Nr | Thema | Datum | Kommentar |
---|---|---|---|
1 | Inferenz | 2.-8. Okt. | NA |
2 | Wahrscheinlichkeit | 9.-15. Okt. | NA |
3 | Verteilungen | 16.-22. Okt. | NA |
4 | Globusversuch | 23.-29. Okt. | NA |
5 | Aufhol-Woche | 30.-5. Nov. | NA |
6 | Die Post befragen | 5.-12. Nov. | NA |
7 | Gauss-Modelle | 13.-19. Nov. | NA |
NA | NA | 20.-26. Nov. | Blockwoche: Kein regulärer Unterricht |
8 | Lineare Modelle | 27.-3. Dez. | NA |
9 | Metrische AV | 4.-10. Dez. | NA |
10 | Kausalinferenz 1 | 11.-17. Dez | NA |
11 | Kausalinferenz 2 | 18.-24. Dez. | NA |
NA | NA | NA | Jahreswechsel: Kein Unterricht |
12 | Abschluss | 8.-14. Jan. 24 | NA |
Lernhilfen
1 Hinweise
1.1 Ihr Lernerfolg
1.1.1 Lernziele
Nach diesem Kurs sollten Sie …
- grundlegende Konzepte der Inferenzstatistik mit Bayes verstehen und mit R anwenden können
- gängige einschlägige Forschungsfragen in statistische Modelle übersetzen und mit R auswerten können
- kausale Forschungsfragen in statistische Modelle übersetzen und prüfen können
- die Güte und Grenze von statistischen Modellen einschätzen können
1.1.2 Was lerne ich hier und wozu ist das gut?
Kurz gesagt, warum soll ich das lernen?
Statistische Analysen sind die Grundlage für Entscheidungen: Nehmen wir zum Beispiel an, Sie haben Sie 50 Frauen und Männer vor eine Einpark-Aufgabe gestellt (natürlich alles schön standardisiert und kontrolliert) - Wer am schnellsten ein Auto einparken kann. Das Ergebnis: Frauen können schneller einparken als Männer, im Durchschnitt. Das hätten wir also geklärt. Aber haben wir das ganz sicher geklärt? Mit welcher Sicherheit? Bekanntlich sind in dieser Welt nur Steuern und der Tod sicher; sonstige Aussagen leider nicht und damit unsere Einpark-Studie und sonstige statistische Analysen auch nicht. Ja, ich weiß, das ist jetzt ein harter Schlag für Sie… Aber die gute Nachricht ist: Wir können angeben, wie (un)sicher wir bei mit einer Aussage (“Frauen parken schneller…”) sind. Zum Beispiel könnten wir uns zu 99% oder zu 51% sicher sein - und wie sicher wir uns sind, macht schon einen Unterschied. Wenn Sie nächste Woche ei Fahri für Ihren neuen Rolls Royce anheuern, müssen Sie ja wissen, ob es besser eine Frau oder ein Mann sein soll.
Kurz gesagt: In diesem Kurs lernen Sie, wie Sie die Unsicherheit eines statistischen Ergebnisses beziffern.
Warum ist das wichtig?
Da fast keine Aussage auf dieser Welt 100% sicher ist, müssen wir wissen, wie sicher eine Aussage ist, wenn wir eine Entscheidung treffen wollen.
Wozu brauche ich das im Job?
Ihr Boss wird wissen wollen, wie sicher Sie sich sind, wenn Sie sagen “laut meiner Analyse sollten wir unser Werk in Ansbach/Peking/Timbuktu bauen”. Sind Sie sich zu 50%, 90% oder 99,9% sicher, dass Ihre Aussage richtig ist? Wichtige Frage im echten Leben.
Wozu brauche ich das im weiterem Studium?
In Forschungsarbeiten (wie in empirischen Forschungsprojekten, etwa in der Abschlussarbeit) ist es üblich, statistische Ergebnisse hinsichtlich ihrer Unsicherheit zu beziffern.
Gibt es auch gute Jobs, wenn man sich mit Daten auskennt?
Das Forum (2020) berichtet zu den “Top 20 job roles in increasing and decreasing demand across industries” (S. 30, Abb. 22):
- Data Analysts und Scientists
- AI and Machine Learning Specialists
- Big Data Specialists
1.1.3 Modulzeitplan
1.1.4 Voraussetzungen
Für dieses Kurs wird folgendes Wissen vorausgesetzt:
- grundlegende Kenntnis im Umgang mit R, möglichst auch mit dem tidyverse
- grundlegende Kenntnis der deskriptiven Statistik
- grundlegende Kenntnis der Regressionsanalyse
Dieses Wissen wird z.B. im Online-Buch “Statistik1” vermittelt. Alle Inhalte daraus werden in diesem Kurs benötigt.
1.2 Lernhilfen
1.2.1 PDF-Version
Um eine PDF-Version eines Kapitels zu erhalten, können Sie im Browser die Druckfunktion nutzen (Strg-P). Wählen Sie dort “PDF” als Ziel.
1.2.2 Videos
Auf dem YouTube-Kanal des Autors finden sich eine Reihe von Videos mit Bezug zum Inhalt dieses Buchs. Besonders diese Playlist passt zu den Inhalten dieses Buchs.
