7 Künste und Unterhaltung
Filtern
Dokumenttyp
- Dissertation (2) (entfernen)
Sprache
- Deutsch (2)
Volltext vorhanden
- ja (2)
Schlagworte
- Digitalisierung (2) (entfernen)
Institut
Forschungsfrage:
Wie kann der digitale offene Zugang zu Sammlungsgut im Museum gedacht und praktiziert werden, der den übergreifenden Kennzeichen eines offenen Zugangs entspricht und zugleich jene Themen und Herausforderungen berücksichtigt, die sich in diesem Zusammenhang stellen?
Weiterführende Fragen:
Was ist offener Zugang? Wie können die übergreifenden Kennzeichen des offenen Zugangs auf Sammlungsgut im Museum angewendet werden? Welche thematischen Facetten, bisher nicht oder wenig reflektierte Themenfelder oder Herausforderungen sind im Zusammenhang von offenem Zugang und Sammlungsgut zu berücksichtigen – jenseits rechtlicher, technischer und ökonomischer Aspekte? Gibt es ethische, soziale oder kritisch-kuratorische Fragen, die wir uns stellen müssen, um den offenen Zugang im Museum in einer Weise zu gestalten, dass dieser den Spezifika von Sammlungsgut gerecht wird?
Ziel der Arbeit:
Ziel der Arbeit ist es, ausgehend von den identifizierten, übergreifenden Kennzeichen eines offenen Zugangs und den spezifischen Themen, Herausforderungen und Facetten, die in diesem Zusammenhang mit dem offenen Zugang zu Sammlungsgut zu berücksichtigen sind, Handlungsfelder zu entwickeln.
In der Dissertation werden acht Handlungsfelder identifiziert und ausformuliert:
Handlungsfeld 1: Zugang für alle
Handlungsfeld 2: Uneingeschränkte Nutzbarkeit
Handlungsfeld 3: Sensibilisierung für sensible Inhalte
Handlungsfeld 4: Kritische Selbstreflexion
Handlungsfeld 5: Pluralismus und Partizipation
Handlungsfeld 6: Transparenz
Handlungsfeld 7: Standardisiertes und kritisches Datenmanagement
Handlungsfeld 8: Nachhaltigkeit
Da diese Handlungsfelder an den spezifischen Anforderungen von Sammlungsguts im Museum ausgerichtet sind, bieten sie für die Museumspraxis eine umfassende Orientierung.
Aufgrund einer alternden Belegschaft, einem steigenden Digitalisierungsgrad von Arbeitsprozessen, unzureichenden Digitalisierungskompetenzen sowie sinkenden Weiterbildungsaktivitäten im Alter, kann eine wachsende Herausforderung für Unternehmen und Gesellschaft angenommen werden, die Erwerbsbevölkerung über 45 Jahre in den notwendigen Digitalen Kompetenzen zu befähigen. Adaptive Lernsysteme können als Hilfsmittel eingesetzt werden, um je nach individuellem Anspruch angepasst an die eigenen Bedürfnisse zu lernen. Da in der bisherigen Forschung sowohl der (Digitale) Kompetenzstand als auch Weiterbildungsverhalten kaum Anwendung als Auslöser für eine Anpassung in einem adaptiven Lernsystem finden, wurden beide Merkmale in dieser Dissertation untersucht und erforscht, ob sich innerhalb der Zielgruppe Weiterbildungstypen im digitalen Raum voneinander abgrenzen und typ-basierte Output-Elemente adaptiver Lernsysteme ableiten lassen.
Um die Ausprägung von Digitaler Kompetenz anschaulich in adaptiven Lernsystemen zu gestalten, wird eine Kompetenz-Ziel-Matrix entwickelt und eine Systematik vorgeschlagen, mit der die Erfüllung der Handlungsziele aus dem Europäischen Referenzrahmen für Digitale Kompetenz gemessen werden kann. In den Tiefeninterviews mit 41 Erwerbstätigen aus Deutschland und der Schweiz wiesen Teilnehmende deutliche Unterschiede in ihrem gelebten Weiterbildungsverhalten auf. Die empfundene Relevanz von Digitaler Kompetenz für die berufliche Rolle war nicht allein ausschlaggebend für eine aktivere Weiterbildungsbeteiligung. Bewusstseinslücken zum eigenen Digitalen Kompetenzstand und/ oder ein geringes Kompetenzerleben im digitalen Raum bewirkten ein passives Weiterbildungsverhalten trotz hoher empfundener Relevanz. Die entstandene Typologie weist fünf Weiterbildungstypen im digitalen Raum auf: Wissbegierige, Effiziente, Sozialaktive, Zufriedene und Unsichere. Diese haben sehr unterschiedliche Anforderungen dahingehend, wie ein adaptives Lernsystem gestaltet sein müsste, um ihren Anforderungen an Lernen gerecht zu werden. Demzufolge weichen auch die vorgeschlagenen priorisierten Output-Elemente je nach Typ voneinander ab, um Anreizpunkte zu setzen, welche die Bereitschaft zum Lernen steigern können.