About this video
In diesem Video geht es uns um das Konzept und die Prinzipien der Verdatung. Zu verstehen, was wir tun, wenn wir die Welt um uns herum in Daten transformieren ist eine wichtige Voraussetzung.
Weiterführende Hinweise und Literatur
- Auch der Deutsche Ethikrat hat sich schon vor einigen Jahren mit den Chancen und Risiken von Big Data im Gesundheitswesen auseinandergesetzt. Eine Zusammenfassung der Stellungnahme findet ihr hier: https://www.ethikrat.org/fileadmin/Publikationen/Stellungnahmen/deutsch/stellungnahme-big-data-und-gesundheit-kurzfassung.pdf
- Für eine kritische Perspektive auf Big Data (Methoden) in der Medizin eignet sich der Aufsatz von Gerd Antes im Ärzteblatt: https://www.aerzteblatt.de/archiv/175874/Big-Data-und-Personalisierte-Medizin-Goldene-Zukunft-oder-leere-Versprechungen
- Der zitierte Aufsatz von boyd und Crowford ist nun schon ein paar Jahr alt, gibt aber weiterhin als vielbeachtete Studie zum Thema Big Data: Boyd, D., & Crawford, K. (2012). Critical questions for big data: Provocations for a cultural, technological, and scholarly phenomenon. Information, communication & society, 15(5), 662-679. https://doi.org/10.1080/1369118X.2012.678878
Eine ganze Reihe von exzellenten Monografien haben sich mit dem Phänomen der Vermessung, Verdatung und Quantifizierung auseinandergesetzt. Wer die Möglichkeit hat, sollte einmal folgende Lektüre suchen:
- Bowker, G. C., & Star, S. L. (1999). Sorting things out: Classification and its consequences. MIT Press.
- Mau, S. (2017). Das metrische Wir: über die Quantifizierung des Sozialen. Suhrkamp Verlag.
- Porter, T. M. (1996). Trust in numbers: The pursuit of objectivity in science and public life. Princeton University Press.
- Vincent, J. (2022). Beyond measure: The hidden history of measurement. Faber & Faber.
Den genannten OpenHPI Kurs, in dem auf Rosenbergs These „Daten vor den Fakten“ eingegangen wird, findet ihr hier: https://open.hpi.de/courses/kidaten2023. Eine Übersetzung des Aufsatzes ist hier zugänglich: Rosenberg, D. (2014). Daten vor Fakten. Big Data, 133-156. https://doi.org/10.1515/transcript.9783839425923.133