1.2.3 Software allgemein
Installieren Sie R und seine Freunde.
Installieren Sie bitte auch die folgende R-Pakete1:
- tidyverse
- easystats
- weitere Pakete werden im Unterricht bekannt gegeben (es schadet aber nichts, jetzt schon Pakete nach eigenem Ermessen zu installieren)
R Syntax aus dem Unterricht findet sich im Github-Repo bzw. Ordner zum jeweiligen Semester.
Wenn Ihnen die Lehrkraft ein RStudio-Cloud-Projekt zur Verfügung stellt, nutzen Sie es. Dort sind alle R-Pakete, Datensätze und Syntax-Vorlagen schon bereit gestellt. Sie sparen sich also eine Menge Installationsarbeit.\(\square\)
- Gibt R eine
Warning
aus, ist das zumeist kein Problem und kann ignoriert werden. - Starten Sie R neu, bevor Sie R-Pakete installieren.
- Wenn Sie Probleme mit der Installation auf Ihrem Computer haben, können Sie (übergangsweise oder dauerhaft) die Online-Version von RStudio, RStudio Cloud verwenden (in gewissem Umfang kostenlos).\(\square\)
1.2.4 Software: Bayes
Wenn in diesem Modul Inferenzstatistik nötig ist, benötigen Sie Software für Bayes-Inferenz.
Folgendes R-Paket ist für die Bayes-Inferenz nötig:
- rstanarm
1.2.5 Online-Unterstützung
Dieser Kurs kann in Präsenz und Online angeboten werden. Wenn Sie die Wahl haben, empfehle ich die Teilnahme in Präsenz, da der Lernerfolg höher ist. Online ist es meist schwieriger, sich zu konzentrieren. Aber auch online ist es möglich, den Stoff gut zu lernen, s. Abbildung 1.1.
Bitte beachten Sie, dass bei einer Teilnahme in Präsenz eine aktive Mitarbeit erwartet wird. Hingegen ist bei einer Online-Teilnahme keine/kaum aktive Mitarbeit möglich.
Hier finden Sie einige Werkzeuge, die das Online-Zusammenarbeiten vereinfachen:
- Frag-Jetzt-Raum zum anonymen Fragen stellen während des Unterrichts. Der Keycode wird Ihnen bei Bedarf vom Dozenten bereitgestellt.
- Padlet zum einfachen (und anonymen) Hochladen von Arbeitsergebnissen der Studentis im Unterricht. Wir nutzen es als eine Art Pinwand zum Sammeln von Arbeitsbeiträgen. Die Zugangsdaten stellt Ihnen der Dozent bereit.
- Nutzen Sie das vom Dozenten bereitgestelle Forum, um Fragen zu stellen und Fragen zu beantworten.
1.2.6 Fundorte für Datensätze
Hier finden Sie Datensätze, die sich eignen, um die Analyse von Daten zu lernen:
1.2.7 Aufgabensammlung
Die Webseite Datenwerk beherbergt eine Sammlung an Übungsaufgaben rund um das Thema Datenanalyse. es gibt eine Suchfunktion (wenn Sie den Namen der Aufgabe wissen) und eine Tag-Liste, wenn Sie Aufgaben nach Themengebiet durchsehen wollen.
1.2.8 Tipps zum Lernerfolg
Stetige Mitarbeit - auch und gerade außerhalb des Unterrichts - ist der Schlüssel zum Prüfungserfolg. Vermeiden Sie, das Lernen aufzuschieben. Bleiben Sie dran!\(\square\)
- Lerngruppe: Treten Sie einer Lerngruppe bei.
- Tutorium: Besuchen Sie ein Tutorium, falls eines angeboten wird.
- Vor- und Nachbereitung: Bereiten Sie den Unterricht vor und nach.
- Selbsttest: Testen Sie sich mit Flashcards (Karteikarten mit Vor- und Rückseite). Wenn Sie alle Aufgaben dieses Kurses aus dem FF beherrschen, sollte die Prüfung kein Problem sein.
- Übungen: Bearbeiten Sie alle Übungsaufgaben gewissenhaft.
- Portal Datenwerk: Gehen Sie die Aufgaben auf dem Portal Datenwerk durch (soweit relevant).
- Fallstudien: Schauen Sie sich meine Fallstudiensammlungen an: https://sebastiansauer-academic.netlify.app/courseware/casestudies/
- Lehrkraft ansprechen: Sprechen Sie die Lehrkraft an, wenn Sie Fragen haben. Haben Sie keine Scheu! Bitte lesen Sie aber vorab die Hinweise, um Redundanz zu vermeiden.
- Dabei bleiben: Vermeiden Sie “Bullimie-Lernen” (lange nix, dann alles auf einmal), sondern bevorzugen Sie “Lern-Snacks” (immer wieder ein bisschen)
1.2.9 Selbstlernkontrolle
Für jedes Kapitel sind (am Kapitelende) Aufgaben eingestellt, jeweils mit Lösung. Ein Teil dieser Aufgaben hat eine kurze, eindeutige Lösung (z.B. “42” oder “Antwort C”); ein (kleiner) Teil der Aufgaben verlangen komplexere Antworten (z.B. “Welche Arten von Prioris gibt es bei stan_glm()
?). Nutzen Sie die Fragen mit eindeutiger, kurzer Lösung um sich selber zu prüfen. Nutzen Sie die Fragen mit komplexerer, längerer Lösung, um ein Themengebiet tiefer zu erarbeiten.
