Universität Wien

230185 UE Data Analysis with R (2024S)

4.00 ECTS (2.00 SWS), SPL 23 - Soziologie
Continuous assessment of course work
Moodle
Mo 27.05. 15:00-17:00 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25

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).

Details

max. 25 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

Monday 04.03. 15:00 - 17:00 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Monday 11.03. 15:00 - 17:00 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Monday 18.03. 15:00 - 17:00 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Monday 08.04. 15:00 - 17:00 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Monday 15.04. 15:00 - 17:00 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Monday 22.04. 15:00 - 17:00 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Monday 29.04. 15:00 - 17:00 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Monday 06.05. 15:00 - 17:00 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Monday 13.05. 15:00 - 17:00 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Monday 03.06. 15:00 - 17:00 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Monday 10.06. 15:00 - 17:00 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Monday 17.06. 15:00 - 17:00 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Monday 24.06. 15:00 - 17:00 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25

Information

Aims, contents and method of the course

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.

Assessment and permitted materials

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.

Minimum requirements and assessment criteria

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

Examination topics

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

Reading list

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.

Association in the course directory

Last modified: Mo 04.03.2024 12:46