Letramento informacional de dados: 12 competências
O letramento informacional de dados é uma necessidade para diversas organizações, em diferentes aspectos, na nossa sociedade atual. Pessoas bibliotecárias de dados podem contribuir criando projetos que desenvolvam as competências necessárias para o letramento.
Quais são essas competências?
Conforme falei no meu texto anterior:
Sigo na leitura do livro:
“Data Information Literacy: Librarians, Data, and the Education of a New Generation of Researchers” (clique aqui para acessá-lo).
Durante o primeiro capítulo, os autores trazem um entendimento de quais são as competências necessárias para realizar um programa de letramento informacional de dados a partir de pesquisas realizadas em bibliotecas nos EUA e do framework de letramento informacional (ainda na versão antiga de 2000) da Association of College and Research Libraries (ACRL).
E no texto de hoje, eu abordarei quais são as necessidades e competências.
Bora lá?!
Sumário
Esclarecendo os conceitos de letramentos
Necessidades informacionais de dados
Esclarecendo os conceitos de letramentos
Antes de partirmos para as competências é muito importante esclarecer alguns conceitos, nos quais foram explicados durante esse capítulo. Existe uma diferença entre letramento informacional de dados, letramento de dados e letramento estatístico.
O letramento de dados é a capacidade de ler, acessar, manipular, avaliar, resumir, apresentar… dados. Tirar conclusões e avaliar se os dados estão sendo apresentados de forma enganosa.
O letramento estatístico é a capacidade de ler e interpretar estatísticas básicas. Analisando e avaliando dados por meio da estatística para se encontrar evidências.
O letramento informacional de dados é a capacidade de pensar criticamente (refletir) sobre conceitos, afirmações, hipóteses… a partir de análises de dados.
São conhecimentos encadeados e hierarquizados.
Para se ter um letramento informacional de dados, precisa ter uma base de letramento estatístico, que por sua vez precisa de uma base de letramento de dados.
Não é possível se ter uma reflexão crítica aprofundada sem que se entenda conceitos básicos de dados e estatística.
“Avaliar a informação requer essencialmente que se compreenda os dados e estatísticas utilizados e um recurso de informação”.
Necessidades informacionais de dados
Diante das pesquisas realizadas com docentes e discentes de universidades nos EUA e verificação de programas de bibliotecas (como do MIT, da Universidade de Purdue, da Virgínia e de Syracuse) que se propuseram a desenvolver projetos sobre o tema. Eles listaram essas competências:
- Entender conceitos de documentação e metadados.
- Garantir a segurança e o backup dos dados.
- Estruturar diretórios de arquivos com um padrão de nomenclatura.
- Compartilhar e citar de dados.
- Integrar de dados de diferentes fontes.
- Saber escolher bons formatos de arquivo para acesso de longo prazo.
- Desenvolver práticas arquivamento de dados.
- Saber coletar, processar, gerenciar, avaliar e usar dados para investigação científica.
Necessidades informacionais da ACRL
A Association of College and Research Libraries (ACRL) desenvolveu um framework para guiar bibliotecas e instituições de ensino para desenvolver iniciativas de alfabetização informacional.
Os autores trouxeram esse “padrão” para auxiliar e guiar quais seriam as relações no âmbito dos dados. Elas são:
- Determinar a origem da necessidade de informação: Saber o que se quer obter de fato. Saber fazer as perguntas necessárias e para “quem” deve se realizá-las.
- Acessar informações de forma eficiente e eficaz: Saber consultar repositórios de dados, bem como os mais diversos formatos de conjuntos de dados. Saber quais dados devem ser integrados e como integrá-los.
- Avaliar informações de forma crítica: Avaliar dados a partir de uma visão crítica da fonte. Avaliar os metadados (como, quando e onde foram coletados, quais equipamentos utilizados) para se entender o contexto dos conjuntos de dados (confira esse meu outro texto sobre 3 estratégias para se ler e extrair significado de conjuntos de dados).
- Usar as informações com um propósito: Saber utilizar informações de forma objetiva para o projeto. Desta forma poderá comunicar/documentar um produto informacional de forma eficaz para outras pessoas (comunicar de forma eficiente é extremamente importante para que os dados sejam compartilhados e reutilizados).
- Compreender questões econômicas, jurídicas e sociais, usando informações de forma ética: Saber se orientar em como utilizar dados de forma ética é extremamente relevante. Na época do livro (lançado em 2015) a quantidade e qualidade de informações sobre propriedade intelectual/ética relacionadas a dados ainda eram “escassas” em comparação a hoje, entretanto ainda são menores do que a relacionadas a outros documentos e ainda passam por diversas atualizações ao decorrer dos anos e até mesmo regiões.
