path: root/_NOTES.qmd

breaks: false

Gruppemøde: 6/9-24 kl. 10:00

Gruppen skriver i Git/HedgeDoc (lærings eksperimenter).
Crab Fit for planlægning, HUSK at sætte ind jeres aftaler, så vi kan navigere mødeplanlægning bedre.
Matrix klienter, eksempelvis Element.io eller Nheko for kommunikation.
Rotation af roller. Ian er facilitator (for nu).
Næste gruppemøde er 11/9-24 kl. 12:00
Projektets dimensioner er STS og TSA/D&K?
Læs Dimensionskrav for STS dimensionen.


Vi tager udgangspunkt i Data (datasættet er ikke fastlåst, men indtil videre CO2)
Få styr på målgrupper, faggrupper, alm. befolkning, professionelle osv.

Nogle målgrupper forstår bedre metan og co2 fremvist som co2 ekvivalenter, andre har brug for begge dele osv.

Teorier:
problem felt
data visualsering
Metoder:
Grundlæggende kigger vi efter 2 eller flere målgrupper, som data præsenteres for.
mere efter tereori og Data

Liste over litteratur fundet af Johan, slaaet op d. 16.09.2024:


The role of transportation in the persuasiveness of public narratives: Teori om narrativer i kommunikation og hvordan det er effektivt at 'transportere nogle ind i en historie'. Kunne vaere interessant at kigge paa ift en alternativ maade at kommunikere data paa istedet for grafer, tabeller osv.


A Conceptual Foundation for the Shannon-Weaver Model of Communication: Saa vidt jeg har forstaaet er det en kort artikkel der giver indblik i en saerlig maade at repraesentere teknisk videnskab paa. Kan sansynligvis give et godt teoretisk fundament men vil nok ogsaa skulle understoettes af flere teorier.
https://www.researchgate.net/profile/Sabah-Al-Fedaghi/publication/272964534_A_Conceptual_Foundation_for_the_Shannon-Weaver_Model_of_Communication/links/5644461708aef646e6ca787b/A-Conceptual-Foundation-for-the-Shannon-Weaver-Model-of-Communication.pdf


https://knowablemagazine.org/content/article/mind/2019/science-data-visualization : En artikel vi har laest i datavisualiseringskursus. Den giver en god oversigt over hvilke maader der er gode at praesentere data med og kan give en god indgangvinkel paa vores emne.


Principles of Effective Data Visualization: Ligesom nr. 3 er det en liste over principper i datavisualisering med vokus paa videnskabelig data. Vil nok ogsaa kunne give en god indgangsvinkel.https://www.cell.com/patterns/fulltext/S2666-3899(20)30189-6


Exploratory Data Analysis with MATLAB | Wendy L. Martinez, Angel R. Ma (kb.dk): Hvis vi har til hensigt at skulle lave noget dataanalyse er denne bog en guide til dette samt fortaeller den ogsaa om teorier indenfor emnet.





Git + Radicle
Licens
ORCID
Rækkefølge
Korrespondence



Problem felt
Problemformulering

Hvad er data?
Hvad er RDF?
Hvordan kan RDF hjælpe med at strukturere den samme data til forskellige målgrupper?
På hvilke måder kan data fra Kalundborg havn formidles til forskellige målgrupper?
Hvilken fremgangsmåde bevarer bedst oprindelig niveau af information i forskellige formater?
Hvordan kan formidlingen hjælpe forskellige målgrupper til dialog med hinanden?
Hvordan forstås data modeller forskelligt for forskellige målgrupper?
Hvilke fordelle er der ved brugen af de forskellige modeller for de forskellige målgrupper?
Hvordan kan data modelleres så det er optimalt for flere målgrupper?
Hvordan reagerer forskellige målgrupper forskelligt afhængigt af formidlingstype?


