Zusammenfassung und Reflexion

6. Zusammenfassung und Reflexion#

6.1. Zusammenfassung#

In dieser Fallstudie wurde im Rahmen einer Persona-Story um den Forscher Dr. Amir Weber ein Dashboard gebaut. Im Mittelpunkt stand dabei die Leitfrage: Wo lassen sich die höchsten Ausprägungen des Engagements von Bürger:innen bei der Bewässerung städtischer Bäume in Berlin feststellen?
Diese Leitfrage wurde zunächst operationalisiert, indem Engagement als Anzahl gegossener Bäume definiert wurde.

Lösung der Leitfrage

Die höchste Beteiligung am Gießen von Stadtbäumen wurde im Bezirk Mitte festgestellt. Es folgt Tempelhof-Schöneberg mit der zweithöchsten Beteiligung. Charlottenburg-Wilmersdorf belegt den dritten Platz hinsichtlich des bürgerschaftlichen Engagements.

Bezieht man jedoch das Verhältnis zwischen Bewässerungsmenge/Anzahl der Bäume im Bezirk, ergibt sich ein differenziertes Bild:

  • Friedrichshain-Kreuzberg weist hier das höchste Gießvolumen pro Baum auf.

  • Tempelhof-Schöneberg folgt auf dem zweiten Platz.

  • Mitte rangiert an dritter Stelle.

Bewässerungstrend: Die höchste Gesamtbewässerung wurde im Jahr 2022 erreicht, mit einem Volumen von 761,97 m³. Im Vergleich zum Vorjahr (2021: 273,71 m³) bedeutet dies eine deutliche Steigerung des Engagements.

6.2. Gelerntes#

abschnitt über das gelernte, der nochmal alles erworbene zusammenfasst (Lernziele?)*

6.3. Reflexion#

Die Leitfrage konnte gemäß der vorgenommenen Operationalisierung beantwortet werden. Die eingeholten Daten haben es nicht nur ermöglicht, aufzuzeigen in welchen Berliner Bezirken wie viele Bäume gegossen werden, sondern auch wie intensiv und welche Art von Bäumen gegossen wurden. Darüber hinaus konnten die Ergebnisse in Relation mit dem gesamten Baumbestand gebracht werden.
Für die vorliegende Fallstudie war diese Herangehensweise ausreichend. Für eine tiefere wissenschaftliche Analyse sollten weitere Faktoren beachtet werden:

Leitfrage
Die Leitfrage (Wo lassen sich die höchsten Ausprägungen des Engagements von Bürger:innen bei der Bewässerung städtischer Bäume in Berlin feststellen?) zielt auf räumliche Einheiten (Berliner Bezirke) ab, ohne diese in ihrer heterogenen städtischen Beschaffenheit zu beschreiben und zu unterscheiden. Weder die Bevölkerungzahl, noch die Bevölkerungsdichte, die Baumdichte, das Verhältnis von Bäumen zu Einwohner:innen oder die Nähe zu Gewässern etc. wurden einkalkuliert. Auch Wetter-, Klima- oder Emissionsdaten haben keine Beachtung gefunden. Dadurch ist es kaum möglich, die erhaltenen Ergebnisse einzuordnen oder Handlungsoptionen abzuleiten.

Operationalisierung
Die gewählte Operationalisierung ist wie jede wissenschafliche Operationalisierung diskutabel. Das Engagement der Bürger:innen hätte auch als Menge gegossenen Wassers anstelle der Anzahl gegossener Bäume definiert werden können. Daraus lässt sich die Frage ableiten, wie robust die hier gemachten Befunde gegenüber anderen Operationalisierungen ist.

Datengrundlage Über die Grenzen der Aussage aus den Daten, also was diese sagen können und was nicht, sollte grundsätzlich nachgedacht werden. Die Daten für diese Fallstudie wurden in Bezug auf die Leitfrage und die Operationalisierung gewählt. Zudem wurden bewusst Daten eines bestehenden Projektes (Gieß den Kiez) nachgenutzt. Die Daten hätte aber auch aus anderen Quellen bezogen werden können. In der vorliegenden Fallstudie wurden die Daten nicht auf ihre Qualität überprüft, sodass zumindest theoretisch Unsicherheitsfaktoren auftreten könnten: Sind alle Bäume in den Ausgangsdaten vorhanden? Wir wird die Menge gegossenen Wassers bestimmt? Wie reliabel ist eine Selbstangabe zur Bewässerung durch die Bürger:innen?

Untersuchung Diese Fallstudie beantwortet die Leitfrage mittels explorativer Analyse, d. h. der Erkennung von Mustern in Visualisierungen. Dieser Ansatz dient einer Sichtung des Datenmaterials und einem Erkennen von Trends. Für einen tiefergehende Analyse sollte eine andere Methodik gewählt werden.

Visualisierungen Sowohl die Art der gewählten Visualisierung als auch die Skalierung der Achsen, die Farbwahl und die Messgrö0en beeinflussen die Lesbarkeit, das Verständnis und die Interpretation von Darstellungen. Vor allem in Bezug auf Datenvisualisierungen sollten sich sowohl Gestaltende als auch Nutzende der Möglichkeit von Verzerrungen oder Missinterpretationen bewusst sein.

Dashboard Das Dashboard hat aufgrund des Fallstudien-Charakters dieser Lerneinheit technische Grenzen. So bedarf beispielsweise die aktive Einbindung von Nutzenden (z. B. durch eigenes Eintragen gegossener Wassermengen, wie sie von der Plattform Gieß den Kiez erfolgreich implementiert ist) eines interaktiven Dashboards, das die Möglichkeiten dieses Lernszenarios übersteigt.

Kann das raus?

  • Nächste Schritte, die man mit Dashboards machen könnte (Tragen Bürger:innen Daten überhaupt bei, Usability Tests etc.) Für Bürgerengagement müsste Schnittstelle vorhanden sein, bei der Bürger:innen ihre Nutzungsdaten einpflegen können

  • Entscheidend ist dabei auch, sich seiner unbewussten Haltungen bewusst zu werden.

6.4. Ausblick#

Weiterführende Materialien sowie Anregungen wenn man sich weiterbilden möchte ( & warum sich das lohnt)