Letramento de dados

capacidade de coletar, gerenciar, avaliar e aplicar dados com habilidades de pensamento crítico

Letramento 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, o letramento 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

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] O letramento estatístico, 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 letramento de dados

editar

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

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