Here are the most important links for the course:

• The lecture is streamed each Monday between 4 - 6 PM --> https://www.mi.fu-berlin.de/en/inf/groups/hcc/teaching/hcds-2020/index.html
• We use Discord for instant communication and questions during the lecture --> https://discord.gg/kqSTj3tP
• We meet for the exercise each Tuesday 4-6 PM in BigBlueButton --> https://bbb.planet.fu-berlin.de/b/ale-9yp-g6c
• All Material is provided in our GitHub wiki--> https://github.com/FUB-HCC/hcds-winter-2020/wiki
• Assignments are delivered via GitHub --> https://github.com/FUB-HCC/hcds-winter-2020/tree/main/assignments
• General information you find on our AG HCC Website --> https://www.mi.fu-berlin.de/en/inf/groups/hcc/teaching/winter_term_2020_21/course_human_centered_data_science.html
• We use Whiteboard for sending regular announcements --> https://mycampus.imp.fu-berlin.de/portal/site/df87a97d-d36f-4c7b-9a03-82a1016c8045/tool/206d21e5-e54e-4e69-a860-0e5a8702110a
• We use GitHub issues for discussions --> https://github.com/FUB-HCC/hcds-winter-2020/issues

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 des Data Science.

Human-Centered Data Science (HCDS) konzentriert sich auf die grundlegenden Prinzipien des 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, und darüber hinaus der effektiven mündlichen, schriftlichen und visuellen wissenschaftlichen Kommunikation und der gesellschaftlichen Auswirkungen des Data Science.

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.

Literatur

Aragon, C. M., Hutto, C., Echenique, A., Fiore-Gartland, B., Huang, Y., Kim, J., et al. (2016). Developing a Research Agenda for Human-Centered Data Science. (pp. 529–535). Presented at the CSCW Companion, New York, New York, USA: ACM Press. http://doi.org/10.1145/2818052.2855518

Baumer, E. P. (2017). Toward human-centered algorithm design:. Big Data & Society, 4(2), 205395171771885. http://doi.org/10.1177/2053951717718854

Kogan, M., Halfaker, A., Guha, S., Aragon, C., Muller, M., & Geiger, S. (2020, January). Mapping Out Human-Centered Data Science: Methods, Approaches, and Best Practices. In Companion of the 2020 ACM International Conference on Supporting Group Work (pp. 151-156).

Zusätzliche Informationen

https://www.mi.fu-berlin.de/en/inf/groups/hcc/teaching/winter_term_2020_21/course_human_centered_data_science.html