Data literacy: актуализация русского термина в системе МИГ

Данные стали неотъемлемой частью современного мира: они описывают реальность на самых разных уровнях, помогают извлекать прибыль, видеть важные для общества и человека смыслы и скрытые связи. Скрытые в цифрах и кодируемых, исчисляемых показателях сообщения стали привычной частью современного способа отражения знаний по теме, дополнив, а где-то полностью заменив, нашу письменную и устную речь. Умение понимать данные, анализировать их, извлекать смыслы и представлять их, в том числе визуально, становится одним из необходимых навыков медиапроизводства. В то же время умение читать визуализации данных, понимать представленные связи и соотношения, оценивать и критически осмысливать качество анализа и представления данных становится важным навыком медиапотребления. Категория МИГ, называемая data literacy, таким образом, становится одной из ключевых в актуальном современном медиаобразовании.

Первые научные труды и работы, посвященные data literacy, появляются в США в 1999 году в журнале Educational Leadership и принадлежат американскому профессору математики Лин Артур Стин (Lynn Arthur Steen). В статье, посвященной счету, он рассуждает о появлении новой области знаний, наследуемой от навыков счета.

«Цифры могут стать главным инструментом, с помощью которого мы попытаемся осуществлять контроль над природой и рисками жизни», — пишет он. Лин утверждает, что век информации — век чисел. «Данные, графики и статистика обогащают и одновременно запутывают нашу жизнь, — утверждает исследователь. — Числа и количества сокрушают текущие события от медицинских отчетов до политических тенденций и финансовой индустрии. Новости заполнены диаграммами в то время как количественные решения контролируют правительство, образование и здравоохранение» [1]. Свою статью профессор математики завершает мыслями о том, что большинство американских студентов покидают среднюю школу, не справляясь даже с минимальным уровнем количественной и математической грамотности. Именно по этой причине крупные американские компании жалуются на отсутствие технических и количественных навыков у будущих специалистов. «Несмотря на годы исследований опыт освоения компетенций, связанных с данными, у американцев отсутствует», - заключает Стин.

Современный период научных исследований связывает data literacy с понятием datafication (датафикация). Профессор управления информацией из британского университета Роял Холлоуэй Марк Лайсетт (Mark Lycett) рассматривает это явление в контексте понятия больших данных и необходимости потенциала такого вида информационного ресурса для бизнес-аналитики и медиакомпаний в целом [2]. Он рассматривает актуальные проблемы данных в медийном контексте на примере компании Netflix и говорит о необходимости освоения компетенций нового тысячелетиях, позволяющих контролировать процесс произвольного извлечения и обработки данных сторонними фирмами и людьми.

«Как и в случае с графикой, возможно, нам нужна грамматика осмысления, учитывающая различные системы отсчета и позволяющая перемещаться между ними, чтобы их можно было пересматривать и понимать», — резюмирует Лайсетт.

Исследователи доказывают, что грамотность, связанную с областью данных, необходимо относить к грамотности информационного толка и включать в неё грамотность статистическую , как и грамотность в части других видов данных [3].

Ученый из Аугсбургского университета Мило Шилд (Milo Schield) указывает в работе 2004 года на синергетический характер data literacy, информационной и статистической грамотностей соответственно [4].

«Трудно продвигать информационную грамотность или data literacy без содействия статистической грамотности, — рассуждает Шилд. — Относительная важность каждой из грамотностей варьируется в зависимости от точки зрения автора и задач, стоящих перед студентом. Необходимо уделять больше внимания связности трех этих сфер». Кроме того, исследователь добавляет, что библиотеки и архивариусы должны быть непременно заинтересованы в освоении этого вида грамотности и рассматривать преподавание этого направления в качестве вспомогательной услуги студенту, учить его критически смотреть на информацию и находить аргументацию к ней.