Eksempler på datasæt anvendt/italesat forskelligt af flere fagdomæner

økologisk bæredygtighed: naturvidenskabsfolk - erhvervsfolk ("grønt regnskab")
dyrkning af jord: konventionelle landmænd - økologer - naturfredningsfolk
børns udvikling: pædagoger - undervisere - sundhedspersonale
samfundsbehov: erhvervsfolk - sundhedspersonale - politikere

AI som mediator


Konstruktionsstøj: byggeriarbejdere, undervisere og studerende
Læringsudbytte og effektivitet: studerende (det intuitive, forstående), undervisere (forklarende og rammesættende) og bureukrater (målbare resultater)

Undersøg strukturering af sociale og faglige begivenheder på RUC,
eksempelvis gennem data om fremmøde til forskellige begivenheder.
Empiri indsamles til sidst ved at vise forskellige designs af invitationer
til begivenheder til forskellige studerende i fokusgrupper.
Målet er at forbedre dialog mellem planlæggere og studerende.
Nogle studerende når ikke ud til administrationen,
og administrationen føler ikke de kan nå ud til de studerende.

Problemfelt:
Nogle komplekse problemer kræver inddragelse af flere faggrupper
til overhovedet at forstå problemet,
netop fordi problemet er komplekst.
Problemet kan beskrives udfra et datasæt,
men hver faggruppe anvender potentielt forskelligt sprog i deres beskrivelse,
som komplicerer evnen til at samarbejde om en problemløsning.
Problemformulering:
Kan et kommunikationsdesign,
i form af en modellering af faggruppers forståelse af et fælles datasæt
og identificering af overlappende begreber på tværs af faggruppers samlet set divergerende modeller,
facilitere vidensdeling på tværs af forskellige fagsprog?
Ved vejledermøde 2024-09-20 blev vi foreslået at kigge på
organisationsteori.
Organisatorisk økologi
er en organisationsteori som nok er for avanceret at dykke dybere ind i,
men som måske kan inspirere til mere generelle betragtninger.
@TeBlunthuis_2021 indikerer i kapitel 1,
at communities konventionelt anskues som i konkurrence med hinanden
men at nogle online communities har en symbiotisk (mutualistisc) natur.
Måske TAPer og VIPer på RUC er mere konventionelt organiseret
mens studerende i mindre grad identificerer sig som "studerende"
og i højere grad som "medlemmer" af en række forskellige symbiotiske  interessegrupper.
og de forskellige organiseringer præger gruppernes syn og sprog,
så de "taler forbi hinanden" selvom de bruger ord der synes generelle.
Vores projekt handler ikke om at få disse konkrete grupper til at tale sammen,
men om mere generelt at finde en måde de kan lytte til hinanden uden at forstå hinandens helheder.
Vi vil designe en teknik - et datadrevet kommunikationsdesign -
til at facilitere faggruppers "afkodning af hinandens sprog"
så hver faggruppe kan drage nytte af andre faggruppers anderledes brug af fælles underliggende data
uden at kræve "fælles fodslag" -
altså uden at een faggruppes sprog er "mere rigtigt".

24/09/2024
Flere Organisationsteorier:
Mintzberg's Organizational Structure Theory: Lunenburg, Fred C. Organizational Structure Mintzberg Framework IJSAID V14 N1 2012.pdf (nationalforum.com)
Saa vidt jeg kan lease mig til fra abstractet er Mintzberg organitationsteori en general teori om organisationer, baade hvilke forskellige former for organisationer der matte findes og hvordan disse virker kommunikativt og praktisk.
Weick’s Sensemaking Theory: ENACTED SENSEMAKING IN CRISIS SITUATIONS[1] (wiley.com)
Handler mere om organisationer naar der er krise men handler ogsaa om at misforstaa information. Kunne vaere relevant.
Theories of Organizational Culture (Schein’s Model): Organizational culture : a dynamic model (mit.edu) Endnu en model over organisationer og hvordan deres dynamikker virker
Ideer til indsamling af data hos elever studerende:

