Kurzbeschreibung
Die JIM-Studie untersucht seit 1998 jährlich den Medienumgang von Zwölf- bis 19-Jährigen, um Trends und Entwicklungen im digitalen Verhalten der Jugend abzubilden und neue Impulse für Bildung und Kultur abzuleiten. Die hier präsentierten Daten entstammen einer Paderborner Replikationsstudie, die diese Ergebnisse lokal nachzeichnet und zur Auswertung bereitstellt.
(vgl. https://www.mpfs.de/studien/)
Vorschau
Eine Vorschau der zur Verfügung gestellten Daten können Sie dem untenstehenden Bild entnehmen:
Über die folgenden Links können Sie die Daten in einer CODAP-Webumgebung einsehen und ausprobieren:
Beschreibung der Daten
Idee/Herkunft
Im Jahr 2021 nahmen über 1.200 Jugendliche an einer von ProDaBi initiierten Online-Umfrage teil, die uns wertvolle Einblicke in die Mediennutzung von Jugendlichen verschafft. Diese Daten, die wir aufgrund ihrer Verbindung zur offiziellen JIM-Studie und unserer regionalen Ausrichtung als “YOU-PB-Daten” bezeichnen (YOU steht für Youth und PB steht für Paderborn), bieten eine gute Grundlage für explorative Datenanalysen im Unterricht.
Zwar beanspruchen die YOU-PB-Daten keine Repräsentativität für eine spezifisch definierte Population, da es sich um eine Gelegenheitsstichprobe handelt, die in Zusammenarbeit mit Lehrkräften und Schulen im Raum Paderborn erhoben wurde. Dennoch sind die Daten aufgrund ihrer realen, authentischen und multivariaten Natur besonders gut für die Nutzung im Unterricht geeignet.
To collect the data, the official questionnaire of the JIM study, which was originally designed for telephone interviews, was transferred to an online format. This resulted in a comprehensive data set with 160 questions, which are represented in the data set as 160 variables.
Bei den zur Verfügung gestellten Daten handelt es sich um zwei CSV-Dateien, welche sich durch die Anzahl der auswertbaren Variablen unterscheiden. Ein Datensatz Datensatz beinhaltet 161 Variablen, der zweite verfügt über 50.
Die Tabellen beinhalten als Spalten die jeweiligen Variablen der Umfrage. Die Datentypen unterscheiden sich je nach Itemtyp. Einen genaueren Überblick über die Datentypen, bezogen auf die jeweiligen Variablen, bietet die dritte Datei zum Download.
Die Dateien zum Download befinden sich im Reiter “DOWNLOAD”.
Verwendung in Unterrichtsmodulen
Die YOU-PB Daten werden ausführlich verwendet in der Unterrichtsreihe “Data Detectives at Work“.
In dieser Unterrichtseinheit für die 8.–10. Klasse erkunden Schüler:innen anhand eines fiktiven Werbeplattform-Szenarios den YOU-PB-Datensatz zur Mediennutzung Jugendlicher. Mithilfe der kostenlosen Software CODAP analysieren sie echte Daten und lernen grundlegende Data-Science-Konzepte. Es stehen umfangreiche Materialien bereit; empfohlen wird die reduzierte Datensatzversion mit 50 Variablen, die differenzierbar eingesetzt werden kann.
Die YOU-PB Daten in CODAP-Umgebungen
The data is available in CODAP in two English versions (and four German versions).
Wir empfehlen Variante 1 für den Unterricht.
