In den letzten Jahren ist der Bedarf an einer rationellen Verarbeitung großer Mengen unterschiedlicher Daten gestiegen und Data Science hat immer mehr an Bedeutung gewonnen. Es gibt zwei Arten dieser Ausbildung: eine passive Form, bei der die Studierenden Wissen und Analysemethoden durch Vorlesungen im Klassenzimmer erlernen, und eine aktive Form, bei der sie durch praktische Übungen das Lösen von Problemen und die Bewältigung von Aufgaben erlernen. Bisher wurde hauptsächlich die passive Bildung gefördert, und es wurden bereits wesentliche Ergebnisse erzielt. Aktive Bildung gilt jedoch als Zukunftsthema und es besteht dringender Bedarf, einen Ansatz dafür zu entwickeln.
In der Praxis wird der PDCA-Zyklusansatz aus Planen, Ausführen, Überprüfen und Handeln seit vielen Jahren zur Lösung von Problemen und zur Erledigung von Aufgaben eingesetzt und hat viele Ergebnisse erzielt. Das Wesentliche dabei ist, Fakten in Form von Daten zu sammeln, sie zu analysieren, auf der Grundlage der gewonnenen Schlussfolgerungen eine Hypothese aufzustellen, diese umzusetzen, die Ergebnisse als Daten zu sammeln und die Hypothese zu verifizieren. Das ist aktive Datenwissenschaft an sich.
Die Autoren haben über viele Jahre hinweg ein Bildungsprogramm entwickelt, das sowohl Materialien zum Münzschießen als auch den PDCA-Zyklus verwendet, es in Vorlesungen und Seminaren umgesetzt und die Inhalte an verschiedenen Orten präsentiert (Vorträge, Konferenzpräsentationen, Vorträge usw.). Ich habe viele Vorträge gehalten. In diesem Vortrag werden wir diese systematisch ordnen und über eine aktive Data-Science-Ausbildung berichten.
