Quali sono le competenze che è necessario avere per possedere una cultura sui dati?
In questo articolo andremo a vedere nel dettaglio tutto ciò che va saputo, definendo quindi un programma per i prossimi articoli della serie che si baseranno su questi argomenti.
Pronti? Si parte!
La data literacy o alfabetizzazione dei dati è la capacità di leggere, comprendere, analizzare, gestire e lavorare dati.
Il Dr. Francisco Javier Calzada Prado e il Dr. Miguel Angela Marzal Garcia-Quismondo, due professori di Scienza dell'Informazione in Spagna, hanno sviluppato un framework utile e universale per l'insegnamento dei dati e dell'alfabetizzazione informatica. In particolare, hanno individuato 5 competenze fondamentali che si fondano l'una sull'altra e vanno a creare una cultura sui dati. Tale framework è rappresentato dalla piramide sottostante:
Alla base di tutto è necessario possedere dei concetti base:
1.1. Cosa sono i dati?
Ovvero sapere cosa si intende per dati ed essere a conoscenza delle varie possibili tipologie di dati: definizione dei dati; Tipi di dati (a seconda dell'origine, del formato, della licenza d'uso e così via).
1.2. Dati nella società: uno strumento per la conoscenza e l'innovazione
È necessario essere consapevoli del ruolo dei dati nella società, come vengono generati e da chi e le loro possibili applicazioni, nonché
le implicazioni del loro utilizzo.
Contenuti: produttori e consumatori di dati; ciclo vitale dei dati; Applicazioni dei dati: il loro impatto sulla scienza e sulla società; Copyright e licenze che influenzano il riutilizzo dei dati.
2.1. Origine dei dati
Competenza: essere consapevoli delle possibili fonti di dati, essere in grado di valutarle e selezionare quelle più rilevanti per un'informazione, bisogno o un determinato problema.
Contenuti: fonti di dati; Criteri per la valutazione dei dati
fonti.
2.2. Ottenere dati
Competenza: essere in grado di rilevare quando un determinato problema o bisogno non può essere (totalmente o parzialmente) risolti con i dati esistenti e pertanto, intraprendere delle ricerche per ottenerne di nuovi.
Contenuti: Principali metodi di ricerca per l'ottenimento di
dati originali.
3.1. Lettura e interpretazione dei dati
Competenza: essere consapevoli delle varie forme in cui i dati possono essere presentati (scritti, numerici o grafici) e delle loro rispettive convenzioni ed essere in grado di interpretarle.
Contenuti: modi per presentare e rappresentare i dati.
3.2. Valutazione dei dati
Competenza: Essere in grado di valutare dati critici
Contenuto: criteri di valutazione dei dati (inclusi paternità, metodo di ottenimento e analisi dati, comparabilità, inferenza e sintesi dei dati).
4.1. Raccolta e gestione di dati e metadati
Competenza: essere consapevoli che è necessario salvare i dati selezionati o generati, per identificazione, gestione e successivo riutilizzo.
Contenuto: metadati; Strumenti di gestione dei riferimenti; Banche dati; Archivi di gestione dei dati: politiche e pratiche.
5.1. Gestione dati.
Competenza: essere in grado di prepararsi dati per analisi, analizzarli secondo i risultati ricercati e saper utilizzare gli strumenti necessari.
Contenuti: conversione dei dati; utilizzo degli strumenti di analisi dei dati, sia in locale (Excel, R, Stata o simili) che online.
5.2. Produzione di elementi per la sintesi dei dati
Competenza: essere in grado di sintetizzare e rappresentare i risultati dell'analisi dei dati in formato modalità adatte alla natura dei dati, al loro scopo e al pubblico destinatario dell'indagine.
Contenuti: scelta di una rappresentazione dei dati adeguata metodi (tabelle, grafici o simili); Utilizzo strumenti (integrati in strumenti analitici o stand-alone applicazioni come Gapminder o Visual.ly)
5.3. Uso etico dei dati
Competenza: essere consapevoli del dovere di fare un uso etico di dati, riconoscendo la fonte quando si utilizzano dati e risorse di altri soggetti in modo trasparente.
Contenuti: Qual è l'uso etico dei dati; Come citare fonti di dati.
Queste sono le conoscenze che cercheremo di fornirti con questa serie di articoli. Non indugiamo e passiamo subito al 3° episodio della serie:
👈 LEZIONE PRECEDENTE: Perché imparare ad analizzare i dati può migliorarti la vita
👉 LEZIONE SUCCESSIVA: Tipi di dato e Metodi di analisi in base allo Scopo
NON PERDERTI LE PROSSIME GUIDE!
Iscriviti per ricevere approfondimenti settimanali e le ultime novità da DataSnack
BENVENUTO NEL MONDO DEI DATI!
Dai un'occhiata alla tua casella di posta! Dovresti aver ricevuto un messaggio che ti dà accesso a tutte le nostre vecchie newsletter!
Buona lettura 😉