[German only] 50 variables, binary coded https://tinyurl.com/you-pb-50binaer
(Long: https://codap.concord.org/app/static/dg/en/cert/#shared=httpscfm-shared.concord.org6W1Sp7Zn06C6ad9ED53mfile.json) https://codap.concord.org/app/static/dg/de/cert/index.html#shared=https%3A%2F%2Fcfm-shared.concord.org%2F9IuhADJvA994rSs6MLct%2Ffile.json)
English: 50 variables, up to 7 categories https://tinyurl.com/you-pb-50en
(Long: https://codap.concord.org/app/static/dg/en/cert/#shared=httpscfm-shared.concord.org6W1Sp7Zn06C6ad9ED53mfile.json) https://codap.concord.org/app/static/dg/de/cert/index.html#shared=https%3A%2F%2Fcfm-shared.concord.org%2FH94YlIcxyFEYY9Ou8ZeL%2Ffile.json)
English: 160 variables, up to 7 categories: https://tinyurl.com/you-pb-en160
(Long: https://codap.concord.org/app/static/dg/en/cert/#shared=httpscfm-shared.concord.org6W1Sp7Zn06C6ad9ED53mfile.json) https://codap.concord.org/app/static/dg/de/cert/index.html#shared=https%3A%2F%2Fcfm-shared.concord.org%2FDohqN1dGy7r2mf9iqL2j%2Ffile.json)
[German only]: 160 variables: binary coded: https://tinyurl.com/you-pb-160binaer
(Long: https://codap.concord.org/app/static/dg/en/cert/#shared=httpscfm-shared.concord.org6W1Sp7Zn06C6ad9ED53mfile.json) https://codap.concord.org/app/static/dg/de/cert/index.html#shared=https%3A%2F%2Fcfm-shared.concord.org%2FstEcYRejbsfAPmTy9a26%2Ffile.json)
Publikationen zu den YOU-PB Daten
Im Zusammenhang mit Datenexploration
- Podworny, S. (2024), Eine qualitative Studie zu Data Science Education: Schülerinnen und Schüler analysieren multivariate Daten. Stochastik in der Schule 44(1), 2-10.
- Podworny, S. & Fleischer, Y. (2022). An approach to teaching data science in middle school. In U.T. Jankvist, R. Elicer, A. Clark-Wilson, H.-G. Weigand, & M. Thomsen (Eds.), Proceedings of the 15th international conference on technology in mathematics teaching (ICTMT 15) (pp. 308–315). Danish School of Education, Aarhus University.
- Podworny S., Fleischer, Y., Stroop, D. & Biehler R. (2022). An example of rich, real and multivariate survey data for use in school. Twelfth Congress of the European Society for Research in Mathematics Education (CERME12), Bozen-Bolzano, Italy. hal-03751842
- Frischemeier, D., Biehler, R., Podworny, S., & Budde, L. (2021). A first introduction to data science education in secondary schools: Teaching and learning about data exploration with CODAP using survey data. Teaching Statistics, 43(S1), S182-S189.
- Budde, L., Frischemeier, D., Biehler, R., Fleischer, Y., Gerstenberger, D., Podworny, S., Schulte, C. (2020). Data science education in secondary school: How to develop statistical reasoning when exploraing data using CODAP. In P. Arnold (Ed), New Skills in the Changing World of Statistics Education.
Im Zusammenhang mit maschinellem Lernen (Entscheidungsbäume)
- Fleischer, Y., Podworny, S., Biehler, R. (2024). Datenbasiertes Entscheiden. Wie TikTok dein wahres Alter herausfinden kann. Mathewelt – das Arbeitsheft, mathematik lehren 244.
- Fleischer, Y. & Podworny, S. (2022). Teaching machine learning with decision trees in middle school using CODAP. In U.T. Jankvist, R. Elicer, A. Clark-Wilson, H.-G. Weigand, & M.
- Fleischer, Y., Biehler, R., & Schulte, C. (2022). Teaching and Learning Data-Driven Machine Learning with Educationally Designed Jupyter Notebooks. Statistics Education Research Journal, 21(2).
- Biehler, R., & Fleischer, Y. (2021). Introducing students to machine learning with decision trees using CODAP and Jupyter Notebooks. Teaching Statistics, 43(S1), S133-S142.
Downloads
Im Folgenden können Sie die bereitgestellten Daten herunterladen
Zitations- und Lizenzhinweis
Citation:
ProDaBi-Team (2024). Die YOU-PB Daten. https://www.prodabi.de/unterricht/toolkit/datensaetze/
Veröffentlicht am 05.09.2024
Version: 1.0
License note: Creative Commons Attribution-ShareAlike (CC BY-SA 4.0)
Tags/Kategorien:
