Es gibt keine neutralen Daten
BiblioMap
Definitionen
Prinzipiell gibt es keine objektiven oder neutralen Daten, sondern nur jeweils passende Daten in Relation zu einem bestimmten Einsatzzweck.
Von Rainer Rehak im Text Zwischen Macht und Mythos (2024) Bemerkungen
Diese Aussage entspricht der konstruktivistischen Aussage "Alles Gesagte wird von einem Beobachter gesagt".
Von Beat Döbeli Honegger, erfasst im Biblionetz am 16.05.2021Es gibt schlicht keine neutralen Daten. Hinter allen KI-Modellen steht bereits ein Modell der Welt, lange bevor ihr Training überhaupt begonnen hat. Und das heisst: Künstliche Intelligenz ist immer ideologisch.
Von Hannes Bajohr im Text Wer sind wir? Warum künstliche Intelligenz immer ideologisch ist (2021) Daten sind nicht neutral, sie werden »gekocht«, worauf Rob Kitchin (2014) hinwies. Damit soll (in) der Bildung
deutlich werden, dass bereits bei der Konzeption einer Datenerhebung bestimmte
Vorstellungen über die Datennutzung oder Weitergabe eine Rolle spielen – sowohl
intendiert als auch nicht-intendiert. Daten konstruieren im kommunikativen Prozess
die Wirklichkeit.
Von Mandy Schiefner-Rohs, Sandra Hofhues, Andreas Breiter im Buch Datafizierung in der Bildung (2023) im Text All is data? Dass Daten jedoch nicht
neutral oder objektiv gegeben sind oder Gegebenes repräsentieren, ist hingegen eine
Kernaussage der Critical Data Studies. Vertreterinnen und Vertreter argumentieren,
dass Daten nicht einfach nur existieren, sondern vielmehr «generiert» werden und niemals «roh» sind (Bowker 2008, 184; Gitelman 2013). Daten existieren immer in
Assemblagen aus Ideen, Instrumenten, Praktiken, Wissen und Kontexten, innerhalb
welcher sie generiert, verarbeitet und analysiert werden (Kitchin 2014; Jarke 2018).
Von Juliane Jarke, Andreas Breiter im Journal Datengetriebene Schule (2021) im Text Die Schule als digitale Bewertungsfiguration? Zitationsgraph
9 Erwähnungen
- 'Raw Data' Is an Oxymoron (Lisa Gitelman) (2013)
- Big Data in Education - The digital future of learning, policy and practice (Ben Williamson) (2017)
- 2. Conceptualizing Digital Data - Data mining, analytics and imaginaries
- Why Data Is Never Raw - On the seductive myth of information free of human judgment (Nick Barrowman) (2018)
- Wer sind wir? Warum künstliche Intelligenz immer ideologisch ist (Hannes Bajohr) (2021)
- Datengetriebene Schule - Forschungsperspektiven im Anschluss an den 27. Kongress der DGfE (Mandy Schiefner, Sandra Hofhues, Andreas Breiter) (2021)
- Die Schule als digitale Bewertungsfiguration? - Zur Soziomaterialität von Algorithmen und Daten (Juliane Jarke, Andreas Breiter)
- Die datafizierte Schule (Annekatrin Bock, Andreas Breiter, Felicitas Macgilchrist, Sigrid Hartong, Juliane Jarke, Sieglinde Jornitz) (2023)
- Werkstattbericht - Ein Blick auf die Hinterbühne der DATAFIED Forschung (Felicitas Macgilchrist, Annekatrin Bock, Andreas Breiter, Vito Dabisch, Sigrid Hartong, Juliane Jarke, Sieglinde Jornitz, Ben Mayer, Angelina Lange, Tjark Raabe, Irina Zakharova, Jasmin Troeger)
- Critical Data Literacies - Rethinking Data and Everyday Life (Luci Pangrazio, Neil Selwyn) (2023)
- Datafizierung in der Bildung - Kritische Perspektiven auf digitale Vermessung in pädagogischen Kontexten (Mandy Schiefner, Sandra Hofhues, Andreas Breiter) (2023)
- All is data? - Ein (Schreib-)Gespräch unter Herausgeber:innen (Mandy Schiefner-Rohs, Sandra Hofhues, Andreas Breiter)
- Zwischen Macht und Mythos - Eine kritische Einordnung aktueller KI-Narrative (Rainer Rehak) (2024)