Spoergeskema
forespoergsel hos RUC


Indledning
Videnskaben har altid brugt data til at fortælle os omkring den verden vi lever i, men vi forstår verden gennem abstraktioner og definitioner af de elementer som vi sanser os til.
Og når vi sanser os frem i vores verden, finder vi frem til objekter der skal kunne beskrives som et koncept for relation mellem mennesker, i alt falde indtil videre.
Til det opbygger vi begreber enten i form af ord, tal, eller tegn. Når vi samler disse ord, tal og tegn kalder vi dem for data.
I en videnskabelig kontekst indsamler vi dataene på en systematisk måde, så vi kan finde mønstre og opbygge modeller omkring dem, for at kunne sige en masse klogt.
F.eks. laver vi en måling af temperaturen, hverdag i løbet af et år, og fortæller så om temperaturen stiger, svinger eller falder, hen over året. Denne indsamling af data sker i langt større grad en tidligere, og omkring alt lige fra lufttryk til hvor mange gange en person klikker på et bestemt link på en hjemme side.
Vi indsamler dem gennem spørgeskemaer, interviews, elektroniske enheder, og så videre. Men almindelige mennesker kan ikke forstå eller håndterer disse data, så vi skaber opsummeringer og visuelle modeller af dem, som skal gører dem mere forståelige, men i den proces mistes de egentlige "rå" data, og udvekslingen af dataene forstummes, Og menings dannelse tager over.
Som leder til diskussioner og uenigheder mellem forskellige grupper, som måske kunne få gavn af en bredere kommunikation af de indsamlede data.
Problemfelt
Æbler og Bananer
Forskellige vidensverdener taler ikke det samme sprog, men de taler ofter om det samme.
Forslag til problem formuleringer
Hvordan kan vi gennem via kommunikations design kommunikere data så forskellige faggrupperne, så grupperne kan bedre snakke sammen.?
Kan modellering af data, understøtte faggruppers udnyttelse af andre faggruppers problemstillinger?
Hvordan kan man gennem (data) modellering gører data mere tilgængelig for forskellige faggrupper, på tværs/uafhængigt af deres kommunikation?
Hvorfor data drevet?
Hvordan kan vi igennem et kommunikativt produkt, skabe en model ?
(Hvordan) Kan man gennem datamodellering  lave en model for hvor der er fællestræk mellem forskellige grupper

Hvordan kan metoden til at finde data punkter overføreres til andre grupper?

Hvordan kan man finde fælles kommunikative data punkter, mellem 2 forskellige grupper, som gør kommunikationen interresant for grupperne individuelt?

Arbejdsspørgsmål
Hvad er data, information, viden og visdom?

Hvordan kan de samme data understøtte forskellige forståelser?
Hvordan påvirker en faggruppes (TAP'ernes) forhåndværende viden/forståelse indsamlingen af data
information, especially facts or numbers, collected to be examined and considered and used to help decision-making, or information in an electronic form that can be stored and used by a computer. -Definition fra Cambridge


Interviewguide for kvalitative interview til TAP'ere på RUC
Formålet med semistrukturerede interviews er at belyse livsverdenen/udgangspunktet
hos to faggrupper - Her de studerende og TAP'ere på RUC.
Disse faggrupper mødes bl.a. når administrationen er involveret
i at øge den faglige og sociale trivsel på RUC.
Vi har en antagelse om, at de to gruppers livsverdener
tydeligst kommer til udtryk gennem deres succeskriterier
til fritidsaktiviteter på RUC.
Vi har en hypotese om, at administrationen potentielt kan stirre sig blind på data som fremmøde
og firkantede spørgeskemaundersøgelser,
mens de studerende kunne gavne af en mere helhedsorienteret
fremgangsmåde ift. fritidsaktiviteter.
Målet med projektet er ikke at få de to grupper til at tale samme sprog,
snarere at hjælpe dem med at se hinandens synspunkter bedre.
Den semistrukturerede interviewform giver mulighed for respondenden
at kunne uddybe sine svar samt give kontektst til hvad de mener med disse.
Paa samme vis giver interviewformen også mulighed for,
at intervieweren kan holde en form for struktur paa fremgangsmetoden
for senere at kunne sammenligne de svar man har indsamlet,
hvilket er vaesentligt mere udfordrende hvis man skal sammenligne løst strukturerede interviews.
Vi interviewer dels de arbejdere i administrationen på RUC,
som er i kontakt med trivselsundersøgelser og foretager en del af deres arbejde derefter.
Målet med interviewsne er at danne en overordnet model for det sprog,
administrationen på RUC taler for at forstå trivsel samt måden,
de danner succeskriterier til god trivsel.
Den forståelse og de succeskriterier,
administrationen giver udtryk for,
stiller vi overfor resultaterne af en tilsvarende undersøgelse af de studerende.
Interviewsne undersøger først den adspurgtes erfaringer med forrige initiativer,
der havde til formål at forbedre den sociale eller faglige trivsel,
samt sådanne initiativer generelt.
Vi stiller spørgsmål til følgende:

