel aus Videos, kleinen Aufgaben und asynchroner Diskussion beispielsweise über Miro-Boards wurden hierbei – zusammen mit der intensiven Betreuung über Chat- und Videosprechstunden – gelobt, können aber natürlich in Zukunft weiter optimiert werden.
Damit dies gelingen kann, möchten wir kontinuierlich wissen, wie die Studierenden mit den entwickelten Lehr-Lernszenarien umgehen. Um darüber mehr zu lernen, arbeiten wir in zwei Modulen mit der Moodle-Infrastruktur des APLE-Projekts (Projekt Adaptive Personalized Learning Environment), die es uns erlaubt, die Aktivitäten der Studierenden detailliert zu verfolgen. Wir möchten wissen, wie die Studierenden die Materialien nutzen, welche Medien und Methoden intensiver genutzt und welche Teile der Szenarien eher übersprungen werden. Dies dient nicht nur der Weiterentwicklung der Lehr-Lernszenarien, sondern wir erhalten dadurch auch Hinweise, wie das didaktische Framework noch spezifiziert, ergänzt und verbessert werden kann. Dazu führen wir ergänzend Leitfadeninterviews mit den Lehrenden, um zu erfahren, wie sich für sie die Arbeit mit dem Framework gestaltet, um so weitere Hinweise zu erhalten, wie das didaktische Framework noch spezifiziert, ergänzt und verbessert werden kann.
