Nummer00472LeitungSamin Sepahniya, +41 62 957 29 84, samin.sepahniya@fhnw.chECTS3.0Methodik und DidaktikFachliche Inputs, Diskussion, Übungen, angeleitetes SelbststudiumLeistungsnachweisAktive Teilnahme, eine eigene Analyseaufgabe mit den zur Verfügung stehenden Daten erstellen, bearbeiten und dokumentieren.LiteraturRennstich, Joachim K. (2019). Digitalkompetenz und Data Literacy als professionelle Kompetenzen für Soziale Arbeit im Zeitalter des digitalen Kapitalismus: Der Einfluss der Digitalisierung auf Lehre und Ausbildungsprofile in der Sozialen Arbeit. SocArXiv. https://doi.org/10.31235/osf.io/ybf2q
Schneider, Diana (2021). Ein Schritt in Richtung De-Professionalisierung? Plädoyer für eine intensive Diskussion über algorithmische Systeme in der professionellen Praxis. In Maik Wunder (Hg.), Digitalisierung und Soziale Arbeit. Transformationen und Herausforderungen. Bad Heilbrunn: Verlag Julius Klinkhardt. S.122–139.
Schrödter, Mark/ Bastian, Pascal/ Taylor, Brian (2018). Risikodiagnostik in der Sozialen Arbeit an der Schwelle zum «digitalen Zeitalter» von Big Data Analytics. https://doi.org/10.13140/RG.2.2.22119.14240
Konkrete Literaturangaben und weitere Literatur wird online zur Verfügung gestellt.
LeitideeDer Wandel hin zu Digitalisierung und Datafizierung prägt auch den Wohlfahrtsstaat sowie soziale Organisationen und eröffnet in der Sozialen Arbeit völlig neue Perspektiven. Um diese Potenziale optimal zu nutzen, gilt es, die bewährten Stärken in der zwischenmenschlichen Interaktion in der Sozialen Arbeit um das Know-how der Datenkompetenz zu erweitern. Mit diesem Ziel vor Augen bieten wir einen Intensivkurs zu Datenwissenschaft an, der sich speziell an Studierende der Sozialen Arbeit richtet. Es sind keine Vorkenntnisse in Statistik oder Datenanalyse erforderlich. Die Teilnehmenden lernen anhand von praktischen Beispielen, wie soziale Herausforderungen mit Hilfe der Programmiersprache R analysiert werden können. Dabei werden grundlegende Kenntnisse im Bereich Datenwissenschaft erworben und gleichzeitig vermittelt, wie diese Methoden in die Lösungsfindung Sozialer Arbeit integriert werden können (z.B. wie ein Vorhersage-Algorithmus zur Identifikation vulnerabler Klient*innen funktioniert oder wie die Wirkung neuer Angebote gemessen werden kann). ModulinhalteBei diesem Wahlmodul handelt es sich um ein methodenorientiertes Modul, bei dem die Einführung und praktische Anwendung der Datenanalyse mit der Programmiersprache R im Vordergrund steht.
Einführung in die Datenanalyse und ihren Bezug zur Sozialen Arbeit: Inputs und Diskussionen, warum ist Datenanalyse auch für Sozialarbeiter*innen von Relevanz? (Monitoring, Evaluation etc.) und was können wir mit quantitativer Forschung in der Sozialen Arbeit erreichen?
Studiendesigns (Deskriptiv, Vorhersage, kausale Schlussfolgerung/Evaluationsdesign)
Crashkurs in R: R Interface, Grundfunktionen, Import und Aufbereitung von administrativen Daten, Umfragedaten oder Organisationsdaten mit R.
Durchführung einfacher Berechnungen, Erstellung deskriptiver Tabellen und Visualisierungen.
Fach- und MethodenkompetenzFähigkeit zur Innovation
Fähigkeit zu forschen
SelbstkompetenzFähigkeit zur selbstregulierten WissenserweiterungFachwissenForschungsmethoden 
