- FOM ›
- Forschung ›
- ifes Institut für Empirie & Statistik ›
- Studium & Lehre
ifes
Studium & Lehre
Die Entwicklungen in Bezug auf die Corona-Pandemie machen auch vor dem Studienbetrieb nicht halt. Zur Aufrechterhaltung des Studienbetriebs in digitaler Form stellen das ifes und das Dekanat Schlüsselkompetenzen & Methoden der FOM hierfür Lehr- und Lernmittel für die quantitativen-empirischen Methodenfächer zur Verfügung.
Zusammen mit unseren Lehrenden und als Teil des Data Literacy Education Netzwerks, für das die FOM 2019 durch den Stifterverband ausgewählt wurde, beteiligen wir uns am hochschulübergreifenden Austausch darüber, wie die Online-Lehre kurzfristig gelingen kann. Dabei stellt die FOM ihre unter OER-Lizenzen stehenden Selbstlernmaterialen zur Verfügung. Hier finden Sie Beispiele aus den digitalen Lehr- und Lernmedien.
Studienbriefe
Durch Studienbriefe werden Lernpfade durch die Inhalte aufgezeigt, um das Selbststudium zu unterstützen. Es wird aufgezeigt, wie die jeweiligen Lernergebnisse erreicht werden können. In jedem Studienbrief wird ein Thema / ein Präsenztermin behandelt.
Studienbrief 1: Wissenschaftliche Grundlagen
Studienbrief 2: Grundlagen Quantitativer Datenanalyse
Studienbrief 3: Einführung in R
Lehr-Videos
Durch kurze Lehr-Videos werden die zu vermittelnden Inhalte erläutert. Auch hier deckt jedes Video wieder ein Thema des Curriculums ab und es werden insbesondere die Umsetzungsschritte in R und die Interpretation gezeigt. Die Videos sind eine Grundlage, damit die Studierenden eigenständig Inhalte erarbeiten können. Sie werden den Studierenden als Data Literacy Screencastfolgen angeboten. Für die Lehrenden stehen die Foliensätze der Screencastfolgen und deren Quellcode zur Verfügung, so dass auch eigene Videos damit produziert werden können. Somit können die Lehrenden die Videos noch individueller für die jeweiligen Kurse anpassen. Neben den Screencastfolgen sind einige Themen als Specials aufbereitet worden, die sich etwas ausführlicher dem jeweiligen Inhalt widmen.
Data Literacy Screencastfolgen
Episode 1: Grundlagen
Episode 2: Datenhandling in R
Specials
Special 1: Normalverteilung
Die Videos sind passwortgeschützt (FOMtest)
Interaktive Tutorials
Zur interaktiven Methodenvermittlung zum Aufbau von Data-Literacy-Kompetenzen wurden learnr basierte Kurz- sowie ausführlichere Tutorials erstellt. Es wird jeweils ein Thema prägnant in den Fokus genommen und durch Aufgaben eingeübt. Die Studierenden erhalten ein unmittelbares Feedback zu ihren Lösungen. Die Kurz-Tutorials behandeln die Inhalte dabei in kleineren Einheiten (z. B. explorative Datenanalyse kategorialer Daten), während die Lang-Tutorials einen Themenkomplex in Gänze (z. B. Explorative Datenanalyse) vermitteln.
Kurz-Tutorial: Ökonomisches Denken
Lang-Tutorial: Explorative Datenanalyse
Ergänzend stehen Aufgaben-Tutorials zur Selbstkontrolle des Lernfortschritts (LFK=Lernfortschrittskontrolle) zur Verfügung, anhand derer der Stoff wiederholt und das Verständnis überprüft werden kann – auch hier wieder mit direkter Rückmeldung.
Aufgaben-Tutorial: LFK 1 (Wissenschaftliche Grundlagen und Grundlagen Quantitativer Datenanalyse - Grundbegriffe)
Shiny Apps
Bei Interesse an weiteren Unterlagen sowie bei Anmerkungen, Fragen und Korrekturen kontaktieren Sie uns gerne unter:
ifes-DL@fom.de.
Die Software
Installation von R, RStudio und mosaic
Hier finden Sie eine Schritt-für-Schritt Anleitung für Windows, MacOS und Linux. Für eine fehlerfreie Installation führen Sie bitte alle Punkte der Anleitung der Reihe nach durch. Die Lösungen zu häufigen Problemen werden ebenfalls aufgezeigt.
Datenanalyse mit R mosaic
Diese Kurzreferenz beschreibt einen kleinen Teil der R-Funktionen, wobei größtenteils auf das Zusatzpaket mosaic zurückgegriffen wird.
> pdf-Download
Linksammlung & Literaturhinweise
Hier stellen wir Ihnen Internetlinks und Literaturhinweise rund um die Software R zur Verfügung. Die Aufstellung wird in unregelmäßigen Abständen erweitert und erhebt keinen Anspruch auf Vollständigkeit.
The R Journal (open access, refereed journal of the R project for statistical computing)
> zum R Journal
- Chambers et. al. (Hrsg.): The R Series, Chapman & Hall/CRC, Boca Raton
- Field, A. / Miles, J. / Field, Z. (2012): Discovering Statistics Using R, London 2012
- Gentleman et. al. (Hrsg.): Use R!, Springer Reihe, Berlin
- Hatzinger, R. / Hornig, K. / Nagel, H. (2011). R: Einführung durch angewandte Statistik, München 2011
- Ligges, U. (2008). Programmieren mit R, Berlin 2008
- Lübke, K., Vogt, M. (2014): Angewandte Wirtschaftsstatistik – Daten und Zufall, Wiesbaden 2014
- Luhmann, M. (2010): R für Einsteiger, Weinheim 2010
Unser Angebot enthält Links zu externen Webseiten Dritter, auf deren Inhalte wir keinen Einfluss haben. Trotz sorgfältiger Prüfung können wir für diese fremden Inhalte keine Gewähr übernehmen. Für die Inhalte der verlinkten Seiten ist stets der jeweilige Anbieter oder Betreiber der Seiten verantwortlich.
Hier finden Sie eine 'Datensatz-Linksammlung' aus verschiedenen Bereichen.
Allgemein
> Auffinden – Zitieren – Dokumentieren
> UC Irvine Machine Learning Repository
> Statista (Campuslizenz für Hochschulangehörige)
> Vielfältige Hinweise u. a. zu den Themen Recherchieren, Open und Web Science
International
> World Values Survey
> The World Factbook
> OECD iLibrary (Campuslizenz für Hochschulangehörige)
> eurostat
> Rdatasets – An archive of datasets distributed with R
> kaggle – Datasets
> Cengage – Wooldridge 3rd Edition data sets
Deutschland
> GENESIS-Online Datenbank
> GESIS Leibniz-Institut für Sozialwissenschaften
> Institut für Arbeitsmarkt- und Berufsforschung
> Sozio-oekonomische Panel (SOEP)
Finanzen
> YAHOO! FINANZEN
> FRED Economic Data
> IMF eLibrary Data
> Quandl
Unser Angebot enthält Links zu externen Webseiten Dritter, auf deren Inhalte wir keinen Einfluss haben. Trotz sorgfältiger Prüfung können wir für diese fremden Inhalte keine Gewähr übernehmen. Für die Inhalte der verlinkten Seiten ist stets der jeweilige Anbieter oder Betreiber der Seiten verantwortlich.
Ansprechpartner
