SHIFT + ENTER für die Lehre: Wie JupyterHub an der Universität Bremen neue Spielräume eröffnet – WissensWert

Data Literacy & Future Skills – Buzzwords werden greifbar

Data Literacy ist die Fähigkeit, Daten zu verstehen, zu interpretieren, kritisch zu bewerten und zur Entscheidungsfindung zu nutzen. Sie gehört zu den sogenannten Future Skills – Kompetenzen, die in unserer datengetriebenen Arbeitswelt und Gesellschaft längst unverzichtbar geworden sind und die auch im Studium gezielt gefördert werden sollten.

Dabei zeigt sich: Data Literacy ist keine einheitliche Fähigkeit, sondern eine Kombination aus verschiedenen Kompetenzen – und ihre Ausprägung hängt stark von der jeweiligen Disziplin ab. Im Artikel „Future Skills: Ein Framework für Data Literacy“¹ legen die Autorinnen einen Forschungsbericht und einen Kompetenzrahmen vor, der fünf Dimensionen umfasst: Wissen, Fertigkeiten, Fähigkeiten, Motivation und (Wert-)Haltung. Will man Data Literacy in all diesen Dimensionen entwickeln, ergibt sich ein anspruchsvolles, fächerübergreifendes Lehrziel.

Die Vermittlung und Prüfung dieser Kompetenzen im Hochschulkontext bleibt eine Herausforderung. Jupyter Notebooks können hier als Lehr-Werkzeug wichtige Beiträge leisten – insbesondere in den Bereichen Fertigkeiten, Digital- und Datenkompetenz, Transparenz, Reproduzierbarkeit und Kollaboration.

Dass sich mit Jupyter Programmierung und Datenanalyse üben lassen, wurde bereits mehrfach erwähnt. Doch die Einsatzmöglichkeiten gehen weiter: Notebooks können auch komplette inhaltliche Abhandlungen enthalten – sie eignen sich für Data Storytelling, also das Erzählen von Erkenntnissen auf Basis von Daten. Ein gut strukturiertes Notebook verbindet Code, Visualisierung und Reflexion zu einer nachvollziehbaren Argumentation: vom ersten Datenimport über die Analyse bis zur Interpretation der Ergebnisse. Ob Praktikumsbericht, Projektdokumentation, Lerntagebuch oder Abschlussarbeit – Jupyter ermöglicht, dass Daten nicht nur ausgewertet, sondern erzählerisch in den fachlichen Kontext eingebettet werden.

Da auch der zugrundeliegende Code enthalten ist, wird die Herangehensweise transparent. Aus dem Nachvollziehen von Schritten wird die Möglichkeit zur Reproduktion – und letztlich zur Weiterentwicklung mit neuen Fragestellungen (Reproducible Science).

Zudem ermöglichen Jupyter Notebooks sowohl synchrone als auch asynchrone Zusammenarbeit: Sie können live gemeinsam bearbeitet oder standardisiert weitergegeben werden. Gerade diese Form der kollaborativen, transparenten Arbeit ist ein zentraler Aspekt von Future Skills – und ein gutes Beispiel dafür, wie digitale Werkzeuge wie Jupyter dabei konkret unterstützen.

Jupyter Notebooks bieten Ihnen zwar keinen Ersatz für ein didaktisches Konzept – aber ein Werkzeug mit den richtigen Rahmenbedingungen um Future Skills und Data Literacy zu fördern.

Checkliste für Lehrende: Das brauchen Sie für die Welt von Jupyter

Alle Angehörigen der Universität Bremen können sich mit ihrem Uni-Account auf dem JupyterHub anmelden. Dort stehen sofort nutzbare Standard-Profile mit Python, R und Java zur Verfügung.
Wer spezifischere Anforderungen hat, kann sich eigene Profile anlegen – individuell konfigurierbar in Bezug auf Programmiersprache und Bibliotheken. Über ein Formular lassen sich Profile bequem erstellen und bei Bedarf anpassen. Aktuell können Profile für Python, R, Java und Haskell – diese sind auch kombinierbar – oder Erweiterungen wie RStudio oder Quarto eingerichtet werden. Weitere Sprachen sind auf Anfrage möglich. Standardmäßig stehen pro Nutzer:in 4,5 GB Speicher und 2 GB Arbeitsspeicher zur Verfügung.

Für den Einsatz in der Lehre können individuelle Lehr-Profile mit Veranstaltungen in Stud.IP verknüpft werden. Lehrende legen fest, welche Inhalte und Konfigurationen bereitgestellt werden – die Teilnehmenden sehen automatisch das zugehörige Profil in ihrer Jupyter-Umgebung. Zusätzlich können Studierende in Verbindung mit Studiengruppen eigene Profile erstellen und gemeinsam mit Kommiliton:innen nutzen – eine Funktion, die selbstorganisiertes und kollaboratives Arbeiten fördert. Lehrende und Tutor:innen können in Echtzeit kollaboratives Arbeiten in ihren Veranstaltungen ermöglichen – ob im Kurs oder in Übungen. Bei Bedarf können Größe von RAM und Speicher angepasst werden. Materialien lassen sich über GitLaboder über das integrierte Hausaufgaben-Tool bereitstellen. Falls Ihr Fachbereich kein eigenes GitLab betreibt, können Sie das GitLab des ZMML nutzen (Zugang aktuell per Whitelist).