Fortwährendes Feedback zu Ihrem Lernfortschritt ist wichtig, damit Sie Ihre Lernbemühungen steuern können. Bearbeiten Sie daher die bereitgestellten Arbeiten ernsthaft.\(\square\)
1.2.10 Lernen lernen
Hier sind einige Quellen (Literatur), die Ihnen helfen sollen, das Lernen (noch besser) zu lernen:
1.3 Didaktik
1.3.1 Grundlagen
- Alle Lehrmaterialien stelle ich vor dem Unterricht online bereit.
- Alles prüfungsrelevante Material ist verschriftlicht und die Prüfungsmodalitäten sind frühzeitig (schriftlich) bekannt gemacht.
- Eigenstudierbarkeit: Das Modul ist auch ohne Besuchen des Unterrichts studierbar.
- Wenn möglich, wird der Präsenzunterricht durch Live-Streaming ergänzt.
- Für den Stoff existiert eine Gliederung und Lernziele, so dass ein roter Faden ersichtlich ist.
- Für jede Unterrichtseinheit ist ein Stundenthema vorgegeben.
- Es werden für (möglichst) alle Unterrichtseinheiten Aufgaben bereitgestellt, so dass Lernende üben können und über den eigenen Fortschritt im Bilde sind.
- Praxisbezug wird sichergestellt, z.B. durch Fallstudien.
- Infos an die Studierenden eines Moduls werden durch ein Nachrichtensystem zugestellt.
- Der Unterricht ist von einer dialogischen Haltung geprägt, nicht von Frontaltunerricht.
1.3.2 Lehrkonzept
In der “Vorlesung” wird im Schwerpunkt nicht ein Folienskript “vorgelesen”. Solcher Inhalt steht oft vorab als Video zur Verfügung (s. Links im Themenüberblick). Stattdessen steht in der “Vorlesung” die Durcharbeiten und Vertiefen des Stoffes im Vordergrund, nicht aber das Vortragen des Stoffes. Warum wird die Literatur oder das Folienskript nicht im Unterricht vorgetragen? Zum einen können Sie das alleine besser (in eigener Geschwindigkeit, mit Pausen nach Gusto, zu beliebiger Zeit und beliebigem Ort, so oft wiederholt wie Sie mögen). Zum anderen ist der Lerngewinn beim passiven Zuhören gering. Das Durchdenken, Durcharbeiten, “Durchfragen” des Stoffes ist es, was Ihnen den meisten Gewinn beschwert. Entsprechend liegt auf dem aktiven, gemeinsamen Arbeiten der Schwerpunkt. Das heißt nicht, dass es nie Vorträge vom Dozenten im Unterricht gäbe; manchmal schon. Aber aus genannten Gründen liegt der Fokus des Unterrichts im aktivierenden Arbeiten. Natürlich können im Unterricht jederzeit die Fragen der Studentis zum Stoff besprochen werden. Seien Sie ausdrücklich ermuntert, Ihre Fragen im Unterricht zu formulieren, vorzugsweise im direkten Gespräch, aber alternativ anonym (wie Frag-Jetzt). In der Übung liegt der Schwerpunkt zumeist auf dem Bearbeiten von Aufgaben.
1.3.3 Lerntipps
Damit Sie vom Unterricht maximal profitieren, ist es essenziell, dass Sie aktiv mitarbeiten. Ein “Nur-Zuhören” nimmt Ihnen einen Gutteil des Nutzens des Unterrichts. Sie lernen nur zum kleinen Teil vom Zuhören; der größte Teil des Lernerfolgs kommt vom Selber-Erarbeiten! Bitte stellen Sie Ihre Kamera (Webcam) an, wenn Sie Kommilitonis oder den Dozenten ansprechen. Das ist der Güte der Kommunikation zuträglich. Bereiten Sie den Stoff vor und arbeiten Sie ihn gewissenhaft nach. Das gemeinsame Arbeiten in einer (virtuellen) Lerngruppe ist sehr nützlich. Tauschen Sie sich im Diskussionsforum auf unserer Modulseite aus; gehen Sie in den Diskurs mit den Kommiliton/innen. Falls Sie (im Internet) nützliches Material gefunden haben, können Sie es auch in das Forum einstellen. Nutzen Sie das Diskussionsforum auch, um den Dozenten Fragen zu stellen. Meine Erfahrung zeigt mir, dass der Lernerfolg zwar auch von der Lehrperson abhängt, aber entscheidend ist der Wille eines/r Studierenden/r, selbst aktiv zu lernen. Ich glaube, dass Sie gut mit Material ausgestattet sind, um selbständig und mit Erfolg zu lernen. Anbieter wie Google stellen (teilweise) kostenfreie Angebote zum kollaborativen Arbeiten zur Verfügung (Google Docs). Behalten Sie hier den Datenschutz im Blick.
