Universität Wien FIND

Bedingt durch die COVID-19-Pandemie können kurzfristige Änderungen bei Lehrveranstaltungen und Prüfungen (z.B. Absage von Vor-Ort-Lehre und Umstellung auf Online-Prüfungen) erforderlich sein. Melden Sie sich für Lehrveranstaltungen/Prüfungen über u:space an, informieren Sie sich über den aktuellen Stand auf u:find und auf der Lernplattform moodle. ACHTUNG: Lehrveranstaltungen, bei denen zumindest eine Einheit vor Ort stattfindet, werden in u:find momentan mit "vor Ort" gekennzeichnet.

Regelungen zum Lehrbetrieb vor Ort inkl. Eintrittstests finden Sie unter https://studieren.univie.ac.at/info.

230103 SE Visualisierung von Daten mit R (2021S)

4.00 ECTS (2.00 SWS), SPL 23 - Soziologie
Prüfungsimmanente Lehrveranstaltung
DIGITAL
Fr 14.05. 15:00-16:30 Digital

An/Abmeldung

Details

max. 35 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Update 20.04.2021 (Covid19): digitale Lehre bis zum Semesterende

Update 24.03.2021 (Covid 19): digitale Lehre bis mindestens 16.05.2021

Update 2.2.2021 (Covid 19): Umstellung auf digitale Lehre bis mindestens 11.04.2021 - Ende der Osterferien

Datenstand Dez.2020: Bei anhaltenden Einschränkungen im Kontext von Covid 19 werden Einheiten, die aktuell als hybrid geplant sind auf digitalen Unterricht umgestellt. Beachten Sie bitte die Ankündigungen der Lehrveranstaltungsleitung bzw. die Updates im Vorlesungsverzeichnis.

Freitag 05.03. 15:00 - 16:30 Digital
Freitag 19.03. 15:00 - 16:30 Digital
Freitag 26.03. 15:00 - 16:30 Digital
Freitag 16.04. 15:00 - 16:30 Digital
Freitag 23.04. 15:00 - 16:30 Digital
Freitag 30.04. 15:00 - 16:30 Digital
Freitag 07.05. 15:00 - 16:30 Digital
Freitag 21.05. 15:00 - 16:30 Digital
Freitag 28.05. 15:00 - 16:30 Digital
Freitag 04.06. 15:00 - 16:30 Digital
Freitag 11.06. 15:00 - 16:30 Digital
Freitag 18.06. 15:00 - 16:30 Digital
Freitag 25.06. 15:00 - 16:30 Digital

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Ziele: Kennenlernen der Grundlagen und Prinzipien der Datenvisualisierung und der effektiven Kommunikation datenbasierter Forschungsergebnisse sowie praktische Anwendung zentraler Grafiktypen wie z.B. Balken- und Säulendiagramme, Boxplots, Streudiagramme, Zeitreihendarstellungen und thematischer Karten. Dies umfasst sowohl die rasche Erstellung von Plots zur Dateninspektion und -analyse bis hin zu publikationsfähigen Grafiken.
Inhalt: Im Seminar werden die Grundlagen der bildlichen Darstellung sowie die erforderlichen Kenntnisse für die Erstellung der Grafiken vermittelt. In den praktischen Übungen wird dieses Wissen anhand konkreter Daten und Beispiele durch Nutzung des Statistikprogramms R angewendet. Obwohl Vorerfahrungen mit R von Vorteil sind, ist dies keine Voraussetzung für die Teilnahme. Erforderlich sind Grundkenntnisse in der quantitativen Sozialforschung (statistische Datenanalyse) und die Bereitschaft zu Syntax-basierter Datenauswertung.
Die Daten und der für die Übungsteile benötigte Code werden auf Moodle zur Verfügung gestellt. Die frei verfügbare Software R und RStudio ist im PC-Unterrichtsraum bereits installiert, am privaten Computer selbst zu installieren (Anleitung dazu beim ersten Termin). Zu Beginn erfolgt eine (sehr) kurze Einführung in R, Rstudio und ein Überblick über das Datenvisualisierungspaket ggplot2.
Methode: Inputs zu den Themen der Termine, praktische Übungen, Präsentation und Diskussion.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Die Leistungskontrolle basiert auf folgenden Teilleistungen:
-Aktive Mitarbeit und Beteiligung an den Übungen und der Diskussion
-Die Studierenden erstellen zu drei Arbeitsaufgaben eine Visualisierung der durchgeführten Datenauswertungen einschließlich kurzer Beschreibung und Interpretation (zu je ca. 5 Seiten im Word oder pdf-Format). Die Aufgabenstellungen erfolgen am 26.3., 30.4. und 28.5. in der Lehrveranstaltung. In Absprache mit der Lehrveranstaltungsleitung können auch andere als die zur Verfügung gestellten Daten bzw. eigene Daten und Methoden verwendet werden. Die Arbeitsaufgaben müssen nach 2 Wochen abgegeben werden.
-Präsentation von mindestens einer dieser Arbeitsaufgaben

