| Förderkennzeichen: | 01GN2502 |
| Fördersumme: | 50.000 EUR |
| Förderzeitraum: | 2025 - 2025 |
| Projektleitung: | Dr. Marion Mangelsdorf |
| Adresse: |
Albert-Ludwigs-Universität Freiburg, Zentrum für Anthropologie und Gender Studies Belfortstr. 20 79098 Freiburg im Breisgau |
Die Summer School "Facing the Gender Data Gap: Wie lassen sich durch KI- und simulationsgestützte Methoden geschlechterbezogene Datenlücken schließen?" bringt einen interdisziplinären Austausch an der Albert-Ludwigs-Universität Freiburg voran. Zum Auftakt wird die Bandbreite der bereits bestehenden Studien im Bereich der gendersensiblen Medizin, wie sie unter anderem durch die Charité in Berlin sowie durch das Gendered Innovations Programm an der Stanford University entwickelt wurden, aufgezeigt. Des Weiteren bilden den Kern der Summer School zwei methodische Schwerpunkte: Ein Hackathon des SFB 1597 Small Data mit 20 Teilnehmenden, der sich mit KI-Methoden zur Analyse realer klinischer Daten beschäftigt. Ziel ist es, geschlechtsspezifische Unterschiede in den medizinischen Daten sichtbar zu machen und innovative Ansätze zur Reduktion des Gender Data Gaps zu entwickeln. Parallel führt ein Gender-Medizin fokussierter Simulationsworkshop mit Schwerpunkt Critical Ressource Crew Management etwa 40 Teilnehmende, bestehend aus Studierenden der Medizin, der Gender Studies sowie Doktorandinnen und Doktoranden aus der Klinik für Anästhesiologie und Intensivmedizin (KAI) zusammen. Neben einführenden Vorträgen werden hierzu genderkonkordante und genderdiskordante Lerngruppen im Simulationszentrum des Universitätsklinikums mit Hilfe simulierter notfallmedizinischer Szenarien eigene spezifische physiologische, psychometrische und soziologische Lerndaten erheben. Ziel dabei ist es, sowohl für noch existierende Datenlücken in diesen klinischen Feldern zu sensibilisieren als auch methodische Ansätze für die Lehre und Forschung zu diskutieren, um diese Lücke zu schließen. Die Ergebnisse werden am Ende der Summer School im Plenum zur Diskussion gestellt. Im Anschluss werden die Ergebnisse als Open-Source-Tools zu Lehr- und Forschungszwecken aufbereitet.