Teaching spatial data science

Spatial data science is an emerging field building on geographic information science, geography, and data science. Here we first discuss the definition and history of the field, arguing that it indeed warrants a new label. Then, we present the design of our course Geospatial Data Science at IT University of Copenhagen and discuss the importance of teaching not just spatial data science tools but also spatial and critical thinking. We conclude with a perspective on the potential future for spatial data science, arguing that qualitative theory and methods will continue to play an important role despite new GeoAI-related advances.

‘Spatial data science’ er et spirende felt, der udspringer af både geografisk informationsvidenskab, geografi og data science. I denne artikel diskuterer vi først begrebet spatial data science, introducerer dets historie og argumenterer for, at det repræsenterer et nybrud i forhold til tidligere tendenser indenfor GIS og geodata. Herefter præsenterer vi vores overvejelser om undervisning i spatial data science i forbindelse med udviklingen af kurset Geospatial Data Science på IT Universitet i København. Vi understreger vigtigheden i ikke bare at undervise i praktiske anvendelser af geodata, men også at lære de studerende geografisk og kritisk tænkning. Afslutningsvis diskuterer vi fremtiden for spatial data science, og argumenterer for, at geografisk teori og metoder vil forblive relevante trods af den stigende indflydelse fra GeoAI.