iConference # 2: Vad betyder genomslaget av data science för bibliotekarier och studenter?

Det här är andra delen i en serie om mina erfarenheter på iConference 2018. Du kan läsa första delen här.

Regressionsanalyser, maskininlärning, data mining, natural language processing, sentimentanalys, ’Python’ hit, och ’R’ dit. Data är överallt och så även data science på iConference. På en konferens där diskussioner kring utbildning också är närvarande kunde man förvänta sig att dessa två olika teman skulle mötas på ett spektakulärt sätt. Som student inom ett relativt tekniskt utbildningsprogram inom BoI var det självklart att vara på plats när dessa ämnen togs upp.

’Data librarian’, ’Data archivist’, ’Data journalist’, ’Data…’

Varför har frågor kring teknisk kompetens, särskilt kompetens inom ’data’, blivit ett hett ämne? Uppenbarligen har det att göra med den enorma omfång av data som numera genereras. Det har också att göra med de utvecklingar som har skett inom områden som statistik, maskininlärning och systemvetenskap. En konsekvens av dessa utvecklingar är att relationen mellan icke-teknologiska roller inom projektledning, policy och ämnesexpertis behöver komplementeras med teknisk kompetens inom dataanalys, statistik och datavisualisering.

Som informationsspecialist eller bibliotekarie finns det stora fördelar med att kunna förstå det som forskarna, statistikerna, IT-avdelningarna och andra kollegor säger och gör. Denna lyhörda person är förstås ingen regelrätt ’data scientist’. Men inte heller är de någon ’vanlig’ bibliotekarie. Jag ser de som någon sorts hybridvarelse mitt emellan. De informella konversationer jag hade med flera professorer på iConference tyder på att dessa ’mittemellan-människor’ (med yrkestitlar som data curator, data archivist, data librarian, data journalist, etc.) är, och kommer att vara oerhört eftertraktade inom delar av BoI-sektorn.

Många yrkesverksamma bibliotekarier saknar däremot den tekniska kunskapen att vara effektiv i data-drivna miljöer och verksamheter. Det finns ett riktigt dilemma angående möjligheterna till kompetensutveckling för etablerade yrkesverksamma. University of Pittsburghs Shifting to Data-Savvy : The Future of Data Science in Libraries är en rapport väl värd att läsa. Beslutsfattare talar numera om livslånga lärandet, men detta kräver ordentliga arenor för vidareutbildning som är tillgängliga. Det är inte rimligt, önskvärt eller nödvändigt för en högskolebibliotekarie att ta tjänstledigt ett år för att läsa kurser i data science och maskininlärning. Hur kan övergången från det ”gamla” sättet att jobba till det ”nya” ske på ett effektivt sätt? Det finns flera projekt runtom världen som ämnar att vidareutbilda bibliotekarier så att de känner sig bekväma med data. Data Science Training for Librarians (DST4L) (nerlagd) och Library Carpentry är två exempel.

Det är inte min mening här att titta på vidareutbildning för yrkesverksamma. Det finns andra som är mer lämpade att diskutera och debattera kring detta.Jag vill snarare titta på hur dessa utvecklingar påverkar utbildningarna inom BoI och vad det faktiskt betyder för studenter.

Data science (och datalogiskt tänkande) för BoI-studenter

På en workshop samt ett seminarium ägnade nyfikna deltagare tid att prata om hur kurser relaterade till data science respektive datalogiskt tänkande kunde implementeras i BoI-utbildningar. Vad skulle dessa kurser innehålla och hur skulle de struktureras? Workshoppen samt seminariet hade annorlunda utgångspunkter. Workshoppen fokuserade på relativt avancerade tekniska färdigheter (data science) mer lämpad för arbetsuppgifter inom forskningsbibliotek, företag, myndigheter och andra verksamheter. Seminariet fokuserade däremot på de färdigheter som framtida skol- och folkbibliotekarier skulle behöva (eng. computational thinking/programmering.) Tidsbrist, studenternas förkunskaper och intressen och de möjligheter för studenter att ägna tid utanför klassrummet till att utveckla sina färdigheter var några av de saker som togs upp. Det var intressant som student att höra hur programansvariga runtom världen resonerade kring teknik i BoI-utbildningarna.

Det finns en trend bland utbildningsprogrammen i många iSchools runtom världen att röra sig mot ett kursutbud som lägger stort fokus på data-relaterade områden. [1] De utvecklingar inom biblioteks- och informationsvetenskap på Linnéuniversitetet är ett bra exempel på detta. När finns det planer på att starta ett antal nya kandidat- och masterprogram. Här ingår ett kandidatprogram i informationsvetenskap samt fyra nya masterprogram inom digital humaniora, data science, information management respektive digital learning. Men förverkligandet av dessa initiativ tar tid. Vi har långt att gå innan BoI-utbildningarna kan skapa förutsättningar för vad Chris Ermann, chefsbibliotekarie på Harvard-Smithsonian Center for Astrophysics, kallar för ” librarians as data scientists.

Men som student måste man ha ett annat perspektiv på dessa utvecklingar.  Helt enkelt har vi inte tid med att vänta. Därför måste vi ställa oss själva frågan: ”Vad kan vi göra nu?”. Hur kan vi redan idag börja anpassa oss för en framtid där kompetens inom datahantering kommer att vara ofrånkomligt?

Svaret ligger i både informellt eller formellt lärande som måste ske vid sidan av de formella studierna. Svaret ligger därför i Edx, Coursera, DataCamp, böcker, YouTube och makerspaces. Det finns många möjligheter att lära sig i princip vilka kompetenser som helst, oftast helt gratis. Sedan början av mina studier har jag lärt mig vid sidan om mina ordinarie kurser att programmera och visualisera data i Python. Jag ser mycket fram emot att påbörja Analytics Edge av MIT på Edx och få en grundläggande inblick i statistik och maskininlärning. 

I det stora hela delar jag de rekommendationer som författarna till Shifting to Data-Savvy : The Future of Data Science in Libraries ser som viktiga för att ta itu med kompetensglapp och ledningsgap. Jag ser även ett behov grundläggande kurser i datalogiskt tänkande/programmering, statistik och databashantering i alla BoI-program. Möjligheten för de som vill att läsa avancerade kurser i text/data mining och data visualisering bör finnas. Att utöka det skrattretande utbudet av sommarkurser i Sverige är nödvändigt. Men jag tror jag ändå på att institutionerna ska fokusera på att ge studenter större möjligheter att utforska sina intressen utanför klassrummet. Fablabs och makerspaces är saker värda att titta på. Att hitta sätt att nå ut till distansstudenter är också viktigt. Att väcka ett genuint intresse för teknik och data är vägen framåt.

[1] Virginia Ortiz-Repiso, et. al., (2018), A cross-institutional analysis of data-related curricula in information science programmes: A focused look at the iSchools, Journal of Information Science, s. 1-17

Utvald bild från Flickr-användaren 132527206@N05 under licensvillkoren CC BY-NC 2.0.

Kommentera

E-postadressen publiceras inte. Obligatoriska fält är märkta *