Universität Wien

230185 UE Einführung in die Datenanalyse mit R (2023W)

4.00 ECTS (2.00 SWS), SPL 23 - Soziologie
Prüfungsimmanente Lehrveranstaltung
Moodle

An/Abmeldung

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

Details

max. 25 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Freitag 13.10. 15:00 - 16:30 PC-Seminarraum 2 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Freitag 27.10. 15:00 - 17:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Freitag 10.11. 15:00 - 17:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Freitag 17.11. 15:00 - 17:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Freitag 01.12. 15:00 - 17:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Freitag 15.12. 15:00 - 17:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Freitag 12.01. 15:00 - 17:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Freitag 26.01. 15:00 - 17:30 Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Die freie und offene statistische Programmiersprache R hat sich in vielen Wissenschaftsbereichen als Standard in der statistischen Analyse etabliert und gewinnt auch in den Sozialwissenschaften speziell im Bereich fortgeschrittener Methoden zunehmend an Popularität. R ist Open-Source Software und frei und kostenlos verfügbar, sowie auch veränder- und erweiterbar. R wird von den NutzerInnen laufend weiterentwickelt und den Möglichkeiten der statistischen und grafischen Datenanalyse mit bereitgestellten oder selbst programmierten Funktionen sind kaum Grenzen gesetzt. Die Möglichkeit der Integration von Text und Programmcode im Auswertungscode ermöglicht reproduzierbare Ergebnisse ("reproducible research") ganz ohne fehleranfälliges Copy&Paste. Diese Eigenschaften machen R zum idealen Werkzeug für die (sozial-)wissenschaftliche Datenanalyse.

Ziele: Das Seminar bietet eine Einführung in die Grundlagen von R, die praktische Arbeit mit R und RStudio und einen Einblick in die Möglichkeiten der Datenanalyse mit R. Ziel dieser Lehrveranstaltung ist es, die TeilnehmerInnen beim Einstieg in die Datenanalyse mit R zu unterstützen, und in die Lage zu versetzen, R zur Aufbereitung, Visualisierung und Modellierung von Daten, sowie zur Erstellung reproduzierbarer Forschungsberichte einzusetzen. Dabei liegt das Hauptaugenmerk in der praktischen Anwendung und Umsetzung sowie in der Aneignung von Problemlösungskompetenz in Form von Hilfe zur Selbsthilfe.

Inhalte: Folgende Inhalte werden in der Lehrveranstaltung besprochen und durch praktische Anwendung und Übungen zwischen den Terminen vertieft:
- Grundlagen zur Arbeit, Datenanalyse und Programmierung mit R (und RStudio)
- Datenaufbereitung
- Datenvisualisierung
- Datenanalyse (uni-, bi-, multivariat)
- Erstellung reproduzierbarer Berichte und Aufbereitung für die Publikation

Daten, Programmcode, Literatur, Links und weitere Unterlagen werden auf Moodle zur Verfügung gestellt. Die frei verfügbare Software R und RStudio ist auf den Rechnern im PC-Unterrichtsraum installiert, und am privaten Computer, wenn möglich vor der ersten Einheit, selbst zu installieren (zuerst R: https://cran.r-project.org/ und dann RStudio: https://www.rstudio.com/products/rstudio/download/).

Methoden: Vortrag und gemeinsame Übung zu den Themen der Termine, eigenständige Übung und Vertiefung im Rahmen von praktischen Übungsbeispielen zwischen den Präsenzeinheiten.

Voraussetzungen: Interesse an quantitativen statistischen Methoden der empirischen Sozialforschung. Vorkenntnisse in Methoden der quantitativen Sozialforschung und Statistik auf dem Niveau Bachelor Soziologie wird erwartet (Methoden der quantitativen Sozialforschung und Statistik für SoziologInnen). R-Vorkenntnisse sind nicht erforderlich, jedoch wird die Bereitschaft zur Einübung der programmbasierten Arbeitsweise erwartet. Die ersten beiden Einheiten sind grundlegend, insbesondere wenn keine R-Vorkenntnisse vorhanden sind, ist intensives Mitlernen und Wiederholen notwendig, um dem weiteren Kursverlauf folgen zu können.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Die Leistungskontrolle basiert auf folgenden Teilleistungen:
- Aktive Mitarbeit und Beteiligung an den allgemeinen Teilen der Übungen sowie Präsentation der Lösung von Übungsaufgaben
- Hausübungen: Übungsaufgaben zwischen den Einheiten und Präsentation in der Einheit (Abgabe jeweils bis zur nächsten Einheit mit Kreuzerlliste, Punkteerwerb durch Kreuzen des jeweiligen Beispiels und Kurzpräsentation der Lösung in der Einheit) (60%)
- Abschlussarbeit: Anwendung der Inhalte der UE auf eine Fragestellung, inkl. Kurzpräsentation in der letzten Einheit (40%)

Hinweis der SPL Soziologie:
Die Erbringung aller Teilleistungen ist Voraussetzung für eine positive Beurteilung, wenn nicht explizit etwas anderes vermerkt wurde.

Die Verwendung von KI-Tools (z. B. ChatGPT) für die Produktion von Texten ist nur dann erlaubt, wenn dies von der Lehrveranstaltungsleitung ausdrücklich gefordert wird (z. B. für einzelne Arbeitsaufgaben).