Initiative and autonomy

Flexibility and adaptability

Intercultural and social attitude

Problemsolving

Collaboration

Information management

Critical information processing

Internet literacy

Literacy

Operational skills

Safe and productive participation

Media

Responsibility

Critical attitude

Application skills for networked visual and dynamic media

Culture-related communication

Creativity and expression

Creative attitude

Рис. 1. Иллюстрация кластера Digital literacy исследователями

из Лимерикского университета [4]

Рис. 2. Модель испанских ученых, включающая data literacy [4]

К основным навыкам data literacy мировое сообщество относит такие основные способности современного человека как: навыки выбора необходимого вида данных , умение собирать и очищать данные, критически оценивать собранный массив информации, анализировать результаты исследования, интерпретировать данные, рассказывать истории с помощью данных, использовать данные как часть коллективного творчества и визуализировать полученные выводы.

В мире сложилось несколько образовательных практик в области data literacy и смежных с ней направлений. Образовательные детские проекты в этой области крайне малочисленны. Обучение data literacy чаще интегрировано в специализированные курсы по бизнес- аналитике и визуализации для сотрудников крупных компаний и аналитических медиа: например, Qlik Data literacy program [5]. Проект Data Literacy Project [6] предлагает относительно системное обучение работе с данными – 20 небольших курсов общей продолжительностью 534 минуты. Data Visualization Literacy от бренда Tableau [7] сосредоточен на визуализации данных. Совместный формат освоения компетенций data literacy предлагают создатели Data Basic.io: этот сервис предлагает ряд простых инструментов работы с данными и возможности их изучения для школьников и студентов при помощи Activity Guide – короткого методического руководства с упражнениями, перечнями учебных задач для них, необходимыми дидактическими указаниями [8]. Важно обратить внимание, что это не системное образование в области data literacy, и оно подразумевает лишь формирование компетенций в области работы с отдельными инструментами.

data BASIC./o

DataBasic is a suite of easy-to-use web tools for beginners that introduce concepts of working with data. These simple tools make it easy to work with data in fun ways, so you can learn how to find great stories to tell.

WordCounter analyzes your text WTFcsv tells you WTF is going SameDiff compares two or ConnectTheDots shows you and tells you the most common on with your .csv file. more text files and tells you how how your data is connected by words and phrases.                                             similar or different they are. analyzing it as a network.

Обучение работе с данными также проходит на основе потоковых курсов и дата-школ — «Школа данных» в Москве [9] и Кыргызстане [10], The Data School от Chartio [11] и проект с аналогичным названием в Великобритании [12]. В качестве отдельной группы примеров хочется выделить труды популяризаторов направления — авторский YouTube канал Data-Pop Alliance [13] и работы преподавателя данных из Америки Эллисон Хорст (Allison Horst) [14].

К заметным российским проектам со схожей тематикой относятся продукты, созданные при участии фирмы «Яндекс» (всероссийский образовательный проект «Урок цифры») [15], сайт «Цифровая грамотность» [16] и тематические учебники дополнительного образовательного сегмента.

Образовательная платформа EVERFI представляет формат обучения data literacy как междисциплинарному знанию, которое должно быть частью образования в области математики, географии, социальных наук и всего блока точных и естественных наук. В этой концепции предполагается, что цифровые или количественные данные используются в образовательном процессе как основа аналитической работы учащихся, а уровень сложности данных и решаемых при их помощи задач постепенно возрастает и качественно меняется на каждой новой образовательной ступени. Верификация данных и проверка качества их анализа и визуализации в этой концепции также считаются крайне важными элементами медиаграмотности. Мы согласны с таким видением data literacy в образовании.

Платформа знаний для повышения цифровой грамотности

Просто и понятно о том, что важно здесь и сейчас.

