3.2 Unterrichtsplanung
Da die Module unabhängig voneinander funktionieren, kann dieses Modul im Unterricht behandelt werden, ohne dass die anderen Module behandelt werden müssen.
Dieses Modul wurde in Zusammenarbeit mit Aida Horaniet Ibañez, Doktorandin am Luxembourg Centre for Contemporary and Digital History (C2DH) der Universität Luxemburg, ausgearbeitet.
- Jahrgangsstufe: 7e bis 5e
- Raum: Möglichkeit der Darstellung mittels Beamer
- Ausstattung: Alle Schüler*innen müssen über ein Tablet oder einen Rechner verfügen, um die verschiedenen Links ansehen zu können
- Dauer: 2 Unterrichtsstunden
Die Visualisierung von Daten aller Art ist heutzutage allgegenwärtig. Diagramme, Tabellen und Grafiken sind die häufigsten und einfachsten Formen der Visualisierung, die Kombination aus unterschiedlichen Visualisierungen und Informationen wird als „Infografik“ bezeichnet. Ein Beispiel für den Einsatz von Infografiken in Luxemburg ist der „Bildungsbericht Luxemburg“ in dem komplexe Daten und Fakten zum luxemburgischen Schul- und Ausbildungssystem grafisch dargestellt und erläutert werden. Im Bildungsbericht werden Datenvisualisierungen genutzt, um Fakten übersichtlich darzustellen und Trends aufzudecken. Dabei werden – wie allgemein üblich – unterschiedliche Formen der Visualisierung für unterschiedliche Aussagen genutzt: Säulen- und Balkendiagramme machen Beziehungen zwischen einzelnen Daten klarer und ermöglichen es, Vergleiche zwischen Zahlen zu ziehen, Tortendiagramme veranschaulichen Anteile aus einem Ganzen, Kurven zeigen die Veränderung von Kennziffern im Zeitverlauf und mit Hilfe von Karten können geografische Daten visuell wiedergegeben werden. Doch wie dieses Modul zeigen wird, gibt es in der modernen Welt der Datenvisualisierung noch viel mehr Möglichkeiten.
Nach Edward Tufte (Tufte, 2001), Professor für Statistik an der Yale-Universität, zeichnet sich eine gute Datenvisualisierung dadurch aus, dass sie dem Betrachter die größte Anzahl Ideen in der kürzesten Zeit mit der wenigsten Tinte im kleinsten Raum bietet. Sie soll die Daten zeigen, dabei nicht verzerren und das Auge einladen unterschiedliche Datenbestandteile zu vergleichen.
Damit machen Datenvisualisierungen das Unsichtbare sichtbar, sie legen die Strukturen, die hinter den Daten liegen, offen. Wesley Willett und Petra Isenberg sprechen deshalb von „Superkräften“, die die Datenvisualisierung verleihe (Willett et all., 2021). In Superhelden-Comics werden häufig Figuren mit fantastischen Fähigkeiten dargestellt, die es ihnen ermöglichen, die Welt auf eine Weise zu sehen und zu interpretieren, die über die herkömmliche menschliche Wahrnehmung hinausgeht. Willett und Isenberg zeigen, wie der Vergleich mit Superkräften genutzt werden kann, um bestehende Visualisierungsarten zu charakterisieren. Sie beschreiben eine Reihe von „Visualisierungs-Superkräften“, die das Unsichtbare sichtbar machen. Die für den schulischen Bereich relevanten „Superkräfte“ wären hier vor allem die der „verstärkten Aufmerksamkeit“, mit der man relevante von nicht-relevanten Informationen unterscheidet, die des „verstärkten Vergleichs“, mit der man zwischen verschiedenen Daten sinnvolle Vergleiche ziehen kann, die der „verstärkten Vorhersage“ mit der man begründete Vermutungen über die Zukunft anzustellen vermag und die der „verstärkten Erinnerung“, mit der man Geschichten erzählen kann. Zudem wird vor der Macht der Datenmanipulation gewarnt, also der Möglichkeit, Zahlen und Informationen so darzustellen, dass sie etwas völlig Falsches aussagen und die „Wahrheit hinter den Daten“ in Unsinn verwandeln.
