230183 SE Data visualization with R (2023S)
Continuous assessment of course work
Labels
Registration/Deregistration
Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).
- Registration is open from Th 02.02.2023 10:00 to Tu 21.02.2023 10:00
- Registration is open from Fr 24.02.2023 10:00 to Mo 27.02.2023 10:00
- Deregistration possible until Mo 20.03.2023 23:59
Details
max. 30 participants
Language: German
Lecturers
Classes (iCal) - next class is marked with N
Anwesenheit pünktlich!
Update 24.03.2023: die für heute geplante Einheit muss leider entfallen.
Update 19.04.2023: die für 26.05.2023 geplante Einheit entfällt und wird Ende Juni nachgeholt
- Friday 03.03. 13:15 - 14:45 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Friday 10.03. 13:15 - 14:45 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Friday 17.03. 13:15 - 14:45 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Friday 31.03. 13:15 - 14:45 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Friday 21.04. 13:15 - 14:45 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Friday 28.04. 13:15 - 14:45 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Friday 05.05. 13:15 - 14:45 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Friday 12.05. 13:15 - 14:45 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Friday 19.05. 13:15 - 14:45 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Friday 26.05. 13:15 - 14:45 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Friday 02.06. 13:15 - 14:45 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Friday 09.06. 13:15 - 14:45 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Friday 16.06. 13:15 - 14:45 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Friday 23.06. 13:15 - 14:45 PC-Seminarraum 2 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Friday 30.06. 13:15 - 14:45 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Information
Aims, contents and method of the course
Assessment and permitted materials
Die Leistungskontrolle basiert auf folgenden Teilleistungen:
-Aktive Mitarbeit und Beteiligung an den allgemeinen Teilen der Übungen sowie Präsentation einer Aufgabenstellung
-Eigenständige Anwendung und Adaptierung der Codes in den Übungsteilen
-Ausarbeitung und Lösung von 9 kurzen Aufgabenstellungen (Abgabe bis zur nächsten Einheit)
-AbschlussprüfungHinweis der SPL Soziologie:
Die Erbringung aller Teilleistungen ist Voraussetzung für eine positive Beurteilung, wenn nicht explizit etwas anderes vermerkt wurde. 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.
-Aktive Mitarbeit und Beteiligung an den allgemeinen Teilen der Übungen sowie Präsentation einer Aufgabenstellung
-Eigenständige Anwendung und Adaptierung der Codes in den Übungsteilen
-Ausarbeitung und Lösung von 9 kurzen Aufgabenstellungen (Abgabe bis zur nächsten Einheit)
-AbschlussprüfungHinweis der SPL Soziologie:
Die Erbringung aller Teilleistungen ist Voraussetzung für eine positive Beurteilung, wenn nicht explizit etwas anderes vermerkt wurde. 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.
Minimum requirements and assessment criteria
Mindestanforderungen:
- Anwesenheit und Mitarbeit (maximal 2 Absenzen)
- Abgabe von mindestens 7 der kurzen Aufgabenstellungen
- Präsentation einer Aufgabenstellung in der nächsten Einheit
- Teilnahme und positiver Abschluss der AbschlussprüfungBeurteilungsmaßstab:
Mitarbeit und aktive Beteiligung: maximal 20 Punkte
Aufgabenstellungen maximal 45 Punkte (5 Punkte pro Aufgabe)
Abschlussprüfung maximal 35 PunkteDie Note ergibt sich aus der erreichten Punkteanzahl wie folgt (max. 100 Punkte):
1 (sehr gut) 100-91 Punkte
2 (gut) 90-80 Punkte
3 (befriedigend) 79-68 Punkte
4 (genügend) 67-55 Punkte
5 (nicht genügend) 54-0 Punkte
- Anwesenheit und Mitarbeit (maximal 2 Absenzen)
- Abgabe von mindestens 7 der kurzen Aufgabenstellungen
- Präsentation einer Aufgabenstellung in der nächsten Einheit
- Teilnahme und positiver Abschluss der AbschlussprüfungBeurteilungsmaßstab:
Mitarbeit und aktive Beteiligung: maximal 20 Punkte
Aufgabenstellungen maximal 45 Punkte (5 Punkte pro Aufgabe)
Abschlussprüfung maximal 35 PunkteDie Note ergibt sich aus der erreichten Punkteanzahl wie folgt (max. 100 Punkte):
1 (sehr gut) 100-91 Punkte
2 (gut) 90-80 Punkte
3 (befriedigend) 79-68 Punkte
4 (genügend) 67-55 Punkte
5 (nicht genügend) 54-0 Punkte
Examination topics
Engagement und Mitarbeit, Lösen der Aufgabenstellungen, Präsentation einer Aufgabenstellung, Abschlussprüfung
Reading list
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”
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.pdfJe nach Bedarf wird im Seminar auf Literatur und Online Ressourcen hingewiesen.
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”
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.pdfJe nach Bedarf wird im Seminar auf Literatur und Online Ressourcen hingewiesen.
Association in the course directory
Last modified: Th 20.04.2023 11:08
Voraussetzung: 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 unbedingt erforderlich, jedoch wird die Bereitschaft zur Einübung der syntaxbasierten befehlsgesteuerten Arbeitsweise erwartet. Wenn keine R-Vorkenntnisse vorhanden sind, ist insbesondere zu Beginn ein etwas höherer Aufwand zur Einarbeitung notwendig. Dafür wird ein Handout mit Basisinformationen über grundlegenden Funktionen bereitgestellt sowie auf Literatur verwiesen.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. 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 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/). Eine Anleitung dazu vor dem ersten Termin ausgeschickt und wird auf Moodel abrufbar sein. Zu Beginn erfolgt eine (sehr) kurze Einführung in R, Rstudio und ein Überblick über das Datenvisualisierungspaket ggplot2.Methode: Inputs zu den Themen der Termine, Einübung und Vertiefung im Rahmen von praktischen Übungen in denen aufbauend auf den Inputs empirische Aufgabenstellungen und Probleme in Kleingruppen bzw. individuell zu lösen sind.