| Loading... |
|
디지털 대전환을 가능하게 하는 범용기술블록체인, 클라우딩컴퓨터, 양자ICT, 인공지능, 5G을 아시나요?
그렇다면, 이러한 기술이 앞으로 가져올 변화, 메가트렌드플랫폼, 자동화, 초개인화, 가상화-융합화 는 무엇일까요?
우주급 스케일의 디지털 학습콘텐츠를 통해
디지털, 데이터에 대한 기초지식을 쉽고, 재미있게 업스킬링!
아직도 디지털 대전환..
도대체 이제 뭔지..
아직도 아리송~?
굳이.. 디지털, 데이터..
왜 알아야 하는지 조차
모르겠어요!
뭔가 데이터를 활용하고,
기존의 방법과는 다르게
해보려 하는데 답답하고,
고민된다고요?
디지털, 데이터관련 3개의 대 멀티버스를 통해 마인드셋 장착을 돕습니다!
멀티버스 별 제시되는 사례 및 경험 등은 실제 최신 디지털 관련 정책 및 공공, 민간의 사례를 기반으로 구성되어 있습니다.
총 3개의 멀티버스와 10개의 유니버스를 학습하며 PASS해나가면,
- 3개 : 칭찬한걸음, 당신의 센스, 데이터달인
대혼돈의 디지털 멀티버스~
마무리 스케치 영상으로 찾아왔습니다!
우주급 스케일의 디지털 마인드셋과 데이터 스킬업을 위한 데이터씽킹, 티키타카2!
10차시에 걸친 유니버스 여행은 즐거우셨나요?
모든 공무원이 디지털·데이터 전문가가 될 때까지~
데이터씽킹, 티키타카2와 함께해주신 데이터 슈프림 여러분 진심으로 감사드립니다:)
| 제목 | ||||
|---|---|---|---|---|
| 작성자 | 등록일 | 2024.04.17 | ||
| 내용 | ||||
데이터씽킹 티키타카 시즌2(11/24 대개봉)
2022.11.17
#테마3 #유니버스9 #데이터 분석 근육 만들기①
2023.04.13
#테마3 #유니버스10 #데이터 분석 근육 만들기②
2023.04.27
#마무리 스케치 영상
2023.06.26
#테마1 #유니버스1 #당신도 디지털 스트레인저스?!
2022.11.24
#테마1 #유니버스2 #이제 데이터 스트레인저스 탈출!★
2022.12.08
#테마2 #유니버스3 #데이터 달인이 사는 세상
2022.12.22
#테마2 #유니버스4 #데이터 방위대
2023.02.02
#테마3 #유니버스5 #데이터와의 짜릿한 첫 만남
2023.02.16
#테마3 #유니버스6 #데이터와 알콩달콩 썸 타기
2023.03.02
#테마3 #유니버스7 #데이터 시각화 완전 정복①
2023.03.17
#테마3 #유니버스8 #데이터 시각화 완전 정복②
2023.03.30
데이터씽킹 티키타카2, 즐겁게 참여해보세요!,
현재까지 획득한 상시학습 시간은 총분 입니다.
데이터리터러시
자가진단
10분
좋아요
획득한 뱃지
내 뱃지 목록
| 차시 | 제목 | 참여현황 | 상세참여현황 학습 / 답변 / 좋아요 |
문제 바로가기 |
|---|
· 총 16개 문항으로 구성되어 있습니다.
· 문항별로 해당하는 구간에 응답해주세요.
: 5점 - 매우 그렇다 / 4점 - 그렇다 / 3점 - 보통이다 / 2점 - 그렇지 않다 / 1점 - 매우 그렇지 않다.
| 역량 명 | 역량 사전진단 | 매우그렇다 | 그렇다 | 보통이다 | 그렇지 않다 | 매우 그렇지 않다 |
|---|
| [공감] | 어떤 데이터를 접했을 때 작성자의 의도를 생각하고 해석을 하는 편이다. |
|
|
|
|
|
| [직관] | 데이터에서 직관적으로 튀는 점을 발견하길 좋아하고 그 이유를 상상하곤 한다. |
|
|
|
|
|
| [사실파악] | 입장이 다르면 해석이 다를 수 있다는 주장에 동감하여, 해석보다 해석자의 입장을 먼저 살피려고 한다. |
|
|
|
|
|
| [패턴파악] | 나이테를 보고 나무를 이해하듯, 원천 데이터를 보면 패턴을 파악하려고 노력하는 편이다. |
|
|
|
|
|
| [비판] | 나는 상대방이 데이터로 주장을 펼칠 때, 주장의 내용보다 주장과 근거의 적합성을 검증하려고 노력한다. |
|
|
|
|
|
| [지목] | 가끔 내가 어떤 데이터가 필요한지 모른 채 누군가에게 데이터를 요청한다. |
|
|
|
|
|
| [수집] | 인터뷰 또는 서베이와 같은 정성적인 조사는 사실성이 결여될 수 있으므로 가급적 분석에서 제외하는 게 좋다. |
|
|
|
|
|
| [대체 데이터 생산] | 데이터가 없는 경우 조작으로라도 개념(operational definition)을 만들어 문제를 해결할 수 있어야 한다고 생각한다. |
|
|
|
|
|
| [맥락분석] | 어떤 문제에 봉착했을 때 그 문제가 어떤 정황(context)에서 나왔는지 꼼꼼히 따져보는 편이다. |
|
|
|
|
|
| [분석설계] | 데이터 분석 시 아무리 어프로치를 명확히 설계해도 분석 과정에서 바뀌기 때문에, 명확히 하려는 노력의 실익이 별로 없다. |
|
|
|
|
|
| [가공] | 분석 팀 내에서 어떤 의견이 개진될 때, 의무적으로 그 의견을 비판해주는 것이 미덕이라고 믿는다. |
|
|
|
|
|
| [의사결정원리] | 컵에 물이 반쯤 차있을 때, 이를 50% 차있다고 할지, 50% 비어있다고 할지는 데이터가 아닌 가치관의 문제라고 생각한다. |
|
|
|
|
|
| [표현] | 데이터 작성 시 데이터 내 정보 간의 논리적 관계(역접, 인과, 병렬, 순차 등)를 고려하여 작성한다. |
|
|
|
|
|
| [리프팅] | 데이터 기반 조직 문화가 자리잡을수록 데이터를 표현하는 방식은 점차 화려해질 것이라고 생각한다. |
|
|
|
|
|
| [스토리텔링] | 사람은 사실성에 마음의 문을 열기 때문에 감정에 호소하는 스토리는 데이터 문화에 어울리지 않는다고 생각한다. |
|
|
|
|
|
| [토론] | 데이터는 사실성이 강하므로 굳이 토론 절차 없이도 타협을 이뤄낼 수 있을 것 같다. |
|
|
|
|
|