Die Schüler*innen kennen den Begriff „Daten“ und können Daten erkennen. Sie sind in der Lage, Daten zu sammeln und zu klassifizieren. Sie kennen die Vorteile einer guten Datenvisualisierung, wissen aber auch, dass die Manipulation von Grafiken irreführend sein kann.
Die Schüler*innen haben mindestens ein Beispiel für eine Datenvisualisierung gesehen, das kreativer und außergewöhnlicher als die üblichen Grafiken ist.
Lernziele aus dem Medienkompass1
- MK1 – Informationen und Daten: 1.1 Daten, Informationen und digitale Inhalte filtern und recherchieren, 1.2 Daten, Informationen und digitale Inhalte analysieren und bewerten, 1.3 Daten, Informationen und digitale Inhalte speichern und verwalten, 1.4 Daten, Informationen und digitale Inhalte verarbeiten
- MK 2 – Kommunikation und Zusammenarbeit: 2.1 Mit anderen zusammenarbeiten
1https://www.edumedia.lu/medienkompass/medienkompass
Die Welt der Forschung hat mit immer größeren Datenmengen zu tun. Auch in unserem täglichen Leben sind wir ständig mit großen Datenmengen konfrontiert. Manchmal ist der einzige Weg, diese Daten zu verstehen und die richtigen Konsequenzen daraus zu ziehen, eine gute Datenvisualisierung. Deshalb ist es im 21. Jahrhundert wichtig, die Grundlagen der Datenvisualisierung zu kennen und zu wissen, wie man sie anwendet.
Die Schüler*innen werden in die Lage versetzt, aus unstrukturierten Zahlen, Informationen und Daten, die für eine bestimmte Fragestellung wesentlich sind, herauszufiltern und zu begründen, wie sie zu dieser Auswahl gekommen sind. Sie lernen Daten sinnvoll miteinander zu vergleichen und neue Aussagen über das Zahlenmaterial zu treffen. Dabei können sie erkennen, dass Vergleiche sich nicht einfach so ergeben, sondern gemacht werden. Zudem lernen die Schüler*innen das Vorhersagepotential von Daten und Zahlen kennen.
Die Fähigkeit, Daten und Zahlen kritisch und souverän zu nutzen, wird gestärkt, der Blick auf das Potential von Datenmanipulationen wird geschärft.
Sie lernen die verschiedenen Arten von Daten kennen (quantitativ, kategoriell, diskret, kontinuierlich) und üben diese in Beziehung zueinander zu setzen. Anhand von Beispielen lernen sie ebenfalls die verschiedenen Möglichkeiten der Datenvisualisierung kennen.
Die Einheit umfasst 16 Übungen.
Die Stunde beginnt mit dem Instagram-Post von Cristiano Ronaldo (Übung 1). Die Schüler*innen bearbeiten Übung 1 in Zweiergruppen. Dann werden ihre Antworten und Überlegungen zusammen in einer moderierten Diskussion erörtert. Es ist wichtig, mit ihnen zwischen den Daten, die das Foto selbst betreffen, und den Daten, die den Instagram-Post betreffen, zu unterscheiden (die Farbe des Trikots von Cristiano Ronaldo gehört zu den Daten, die das Foto betreffen, wohingegen die Anzahl der Likes, das authentifiziertes Instagram-Konto, das Datum der Veröffentlichung oder dass das Foto das erste Foto einer Serie von 4 ist zu den Daten gehört, die den Post betreffen).
Alle Daten, die die Schüler*innen gefunden haben, werden dann an der Tafel oder in einer digitalen Wordcloud erfasst.
Übung 2: Ziel dieser Übung ist es, die Daten entsprechend ihrer Kategorie und ihres Typs zu ordnen. Die Daten, die die Schüler*innen in Übung 1 herausgefiltert haben, werden wieder aufgegriffen und den verschiedenen erklärten Kategorien zugeordnet.
Übung 3: Übung 3 prüft, ob die Übungen 1 und 2 verstanden wurden. Die SuS sollen in Übung 3 alleine arbeiten.