1.3.4 “Einstreuer”
In jedem Kapitel, gibt es eine Reihe von Lehrmaterialien, sozusagen orthogonal zum Inhalt, die das Verstehen und die Umsetzung anreichernd unterstützen, das sind:
- Praxisbezüge
- Beispiele
- Definitionen
- Hinweise
- Achtung, Fehlerquelle
- Besonders Wichtiges
- Literatur
- Aufgaben
- Lernziele
- Softwarehinweise
- Überblick im Lernpfad
- Exkurse
- Blick in die Forschung
1.3.5 “Buch 2.0”
Modernes HTML bietet eine Reihe von technischen Vorteilen, dazu gehört, dass verschiedene Medien eingebettet werden können. In diesem Buch werden folgende verwendet:
- Text, Bilder, Tabellen - voll referenziert
- R-Syntax und Ausgabe
- Animationen
- Videos
- Gleichungen und R-Syntax-Listings - voll referenziert
- Copy-Paste-Funktion (für R-Syntax)
- Code-Fold, so dass die R-Syntax und Exkurse nur nach Aufklappen sichtbar sind (und ansonsten nicht stören)
1.3.6 Barrierefrei
Auf Lehrinhalte wird oft zugegriffen, zumindest hofft das der Autor. Gehen wir davon aus, dass ein Kurs 15 Wochen dauert, und pro Unterrichtsstunde UE Material “im Wert von 50 Folien” angesehen werden, so kommt man auf 50 Klicks oder Kontakte, mal 4 UE pro Woche ergibt 3000 Kontakte mit Material pro Studi. Bei so vielen Kontakten bekommt das Wort barrierefrei eine hohe Bedeutung.
Aus diesem Grund steht das Buch steht frei im Netz, genauso die Aufgaben und die Lösungen. Damit ist ein einfacher Zugriff möglich. Außerdem gibt es eine hohe Anzahl an URLs: Nicht nur pro Seite, sondern auch pro Abschnitt und für alle besonderen Objekte wie Tabellen und Diagramme.
1.3.7 Kompetenzorientiert
Es gibt viele Übungsaufgaben, anhand derer die Studentis ihren Lernfortschritt überprüfen können. Diese Aufgaben haben zumeist eine klare, kurze richtige Antwort (oft im MC-Format), so dass einfach eine Punktzahl ausgegeben kann für ein maximal klares Feedback an die Studentis. Außerdem gibt es aber auch Fallstudien, für komplexere und reichhaltigeres Einüben der Kompetenzen. Schließlich ist die Prüfungsform komplett kompetenzorientiert gehalten und gleichzeitig maximal objektiv durch Berechnen der Vorhersagegüte.
1.3.8 Fokus auf Modellierung
Modelle stehen, auch in modernen und fortgeschrittenen Anwendungen, im Mittelpunkt der Statistik als (angewandte) Wissenschaft. Gleichzeitig sind Sie einsteigerfreundlich, denn jeder Mensch kennt Modelle aus dem alltäglichen Leben. Darüber hinaus lassen sich Modelle perfekt verbinden mit zentraler statistischer Methodik, namentlich dem Allgemeinen (Generalisierten) Linearen Modell (ALM bzw GLM). Aus diesem Grund wird das ALM als zentrale methodische Blaupause verwendet. Anstelle von einer Vielzahl statistischer Testverfahren, die letztlich aber fast immer Spezialfälle des ALM darstellen, wird hier zu zugunsten der Einfachheit, konzeptioneller Klarheit (und wissenschaftlicher Ästhetik) alles Modellieren auf dem ALM aufgebaut.
1.3.9 Praxisbezug
In allen Kapiteln werden Themen aus der (künftigen) Berufswelt der Teilnehmis herangezogen. Ganz zu Beginn eines neuen Themas wird davon abweichend immer wieder von extrem einfachen (aber auch lebensweltlich relevanten) Beispielen Gebraucht gemacht, zu Gunsten eines einfachen Einstiegs in neue Materie. Auf mathematische Herleitung wurde aus dem gleichen Grund weitgehend verzichtet.
1.3.10 Anschaulichkeit
Es wurde versucht, möglichst viele Sachverhalte schematisch in Diagrammen zu illustieren. Damit ist bei weitem nicht nur gemeint, statische Diagramme aufzuzeichnen. Vielmehr ist versucht worden, zentrale theoretische Konzepte in einfachen Diagrammen widerzuspiegeln. Dieser eher informelle Wege nimmt zwar Einbußen an Präzision und inhaltlicher Tiefe in Kauf, öffnet aber gerade für in symbolischer Verarbeitung schwächeren Studentis einen Zugang. Darüber hinaus haben Diagramme bzw. Schemata den didaktischen Vorteil, dass sie sich hervorragend eignen für Unterricht im Hörsaal oder Seminarraum: Man betrachtet zusammen ein Bild und diskutiert darüber, das Konzept ständig vor Augen.
