About the Course
S Exploratory Data Analysis (Emp, part I)
Mit der explorativen Datenanalyse (EDA) können aus große Datenmengen Erkenntnisse extrahiert werden. Was ist an den Daten besonders auffällig, welche besonderen Zusammenhänge zeigen sich in den Daten? Dazu werden Methoden aus der deskriptiven Statistik und der Datenvisualisierung in iterativ-erkundender, ergebnisoffener und datengeleiteter Art und Weise kombiniert. Die EDA soll damit als „induktives“ Verfahren ermöglichen, aus empirischen, quantitativen Daten zu Hypothesen und neuen Einsichten zu gelangen. Besonders in Data Science-Szenarien mit „Big Data“-Anwendungsfällen hilft EDA, den vielbeschworenen „Datenschatz“ zu heben.
Im Empiriemodul werden wir diesen Ansatz mit Daten des European Social Survey (ESS) auf sozialwissenschaftliche Themen und Fragestellungen anwenden. Die Daten des ESS stammen aus standardisierten Befragungen von Personen über 15 Jahren in 38 verschiedenen europäischen Ländern, mit repräsentativen Zufallssamples aus jedem der teilnehmenden Länder. Seit 2002 wird die Erhebung alle zwei Jahre durchgeführt. Die Themen der Befragung reichen von (politischen) Einstellungen und Verhalten über Mediennutzung, soziale Kontakte und soziodemografische Hintergrundvariablen bis hin zu speziellen Themenblöcken wie z.B. sozialer Ungleichheit in Gesundheitsfragen, Einstellungen zum Klimawandel oder Einstellungen und Überzeugungen zu Gerechtigkeitsfragen.
Im Empiriemodul werden wir erarbeiten, wie die Techniken der EDA mit der Statistiksoftware R auf die Daten des ESS angewendet werden können. Vorkenntnisse in R sind dabei nicht erforderlich - der „spielerische“ Ansatz der EDA eignet sich optimal, um einen Einstieg in die Arbeit mit Statistiksoftware zu finden.
Gemeinsam werden wir versuchen, sozialwissenschaftlich interessante Muster in den Daten des ESS zu finden. Die so gefundenen „Hypothesen“ werden anschließend mit bestehenden Theorien und empirischen Ergebnissen aus der Literatur konfrontiert, um der Frage nachzugehen, ob wir etwas „Neues“ gefunden oder Bekanntes wiederholt haben. Ebenso werden wir Fragen der Generalisierbarkeit und Replizierbarkeit von Ergebnissen aus explorativen Datenanalysen nachgehen.
Studiennachweis/Modulprüfung:
Aktive Teilnahme und Präsentation von Zwischenergebnissen (im WiSe). Abschluss des Moduls im SoSe durch Präsentation der Ergebnisse und Erstellung eines Projektberichts.
Lehrende
Termine
Thursday, 16.10.2025 (1. Termin) 16:00 bis 18:00 UhrGD E2/208 CIP-Pool
Anmeldung
Bitte melden Sie sich in eCampus für die Veranstaltung an.