Mehrstufiges Balkendiagramm
Digitalisierung der Berufswelt – Wer lässt sich nicht vom Computer ersetzen?
Kommunikation kategorienspezifischer unsicherer Ereignisse gegenüber Verbrauchern.
Warum ist es relevant, kategorienspezifische unsichere Ereignisse gegenüber Verbrauchern zu kommunizieren?
Wunsch und Ziel ist es, dass der Verbraucher bessere Entscheidungen trifft. Er muss genaue Zahlen und Fakten – die sogenannte Evidenz – kennen, um Optionen gegeneinander abwägen und Risiken besser einschätzen zu können. Erst dies ermöglicht ihm, informierte Entscheidungen zu treffen. Außerdem wird der Nutzer durch die Darstellung der genauen Eintrittswahrscheinlichkeiten darin unterstützt, bestimmte Risiken nicht zu unter- oder überschätzen. Dies ist vor allem dann bedeutsam, wenn sich die Eintrittswahrscheinlichkeiten für viele Kategorien (z.B. Merkmalsausprägungen wie Altersgruppen) unterscheiden.
Warum ist es schwierig, kategorienspezifische unsichere Ereignisse gegenüber Verbrauchern zu kommunizieren?
Möchte man Risiken kommunizieren, steht man vor einer Reihe an Herausforderungen:
- Wie können Eintrittswahrscheinlichkeiten überhaupt vermittelt werden?
- Wie können Wahrscheinlichkeiten zahlreicher Kategorien miteinander verglichen werden?
- Wie kann Risikokommunikation zudem Lösungsoptionen vermitteln?
- Und wie können die Risiken in einer ansprechenden Form dargestellt werden, sodass Verbraucher auch Lust haben, sich damit zu beschäftigen?
Die Methode mehrstufiger Balkendiagramme (multi level bar chart array) kann bei Problemen des Risikos eingesetzt werden – wenn also belastbare Zahlen vorliegen. Durch den Einsatz der Methode soll den Verbrauchern ein Verständnis für die Eintrittswahrscheinlichkeit von Ereignissen vermittelt werden. Durch mehrstufige Balkendiagramme lässt sich dabei dasselbe Risiko für viele Gruppen vergleichen und mithilfe einer Hierarchisierung so verknüpfen, dass risikoreichere und risikoärmere Gruppen vom Nutzer deutlich unterschieden werden können.
Die Interaktivität und Dynamik der Visualisierung soll ansprechend sein und dabei helfen, die Verbraucher zu informieren.
Belege für die Wirksamkeit
Erste Ergebnisse der RisikoAtlas-Kommunikationsstudien mit mehrstufigen Balkendiagrammen zeigen, dass sie besser angenommen und eher exploriert werden als Tabellen mit denselben Informationen. Informationen werden dabei ähnlich gut extrahiert und gemerkt wie bei klassischen Tabellen.
- Ancker, J. S., Senathirajah, Y., Kukafka, R., & Starren, J. B. (2006). Design features of graphs in health risk communication: A systematic review. Journal of the American Medical Informatics Association, 13(6), 608–618.
- Frey, C. B., & Osborne, M. A. (2017). The future of employment: How susceptible are jobs to computerisation? Technological Forecasting and Social Change, 114, 254–280.
- Garcia-Retamero, R., & Galesic, M. (2010). Who proficts from visual aids: Overcoming challenges in people’s understanding of risks. Social Science & Medicine, 70(7), 1019–1025.
- ONet (2018). ONET Resource Center. https://www.onetcenter.org [Letzter Abruf, 31.12.2018]
- Streit, M., & Gehlenborg, N. (2014). Bar charts and box plots. Nature Methods, 11(2), 117.
1. Weg: Sie können die vorliegende Visualisierung einbinden
Es besteht die Möglichkeit, die Visualisierung von unserer Website samt Rahmentext über iframe einzubinden. Hierfür übernehmen Sie folgenden html-Code für Ihre Webseite: <iframe frameborder="0" height="650px" src="https://static.risikoatlas.de/visualisations/multi-level-bar-chart-array/multi-level-bar-chart-array.html" width="1024px"></iframe>
2. Weg: Sie können die vorliegende Visualisierung adaptieren
Sollten Sie als Multiplikator Ihre eigenen Daten nutzen, können Ihre Webentwickler diese in Ihre eigene Verbraucherfaktenbox mit Erfahrungslernen einpflegen.
Wir stellen Ihnen den dokumentierten Code für den Verantwortlichen Ihrer Webseite zum Download über github bereit. Sie können das Material dann editieren. Den Link zum Repository erhalten Sie auf Anfrage. Die Kontaktdaten finden Sie im Reiter Kontakt.
3. Weg: Sie können das wissenschaftliche Prinzip unabhängig anwenden
Wenn Sie hierbei Unterstützung benötigen, konsultieren Sie bitte den Abschlussbericht zum RisikoAtlas-Projekt ab Juli 2020 oder richten Sie eine Anfrage an uns. Die Kontaktdaten finden Sie im Reiter Kontakt.