Succeskriterier
Værdisættelse af data
Erfaringer

Antal informanter (3-5)
Vi stiller undervejs opklarende spørgsmål, hvis disse bliver relevant.
Administration
Hvad er din alder og køn?
Hvor længe har du arbejdet på RUC?
Har du studeret her?
Kan du huske nogen af de arrangementer, der har været for de studerende? (Spørg gerne ind til flere)

Mener du/I at arrangementet har været en succes?
Hvordan vurderer du/I, om arrangementet har været en succes?
Hvorfor vurdere det sådan? (grundlag)
Mener du at det er en god måde at vurdere det?

Hvor stor en rolle spiller spørgeskemaer i administrationens beslutninger om aktiviteter udenfor undervisningstiden?
Hvilke data kigger administrationen primært på, når I sætter succeskriterier for aktiviteter?

Føler du det stemmer overens med dine egne værdier?
Hvilke data synes du burde vægte mest i forhold til dine succeskriterier?
Mener du at metoden/kriterierne kan ændres for at give et mere retvisende billede af hvad, der trækker i de studerende?

Hvad tror du de studerendes succeskriterier er for et succesfuldt arrangement?

Tror du der er forskel på adminstrationens og de studerendes? Hvilken?

Studerende
Hvad er din alder og køn?
Hvor længe har du studeret på RUC?
Kan du huske nogen af de arrangementer, der har været for de studerende? (Spørg gerne ind til flere)

Mener du at arrangementet har været en succes?
Hvordan vurderer du, om arrangementet har været en succes?
Hvorfor vurdere det sådan? (grundlag)
Mener du at det er en god måde at vurdere det?

Hvordan vurderer du generelt, om du vil tilbringe din fritid på RUC?
Hvordan vurderer du generelt, om du vil deltage i en fritidsaktivitet på RUC?
Hvem tror du er ansvarlige for de mest vellykkede fritidsarrangementer på RUC?
Hvad tror du administrationens succeskriterier er for et succesfuldt arrangement?

Hvilke forskelle tror du der er mellem jeres og deres?
Er der noget spørgeskemaer ikke kan tage højde for i administrationens vurderinger?


Temaer

De mange begrebsliggørelser af "open"
Interoperabilitet (fremfor konsensus)


Potentielle problemformuleringer
Hvordan kan faggruppers forskellige forståelser hjælpes til at se hinanden gennem linked data?
Hvordan kan man via data modelering, hjælpe grupper til at berige deres egen vidensverden, ud fra andre gruppers vidensverden?
Eksempler på arbejdsspørgsmål
Redegørende
Hvilke sæt af faggrupper baserer deres forskellige viden på samme underliggende data, og er derfor gode kandidater for genbrug af hinandens data?
Hvordan er indsamlingen og tolkningen af data påvirket af udgangspunktet hos indsamleren og det system, de indgår i?

Dialektik, kritisk teori

Hvordan bliver teknologi brugt til at formidle data? (mellem os og administrationen)
Undersøgende
På hvilke måder forstår TAP'ere og RUC'ere trivsel forskelligt?

