Alfabetização de dados

Origem: Wikipédia, a enciclopédia livre.

Alfabetização de dados ou literacia de dados é a capacidade de ler, gerenciar, analisar e argumentar por meio de dados.[1] Assim como a alfabetização como um conceito geral, a alfabetização em dados concentra-se nas competências envolvidas no trabalho com dados. No entanto, não é semelhante à capacidade de ler textos, uma vez que requer certas habilidades que envolvem a leitura e a compreensão de dados, também conhecidos como informações.[2]

História[editar | editar código-fonte]

Como a coleta e o compartilhamento de dados têm se tornado rotina e a análise de dados e de big data é um assunto constante nas notícias, negócios,[3] governo[4] e sociedade,[5] torna-se cada vez mais importante para os estudantes, cidadãos e leitores terem alguma literacia de dados. O conceito está associado à ciência de dados, que se preocupa com a análise de dados, geralmente por meios automatizados, e a interpretação e aplicação dos resultados.[6]

A literacia em dados distingue-se da literacia estatística, uma vez que envolve a compreensão do que os dados significam, incluindo a capacidade de ler gráficos e tabelas, assim como tirar conclusões dos dados.[7] A alfabetização estatística, por outro lado, refere-se à "capacidade de ler e interpretar estatísticas resumidas na mídia cotidiana", como gráficos, tabelas, declarações, pesquisas e estudos.[7]

Bibliotecas e alfabetização de dados[editar | editar código-fonte]

Como guias para encontrar e usar informações, bibliotecários têm realizado workshops sobre alfabetização de dados para estudantes e pesquisadores, além de também trabalharem no desenvolvimento de suas próprias habilidades em alfabetização de dados.[8]

Os recursos criados pelos bibliotecários incluem o Tutorial de Publicação e Gerenciamento de Dados do MIT, o Treinamento de Gerenciamento de Dados de Pesquisa EDINA (MANTRA), a Biblioteca de Dados da Universidade de Edimburgo e o Curso de Gerenciamento de Dados para Engenheiros Estruturais das bibliotecas da Universidade de Minnesota.

Ver também[editar | editar código-fonte]

Referências

  1. Bhargava, Rahul. «Approaches to Building Big Data Literacy». MIT Media Lab. Consultado em 28 de novembro de 2020 
  2. Baykoucheva, Svetla. Managing Scientific Information and Research Data. [S.l.: s.n.] ISBN 9780081001950 
  3. Hey, A. J.; Tony Hey; Tansley, S.; Tolle, K. (eds.). The fourth paradigm: data-intensive scientific discovery. [S.l.: s.n.] 
  4. «Open Data Philly» 
  5. «Promote Data-intensive Scientific Discovery, Enhance Scientific and Technological Innovation Capability: New Model, New Method, and New Challenges Comments on" The Fourth Paradigm: Data-intensive Scientific Discovery». Bulletin of Chinese Academy of Sciences. 1 
  6. Stanley, Deborah B. (11 de julho de 2018). Practical Steps to Digital Research: Strategies and Skills For School Libraries. [S.l.: s.n.] ISBN 9781440856723 
  7. a b Carlson, Jake; Johnston, Lisa. Data Information Literacy: Librarians, Data, and the Education of a New Generation of Researchers. [S.l.: s.n.] ISBN 9781557536969 
  8. «Data literacy for researchers and data librarians». Journal of Librarianship and Information Science. 49. doi:10.1177/0961000615616450