Übung 4: Diese Übung veranschaulicht in einfacher Weise, wie man eine Tabelle erstellt und Daten organisiert. Das Thema „Fußballspieler“ soll die Schüler*innen dazu anregen, die Tabelle zu ergänzen. Die SuS können das Internet nutzen, um die fehlenden Informationen zu suchen. Die fertige Tabelle sollte so aussehen:
| Spieler | Verein | Geburtsjahr | Nationalität | Leibgericht |
|---|---|---|---|---|
| Cristiano Ronaldo | Al Nassr | 1985 | Portugiesisch | Bacalhau à Brás |
| Lionel Messi | PSG | 1987 | Argentinisch | Milanese seiner Mutter |
| Neymar Jr. | PSG | 1992 | Brasilianisch | Italienisch und japanisch |
| Kylian Mbappe | PSG | 1998 | Französisch | Tiramisu |
| Zlatan Ibrahimovic | Associazione Calcio Milan | 1981 | Schwedisch | Falukorv |
Übung 5: In dieser Übung sollen die Schüler*innen selbst Daten über ihre Mitschüler*innen sammeln. Wenn sie im Klassenraum umhergehen und mit ihren Mitschüler*innen sprechen, können sie ein wenig durchatmen. Die Lehrkraft kann die Themen den Schüler*innen überlassen oder einen Rahmen vorgeben: Social Media, Fußball, Verwendung des Smartphones, usw. Ein solcher Rahmen kann das Modul mit dem Unterricht in Digital Sciences verknüpfen.
Jetzt aber zu den Superkräften. In den nächsten Übungen machen die Schüler*innen sich mit den Superkräften der Dataviz oder Datenvisualisierung vertraut. Dieser Abschnitt ist angelehnt an den Artikel (Willett et al., 2021). Die Übungen 6 bis 10 sollen die 3 ersten Superkräfte veranschaulichen. Bei diesen Übungen arbeiten die Schüler*innen zunächst alleine, dann werden die Ergebnisse in einer moderierten Diskussion erörtert. Die 4. Superkraft (verstärkte Erinnerung) ist etwas spezieller: Wir empfehlen für diese Übung (Übung 11), dass die SuS in Zweiergruppen arbeiten und ihre Antworten danach zusammenlegen.
Der vorletzte Abschnitt ist vermutlich der wichtigste: In den Übungen 12 bis 15 werden die 4 wichtigsten Techniken zur Manipulation von Grafiken veranschaulicht.
In Übung 12 wurde die Bezugsgröße manipuliert. Bei einem Balkendiagramm muss die Grundlinie bei 0 beginnen. Indem man der Grundlinie andere Zahlen zuweist, kann man die Wahrnehmung der Zahlen manipulieren. Das gleiche Diagramm würde mit einer Koordinatenachse, die mit 0 beginnt, so aussehen:
Hier sieht man deutlich, dass die beiden ersten TikToker keineswegs doppelt so viele Follower haben wie die anderen.
Übung 13 veranschaulicht das Erweitern der Koordinatenachse. So erweckt die Grafik den Anschein, dass die Daten viel weniger signifikant sind. Die gleiche Grafik würde mit einer Koordinatenachse, die proportional zu den Daten ist, so aussehen:
Hier sieht man eindeutig, dass die Netflix-Abonnements in den letzten 20 Jahren Zuwächse verzeichnet haben. Dieses Wachstum hat vor allem in den letzten 10 Jahren zugenommen.
Übung 14 veranschaulicht das Prinzip des „Cherry Picking“: Dieses Prinzip wird angewandt, wenn man nur einen Teil der Daten zeigt, um zu überzeugen. Wenn man genau hinsieht, erkennt man, dass die Grafik nur die Daten zwischen dem 23. Juni 2022 und dem 26. Juni 2022 zeigt. Das Diagramm über 12 Monate würde deutlich anders aussehen:
https://trends.google.fr/trends/explore?geo=LU&q=signal
In dieser Grafik ist klar zu erkennen, dass die Google-Suche nach dem Stichwort regelmäßig steigt und fällt.
Übung 15 zeigt schließlich, was passiert, wenn man die falsche Grafik verwendet. In dieser Übung wollen wir Daten vergleichen, die veranschaulichen, welcher Prozentsatz der luxemburgischen Bevölkerung ein bestimmtes soziales Netzwerk nutzt. Diese Prozentsätze sind nicht auf 100 begrenzt, sondern übersteigen die 100 % eindeutig. Deshalb ist das Kreisdiagramm in keiner Weise geeignet, um diese Daten zu vergleichen.