1.3.11 Bildreichtum
Dieses Buch verwendet viele Bilder. Das hat vor allem den Grund, das Lehren zu erleichtern. Es ist dröge - beim Zuhören und beim Lehren - sich durch Textwüsten und Stichpunkt-Wälder zu kämpfen. Viel angenehmer ist es (nach meiner Erfahrung), wenn die Lehrperson anhand eines guten Diagramms den wesentlichen Punkt erläutert.
1.3.12 Literatur
Pro Thema wird Literatur ausgewiesen, die den Stoff ausführlicher erläutert oder auf vertiefende Aspekte eingeht (Aspekte, die über den Stoff und die Lernziele hinausgehen). Quellen der Inhalte sind pro Kapitel im Literaturverzeichnis aufgeführt.
1.3.13 Für Autodidakten geeignet
Folien sind zu knapp, um sie ohne Erläuterung zu verstehen. Wären Sie ausführlich, würde man sie “Buch” nennen. Dieses Buch versteht sich als eine Art “Prosa-Skript”, also ausformuliertes Skript zur Begleitung des Unterrichts. Nicht zur zur Begleitung: Dieses Skript ist zwar “dünner” als ein Buch, aber versucht, die wesentlichen Inhalte abzudecken. Außerdem sollen nicht nur Inhalte abdeckt sein, sondern auch die Kompetenz entwickelt werden, etwa durch Aufgaben.
1.4 Organisatorische Hinweise
1.4.1 Sicherheitsunterweisung
- Der Dozent weist auf Fluchtwege und auf die Sammelstelle hin (abhängig vom Seminarraum).
- Flucht- und Rettungspläne hängen im Gebäude aus; bitte betrachten Sie sie sorgfältig. Prägen Sie sich die Rettungswege, den Ort der Sammelstelle sowie von Feuerlöschern und Brandmeldeeinrichtungen gut ein.
- Bei Alarm: Ruhe bewahren. Der Dozent weist an, den Raum sofort zu verlassen und geordnet über den kürzesten Weg zur Sammelstelle zu gehen. Tun Sie das.
- Prüfen Sie, ob niemand zurückgelassen ist (z. B. auf der Toilette).
- Fluchtwege (z. B. Fluren und Treppen) dürfen nicht versperrt sein.
- Notausgänge müssen ausgeschildert und frei zugänglich sein.
- Aufzüge dürfen im Brandfall nicht verwendet werden. Lebensgefahr!
- Im Brandfall sind Fenster und Türen zu schließen (aber nicht zu verriegeln!).
- Hilflose Personen sind mitzunehmen.
- Brände sind zu bekämpfen, aber die sichere Evakuierung hat Vorrang.
- Bei Bränden ist sofort die Feuerwehr zu alarmieren.
- Bei einem Hupton ist das Gebäude sofort zu verlassen und die Sammelstelle aufzusuchen. Brandschutztüren sind stets geschlossen zu halten.
- Prägen Sie sich die Position von Feuerlöschern und Erste-Hilfe-Material gut ein.
1.4.2 Organisatorisches
- Bitte laden Sie sich rechtzeitig die Materialien herunter.
- Beachten Sie die Vorbereitungshinweise zur ersten Unterrichtsstunde und für die einzelnen Termine.
- Kenntnis der vorzubereitenden Inhalte wird im Unterricht pro Kapitel und für die Prüfung vorausgsetzt.
- Ein Foliensatz kann kein Lehrbuch ersetzen; falls Sie bei einem Termin gefehlt haben oder Ihre Aufzeichnung lückenhaft ist, lesen Sie bitte in der Literatur nach oder bitten Sie eine/n Kommiliton/in um Hilfe.
- Es kann sinnvoll sein, sich während der Vorlesung Notizen zu den Erläuterungen des Dozenten zu machen.
- Beachten Sie die Hinweise der Hochschule (s. Moodle) wie die Orientierungshilfe, die Klausur- und Studiengangsordnungen. Dort finden Sie verbindliche Hinweise zu vielen organisatorischen Fragen.
- Es können sich Aktualisierungen des Unterrichtsmaterials ergeben. Bitte prüfen Sie regelmäßig, ob neues Material eingestellt ist. Nachdem der Unterricht stattgefunden hat, wird das Material aber nicht mehr geändert, so dass Sie Sicherheit für das Lernen haben.
1.4.3 Präsenzunterricht
- Beachten Sie aktuell geltenden Hygienevorschriften.
- Bitte meiden Sie datenhungrige Applikationen wie das Streamen von Filmen – Sie behindern den Unterricht und verärgern damit andere Studierende (in diesem oder anderen Kursen).
- Bitte bringen Sie einen Computer (mit Internetanschluss) in alle Präsenztermine mit. Bringen Sie ggf. Ersatzbatterien und/oder Verlängerungskabel mit - leider sind nicht überall ausreichend Steckdosen vorhanden.
1.4.4 Rechtliche Hinweise
- Dieser Kurs ist lizensiert unter der MIT Lizenz. Das ist eine permissive Lizenz, die erlaubt, dass Sie diesen Kurs frei verwenden können. Sie haben (nur) die Verpflichtung, zu zitieren und auf die Lizenzart hinzuweisen.
