Die Relevanz von Journal-Rankings im Fach Statistik an wirtschaftswissenschaftlichen Fakultäten aus Sicht zweier Nachwuchswissenschaftler

Vorwort zum Sonderheft „Statistical Literacy“ des Wirtschafts- und Sozialstatistischen Archivs

Statistical literacy: a key to comprehend a changing world Abstract The paper outlines ISTAT’s current experience with the promotion of statistical literacy with several stakeholders and with different projects. It starts by showing the activities and where they are placed in ISTAT’s organization chart. Then, the relaunching of the activity with a new plan involving both the Dissemination Directorate and the regional offices is explained, with the ideas behind it as well as with the different targets of the projects (students, teachers, the general public) and explains why partnerships are the solution for the new project and for the idea of statistical literacy as a cross-cutting ability. Examples of current partnerships are subsequently described: the OpenCoesione School project, and the project of Financial education. In the end, the conclusive paragraph shows what the lessons learned are.

„Iudex non calculat“ – Die Erfordernis „statistischer Belesenheit“ im (scheinbar) zahlen- und formelleeren Raum Zusammenfassung Statistik und Recht scheinen zwei gänzlich verschiedene Disziplinen zu sein. Während man mit der Statistik Formeln assoziiert, dominiert im Recht das geschriebene Wort. Und dennoch sind sich beide im Kern ähnlich: Häufig muss eine Entscheidung herbeigeführt werden und selten kann man mit 100%iger Sicherheit behaupten, dass die gefällte Entscheidung die richtige ist. Nicht nur diese Wesensverwandtheit nähert die beiden Disziplinen einander an – durch die gestiegene Verfügbarkeit von Daten sind deren Auswertungen zunehmend auch Bestandteil von Rechtsprechungsdokumenten, indem statistische Auswertungen nicht selten entscheidungsrelevant sind. Doch da statistisches Denken weder intuitiv ist, noch die grundlegenden Methoden im Rahmen des juristischen Studiums vermittelt werden, stehen juristische Entscheider nicht selten vor einer großen Herausforderung, wenn es darum geht, widersprüchliche Argumente statistischer Natur zu bewerten. Der folgende Beitrag zeigt anhand zweier Fallbeispiele konkret auf, in welchem Kontext statistische Analysen in gerichtlichen Entscheidungen auftreten und zieht daraus die Konsequenz, dass eine statistische Grundbildung für Juristinnen und Juristen unerlässlich ist, um sachgerechte und methodisch korrekte Entscheidungen herbeizuführen.

Zivilstatistik: Konzept einer neuen Perspektive auf Data Literacy und Statistical Literacy Zusammenfassung Demokratie lebt von Argumenten, die auf nachweisbaren Fakten basieren. Lebendige Demokratien brauchen gut informierte Bürger, die relevante gesellschaftliche Fragen verstehen, diskutieren und sich in öffentliche Entscheidungsprozesse einbringen können. Dieser Aufsatz stellt in Erweiterung von Statistical Literacy eine Teildisziplin vor, die wir Zivilstatistik nennen. Zivilstatistik konzentriert sich auf das Verstehen statistischer Informationen über die Gesellschaft, wie sie von den Medien, Statistikämtern und anderen Statistikanbietern bereitgestellt werden. Die Herausforderung, Menschen zu befähigen, Sinn aus diesen Daten zu erschließen, richtet sich gleichermaßen an Bildungseinrichtungen (Schulen und Hochschulen) wie auch an Medien und Statistikanbieter. Im vorliegenden Aufsatz beschreiben wir die spezifischen Charakteristika von Zivilstatistik und begründen die Notwendigkeit dieser Teildisziplin, die im Schnittfeld von Statistik, Gesellschaftswissenschaften und – wegen ihres Bildungsauftrages – Erziehungswissenschaften liegt. Wir beschreiben ein Rahmenkonzept für Kompetenzen im Bereich Zivilstatistik und weisen auf reichhaltiges, frei verfügbares Lehr- und Lernmaterial hin, das im Rahmen einer europäischen Zusammenarbeit von sechs Hochschulen im Projekt ProCivicStat erarbeitet wurde. Aus unseren Analysen ergeben sich curriculare und bildungspolitische Empfehlungen, die diesen Aufsatz abschließen.

Official statistics through the eyes of students and teachers—the European Statistics Competition Abstract Statistical literacy has become more and more important as the amount of available information grows. Providing people with tools that allow them to critically evaluate the information they receive is crucial in the world we live, especially for the youth. This, however, is not an easy task. Being capable of discerning which sources, data, information, analysis etc. are more reliable than others requires many times ‘not-so-light’ knowledge in traditionally ‘hard subjects’ like Mathematics, Economics or Statistics. In this context it is a good idea to offer students a friendly approach to these fields. Activities in which pupils see real data they can work with might help them to better understand what they have learnt and even to lose that fear of statistics. On the other hand, for official statistics bodies it is desirable to get known as reliable sources of data. Initiatives like the European Statistics Competition (ESC) pursues these two objectives of being made known among teachers and young public, and showing pupils that working with statistical data is feasible. The fact of being a competition at European level may encourage students to join and do their best, and thus their interest in statistics will grow.