Übung 16 soll zeigen, dass Diagramme auch interaktiv und kreativer sein können als einfache Histogramme. Wir haben ein Diagramm verwendet, das die Forscherin Aida Horaniet Ibañez als Beispiel konfiguriert hat. Die Schüler*innen sollen dieses Diagramm zunächst in Einzelarbeit untersuchen. Dann erörtern sie in einer moderierten Diskussion, was sie herausgefunden haben. Wenn Sie sehen, dass die SuS Probleme haben, geben Sie ihnen folgende Anweisungen:
1. Oben seht ihr ein Balkendiagramm. Fahrt mit der Maus über die Balken, um zu sehen, wie viele Nachrichten die Person an diesem Tag in jeder Sprache verschickt hat.
2. Klickt auf jeden Kreis in den Sprachen, um die Wörter zu sehen, die am häufigsten erwähnt wurden.
3. Klickt auf die Wörter, um zu sehen, wie oft sie im Laufe der Zeit ausgesprochen wurden.
Übung 11 zur verstärkten Erinnerung kann ausgelassen werden. Diese Superkraft ist die am wenigsten wichtige der vier, und die entsprechende Übung komplizierter als die anderen.
In den Übungen 12 bis 15, die die Manipulation von Grafiken betreffen, kann die Lehrkraft Hinweise geben (siehe Abschnitt „Methodische Analyse“), um Schüler*innen zu helfen, die Schwierigkeiten haben.
Im Abschnitt „Methodische Analyse“ wird die interaktive Visualisierung in allen Einzelheiten erklärt. Die Lehrkraft kann die Schüler*innen die Visualisierung selbst entdecken lassen oder sie mit Tipps unterstützen.
- Luxemburgischer Kontext: Das Modul wurde in Zusammenarbeit mit Aida Horaniet Ibañez erarbeitet, die am Luxembourg Centre for Contemporary and Digital History an der Universität Luxemburg promoviert. Außerdem werden Beispiele aus Luxemburg verwendet.
- Differenzierung: Je nach Niveau der Klasse oder der Schüler*innen kann die Lehrkraft mehr oder weniger Hinweise zur Lösung der Übungen geben oder auch einige Übungen weglassen.
- Medienkompass: Vgl. die angestrebten Lernziele des Medienkompetenzrahmens innerhalb der didaktischen Analyse des vorliegenden Dokuments.
- 4K-Kompetenzen: Critical Thinking (kritisches Denken), Kreativität, Kollaboration, Kommunikation. Das 4K-Modell wird durch die verschiedenen Sozialformen und Unterrichtsaktivitäten auf unterschiedliche Weise aufgegriffen.
- Bezug zur aktuellen Forschung: Im Abschnitt „Mehr zum Thema“ wird das Projekt LUX:TIME Machine der Universität Luxemburg beschrieben und erklärt.
- Bezug zur Forschung in Luxemburg: Im Podcast am Ende des Moduls spricht Aida Horaniet Ibañez über ihre Forschung zur Datenvisualisierung im Centre for Contemporary and Digital History an der Universität Luxemburg.
Zum Vergrößern auf das Bild klicken
Referenzen
Lupi, Giorgia & Posavec, Stefanie. (2013). Dear Data. http://www.dear-data.com/theproject
Lupi, Giorgia & Posavec, Stefanie. (2018). Observe, Collect, Draw! : A Visual Journal : Discover the Patterns in Your Everyday Life. Hudson, New York: Princeton Architectural.
Davis, Nicola. (2016). Can you get to know a person through data alone ? The Guardian. https://www.theguardian.com/artanddesign/2016/aug/21/dear-data-stefanie-posavec-giorgia-lupi
Tufte, Edward R. (2001). The Visual Display of Quantitative Information. Cheshire CT: Graphic Press.
Willett, Wesley, Aseniero, Bon Adriel, Carpendale, Sheelagh, Dragicevic, Pierre, Jansen, Yvonne, Oehlberg, Lora & Isenberg, Petra. (2021). Perception ! Immersion ! Empowerment ! Superpowers as Inspiration for Visualization. IEEE Transactions on Visualization and Computer Graphics, 28(1), 22-32.
