SoSe 22: Human Centered Data Science
Claudia Müller-Birn
Zusätzl. Angaben / Voraussetzungen
Link zum Kurs auf der HCC-Webseite:
https://www.mi.fu-berlin.de/en/inf/groups/hcc/teaching/Summer-Term-2022/course_human_centered_data_science.html
Kommentar
In den letzten Jahren hat sich der Bereich Data Science rasant entwickelt, was in erster Linie auf die Fortschritte beim maschinellen Lernen zurückzuführen ist. Diese Entwicklung hat neue Möglichkeiten in einer Vielzahl von sozialen, wissenschaftlichen und technologischen Bereichen eröffnet. Aus den Erfahrungen der letzten Jahre wird jedoch immer deutlicher, dass die Konzentration auf rein statistische und numerische Aspekte in der Datenwissenschaft weder soziale Nuancen erfasst noch ethische Kriterien berücksichtigt. Der Forschungsbereich der Human-Centered Data Science schließt diese Lücke an der Schnittstelle von Mensch-Computer-Interaktion (HCI), Computer-Supported Cooperative Work (CSCW), Human Computation und den statistischen und numerischen Techniken der Data Science.
Human-Centered Data Science (HCDS) konzentriert sich auf die grundlegenden Prinzipien der Data Science und deren Auswirkungen auf die Menschen, einschließlich der Forschungsethik, des Datenschutzes, der rechtlichen Rahmenbedingungen, des algorithmischen Bias, der Transparenz, Fairness und Accountability, sowie Daten-Provenance, -kuration, -bewahrung und -reproduzierbarkeit, User Experience-Design und (Er)Forschung von großen Datensätzen, Human Computing. Darüber hinaus werden Kompetenzen in der effektiven mündlichen, schriftlichen und visuellen wissenschaftlichen Kommunikation und der gesellschaftlichen Auswirkungen von Data Science vermittelt.
Am Ende des Kurses sind die Studierenden dazu in der Lage:
- Methoden des menschenzentrierten Designs in der datenwissenschaftlichen Praxis anzuwenden, unter Berücksichtigung ethischer Belange und Datenschutzanforderungen,
- reproduzierbare datenwissenschaftliche Arbeitsabläufe aufzubauen,
- die Begriffe Bias, Fairness, Accountability, Transparency und Explanations zu unterscheiden,
- Maßnahmen, Techniken und Frameworks zur menschenzentrierten erklärbaren KI (XAI) anzuwenden,
- menschliche Arbeit, z.B. Crowdsourcing, verantwortungsvoll in datenwissenschaftliche Projekte zu integrieren und
- datenwissenschaftliche Arbeitsabläufe durch qualitative Forschungsansätze zu ergänzen.
Am Ende dieses Kurses verstehen die Studierenden die wichtigsten Konzepte, Theorien, Praktiken und verschiedenen Perspektiven, aus denen Daten gesammelt und manipuliert werden können. Darüber hinaus sind die Studierenden in der Lage, die Auswirkungen der aktuellen technologischen Entwicklungen auf die Gesellschaft zu erkennen.
Der Lehrplan dieses Kurses wurde ursprünglich von Jonathan T. Morgan, Cecilia Aragon, Os Keyes und Brock Craft entwickelt. Wir haben den Lehrplan an den europäischen Kontext und unser spezifisches Verständnis des Bereichs angepasst.
SchließenLiteraturhinweise
Aragon, Cecilia, et al. "Developing a research agenda for human-centered data science." Proceedings of the 19th ACM Conference on Computer Supported Cooperative Work and Social Computing Companion. 2016. http://doi.org/10.1145/2818052.2855518
Baumer, Eric PS. “Toward Human-Centered Algorithm Design.” Big Data & Society, 4(2), Dec. 2017. http://doi.org/10.1177/2053951717718854.
Kogan, Marina, et al. "Mapping Out Human-Centered Data Science: Methods, Approaches, and Best Practices." Companion of the 2020 ACM International Conference on Supporting Group Work. 2020. pp. 151-156. https://doi.org/10.1145/3323994.3369898
Schließen25 Termine
Regelmäßige Termine der Lehrveranstaltung