Forsøger I at opbygge en datakulturi din organisation?

Kæmper I med at opbygge datakompetencer i din organisation? Brug vores hands-on aktiviteter til at komme i gang med at skabe en datakultur. Vi har videoer, der italesætter hvordan du kan facilitere kreative workshops og øvelser for ikke-teknisk personale i din organisation. Øvelserne er ikke kedelige øvelser i regneark! Vi forslår at afvikler en aktivitet om måneden, hvis I vil kickstarte jeres datakultur. Lær mere på https://datacultureproject.org.

Deltag i Data Culture Project!

Hvorfor bruge Databasic?

Rahul Bhargava og Catherine D'Ignazio, skaberne bag Databasic, fortæller her, hvordan alle kan fortælle historier med data.

Om DataBasic

Tilgængeligt for alle

Digitale teknologier idag giver mange muligheder for rent faktisk at gøre noget. Nye webstandarder gør det lettere end nogensinde at bygge værktøjer, som er tilgængelige for alle. DataBasic bruger disse teknologier til at understøtte læseren bag skærmen til at påbegynde arbejdet med data på nye og anderledes måder.

At gøre en ting godt

Der er tonsvis af værktøjer til at arbejde med data, men mange er så komplekse at vi slet ikke får begyndt. Værktøjerne i DataBasic er skabt, for at du kan lære én ting ad gangen, så du ved, hvad der rent faktisk foregår og hvad det kan bruges til. Lad os fokusere på at gøre én ting ad gangen, og så gøre den både grundigt og så enkelt som muligt.

Tilpassede værktøjer

At arbejde med online data involverer altid mange forskellige værktøjer. En løsning på den udfordring ligger stadig ude i fremtiden. Derfor har vi lavet DataBasic så flere forskellige typer af data kan anvendes, og så dit output kan eksporteres i et format du kender i forvejen. Noget indhold skal ses direkte på websitet og andet kan downloades i .csv format. Det er to af de måder, vi prøver at introducere dig til arbejdet med online data.

Læringsfokus

At være hurtigst er ikke altid bedst. Hvis du virkelig vil lære at arbejde med data og fortælle datahistorier, så har du brug for mere end værktøjer, der hurtigt kan spytte diagrammer ud. Vi har derfor forsøgt at bygge DataBasic med modtageren som fokuspunkt. Er der tekniske ord, du ikke ved, hvad betyder? Hold musen over ordet og en kort definition ses straks. Usikker på, hvordan et bestemt værktøj bruges? Start med at anvende de datasæt, vi allerede har lagt op til dig.

Overholder dine privatlivsrettigheder

Med alle de online dataværktøjer kan det blive svært at overskue, hvor dine data forsvinder hen og hvad der sker med dem, efter de er lagt på internettet. Vi gemmer kun dine informationer i det begrænsede tidsrum, det tager at analysere dem, og herefter slettes de. Al kommunikation foregår over https, så andre mennesker ikke kan kigge med over skulderen, når du uploader data.

Af undervisere, for undervisere

Arbejder du med udskolingselever, elever på ungdomsuddannelser, foreninger eller netværk? Det gør vi også!!! Derfor har vi designed og afprøvet DataBasic værktøjerne og aktiviteterne i både klasselokaler og workshops. Værktøjerne er udviklet i frustration over de værktøjer vi tidligere måtte bruge i vores undervisning af bachelorstuderende.

Designet og udviklet af

Indledende undersøgelse:

Rahul Bhargava (Northeastern University) & Catherine D'Ignazio (MIT)

Softwareudvikling: GitHub

Rahul Bhargava, Catherine D'Ignazio, the Engagement Lab & Stephen Suen

Den spanske oversættelse:

Aleszu Bajak, Víctor Rogelio Hernández Marroquín & Mariel García-Montes

Den portugisiske oversættelse:

Daniel Paz de Araújo med bidrag fra Emilie Reiser

Den danske oversættelse:

Aarhus Public Libraries

Identifikation af spanske datasæt:

Miguel Paz & Mariel García-Montes

Identifikation af portugisiske datasæt:

Vivian Guilherme & Daniel Paz de Araújo

Identifikation af dansk datasæt:

Aarhus Public Libraries

Et gratis og open source projekt som Databasic ville ikke være muligt uden støtte fra:
John S. and James L. Knight Foundation, Emerson College Faculty Development Fund & Shuttleworth Foundation

MIT Center for Civic Media
Engagement Lab at Emerson College