Fragmentierung

Die Kurse sind zeitlich und räumlich fragmentiert. Die Dauer eines Data-Science-Kurses reicht von einer Woche bis zu einem Semester oder einem 1-2-jährigen Masterstudium. Sie werden als Präsenzunterricht oder über Webplattformen organisiert.

Inhomogenität

Die Lehrpläne dieser Kurse sind sehr unterschiedlich. Obwohl das Profil der Datenkompetenz oft mit Kompetenzen in den Bereichen Datenvisualisierung, Statistik und maschinelles Lernen verbunden ist, gewichtet jeder Kurs diese Makrothemen unterschiedlich. Infolgedessen gibt es kein einheitliches Kompetenzprofil für Datenkompetenz.

Nicht qualifiziert

Es gibt kein auf europäischer Ebene anerkanntes Qualifizierungssystem in Bezug auf Datenkompetenz und den Beruf des Datenwissenschaftlers.

Unzulänglichkeit

Die Bedürfnisse des Arbeitsmarktes sind nicht ausreichend analysiert worden. Es ist klar, dass es noch keine ausgereifte Debatte zu diesem Thema zwischen Hochschulen und Unternehmen gibt

Definieren

Festlegung eines gemeinsamen Verständnisses dessen, was eine datenkompetente Person wissen und können sollte, nicht nur als Arbeitnehmer*innen, sondern auch als aktiver Bürger*innen.

Gestalten

Entwurf und Entwicklung innovativer didaktischer Rahmen für Datenkompetenz, die die Ansichten und Bedürfnisse der Hochschulen und des Arbeitsmarktes widerspiegeln.

Fördern

Förderung einer Kultur der Datenkompetenz bei den europäischen Bürger*innen

Befähigen

Absolvent*innen die Datenkenntnisse zu vermitteln, die sie benötigen, um auf dem Arbeitsmarkt erfolgreich zu sein und sich aktiv an der Zivilgesellschaft zu beteiligen