Zur Sicherung der guten wissenschaftlichen Praxis kann die Lehrveranstaltungsleitung ein "Notenrelevantes Gespräch" (Plausibilitätsprüfung) der abgegebenen schriftlichen Arbeit vorsehen, das erfolgreich zu absolvieren ist.

Alle Studierenden, die einen Lehrveranstaltungsplatz erhalten haben, sind zu beurteilen, sofern sie sich nicht zeitgerecht abgemeldet haben oder unverzüglich nach Wegfall des Hindernisses einen wichtigen Grund für die Nichtdurchführung der Abmeldung glaubhaft machen.
Bei Vorliegen eines solchen Grundes (zB eine längere Erkrankung) kann d* 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 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 entsprechend erfasst.
Dies uns weitere Bestimmungen finden sie im studienrechtlichen Satzungsteil: https://satzung.univie.ac.at/studienrecht/.

Wenn Sie eine prüfungsimmanente Lehrveranstaltung bereits dreimal negativ absolviert haben und sich für einen vierten Antritt anmelden wollen, kontaktieren Sie bitte die StudienServiceStelle Soziologie (vgl: Zusatzinformation "Dritte Wiederholung bei prüfungsimmanenten Lehrveranstaltungen" https://soziologie.univie.ac.at/info/pruefungen/#c56313)

Im Zuge der Beurteilung kann eine Plagiatssoftware (Turnitin in Moodle) zur Anwendung kommen.

Mindestanforderungen und Beurteilungsmaßstab

Anwesenheit: Es besteht Anwesenheitspflicht - zwei Fehltermine werden toleriert. Achtung: In der ersten Einheit besteht unbedingte Anwesenheitspflicht!

Berechnung der Gesamtpunktezahl = 0,6 * Punkte Hausübungen + 0,4 * Punkte Abschlussarbeit
Wichtiger Hinweis: Für eine positive Beurteilung ist bei den Übungsaufgaben und bei der Abschlussarbeit jeweils mehr als die Hälfte der möglichen Punkte zu erreichen, also Punkte Übungen >50% UND Punkte Abschlussarbeit >50%.

Die Note ergibt sich aus der erreichten Punkteanzahl wie folgt (max. 100 Punkte = 100%):
1 (sehr gut) >87,5%
2 (gut) >75,0% bis 87,5%
3 (befriedigend) >62,5% bis 75,0%
4 (genügend) >50,0% bis 62,5%
5 (nicht genügend): 0 bis 50%

Mindestanforderungen:
- Anwesenheit und aktive Mitarbeit (maximal 2 Absenzen)
- mehr als die Hälfte der Summe der möglichen Punkte bei den Hausübungen
- mehr als die Hälfte der möglichen Punkte bei der Abschlussarbeit
- Bereitschaft zur Präsentation und Diskussion von erarbeiteten Lösungen aus den Hausübungen
- Positive Absolvierung der Abschlussarbeit und Präsentation in der letzten Einheit

Prüfungsstoff

- Engagement und Mitarbeit
- Eigenständige Bearbeitung, pünktliche Abgabe, Präsentation und Diskussion von Hausübungen
- Eigenständige Bearbeitung, pünktliche Abgabe, Präsentation und Diskussion der Abschlussarbeit

Literatur

Alexander, Rohan. Telling Stories with Data: With Applications in R. First edition. Boca Raton, FL: CRC Press, 2023. https://tellingstorieswithdata.com/.

Ismay, Chester, und Albert Young-Sun Kim. Statistical inference via data science: a ModernDive into R and the Tidyverse. Chapman & Hall/CRC the R Series. Boca Raton: CRC Press / Taylor & Francis Group, 2020. https://moderndive.com/.

Sauer, Sebastian. Moderne Datenanalyse mit R: Daten einlesen, aufbereiten, visualisieren, modellieren und kommunizieren. FOM-Edition. Wiesbaden [Heidelberg]: Springer Gabler, 2019. https://doi.org/10.1007/978-3-658-21587-3. UB: https://link-springer-com.uaccess.univie.ac.at/book/10.1007/978-3-658-21587-3

Wickham, Hadley, Mine Çetinkaya-Rundel, und Garrett Grolemund. R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. 2nd edition. Sebastopol, CA: O’Reilly Media, Inc, 2023. https://r4ds.hadley.nz/.

Wollschläger, Daniel. Grundlagen der Datenanalyse mit R: eine anwendungsorientierte Einführung. 5. Auflage. Statistik und ihre Anwendungen. Berlin [Heidelberg]: Springer Spektrum, 2020. UB: https://link-springer-com.uaccess.univie.ac.at/book/10.1007/978-3-662-61736-6.

Venables, W. N., Smith, D. M., & R Core Team. (n.d.). An Introduction to R. Notes on R: A Programming Environment for Data Analysis and GraphicsVersion 4.1.0 (2021-05-18). Retrieved May 7, 2021, from https://cran.r-project.org/doc/manuals/r-release/R-intro.pdf

In der UE wird auf weitere hilfreiche Literatur und Online Ressourcen hingewiesen.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Fr 06.10.2023 11:28