Big Data ist eines der großen Buzzwords unserer Zeit. Als Big Data werden oftmals Datenquellen verstanden, die außergewöhnlich sind im Hinblick auf die Datenmenge, die übliche Verarbeitungsmengen überschreiten (Volume), auf die hohe Geschwindigkeit der Datengenerierung und -auswertung (Velocity) und auf die große Variabilität der Datentypen, die zum Beispiel Textdokumente, Audio- und Videomaterial oder numerische Daten einschließt (Variety). Eine beliebte Datenquelle sind Social-Media-Daten, wie etwa Posts, Shares, Likes, Messages oder Fotos im Internet, auf die sich die nachfolgend skizzierten Beispiele im Besonderen beziehen.

Big Data als Forschungszugang in der Erwachsenenbildung?

Für die Auseinandersetzung mit Big Data in der wissenschaftlichen Forschung und die Berücksichtigung dieser Datenquellen gibt es durchaus eine Reihe guter Gründe (vgl. z.B. Adjerid & Kelley, 2018). Big Data-Analysen liefern neue Startpunkte für die Forschung durch die Untersuchung bekannter Merkmale (z.B. Einstellungen und Motivationen zum Lernen) in neuartigen Datenquellen digitaler Plattformen, durch die Erfassung von Daten in Echtzeit und zum Teil über lange Zeiträume und auch durch die Datenerhebung von heterogenen und großen Stichproben in lebensnahen Situationen (naturalistic field research). Vor allem aber sind die Verfügbarkeit vieler großer Datensätze (bei Einverständnis zur Nutzung!) und die Möglichkeit zu unmittelbaren individualisierten Reaktionen (in der wissenschaftlichen Forschung: Interventionen) Argumente für die Analyse von Big Data. Für die Auseinandersetzung mit Big Data spricht außerdem die gesellschaftliche Verantwortung der wissenschaftlichen Forschung, die gut beraten ist, dieses Feld nicht ausschließlich kommerziellen Unternehmen zu überlassen.

Big Data-Anwendungen lassen sich in der Erwachsenenbildung durchaus sinnvoll nutzen und auch nicht nur im Bereich der Learning and Teaching Analytics, wie etwa am Beispiel der Angebotsstrukturen und der Programmplanung dargestellt werden kann. So können das Suchverhalten im Internet, auch Likes und Shares in passgenaue und individualisierte Weiterbildungsangebote und -empfehlungen einfließen. Die vorliegenden Angebotsinformationen (z.B. Programmtexte) in großer Menge, aber gegebenenfalls auch die Social-Media-Reaktionen auf diese Angebote lassen sich für die Ableitung von Trends analysieren, was wiederum sehr hilfreiche Informationen für die Weiterbildungsplanung beinhaltet. Dies setzt natürlich jeweils das Einverständnis zur Datennutzung voraus.

Schlussfolgerungen für die Erwachsenenbildung

Welche Schlussfolgerungen ergeben sich aus Big Data für die Erwachsenenbildung in Forschung und Praxis? Insbesondere sind die folgenden Aspekte zu berücksichtigen: Zum einen spielt Big Data in der Forschung der Erwachsenenbildung derzeit noch eine sehr untergeordnete Rolle. Big Data-Analysen, gerade auf Basis von Social Media, ermöglichen jedoch auch neuartige Forschungszugänge im Feld und können damit von hoher praktischer Relevanz sein. Sie machen nicht nur die Erfassung von bildungsbezogenen Verhaltensweisen unter Realbedingungen, sondern auch die unmittelbare und passgenaue Reaktion auf diese Verhaltensweisen möglich. Dies gestattet es, die Wünsche, Ziele und die Motivation von erwachsenen Lernenden besser zu verstehen und auf dieser Basis eine bessere Passung zu ihren Präferenzen herzustellen (vgl. für eine entsprechende Argumentation in einem anderen Kontext Matz & Netzer, 2017). Für die Weiterbildungspraxis, sowohl für Anbieter als auch für Lernende, ist dies von Vorteil.