- Mitarbeit oder Verbesserungsvorschläge: am besten als Github Issue auf der Github-Seite dieses Projekts einstellen.
- Für die Inhalte von Links kann keine Haftung übernommen werden.
- Aus Datenschutzgründen dürfen Teilnehmis den Unterricht (Video, Ton, sonstige) nicht aufnehmen.
1.4.5 Datenschutz
- Einige Teile des Unterrichts werden u.U. aufgenommen.
- Die Aufnahme erfolgt nur nach vorheriger Information durch den Dozenten.
- Bei den Bild-Aufnahmen wird nur der Bildschirm des Dozenten aufgenommen; außerdem wird der Ton aufgenommen.
- Bitte verzichten Sie daher während der Aufnahme auf Zoom-Reaktionen wie Hand heben, da diese u.U. mit Ihrem Namen auf dem Bildschirm des Dozenten und damit auf der Aufnahme zu sehen sind.
- Während einer Aufnahme dürfen aus Datenschutzgründen keine Wortbeiträge zu hören sein, die Personen identifizieren.
- Bitte verzichten Sie während der Aufnahme daher auf Wortbeiträge. - Der Dozent informiert umgehend, wenn er die Aufnahme beendet.
- Die Aufnahmen werden im Internet (z.B. YouTube) frei veröffentlicht. Solche offenen Beiträge im Internet können u.U. in Zukunft nicht kontrolliert werden, insbesondere können sie unkontrolliert verbreitet und kommentiert werden.
- Der Dozent hat u.U. keinen Einfluss auf Verbreitung, Kommentare oder sonstige Weiterverwendung.
- Alle Rechte an den Aufnahmen liegen beim Dozenten.
- Aufnahmen des Unterrichts durch die Studentis sind nicht erlaubt.
1.4.6 IT
1.4.6.1 IT allgemein
- Sie benötigen einen Computer für diesen Kurs. Ein Laptop ist ideal (ein günstiges Modell ist vollkommen ausreichend); ein Tablett ist nicht ideal, reicht aber zur Not, wenn Sie eine Tastatur für das Gerät haben.
- Sorgen Sie dafür, dass Sie in jeder Stunde über eine gute Internetverbindung verfügen.
- Bitte stellen Sie sicher, dass Sie Zugriff auf Moodle, Zoom und weitere Dienste haben, die wir im Unterricht nutzen (Passwörter dabei haben etc.).
- Kontaktieren Sie die IT-Abteilung bei technischen Probleme.
- Für Präsenztermine: Bitte bringen Sie folgende IT-Geräte in jede Stunde mit: Laptop mit Stromkabel, Smartphone oder Tablett, Kopfhörer inkl. Mikrofon.
- Für Präsenztermine: Ein langer Uni-Tag zehrt an der Batterie; nicht nur an Ihrer, sondern auch in Ihrem Laptop und Smartphone. Ggf. kann eine Zusatzbatterie (Akku-Pack) hilfreich sein. Bei schlechter WLAN-Verbindung kann ein Hotspot über das Handy eine Lösung sein.
- Bitte lesen Sie auch die Hinweise zur Software, die wir in diesem Modul benötigen.
1.4.6.2 Software: R und Friends
- Stellen Sie sicher, dass Sie die jeweils aktuelle Version für die in diesem Kurs verwendete Software verwenden (z.B. bei Zoom gibt es viele Aktualisierungen).
- Updaten Sie ggf. R, RStudio und Ihre R-Pakete.
- Bereiten Sie bitte R und seine Freunden vor vor der ersten Unterrichtsstunde. Sie können entweder R auf Ihrem Computer installieren oder den Cloud-Dienst RStudio Cloud nutzen.
- Bitte beachten Sie die Installationshinweise für Software und stellen Sie sicher, dass die Software vor Beginn des ersten Termins einsatzbereit ist.
1.4.7 Ich brauche Hilfe. Was soll ich tun?
- Versuchen Sie erst selber, das Problem zu lösen. Manchmal hilft etwas Abstand (Pause, drüber schlafen), um ein Problem klarer zu sehen (oder es als nicht mehr so wichtig zu sehen).
- Fragen Sie Kommilitonis.
- Recherchen Sie (online) nach einer Lösung.
- Posten Sie das Problem im Forum oder einem Online-Forum. Wichtig: Stellen Sie Ihrem Post ein Erbie bei.
- Besuchen Sie die Sprechstunde des Dozenten.
- Schreiben Sie möglichst keine Email, sondern posten Sie Ihre Frage im Forum o.Ä., da die meisten Fragen für Ihre Kommilitonis auch nützlich sein können (eine Ausnahme sind natürlich individuelle, persönliche Angelegenheiten, die nicht den Stoff betreffen).
1.4.8 Videokonferenzen
1.4.8.1 Algemein
- Ihr Dozent informiert Sie, ob Videokonferenzen in diesem Modul angeboten werden.
- Für Videokonferenzen/Webinare in diesem Modul wird die Software Zoom verwendet. Zur Einwahl benötigen Sie eine Zoom-Meeting-ID bzw. die dazu gehörige URL (Link); außerdem benötigen Sie ggf. ein zugehöriges Passwort. Diese Informationen werden Ihnen vom Dozenten zugestellt-.