Anforderungen an eine Statistik-Ausbildung im 21. Jahrhundert vor dem Hintergrund von Statistical (Il‑)Literacy Zusammenfassung Im vorliegenden Beitrag wird anhand von exemplarischen Beispielen aufgeführt, welche Anforderungen an den kompetenzorientierten Umgang mit Statistik gestellt werden sollten und wie sich diese Anforderungen vor dem Hintergrund zunehmender Datenverfügbarkeit mit unterschiedlicher Strukturierungsform (Big Data) verändern. Insbesondere in Fächern, in denen die Statistikausbildung nicht zum Kerninhalt gehört, sollte vorrangig das „Denken in Daten(modellen)“ sowie die Interpretation und Bewertung von Ergebnissen statistischer Berechnungen gelehrt werden.

Statistical literacy for classification under risk: an educational perspective Abstract After a brief description of the four components of risk literacy and the tools for analyzing risky situations, decision strategies are introduced, These rules, which satisfy tenets of Bounded Rationality, are called fast and frugal trees. Fast and frugal trees serve as efficient heuristics for decision under risk. We describe the construction of fast and frugal trees and compare their robustness for prediction under risk with that of Bayesian networks. In particular, we analyze situations of risky decisions in the medical domain. We show that the performance of fast and frugal trees does not fall too far behind that of the more complex Bayesian networks.

Traue einer Statistik, die du nicht selbst erstellt hast Zusammenfassung Wir alle benötigen ein grundlegendes Verständnis von Statistik, um mit der wachsenden Menge an verfügbaren statistischen Daten, Analysen und Ergebnissen, die uns täglich begegnen, umgehen zu können. Auf dieser Basis können Entscheidungen fundiert getroffen und Fehlschlüsse reduziert werden. Der Arbeitsmarkt gehört zu den Themenfeldern, die für viele Menschen wichtig und in ihrem Alltag präsent sind. Die Daten dazu sind umfänglich und die Konzepte mitunter komplex. Die Statistik der Bundesagentur für Arbeit unterbreitet ihren Nutzern daher verschiedene Angebote, um das Verständnis für Statistik generell, aber natürlich speziell für die Daten und Zusammenhänge hinsichtlich des Arbeitsmarkts zu verbessern. Im nachfolgenden wird zunächst die Aufgabe der Statistik der Bundesagentur für Arbeit als Teil des Systems amtlicher Statistik dargestellt. Es geht auch darum zu erfahren, welche Aufgaben die Statistik der Bundesagentur für Arbeit hat. Im Anschluss werden zwei häufig auftretende Missverständnisse bezüglich zentraler Arbeitsmarktfragen erläutert: Die Zusammenhänge von Arbeitslosigkeit, Verfügbarkeit am Arbeitsmarkt, Arbeitsuche und den Bezug von Leistungen der Grundsicherung. Bei bestimmten Personengruppen und Status zeigen sich Überschneidungen, andere schließen sich dagegen aus – bekannt ist das in der Öffentlichkeit nur zum Teil. Deshalb wird auch dargestellt, welche Ansätze die Statistik der Bundesagentur für Arbeit verfolgt, um einem möglichst breiten Kreis von Interessenten jeweils adressatengerecht Daten, Kontextinformationen und Analysen zur Verfügung zu stellen und die Nutzer bei der Interpretation von Arbeitsmarktdaten zu unterstützen.

Ein Framework für Data Literacy Zusammenfassung Digitalisierung und Datafizierung werden das Leben und Arbeiten im 21. Jahrhundert nachhaltig verändern. Daten sind die Ausgangsbasis für Wissens- bzw. Wertschöpfung als Grundlage für bessere Entscheidungen. Um systematisch Wissen bzw. Wert aus Daten zu schöpfen, ist deshalb zukünftig in allen Sektoren und Disziplinen die Fähigkeit, planvoll mit Daten umzugehen und sie im jeweiligen Kontext bewusst einsetzen und hinterfragen zu können, von entscheidender Bedeutung. Dies wird als Data Literacy bezeichnet und umfasst die Fähigkeiten, Daten auf kritische Art und Weise zu sammeln, zu managen, zu bewerten und anzuwenden. Hierfür bedarf es eines Kompetenzrahmens, d.h. eines Modells zur strukturierten Beschreibung von effektivem Verhalten in einem gegebenen Aufgabenkontext. Er umfasst Kompetenzen, deren Definitionen und daraus abgeleitete Verhaltensindikatoren. Ein derartiger Kompetenzrahmen soll alle Stufen des Wissens- bzw. Wertschöpfungsprozesses aus Daten abbilden; er soll alle Kompetenzdimensionen erfassen: (a) Wissen, (b) Fertigkeiten, (c) Fähigkeiten, (d) Motivation und (Wert-)Haltung; er soll es erlauben, die erfassten Kompetenzen in konkrete und testbare Lern- oder Kompetenzziele zu überführen; und er soll der die Interdisziplinarität der Aufgabe reflektieren, also widerspiegeln, dass neben Datenexperten auch Fachexperten, Datenschützer und Datenethiker benötigt werden. Dieser Beitrag stellt das neu entwickelte Data Literacy Framework vor und ist eine gekürzte Fassung der Studie „Future Skills: Ein Framework für Data Literacy“ (Arbeitspapier 47) des Hochschulforums Digitalisierung.