Рис. 4. Стартовая страница проекта «Урок цифры»

Как вычислить недобросовестного работодателя

(БЕЗОПАСНОСТЬ| вилв

Двухфакторная аутентификация

I БЕЛОПАСНОСТЬ |

I СОЦИАЛЬНЫЕ СЕТИ | вилю

Как распознать фишинговое письмо или сообщение

| БЕЗОПАСНОСТЬ |

Рис. 5. Стартовая страница сайта «Цифровая грамотность»

Отметим, что на сегодняшний день в зарубежном поле понятий отсутствует единое сформулированное мнение о четких границах области data literacy и перечне навыков, как, например, это уже сделано в трактовке термина literacy. Это значит, что мы можем работать на уровне метамоделей и предлагать свои подходы к определению дефиниции; выделять и описывать некий крупный срез категорий.

Наиболее осмысленным и подходящим под цели и задачи нашей работы нам кажется подход современной британской исследовательницы Аристеи Фотопулу (Aristea Fotopoulou), разделяющей сферы data literacy и data science. Также интересен подход доцента кафедры урбанистики и планирования Массачусетского технологического института (MIT) Екатерины Д'Игнацио (Catherine D'Ignazio), именуемый Creative data literacy [17].

В плоскости data literacy мы обнаруживаем несколько очевидных подгрупп: personal data literacy (вопросы этики данных) и помещаем statistical literacy в пограничную область на стыке явлений [18].

В русскоязычное поле понятий мы предлагаем ввести термин, не используя прямой дословный перевод data literacy как «грамотность данных» или «дата-грамотность», поскольку этот термин, во-первых, не содержателен и не даёт представления о наполнении понятия, а во-вторых, плохо соотносится с набором компетенций и навыков, составляющих

этот вид грамотности. Мы условно разделили

описанные выше навыки на визуальную и

аналитическую часть.

Evaluating Decisions

Decision Making uderstanding of data

Data organization

Data preservation < I interpretation (understanding

Conceptual Framework presenting Data (Verbally)

Introduction *—I to data

Data

Management

Data Literacy Skills and Competencies

Ми«п '^"«^Г’™^™ of Uslrtg of Data

Evaluating and Ensuring Quality of Data and Source

Data curation,, security and re-use

manipulation

r             Data Conversion [from

Metadata Creation     format to format and use

Рис. 6. Сегментация data literacy направлений [19]

Передача историй с

Визуальные компоненты                                             помощью данных

Использовать данные как часть коллективного творчества

Визуализировать выводы

Выбор (сбор) данных

Навыки критической оценки собранного массива информации

Анализ полученных результатов

Очи щен ие да н н ых

Навыки статистической обработки информации

Аналитические компоненты

Способность учитывать этический Фактов данных

Рис. 7. Визуализация ключевых data literacy компетенций, обоснование логики русского термина

Разговорную версию понятия data literacy («дата-грамотность») мы встречаем на лекциях и профессиональных встречах дата-журналистов, исследователей данных и преподавателей дата-классов: «День открытых данных в Москве», образовательные стримы института «Стрелка», лекции автономной некоммерческой организации «Инфокультура».

Отметим, что термин, о котором мы рассуждаем, используется далеко не всеми носителями языка, а принадлежит пока только конкретной целевой группе лиц — дискурсивному сообществу.

Семантические ассоциаты для данные (вычисленные на модели НКРЯ и Wikipedia)

Частотность слова

Й Высокая @ Средняя □ Низкая

• 1.    сведение 0.660

• 2.    информация 0.635

• 3.    данный 0.574

• 4.    материал 0.483

• 5.    оценка 0 458

• 6.    результат 0.455

• 7.    документ 0.454

• 8.    прогноз 0.453

• 9.    справка 0.450

• 10.    наблюдение 0.444

• Показаны только ассоциаты той же части речи, что и слово в запросе. Изменить этот фильтр можно на вкладке Похожие слова.

• наблюден^ протоз

Доведение данный

^документ

Qi справка

^результат

^ информация

^® оценка     У материал

0.6 Порог близости 1 Показать теги

Рис. 8. Семантические ассоциаты для слова «данные» согласно сайту RusVectōrēs

С научно-исследовательской и лингвистической точек зрения понятие «дата» в нашем языке может означать совершенно разные и не соотносимые с явлением data literacy категории.

