136011 UE Datenstrukturen und Datenmodellierung (2020W)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mi 02.09.2020 09:00 bis Mo 28.09.2020 23:59
- Abmeldung bis Sa 31.10.2020 23:59
Details
max. 25 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Die Lehrveranstaltungen findet zu den angegebenen Zeiten bis auf Weiteres als live Videokonferenz online statt.
- Mittwoch 07.10. 18:30 - 20:00 Hörsaal 2 Hauptgebäude, Tiefparterre Stiege 5 Hof 3
- Mittwoch 14.10. 18:30 - 20:00 Hörsaal 2 Hauptgebäude, Tiefparterre Stiege 5 Hof 3
- Mittwoch 21.10. 18:30 - 20:00 Hörsaal 2 Hauptgebäude, Tiefparterre Stiege 5 Hof 3
- Mittwoch 28.10. 18:30 - 20:00 Hörsaal 2 Hauptgebäude, Tiefparterre Stiege 5 Hof 3
- Mittwoch 04.11. 18:30 - 20:00 Hörsaal 2 Hauptgebäude, Tiefparterre Stiege 5 Hof 3
- Mittwoch 11.11. 18:30 - 20:00 Hörsaal 2 Hauptgebäude, Tiefparterre Stiege 5 Hof 3
- Mittwoch 18.11. 18:30 - 20:00 Hörsaal 2 Hauptgebäude, Tiefparterre Stiege 5 Hof 3
- Mittwoch 25.11. 18:30 - 20:00 Hörsaal 2 Hauptgebäude, Tiefparterre Stiege 5 Hof 3
- Mittwoch 02.12. 18:30 - 20:00 Hörsaal 2 Hauptgebäude, Tiefparterre Stiege 5 Hof 3
- Mittwoch 09.12. 18:30 - 20:00 Hörsaal 2 Hauptgebäude, Tiefparterre Stiege 5 Hof 3
- Mittwoch 16.12. 18:30 - 20:00 Hörsaal 2 Hauptgebäude, Tiefparterre Stiege 5 Hof 3
- Mittwoch 13.01. 18:30 - 20:00 Hörsaal 2 Hauptgebäude, Tiefparterre Stiege 5 Hof 3
- Mittwoch 20.01. 18:30 - 20:00 Hörsaal 2 Hauptgebäude, Tiefparterre Stiege 5 Hof 3
- Mittwoch 27.01. 18:30 - 20:00 Hörsaal 2 Hauptgebäude, Tiefparterre Stiege 5 Hof 3
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Ziel der Lehrveranstaltung ist es, Sie mit grundlegenden Datenstrukturen vertraut zu machen und dabei insbesondere die semantische Datenmodellierung auf der Grundlage von Anforderungsanalysen zu erlernen. Dabei steht die Praxis im Vordergrund, d.h. Sie sollen anhand von kleinen geisteswissenschaftlichen Projekten entsprechende Datenmodelle generieren und ggf. auch technisch umsetzen. Dafür sind keine Programmierkenntnisse vorweg notwendig. Viel mehr sollen Sie anhand der Projektarbeit die für das jeweilige Projekt notwendigen Kenntnisse im Laufe der Lehrveranstaltung erwerben, was der (DH-)Praxis ohnehin entspricht. Im Vordergrund steht anwendungsorientiertes Vorgehen und somit auch der/die (imaginäre) User*in - somit unterschiedliche geisteswissenschaftliche Disziplinen. In kleinen Teams entwickeln Sie anhand selbst gewählter Projekte Daten, Strukturen und Modelle, die Sie für dieses Projekt benötigen. Sie präsentieren Anforderungen und Lösungen und schlussendlich die Umsetzung anhand des Abschlussprojekts, das sie auch schriftlich dokumentieren (s.u.). Datenmodellierung lädt dabei auch dazu ein, über empirische und theoretische Rahmenbedingungen der Datengewinnung und -verarbeitung zu diskutieren.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Aktive Mitarbeit während der Einheiten, Übungen anhand kleiner Projekte, Projektpräsentation und Abschlussprojekt (inkl. schriftlicher Beschreibung in Form eines Abstracts, Datenmanagementplans, Daten(bank)modells, max. etwa 5 Seiten).
Mindestanforderungen und Beurteilungsmaßstab
Prüfungsimmanente Lehrveranstaltung, d. h. (online!) Anwesenheitspflicht (max. 3 entschuldigte Fehleinheiten), aktive Mitarbeit, positive Bewertung der Projektpräsentation und positive Bewertung des Abschlussprojekts.Achtung: LV findet ausschließlich online statt; die Teilnahme an den live-Veranstaltungen entspricht der traditionellen Anwesenheit.
Prüfungsstoff
Grundlagen der semantischen Datenmodellierung (EER-Modell), Übertragung von Anforderungsanalysen anhand eines Wireframes auf ein semantisches Modell und je nach gewähltem Projekt rudimentäre technische Umsetzung in Form einer Datenbank bzw. entsprechender Datentypen.
Literatur
Wird während der LV bekanntgegeben.
Zuordnung im Vorlesungsverzeichnis
DH-S I
Letzte Änderung: Do 04.07.2024 00:13