Wir bitten darum, bei der Nutzung der Instrumente den Zuwendungsgeber, das Bundesministerium der Justiz und für Verbraucherschutz, sowie das Harding-Zentrum für Risikokompetenz als verantwortliche Entwickler zu erwähnen.
Die Logos zum Download finden Sie hier.
Digitalisierung der Berufswelt – Wer lässt sich nicht vom Computer ersetzen?
Durch die Digitalisierung verändert sich die Nachfrage nach bestimmten Berufen. Neue Tätigkeiten entstehen, aber andere Jobs werden nicht mehr benötigt, da die Aufgaben direkt oder indirekt durch Maschinen, Computer oder Algorithmen erledigt werden können. Einige Berufe werden wahrscheinlicher als andere im Zuge der Digitalisierung verschwinden. Beispielsweise kann ein Verwaltungsmitarbeiter, der Kennzeichen vorbeifahrender Fahrzeuge aufschreiben soll, durch die Erfassungstechnik eines Computers mit Kamera und Bilderkennungssoftware zu 100% ersetzt werden.
Die gute Nachricht: Es lassen sich für fast jeden Beruf Alternativen finden, dessen Anforderungen zu Ihren Fähigkeiten und Interessen passen und zugleich weniger wahrscheinlich automatisiert werden können. Welchen Beruf sollten Sie also ergreifen, wenn Sie nicht in naher Zukunft durch eine Maschine ersetzt werden wollen? Vor der Studien- oder Ausbildungswahl, aber auch bei Fragen zu Weiterbildungen lohnt sich ein Blick in unsere Grafik.
Neben den blanken Zahlen sind auch bestimmte Faustregeln zum Senken des Risikos empfehlenswert: Ziehen Sie Berufe mit vielfältigen Arbeitsaufgaben oder auch wechselnden Handgriffen in Erwägung, oder Tätigkeiten, bei denen man mit Menschen arbeitet. Seien Sie vorsichtig bei Berufen, bei denen man nur misst, weiterleitet oder feste Regeln anwendet.
Was zeigt die Grafik?
Die Grafik illustriert das Risiko von bestimmten Tätigkeiten, durch heutige Maschinen und Computer erledigt werden zu können. Um das zahlenmäßige Verhältnis der verschiedenen Automatisierungsrisiken zu vermitteln, werden diese in der Helligkeit variiert und ein Überblick über alle Berufe, angeordnet in Kategorien, gegeben. Dunkle Farbe steht hier für ein hohes Automatisierungsrisiko, helle Farbe für ein geringes. Durch die Suchfunktion lassen sich Berufe direkt auffinden. Mit einem Klick auf die Farben lässt sich aber auch in die jeweiligen Kategorien von Berufen eintauchen. So kann man die Automatisierungsrisiken der Berufe einer Kategorie nebeneinander sehen und vor allem per Klick auf einen einzelnen Beruf ähnliche Berufe vorgeschlagen bekommen. Bis zu fünf Berufsalternativen mit einem geringeren Risiko, durch heutige Maschinen und Computer ersetzt zu werden, werden dargestellt. Mit dem Klick auf den erscheinenden Pfeil links oben kann man immer wieder zur Ausgangsansicht gelangen.
Woher stammen die Zahlen?
Alle Zahlen stellen modellhafte Schätzungen zum Automatisierungsrisiko eines Berufes mit seinen Anforderungen aufgrund der heutigen technologischen Entwicklung dar; s. Frey, C. B., & Osborne, M. A. (2017): The future of employment: How susceptible are jobs to computerisation? Technological Forecasting and Social Change, 114, 254–280.
Berufliche Alternativen werden mithilfe standardisierter Anforderungsbeschreibungen als ähnlich vorgeschlagen. Diese Anforderungen stammen aus der Datenbank des National Center for O*NET Development, welches vom amerikanischen Arbeitsministerium (U.S. Department of Labor) unterstützt wird. Nicht alle Berufe aus den US-amerikanischen Datenbanken lassen sich auf Deutschland übertragen. Umgekehrt sind auch die deutschen Berufe nicht vollständig in den US-amerikanischen Datenbanken abgebildet. O*Net (2018). O*NET Resource Center: https://www.onetcenter.org [letzter Abruf am 31.12.2018].
Wie hoch ist die Qualität der Daten?
Die Verhältnismäßigkeit der verschiedenen Berufe zueinander ist nach heutigem Stand grob so zu erwarten, wie im Diagramm dargestellt, die absoluten Zahlen sind jedoch nur Orientierungswerte. Reine Modellierungsdaten ohne empirische Beobachtungen sind in der Regel als Evidenz niedriger Qualität zu betrachten. Aus einem Modell lässt sich nur sehr eingeschränkt auf die tatsächliche Automatisierung und Ersetzung menschlicher Arbeitsplätze schließen. So können in diesen Zahlen volkswirtschaftliche Entwicklungen, kulturelle Werte und zukünftige technologische Entwicklungen nicht berücksichtigt werden.
Datum der letzten Aktualisierung: 14. Oktober 2019