Was brauche ich als Lehrende:r, um mit JupyterHub zu starten?

✅ Uni-Account der Universität Bremen
✅ Eine Lehrveranstaltung in Stud.IP
✅ Kurze Beschreibung der Veranstaltung (Deutsch/Englisch)
✅ Entscheidung über:

Programmiersprache(n) (z. B. Python, R, Java, Haskell oder andere)
Benötigte Bibliotheken/Packages/Erweiterungen
Kollaboratives Arbeiten in Gruppen erlauben (optional)
Hausaufgaben-Tool verwenden (optional)
GitLab-Zugang (optional, für Materialverteilung), Zugang zum GitLab des ZMML (Whitelist erforderlich)
Profil für andere Nutzer:innen der Uni bereitstellen (optional)

Das Hausaufgaben-Tool bietet weitere interessante Eigenschaften und schließt den Kreislauf der Aufgabenverwaltung: Sie stellen Materialien zentral zur Verfügung, die Studierenden laden diese direkt in ihr Jupyter-Verzeichnis, bearbeiten die Aufgaben ebenfalls in Jupyter – und geben sie im selben System wieder ab. Als Lehrperson können Sie Abgaben verwalten, bewerten, kommentieren und Deadlines setzen. Auch automatisierte Korrekturen und das Hochladen ergänzender Dokumente sind möglich.

Alles, was Sie brauchen: eine Idee, was Sie vermitteln möchten – und in welcher Programmiersprache Sie arbeiten möchten. Unterstützend stehen Ihnen Informationen auf den Seiten des ZMML, eine FAQ, das Profil „Lehren und Lernen mit Jupyter“² mit didaktischen Impulsen und Anleitungen sowie eine News-Seite für aktuelle Entwicklungen zur Verfügung. Bei technischen oder inhaltlichen Fragen erhalten Sie Hilfe über ein zentrales Ticketsystem³.

JupyterHub nimmt Ihnen vieles ab – aber gibt Ihnen viele Freiheiten für Ihre Lehre.

SHIFT + ENTER – los?!

In den vorhergehenden Abschnitten haben Sie einen umfangreichen Überblick darüber bekommen, was JupyterHub leisten kann – technisch, didaktisch und organisatorisch. Sie haben gesehen, wie Jupyter Notebooks helfen, Lehre praxisnäher zu gestalten, kollaboratives Arbeiten zu ermöglichen und den Einstieg in Programmierung und Datenanalyse niedrigschwellig zu gestalten – unabhängig vom Fach.

Vielleicht haben Sie bereits konkrete Ideen, wie Sie Jupyter in Ihrer eigenen Lehre einsetzen können. Vielleicht möchten Sie klein anfangen – mit einer Projektaufgabe, einzelnen Übungen oder einer kleinen Selbstlerneinheit. Oder Sie planen bereits eine größere Lehrveranstaltung, in der digitale Kompetenzen eine Rolle spielen.

Der Einstieg ist unkompliziert. Standard-Profile stehen sofort bereit, individuelle (Lehr-)Profile lassen sich in wenigen Schritten einrichten. Für Materialverteilung, Aufgabenmanagement und Feedback gibt es passende Werkzeuge – direkt integriert.

Drücken Sie SHIFT + ENTER – und machen Sie sich ein Bild davon, wie JupyterHub Sie dabei unterstützen kann, Ihre Lehre digital, innovativ und zugleich studierendenorientiert umzusetzen.

Quellen

1
Schüller, K. , Busch, P. , Hindinger, C. , Future Skills: Ein Framework für Data Literacy, (2019), Hochschulforum Digitalisierung, Nr.47, https://hochschulforumdigitalisierung.de/sites/default/files/dateien/HFD_AP_Nr_47_DALI_Kompetenzrahmen_WEB.pdf
2
Nach Anmeldung auf dem JupyterHub der Universität Bremen und dann unter „Bereitgestellte Profile von Nutzer:innen der Uni“
3
Ticketing über die E-Mail: info@jupyter.uni-bremen.de

Seiten: 1 2 3

Data Literacy & Future Skills – Buzzwords werden greifbar

Checkliste für Lehrende: Das brauchen Sie für die Welt von Jupyter

Was brauche ich als Lehrende:r, um mit JupyterHub zu starten?

SHIFT + ENTER – los?!

Quellen

Ähnliche Beiträge