- Für die Teilnahme an der Videokonferenz können Sie einen internetfähigen Rechner oder Tablet/Smartphone verwenden. Alternativ können Sie den Zoom-Client auf Ihrem Computer installieren (die Installation auf dem Rechner ist zu empfehlen).
- Ein paar Minuten vor Unterrichtsbeginn da sein, hilft beim Ankommen und um etwaige technische Probleme auszuräumen.
- -Wenn jede(r) Hintergrundgeräusche vermeidet (auch die Tastatur kann ziemlich laute Geräusche verursachen), verstehen wir uns alle gut.
- Das Mikro auszuschalten, wenn man gerade nichts sagen möchte, gibt Freiheit, doch nicht ganz leise zu sein, ohne die anderen zu stören. - Ein Headset ist hilfreich, um Rückkopplungsgeräusche (Echo) zu vermeiden.
- Eine einigermaßen schnelle Internetverbindung ist nötig.
- Ich empfehle, eine Webcam anzuschließen (bzw. freigeben), so dass wir uns sehen können. Das ist der Qualität des Unterrichts zuträglich.
- Hilfe zu Zoom findet sich hier: https://support.zoom.us/hc/de.
- Zu bestimmten Seiten kann der Dienst (Zoom) überlastet sein, so dass das Webinar nur eingeschränkt oder nicht möglich ist. In diesem Fall erstellt der Dozent ein Video und stellt es im Nachgang über Moodle zur Verfügung.
- Die Datenschutzhinweise von Zoom finden Sie hier.
- Prüfen Sie regelmäßig, ob Ihr Zoom-Client aktuell ist (sonst updaten).
- Aus Gründen der Sicherheit der Teilnehmis kann der Dozent anonyme Teilnahme an Videokonferenzen untersagen.
- Der Chat sollte nur für Themen des Unterrichts verwendet werden (nicht für private Themen).
- Aus Sicherheitsgründen kann eine Zoom-Konferenz auf Ihre “offizielle” E-Mail-Adresse (der Hochschule) begrenzt sein. Mit einer anderen, potenziell anonymen E-Mail-Adresse, können Sie also u.U. nicht teilnehmen.
1.4.8.2 Streaming
In einigen Kursen wird Präsenzunterricht plus Streaming angeboten. In diesem Fall gelten folgende Hinweise:
- Melden Sie sich zu Beginn der Stunde, wenn Sie merken, dass der Ton schwer zu verstehen ist (z.B. über das Mikro).
- Wenn die Teilnehmerzahl am Kurs geringer ist als die Raumkapazität (z.B. weniger als 80 Teilnehmis), so haben Sie stets freie Wahl, ob Sie in Präsenz beiwohnen oder den Unterricht online verfolgen.
- Übersteigt die Teilnehmerzahl am Kurs die Raumkapazität bis zum Doppelten (z.B. 160 Teilnehmis bei 80 Plätzen), so findet der Präsenzunterricht zweizügig statt. In der 1. Woche können alle Studentis des Zugs A zum Präsenunterricht kommen; in Woche 2 können alle Studentis des Zugs B zum Präsenzunterricht kommen. Wer nicht für Präsenz eingeteilt ist, kann dem Unterricht online folgen. Auch wer in Präsenz eingeteilt ist, kann dem Unterricht jederzeit online folgen. Auch wer nicht für Präsenz eingeteilt ist, kann zum Präsenzunterricht kommen, FALLS es freie Plätze gibt: Kommen Sie einfach zum Hörsaal, wenn es freie Plätze gibt, sind Sie herzlich willkommen (es gilt: first come, first serve).
- Sie müssen sich nicht anmelden für Präsenz oder Online.
- Falls die Teilnehmerzahl größer ist als das Doppelte oder es Probleme mit dem Prozedere gibt, erfolgt eine neue Planung.
- Ihr Dozent informiert Sie zu den Details, sobald die Teilnehmerzahl (grob) feststeht.
- Alle Angaben sind vorbehaltlich neuer Corona-Entwicklungen bzw. der Vorgaben der Hochschulleitung dazu.
1.4.9 Umgangsformen
- Freundlicher Umgang miteinander ist selbstverständlich.
- Selbstverständlich sind auch die grundlegenden Formen der höflichen Miteinanders (Begrüßung, Ansprache mit Namen, bitte/danke sagen, Pünktlichkeit, Verbindlichkeit, …).
- Bei Nichtwissen oder einem inhaltlichen Fehler wird niemand bloßgestellt oder lächerlich gemacht.
- Um eine Wortmeldung in einer Videokonferenz anzuzeigen, bietet sich die Funktion des Handhebens an.
- In Breakout-Sessions (in Zoom) sollte aktiv mitgearbeitet werden, wer das nicht möchte, betritt den Breakout-Room nicht.
- Spricht man eine Person in einer Videokonferenz an, sollte die Kamera angeschaltet sein.
1.4.10 Wenn der Unterricht ausfällt
- Im Krankheitsfall werden Sie möglichst frühzeitig informiert (via Moodle); das kann bedeuten, dass Sie am Morgen eine Nachricht bekommen, dass der Unterricht des jeweiligen Tages ausfällt.
