Veranstaltungsart: Übung
Anzeige im Stundenplan: Kritische Einblicke
Semesterwochenstunden: 2
Credits: 3,0
Unterrichtssprache: Deutsch
Min. | Max. Teilnehmerzahl: 10 | 45
Kommentare/ Inhalte: Die Übung findet ergänzend und optional zur Vorlesung Datenwelten 2 statt. Die Übung bietet Studierenden die Möglichkeit, die in der Vorlesung behandelten Themen praktisch auszuprobieren. Daher ist die Teilnahme an der Vorlesung empfehlenswert. Übung und Vorlesung sind Teil eines zweisemestrigen Zyklus "Datenwelten". Sie folgen auf den ersten Teil der Datenwelten im Wintersemester, welcher sich mit grundlegenden Methoden aus den Bereichen Data Science und Machine Learning beschäftigt. Der Besuch des ersten Teils ist jedoch keine Voraussetzung zur Teilnahme an der Übung. Analog zur Vorlesung legt die Übung im Sommersemester einen stärkeren Fokus auf den aktuellen Stand von sowie eine kritische Auseinandersetzung mit Datennutzung und -anwendung in verschiedenen gesellschaftlichen Bereichen.
Lernziel: Die Übung zu Datenwelten 2 ist so konzipiert, dass Studierende ohne Programmiererfahrung teilnehmen können. Neugierde und Offenheit sind aber willkommen. Studierende werden Grundlagen der Programmierung mit R lernen und dann auf eigene Daten (z.B. Spotify, Netflix, Instagram) oder öffentliche Daten (z.B. Überflutungsgebiete in Hamburg, sozialräumliche Ungleichheiten in Großstädten) zurückgreifen, um diese kritisch auszuwerten. Im ersten Teil der Übung werden wir verschiedene Methoden zur Datenaufbereitung, -visualisierung und -analyse kennenlernen. Der zweite Teil der Übung legt einen Fokus auf das Zusammentragen von Daten und behandelt dabei Datenrepositories, Schnittstellen (APIs) sowie Web Scraping. Zwecks Zugänglichkeit werden wir mit Jupyter Notebooks arbeiten. Nach Abschluss der Veranstaltung haben Studierende ein grundsätzliches Verständnis für das Coden mit R erlangt und können ein eigenes Datenprojekt umsetzen. Im Datenprojekt sollen sie die erlernten Methoden auf eigene Daten anwenden und deren Auswertung vor dem Hintergrund ihrer gesellschaftlichen Folgen sowie den damit verknüpften ethischen Fragestellungen kritisch reflektieren.
Vorgehen: Die Übung findet im wöchentlichen Rhythmus statt. In den meisten Sitzungen wird ein Notebook zur Verfügung gestellt. Dieses enthält i.d.R. einen Teil zum selbständigen Bearbeiten vor den Sitzungen, sowie einen Präsenzteil. Der Präsenzteil wird alleine oder in Kleingruppen in den Sitzungen bearbeitet. Am Anfang und am Ende der Sitzungen kommen wir im interaktiv oder im Plenum zusammen, um die behandelten Themen zusammenzufassen und offene Fragen zu klären. In der zweiten Hälfte des Semesters werden Kleingruppen gebildet, in denen Sie dann gemeinsam ein Datenprojekt konzipieren und umsetzen. Diese Projekte werden am Ende des Semesters im Plenum vorgestellt. Die Lehrenden bringen einen Hintergrund aus Sozial- und Naturwissenschaften mit und können somit auf unterschiedliche Herausforderungen der Studierenden eingehen.
Literatur: Hadley Wickham & Garret Gorlemund: R for Data Science https://r4ds.hadley.nz/
Zusätzliche Hinweise zu Prüfungen: Voraussetzung für den Erwerb von Leistungspunkten ist die semesterbegleitende Bearbeitung der Notebooks innerhalb und außerhalb der Synchron-Sitzungen. Für den Leistungsnachweis reichen die Studierenden am Ende des Kurses ein eigenes Datenprojekt in Form eines dokumentierten Notebooks ein und halten eine kurze Präsentation über ihr Vorgehen und ihre Ergebnisse. Abgabeschluss ist der 21.07.2024. Die Übung wird nicht benotet.