Interviews og analyse af både interviews of spørgeskemaresultater fra RUC

Hvordan interagerer mennesker med denne model?
Hvordan kan generaliseringer af vidensmodeller øge genbrug af modellerne?
Analyserende
Hvilke forståelser fylder mest hos de undersøgte faggrupper? (kodning og analyse af interviews)
Hvordan påvirker (styrker/svækker) generaliserede vidensmodeller en faggruppes muligheder for genbrug af andre faggruppers viden (dvs. inddragelse af data udenfor deres ekspertise)?
Hvordan er RUC's administrations udgangspunkt for trivsel forskelligt fra de studerendes?

De kvantitative data der ligger til grund for administrationens arbejde
Kvalitative undersøgelser af de forskellige forståelsesrammer af de to grupper. Vi kan sætte krav til, at spørgsmålene skal uddybe:
Folk til interviews

Folk fra administrationen
Involverede Elever



Diskuterende
Med udgangspunkt i TAP'ere og Studerende på RUC, kan vi opbygge en model der kan synligøre ligheder og forskelle mellem de to gruppers livsverdener(antagelser/succeskriterier)?
Hvordan kan interessegrupper genbruge hinandens viden?
Er der en manglede belysning af strukturel problem ved genbrug af data?
Perspektiverende
Holdt åbent indtil videre.

Gruppemøde: 9/10-24 kl. 12:00
Antagelses/problemformulering:
Supplement kapital: hvad er Data? (Michael)
Teori
STS: Find teori der omhandler mennesker og data, Modellering
TSA: Teknologi analyse af data./ D&K: Modellerings teori
Metode:
kvantitativ og kvalitativ metode
Analysemetode: Analyse af data
Semi-skrukturet Interviews teori/metode
Data fra RUC: studerende og administrationen
Hvordan teknologi bliver brugt til at formidle data? Mellem os og administrationen
Visual lag, lag bag ved det, det der ligger på serveren (1 og 0 på serveren)
Modeller som teknologi kan formidler mellem os og administrationen
(Er der en manglede belysning af strukturel problem ved genbrug af data?)
Hvorfor er det et problem??
To faggruppe
Løs notere:
åbenhed videnskab -> bliver kapitaliseret, interoperability
der er to gruppe der snakker forbi hinanden
hvordan kan de interaktivere med hinanden

Felt: Data (Dele af videnskab og fakta).
Hvordan Data(objekt/teknologi) interagerer med forskellige grupper og hvordan de modellerer den data forskelligt.
Spørgeskema interviews: kan de genkende hinanden?
Hvordan kan en teknologi (RDF) hjælpe med at se hinanden.