12 Competências
Com base nas pesquisas realizadas e no framework da ACRL os autores propuseram 12 competências essenciais para o letramento informacional de dados.
Elas são:
- Ter conhecimentos introdutórios sobre bancos de dados: Compreender o conceito de banco de dados relacionais e saber como consultar esses bancos de dados.
- Encontrar e adquirir dados: Localizar e utilizar repositórios de dados disciplinares identificando quais informações são relevantes, sabendo importar quando necessário.
- Gerenciar e organizar dados: Compreender o ciclo de vida dos dados, documentando de forma correta, principalmente na relação entre os dados processados com os originais.
- Saber converter dados e ter uma visão sobre a interoperabilidade: Ser proficiente na conversão dos formatos de dados, compreendendo os riscos e potenciais percas no corrompimento de informações causadas pela alteração dos dados. Compreender os benefícios de disponibilizar dados em um formato padrão para facilitar o uso.
- Ser capaz de garantir a qualidade dos dados: Reconhecer e resolver quaisquer problemas aparentes ou incompletos nos conjuntos de dados. Utilizar os metadados para descrever a maior quantidade possível de informações para antecipar os possíveis problemas com os conjuntos de dados.
- Ter conhecimentos sobre metadados: Compreender a lógica dos metadados, descrevendo os conjuntos de dados não apenas pelas sua composição (descrição das colunas, variáveis, elementos) como também da sua origem (descrição de quando, onde, como, por quem, por quê foi gerado). Os metadados devem ser compreendidos de forma que os próprios autores (alunos, usuários, pesquisadores) possam entendê-los ao decorrer do tempo, como para que sejam compartilhados e utilizados por quaisquer outros grupos de pessoas.
- Ter conhecimentos sobre curadoria e reutilização de dados: Ter a visão que os dados podem ter valor além do seu objetivo original (como para validar pesquisas em dados científicos) e que podem ser reutilizados para outros fins. Portanto ter o cuidado de fazer a curadoria é extremamente importante para que os dados não se tornem obsoletos e inacessíveis ao decorrer dos tempos.
- Entender a cultura prática da área: Reconhecer as práticas, valores e normas da área (campo, disciplina, campo) estudado. Saber quais são os padrões de dados relevantes de um campo (quais são os padrões de metadados, padrões de qualidade, formatação etc) e como esses padrões são aplicados.
- Ter conhecimento em preservação de dados: Reconhecer os benefícios e custos da preservação de dados. Compreender quais são as tecnologias, recursos e componentes da organização para a preservação dos dados.
- Saber analisar dados: Ter uma familiaridade com as ferramentas básicas de análise de dados. Utilizar ferramentas que permitam automatizar o processo de análise (limpeza, transformação, manipulação).
- Saber visualizar dados: Utilizar com proficiência as ferramentas básicas de visualização, compreendendo quando e quais tipos de visualização devem ser utilizadas em cada tipo de visualização. Se atentar a evitar visualizações enganosas ou ambíguas (esse livro traz dicas incríveis de como não ser enganado com estatística e visualizações.
- Ter uma compreensão básica sobre ética/propriedade intelectual em dados: Compreender questões de propriedade intelectual, privacidade e confidencialidade de dados de uma forma geral, bem como de acordo com a área em específico. Saber como citar dados é também relevante para que possam ser compartilhados e reutilizados (confira esse guia da Scielo de como citar dados).
Considerações finais
Ter o entendimento de quais são as competências é essencial para saber para onde devemos seguir ao desenvolver projetos de letramento informacional de dados.
Se você se interessou pelo tema, continue a ler o livro também e vamos discutir mais sobre. Gostaria muito de aprender com as suas perspectivas também!
Se o inglês é uma barreira para a leitura, não se preocupe, se apoie em ferramentas como o google translate e leia em inglês e em português. Desta forma você também poderá exercitar mais o estudo da língua.
Falando em inglês, você sabia que a Alura também tem uma plataforma de cursos de línguas? É a Alura língua , que já está inclusa dentro do plano PRO da Alura.
Eu utilizo a plataforma e gosto bastante, principalmente pelo mecanismo de repetição espaçada que eles aplicam.
Caso você não seja aluno ainda, confira meu cupom de desconto especial aqui.
Agora me diga, o que achou das competências?
Conhece outros materiais para compartilhar, enriquecer e aprofundarmos ainda mais nelas? Compartilhe e vamos discutir mais sobre o tema.
Se você chegou até aqui e curtiu, dê palmas, compartilhe e se inscreva para me acompanhar.
Ainda há muito a se explorar…