- Leider muss der Unterricht in einigen Fällen aufgrund anderer Dienstverpflichtungen des Dozenten entfallen; ein Beispiel sind Berufungskomissionen (Auswahlgespräche für neu einzustellende Professor:innen).
- Aufgrund gesetzlicher Feiertage sowie hochschulweit geltenden lehrfreien Tagen fallen jedes Semester einige Tage für den Unterricht aus. Bitte informieren Sie sich auf der zentralen Hochschulseite dazu.
- Falls der Unterricht ausfällt, heißt das nicht, dass der für die jeweilige Woche geplante Stoff obsolet ist. Viel mehr ist Ihre Pflicht, den Stoff selbständig zu erarbeiten. Natürlich können Sie bei Fragen jederzeit Ihren Dozenten kontaktieren.
1.4.11 Salvatorische Klausel
- Diese Hinweise hier gelten nur insofern Ihre Dozentis Ihnen nicht andere Hinweise geben :-)
1.5 Technische Details
Dieses Dokument wurde erzeugt am/um 2023-08-08 08:20:45.
## ─ Session info ───────────────────────────────────────────────────────────────
## setting value
## version R version 4.2.1 (2022-06-23)
## os macOS Big Sur ... 10.16
## system x86_64, darwin17.0
## ui X11
## language (EN)
## collate en_US.UTF-8
## ctype en_US.UTF-8
## tz Europe/Berlin
## date 2023-06-27
## pandoc 3.1.1 @ /Applications/RStudio.app/Contents/Resources/app/quarto/bin/tools/ (via rmarkdown)
##
## ─ Packages ───────────────────────────────────────────────────────────────────
## package * version date (UTC) lib source
## cellranger 1.1.0 2016-07-27 [1] CRAN (R 4.2.0)
## cli 3.6.1 2023-03-23 [1] CRAN (R 4.2.0)
## codetools 0.2-19 2023-02-01 [1] CRAN (R 4.2.0)
## colorout * 1.2-2 2022-06-13 [1] local
## digest 0.6.31 2022-12-11 [1] CRAN (R 4.2.0)
## dplyr 1.1.2 2023-04-20 [1] CRAN (R 4.2.0)
## evaluate 0.21 2023-05-05 [1] CRAN (R 4.2.0)
## fansi 1.0.4 2023-01-22 [1] CRAN (R 4.2.0)
## fastmap 1.1.1 2023-02-24 [1] CRAN (R 4.2.0)
## generics 0.1.3 2022-07-05 [1] CRAN (R 4.2.0)
## glue 1.6.2 2022-02-24 [1] CRAN (R 4.2.0)
## gt 0.9.0 2023-03-31 [1] CRAN (R 4.2.0)
## htmltools 0.5.5 2023-03-23 [1] CRAN (R 4.2.0)
## htmlwidgets 1.6.2 2023-03-17 [1] CRAN (R 4.2.0)
## jsonlite 1.8.5 2023-06-05 [1] CRAN (R 4.2.0)
## knitr 1.42 2023-01-25 [1] CRAN (R 4.2.0)
## lifecycle 1.0.3 2022-10-07 [1] CRAN (R 4.2.0)
## magrittr 2.0.3 2022-03-30 [1] CRAN (R 4.2.0)
## pillar 1.9.0 2023-03-22 [1] CRAN (R 4.2.0)
## pkgconfig 2.0.3 2019-09-22 [1] CRAN (R 4.2.0)
## R6 2.5.1 2021-08-19 [1] CRAN (R 4.2.0)
## readxl 1.4.2 2023-02-09 [1] CRAN (R 4.2.0)
## rlang 1.1.1 2023-04-28 [1] CRAN (R 4.2.0)
## rmarkdown 2.21 2023-03-26 [1] CRAN (R 4.2.0)
## rstudioapi 0.14 2022-08-22 [1] CRAN (R 4.2.0)
## sass 0.4.6 2023-05-03 [1] CRAN (R 4.2.0)
## sessioninfo 1.2.2 2021-12-06 [1] CRAN (R 4.2.0)
## tibble 3.2.1 2023-03-20 [1] CRAN (R 4.2.0)
## tidyselect 1.2.0 2022-10-10 [1] CRAN (R 4.2.0)
## utf8 1.2.3 2023-01-31 [1] CRAN (R 4.2.0)
## vctrs 0.6.2 2023-04-19 [1] CRAN (R 4.2.0)
## withr 2.5.0 2022-03-03 [1] CRAN (R 4.2.0)
## xfun 0.39 2023-04-20 [1] CRAN (R 4.2.0)
## xml2 1.3.4 2023-04-27 [1] CRAN (R 4.2.0)
## yaml 2.3.7 2023-01-23 [1] CRAN (R 4.2.0)
##
## [1] /Users/sebastiansaueruser/Rlibs
## [2] /Library/Frameworks/R.framework/Versions/4.2/Resources/library
##
## ──────────────────────────────────────────────────────────────────────────────
falls Sie die Pakete schon installiert haben, können Sie in RStudio auf “update.packages” klicken↩︎