Семантические ассоциаты для дата (вычисленные на модели НКРЯ и Wikipedia)

Частотность слова

Й Высокая Й Средняя □ Низкая

• 1.    дательный 0.608

• 2.    датировка 0.457

• 3.    хронология 0.450          в                                                 ф дательный

• 4.    цифра 0.396                                                                         \          *

• 5.    срок 0.393                                                                                  \

• 6.    отсчет 0.389                                                                            ФО* ^ цифра

„             п                                                                                            хронопошвДатировка

отсчет

• • Показаны только ассоциаты той же части речи, что и слово в запросе. Изменить этот фильтр можно на вкладке Похожие слова.

0.6 Порог близости U Показать теги

Рис. 9. Семантические ассоциаты для слова «дата» согласно сайту RusVectōrēs

Таким образом, на практике мы наблюдаем процесс подвижности и изменчивости языковой единицы. Гипотетически возможные и наиболее близкие варианты российских аналогов, не зафиксированных в словарях, звучат так: «дата-грамотность», «грамотность данных» .

Отсутствие общего мнения в зарубежном научном дискурсе относительно единой трактовки термина порождает споры в дидактике и включенных в data literacy категорий.

Успешные результаты освоения детьми дата-компетенций в зарубежной практике демонстрируют подходы, базирующиеся на примерах решения конкретных видов задач в рамках интересующей ребенка темы (case studies) и творческой формы подачи тематической информации [20].

Так ученая из университета Лидс (Великобритания) Х. Кеннеди (H. Kennedy) пишет об опыте освоения data literacy компетенций в контексте повседневной жизни [21], а группа исследователей из Великобритании и США предлагают использовать метод привития детям знаний о данных в формате тематических кейсов про умный дом (Smart house) и сквозь призму изучения пространства интернета-вещей (IoT) [22].

Этический компонент data literacy (Personal data literacy) и другая часть неоднозначных сегментов, таких как Data management, связанных с наиболее детальным изучением области персональных данных, в случае нашей гипотезы будут неявно тяготеть к одной из заданных форм ( визуальной или аналитической ), но по смыслу включаться в область одной из подгрупп.

Для интеграции в русскоязычную парадигму необходимо ввести два обязательных вида, существующих за пределами обозначенной нами ранее экосистемы МИГ (MIL).

Табл. 1. Соотнесение дискурсов вспомогательных компонентов

New literacy	Новая грамотность	Совокупность новых видов грамотности, доступных в современной цифровой среде
Visual literacy	Визуальная грамотность	Умение работать с различными системами знаков, кодировать и декодировать информацию

Тогда в экосистеме отечественного медиаобразования это будет иметь приближенный вид:

Рис. 10. Визуально-аналитическая грамотность в приближении

Мы приходим к термину « визуально-аналитическая грамотность ». Точно так же, как грамотность традиционного режима способствовала прогрессу человечества за последние несколько тысячелетий, визуально-аналитическая грамотность будет иметь важное значение для жизни современного общества и постепенно выходить за пределы смежных с IT компетенций.

Уже сегодня во многих образовательных учреждениях России профильного направления активно преподаются уроки программирования на Scratch, используются виртуальные накопительные карты для пропуска в школу, вводятся системы электронных дневников, а ряд банков создают персональные тарифы для школьников, требующие от них навыков грамотного обращения с данными.

Визуально-аналитическая грамотность постепенно становится частью функциональной грамотности XXI века.

Рис. 11. Визуально-аналитическая грамотность в приближении

Авторы видят продолжение исследования в создании актуальной карты компетенций визуально-аналитической грамотности и развитии междисциаплинарного подхода в её преподавании на разных образовательных уровнях.

doi=10.1.1.144.6309 (дата обращения: 10.04.2020). DOI: 10.1.1.144.6309.

https://dataschool.digital/#about (дата обращения: 10.04.2020).