WS 2024/25

Diese Übung führt in das Arbeiten mit der Statistiksoftware R ein und soll den Teilnehmern ermöglichen, im Anschluss an die Veranstaltung eigenständig statistische Analysen durchzuführen. Wir beginnen zunächst mit einer Einführung in die Grundfunktionen und dem praktischen Kennenlernen der Benutzeroberfläche. Dies geschieht anhand von Praxisbeispielen aus dem Bereich der Politikwissenschaft aber auch aus anderen Bereichen. Mit Originaldatensätzen in verschiedenen Formaten wird die deskriptive Statistik erläutert und praktisch eingeübt wie z.B. die Erstellung aussagekräftiger Diagramme, Grafiken oder Tabellen möglich ist. In der bivariaten Analyse werden Kreuztabellen erzeugt sowie Zusammenhangsmaße berechnet und interpretiert. Im Anschluss an diesen Grundlagenteil folgt die Darstellung von Mittelwertvergleichen und der Testtheorie. Abschließend werden gängige strukturentdeckende und strukturprüfende Verfahren wie z.B. Regressions-, Varianzanalyse erlernt. Anhand ausführlicher Ergebnisinterpretation bietet die Veranstaltung den Studierenden die Möglichkeit, statistische Verfahren an dem PC anzuwenden, die Ergebnisse zu interpretieren und somit besser zu verstehen. Sie dient als Hilfestellung und brauchbare Grundlage für alle Studierende, die sich mit empirischen Analysen beschäftigen oder eine empirische Arbeit planen. Die Übung ist anwendungsorientiert und soll es den Studierenden ermöglichen, möglichst schnell eigene Analysen zu unternehmen, ohne dabei die tieferen Grundlagen der Programme völlig durchdringen zu müssen.

Diese
Übung führt in weiterführende, informationswissenschaftliche Methoden
der Datenanalyse ein. Anschließend werden Werkzeuge und Methoden
vorgestellt, die durch die fortschreitende und tiefgehende
Digitalisierungstransformation unserer Gesellschaft entstanden sind und
gleichzeitig durch die ständige und immer größere werdende Verfügbarkeit
von Daten aktuell sehr bedeutend sind („Data Deluge“). Nach einer
grundsätzlichen Wiederholung der wichtigsten Informationen zur
Programmiersprache R folgt eine Einführung in die Programmiersprache
Python, die hauptsächlich für die Anwendung moderner
Data-Science-Methoden verwendet wird. Anschließend werden im weiteren
Kursverlauf die Methoden und Themengebiete Big Data Analysis, Social
Network Analysis und Künstliche Intelligenz erarbeitet und vorgestellt.

Im
Kurs sind kleine Übungen als Studienleistung zu erbringen, als
Prüfungsleistung wird von den Teilnehmer:innen aus einem der
vorgestellten Themenblöcke ein kleines Datenprojekt erarbeitet.

Für
diese Übung werden keine Methoden- und Statistikkenntnisse
vorausgesetzt, Vorkenntnisse in R und Python sind ebenfalls nicht
erforderlich, aber hilfreich.

Außerdem
wichtig! Melden Sie sich bitte auf jeden Fall rechtzeitig mit Ihren
Prioritäten im SPUR an! Um einen unüberschaubaren E-Mail-Verkehr mit
Nachzüglern zu vermeiden, wird eine Nachmeldung nicht möglich sein!
Falls Sie bei der Auslosung keinen Platz erhalten, ist ein Nachrücken
jedoch möglich.