Kan de gruppe se hinanden se dem bedre eller dårligere


Teknologi: RDF som værktøj/model

Baggrundsviden
Viden som allerede er etableret,
og som vi derfor kan inddrage redegørende,
og derfor ikke skal undersøge.
Hvad er trivsel
Trivsel forstås ofte som enten lykke (hedonisme),
som potentiale (eudaimonia)
eller som en kombination af de to.
Der er en øget tendens til at måle ikke kun negativt
(eksempelvis omfang og grader af psykiske lidelser)
men også positivt.
Hollandsk forskning
som sammenligner tidsopfattelser
af studieforløb på videregående uddannelser,
blandt studerende, institutioner og politikere
i 6 EU-lande:
https://doi.org/10.1080/2331186X.2023.2190697
RUC-semesteropgave
om (danske) sociologiske forståelser af begrebet "lykke":
https://soeg.kb.dk/discovery/fulldisplay?docid=alma99125450863305763&context=L&vid=45KBDK_KGL:KGL
Videnskabelig bog
som bl.a. pointerer relevansen af engagement
for styrkelse af "sense of belonging" i et studieforløb:
https://doi.org/10.4324/9781315297293
RUC-opgave
som belyser studievejlederes syn på studerendes trivsel:
https://soeg.kb.dk/discovery/fulldisplay?docid=alma99125451676605763&context=L&vid=45KBDK_KGL:KGL
RUC-opgave
som undersøger,
med fokus på gymnasiestuderende,
brugbarheden af trivselsanalyser
og bl.a. indeholder en dekonstruktion af trivselsforståelser:
https://soeg.kb.dk/discovery/fulldisplay?docid=alma99125452594605763&context=L&vid=45KBDK_KGL:KGL
RUC-specific empiri
RUC-studerendes trivsel koblet med søvnmangel:
https://soeg.kb.dk/discovery/fulldisplay?docid=alma99125688952205763&context=L&vid=45KBDK_KGL:KGL
RUC-opgave
som kobler "sense of belonging" til frivilligt arbejde på RUC,
bl.a. med kvalitative interviews med VIP'ere
om hvordan introdage for kandidatuddannelser tilrettelægges.
https://soeg.kb.dk/discovery/fulldisplay?docid=alma99125451774605763&context=L&vid=45KBDK_KGL:KGL
RUC-opgave
som afdækker studerendes syn på trivsel
blandt RUC-studerende med psykosociale udfordringer:
https://soeg.kb.dk/discovery/fulldisplay?docid=alma99125453225605763&context=L&vid=45KBDK_KGL:KGL
Hvordan opfattes tid
En undersøgelse har afdækket tidsopfattelser for studieforløb,
som den opfattes af både studerende, undervisere og politikere.
Undersøgelsen pointerer forskelle mellem studerende og andre,
men også variationer på tværs af nationer i Europa
(trods mange års politisk italesættelse i Danmark
om EU-normalisering som målsætning for kortere og kortere tid
til gennemførelse af en uddannelse).
https://doi.org/10.1177/0038038521996979
Datamodellering vha. grafteori som videnskabelig metode
Videnskabelig gennemgang
af videnskabelig anvendelse af datamodellering vha. grafteori,
med en fin introduktion om hvad "grafer" er,
og skelnen mellem modellering og visualisering af dem:
https://doi.org/10.1016/j.chemolab.2023.104896

Problemfelt: Tracking cookies og sociale klasser
Tracking-cookies er en udbredt teknologi på internettet, der bruges til at indsamle data om brugeres adfærd, hvilket muliggør målrettet reklame og skræddersyede onlineoplevelser.
Selvom cookies er en essentiel del af den digitale økonomi, rejser de også væsentlige spørgsmål om privatlivets fred og brugerens kontrol over egne data.
Tidligere forskning har vist, at der er forskellige måder, hvorpå brugere forholder sig til cookies, afhængigt af deres viden, teknologiforståelse og sociale baggrund (Masur et al., 2019).
En mulig hypotese er, at sociale klasser kan påvirke, hvordan individer forholder sig til accept af tracking-cookies. For eksempel kan individer fra højere sociale klasser have større teknologisk kompetence og dermed en mere kritisk tilgang til dataindsamling, mens lavere sociale klasser muligvis er mere tilbøjelige til at acceptere cookies uden at forstå konsekvenserne (Turow et al., 2015).
Dette rejser spørgsmål om ulighed i digital dannelse og kontrol over egen privatlivsbeskyttelse i en stadig mere digitaliseret verden.
Analysen af dette fænomen er central for at forstå de underliggende strukturer, der driver accepten af tracking-cookies, og hvordan forskellige sociale grupper påvirkes forskelligt af teknologien.
Det bliver derfor vigtigt at undersøge, hvordan teknologiske værktøjer som tracking cookies kan forstærke eller udfordre eksisterende sociale uligheder.
Kilder:
•	Masur, P. K., Teutsch, D., Trepte, S., & Dienlin, T. (2019). Smart technology and privacy: A theoretical and empirical exploration of trade-offs. New Media & Society, 21(4), 865-882.
•	Turow, J., Hennessy, M., & Draper, N. (2015). The tradeoff fallacy: How marketers are misrepresenting American consumers and opening them up to exploitation. Annenberg School for Communication, University of Pennsylvania.