Gleichermaßen sind mit Big Data aber auch sehr große Herausforderungen in ethischer Hinsicht verknüpft, die wissenschaftlich bearbeitet und in der Praxis diskutiert werden müssen, etwa zur Privatsphäre im Netz oder bei Fragen der Datennutzung, der Regulierung der Nutzung und des Datenmissbrauchs. In anderen Disziplinen sind Lösungsansätze diskutiert worden, wie etwa Transparenz und individuelle Kontrolle über personalisierte Angebote (vgl. z.B. Matz & Netzer, 2017; Matz Appel, & Kosinski, 2020). Die Weiterbildungsforschung und -praxis muss sich in diese wichtige Diskussion in ihrem Feld des Lebenslangen Lernens einbringen.

Schließlich muss die Erwachsenenbildung – wie auch zahlreiche andere Disziplinen – den wissenschaftlichen Nachwuchs im Umgang mit diesen Daten gezielt ausbilden und eine Reflexion der Möglichkeiten, Herausforderungen und Grenzen anstoßen. Wie andere Entwicklungen im Bereich der Digitalisierung gewinnt Big Data derzeit weiter an Bedeutung (vgl. Baig, Shuib & Yadegaridehkord, 2020) und wird nicht einfach wieder “weggehen”. Die Erwachsenenbildungsforschung darf die zukünftig wichtiger werdende Arbeit mit Big Data und entsprechenden Datenanalysemethoden nicht übersehen und allein kommerziellen Unternehmen überlassen, die primär die Frage der Machbarkeit in den Vordergrund stellen. Auch würden der Weiterbildungspraxis Mitarbeiterinnen und Mitarbeiter mit Ausbildungshintergrund in der Erwachsenen-/Weiterbildung in diesem Fall fehlen, die sich kompetent im Umgang mit Big Data einbringen können. Um dieser Gefahr entgegenzuwirken, sollten auf Big Data ausgerichtete Methoden Bestandteil der wissenschaftlichen Ausbildung in der Erwachsenenbildung werden (in diesem Zusammenhang erwähnenswert: die Berücksichtigung von Big Data-Themen in Ausbildungscurricula ist aktuell auch ein relevantes Thema in der bildungswissenschaftlichen Forschung; Baig, Shuib & Yadegaridehkord, 2020). Am Deutschen Institut für Erwachsenenbildung - Leibniz-Zentrum für Lebenslanges Lernen e. V. gehören entsprechende Inhalte inzwischen beispielsweise zur strukturierten Doktorandenausbildung. Dies legt einen Grundstein dafür, dass Big Data und die damit verbundenen Analysemethoden auch in der Erwachsenenbildung in Forschung und Praxis in sinnvoller Form Anwendung finden können. 

Literatur

Adjerid, I., & Kelley, K. (2018). Big data in psychology: A framework for research advancement. American Psychologist, 73(7), 899-917. https://doi.org/10.1037/amp0000190

Baig, M. I., Shuib, L. & Yadegaridehkordi, E. (2020). Big data in education: a state of the art, limitations, and future research directions. International Journal of Educational Technology in Higher Education, 17, 44. https://doi.org/10.1186/s41239-020-00223-0

Matz, S. C., Appel, R. E., & Kosinski, M. (2020). Privacy in the age of psychological targeting. Current Opinion in Behavioral Science, 31, 116-121. https://doi.org/10.1016/j.copsyc.2019.08.010

Matz, S. C., & Netzer, O. (2017). Using Big Data as a window into consumer psychology. Current Opinion in Behavioral Science, 18, 7-12. https://doi.org/10.1016/j.cobeha.2017.05.009

Über den Autor

Dr. Christian Spoden ist wissenschaftlicher Mitarbeiter und zuständig für die Methodenberatung und die strukturierte Doktorandenausbildung am Deutschen Institut für Erwachsenbildung – Leibniz-Zentrum für Lebenslanges Lernen e. V.