Hinweis der SPL:
Die Erbringung aller Teilleistungen ist Voraussetzung für eine positive Beurteilung, wenn nicht explizit etwas anderes vermerkt wurde.
Werden einzelne verpflichtende Teilleistungen nicht erbracht, gilt die Lehrveranstaltung als abgebrochen. Falls dem Nichterbringen der Leistung kein wichtiger und unvorhersehbarer Grund seitens des/der Studierenden vorliegt, wird die LV negativ beurteilt.
Bei Vorliegen eines solchen Grundes (zB eine längere Erkrankung) kann der/die Studierende auch nach Ablauf der Frist von der LV abgemeldet werden. Über das Vorliegen eines wichtigen Grundes entscheidet die Lehrveranstaltungsleitung. Der Antrag auf Abmeldung ist unverzüglich nach Eintreten des Grundes zu stellen.
Wurde eine Teilleistung erschlichen, d.h. etwa bei einer Prüfung oder einem Test geschummelt, bei einer schriftlichen Arbeit plagiiert oder auch Unterschriften auf Anwesenheitslisten gefälscht, wird die gesamte Lehrveranstaltung als "nicht beurteilt" gewertet und mit dem Vermerk "geschummelt/erschlichen" in das Notenerfassungssystem eingetragen.
Im Zuge der Beurteilung kann eine Plagiatssoftware (Turnitin in Moodle) zur Anwendung kommen: Details werden von den Lehrenden in der Lehrveranstaltung bekanntgeben.

Mindestanforderungen und Beurteilungsmaßstab

Mindestanforderungen:
- Anwesenheitspflicht, Studierende dürfen maximal zweimal unentschuldigt fehlen (Anwesenheit in der ersten Einheit erforderlich)
- Eine Präsentation ist verpflichtend zu halten
- mindestens zwei Arbeitsaufgaben sind abzugeben

Beurteilungsmaßstab:
Mitarbeit und aktive Beteiligung: maximal 20 Punkte
Je Arbeitsaufgabe maximal 20 Punkte
Präsentation maximal 20 Punkte

Die Note ergibt sich aus der erreichten Punkteanzahl wie folgt (max. 100 Punkte):
1 (sehr gut): 100-89 Punkte
2 (gut): 88-76 Punkte
3 (befriedigend): 75-63 Punkte
4 (genügend): 62-50 Punke 3
5 (nicht genügend): 49-0 Punkte

Prüfungsstoff

Arbeitsaufgaben, Präsentation, Engagement und Mitarbeit

Literatur

Kabacoff, Rob (2020): Data Visualization with R (https://rkabacoff.github.io/datavis/)

Irizarry, Rafael A (2020): Introduction to Data Science. Data Analysis and Prediction Algorithms with R (https://www.dbooks.org/introduction-to-data-science-5592475697/), Part II “Data Visualization”

Je nach Bedarf wird im Seminar auf Literatur und Online Ressourcen hingewiesen.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Do 22.04.2021 11:08