Universität Wien
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

200185 SE Anwendungsseminar: Geist und Gehirn (2021S)

Programming, Data Workflow and Data Visualization with R

4.00 ECTS (2.00 SWS), SPL 20 - Psychologie
Prüfungsimmanente Lehrveranstaltung
DIGITAL

Dieses Anwendungsseminar kann für alle Schwerpunkte absolviert werden.

Anwendungsseminare können nur für das Pflichtmodul B verwendet werden! Eine Verwendung für das Modul A4 Freie Fächer ist nicht möglich.
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 20 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Die Lehrveranstaltung wird online über Moodle BigBlueButton stattfinden.
Um am Seminar teilzunehmen und die Hausübungen erledigen zu können, ist die Installation von R (https://www.r-project.org/) und RStudio (https://www.rstudio.com/) auf dem eigenen Computer notwendig.
In der ersten Einheit am 10. März (nicht 3. März!) werden wir bei der Installation unterstützen.
Wir werden allen Teilnehmer*innen einen Link für die erste Einheit schicken. Dort werden wir auch über die Teilnahme am Seminar entscheiden.

  • Mittwoch 10.03. 15:00 - 16:30 Digital
  • Mittwoch 17.03. 15:00 - 16:30 Digital
  • Mittwoch 24.03. 15:00 - 16:30 Digital
  • Mittwoch 14.04. 15:00 - 16:30 Digital
  • Mittwoch 21.04. 15:00 - 16:30 Digital
  • Mittwoch 28.04. 15:00 - 16:30 Digital
  • Mittwoch 05.05. 15:00 - 16:30 Digital
  • Mittwoch 12.05. 15:00 - 16:30 Digital
  • Mittwoch 19.05. 15:00 - 16:30 Digital
  • Mittwoch 26.05. 15:00 - 16:30 Digital
  • Mittwoch 02.06. 15:00 - 16:30 Digital
  • Mittwoch 09.06. 15:00 - 16:30 Digital
  • Mittwoch 16.06. 15:00 - 16:30 Digital
  • Mittwoch 23.06. 15:00 - 16:30 Digital
  • Mittwoch 30.06. 15:00 - 16:30 Digital

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Dieser Kurs basiert auf einem Hybrid Modell entsprechend dem Flipped Classroom Prinzip mit Blended-Learning Einheiten in Moodle. Der Kurs besteht aus Einheiten mit Anwesenheitspflicht sowie eigenständigen Vor- und Nachbereitungen zu Hause (aber keine Angst, die Hausübungen sind klein ;)).

R ist eine Programmiersprache, die vor allem in der Psychologie häufig genutzt wird, um Daten zu verarbeiten und analysieren.
In diesem Kurs werden Studierende
- grundlegende Programmierkenntnise in R erlangen (Das Ziel ist es dabei nicht, Profi im Programmieren zu werden, sondern fähig zu sein, kleine Skripte und Funktionen zu schreiben, die dann z.B. auch bei der Masterarbeit sehr hilfreich sein können)
- grundlegende Datenanalyse in R machen (z.B. T-Test, ANOVA, Korrelationen)
- lernen Daten vorzubereiten, zu untersuchen und zu kommunizieren auf eine saubere und reproduzierbare Art und Weise (Wir wollen also Datenchaos vermeiden, indem wir "tidy" Daten nutzen herstellen und z.B. auch R notebooks verwenden)
- lernen, wie man Abbildungen, Plots etc. erstellt, die sich gut in Publikationen machen. Dafür werden wir ggplot2 verwenden
- ein Grundgerüst in R bekommen, dass dann bei fortgeschritterenen Themen und Kursen (z.B. Bayesanische Statistik, hierarchische Modelle) hilfreich ist

Art der Leistungskontrolle und erlaubte Hilfsmittel

- regelmäßige Anwesenheit
- aktive Mitarbeit in den Online-Einheiten (und im Online-Forum: Stellen und Beantworten von Fragen)
- regelmäßige Hausübungen (kleine Programmieraufgaben als Vor- und Nachbereitung auf die Online-Sessions)
- Abschlussarbeit: Aufbereiten und Analysieren eines realen Datensatzes

Mindestanforderungen und Beurteilungsmaßstab

- Mindestanforderung ist die regelmäßige Anwesenheit; es darf bei max. 2 Einheiten untentschuldigt gefehlt werden
- aktive Mitarbeit: 20%
- Hausübungen: 40%
- Abschlussarbeit: 40%

Prüfungsstoff

Der Kurs beinhaltet keine schriftliche Prüfung.

Literatur

Venables, W. N., Smithand, D. M., & R Core Team. (2020). An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics. https://cran.r-project.org/doc/manuals/r-release/R-intro.pdf
Wickham, H. (2014). Tidy Data. Journal of Statistical Software, 59(10), 1–23. https://doi.org/10.18637/jss.v059.i10
Wickham, H., Averick, M., Bryan, J., Chang, W., McGowan, L., François, R., … Yutani, H. (2019). Welcome to the Tidyverse. Journal of Open Source Software, 4(43), 1686. https://doi.org/10.21105/joss.01686
Wickham, H. & Grolemund, G. (2017). R for Data Science. O’Reilly. https://r4ds.had.co.nz/
Ross, Z., Wickham, H., & Robinson, D. (2017). Declutter your R workflow with tidy tools. PeerJ Preprints, 5(e3180v1), 1–20. https://doi.org/10.7287/peerj.preprints.3180v1

Jegliche Literatur wird online zur Verfügung gestellt.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mi 21.06.2023 00:19