Learning Outcomes
(WAS) Am Ende des Moduls können die Studierenden
- Die richtigen Fragen in Bezug auf einen Anwendungsfall für datengetriebene Entscheidungen stellen,
- Darauf basierend die nötigen Daten suchen und sammeln,
- Diese Daten mit der deskriptiven Statistik explorieren,
- Fehlerhafte Daten bereinigen und Daten von unterschiedlichen Quellen harmonisieren,
- Detaillierte Analysen mit Hilfe der Inferenzstatistik durchführen sowie statistische Vorhersagemodelle erstellen,
- und das aus den Daten generierte Wissen ausdrucksstark und effektiv präsentieren sowie eine Handlungsempfehlung aussprechen.
(WOMIT)
(WOZU)
Inhalt
Data Literacy umfasst die Fähigkeit, Daten zu sammeln, zu explorieren, zu verstehen, zu interpretieren und die gesammelten Erkenntnisse effektiv mit anderen zu kommunizieren. Dies umfasst Fähigkeiten in der Datensammlung für spezifische Fragestellungen, der Datenanalyse sowie -interpretation und im ethischen Umgang mit Daten. Das Modul befähigt Studierende, sich in einer zunehmend datengesteuerten Welt mit Vertrauen und Verständnis zu bewegen.
Methoden
- Vorlesung
- Projektarbeit
Literatur
- Jordan Morrow: “Be Data Literate - The Data Literacy Skills Everyone Needs to Succeed”, 2021.
- Angelika Klidas, Kevin Hanegan: “Data Literacy in Practice - A Complete Guide to Data Literacy and Making Smarter Decisions with Data Through Intelligent Actions”, 2022.
- Wes McKinney: „Datenanalyse mit Python“, 2023
- Peter Bruce, Andrew Bruce, Peter Gedeck: „Practical Statistics for Data Scientists - 50+ Essential Concepts Using R and Python“, 2020.
- Danyel Fisher, Miriah Meyer: “Making Data Visual - A Practical Guide to Using Visualization for Insight”, 2
- Tamara Munzner: “Visualization Analysis and Design”, 2014.