» Veröffentlicht am
11. Juli 2023
Good Practice – Computergestützte Datenanalyse mit R/exams
Name: Christoph Kiefer
Fakultät /Fachgebiet:
Fakultät für Psychologie und Sportwissenschaften, Abteilung Psychologie,
AE06 – Psychologische Methodenlehre und Evaluation
An der Uni seit: 10/2020
Lehrveranstaltung und
Lehrveranstaltungsart: Vorlesung „Statistik III – Computergestützte
Datenanalyse“ (WiSe 2021/22)
mittlerweile auch auf andere Vorlesungen des Fachbereichs
übertragen (z.B. Multivariate Verfahren im Master)
Gefördert durch: Qualitätsfonds
für die Lehre
Übertragbarkeit auf
andere Fachgebiete: prinzipiell gut, sofern Anwendung quantitativer
Methoden geprüft werden soll
(Digitale) Innovation:
Was wird gemacht: Integration von praktischen Datenanalysen mit R in ein
Open-Book-Klausurformat
Wie umgesetzt: Nutzung von Open-Source-Paketen (R, exams), die das Erstellen
und automatische Auswerten der Klausuren in Moodle erlauben
Ziel der Innovation: Direkte Prüfung der Kompetenz zur computergestützten
Datenanalyse
Erfahrung und Evaluation: Bislang gute Erfahrungen, wenn man auf ein paar Dinge
achtet (s.u.); wird von den Studierenden gut angenommen; Format auch für andere
Vorlesungen unserer Arbeitseinheit übernommen
Herausforderungen
& Lösungen:
Bei der Umsetzung sehen wir zwei
größere Herausforderungen, die man im Blick haben muss:
- Die Umstellung
vom „klassischen“ aufs neue Klausurformat kann Unsicherheit bei den
Studierenden erzeugen. Aus unserer Sicht war es daher sehr wichtig, (a) die
neuen Anforderungen sehr früh und transparent zu kommunizieren (z.B. Besprechung
des Klausurformats in der ersten Vorlesung und Bereitstellen einer
Beispielklausur) und (b) das tatsächliche Einüben der computergestützten
Datenanalysen stärker zu fördern (z.B. Übungsgruppen, wöchentliche Aufgaben im
Klausurformat).
- Die Programmiersprache
R ist sehr vielfältig und oft gibt es viele Wege um eine Datenanalyse
durchzuführen. Manchmal können sich dabei aber scheinbare Kleinigkeiten ändern,
die in Summe dann zu einem anderen oder „falschen“ Ergebnis führen (z.B. weil
Daten in einem anderen Format eingelesen werden als bei einer
Vergleichsfunktion). Unser Lösungsansatz war (a) viel Erfahrung mit
unterschiedlichen Auswertungsstrategien zu sammeln (z.B. im Rahmen der
wöchentlichen Übungen) und Konstellationen, die leicht zu verschiedenen
Ergebnissen führen können zu meiden und (b) in der Klausur ein offenes Feld für
den R-Code bzw. weitere Informationen zum benutzten Computer zur Verfügung zu
stellen, sodass im Zweifelsfall nachvollzogen werden kann, ob die Analyse
grundsätzlich richtig gewesen ist.
Welche Unterstützung
habe ich genutzt: Wir nutzen schwerpunktmäßig das Open-Source-Paket exams,
das von Achim Zeileis (Uni Innsbruck) entwickelt und kostenlos zur Verfügung gestellt wird. Sowohl
für die Klausur als auch die wöchentlichen Übungen greifen wir auf die
Moodle-Struktur der Uni Bielefeld zurück.
»
Weiterlesen