| Kommentar |
Lernziele:
Das Seminar befähigt die Teilnehmenden, die Prinzipien reproduzierbarer Forschung kritisch zu reflektieren und praktisch umzusetzen. Sie erlernen, wissenschaftliche Analysen mit R und Quarto transparent zu dokumentieren, automatisierte Datenpipelines zu entwickeln sowie Version-Control-Systeme wie Git für kollaborative Projekte einzusetzen. Zudem können sie häufige Fehlerquellen in der Datenanalyse identifizieren, reproduzierbare statistische Methoden anwenden und interaktive Berichte erstellen.
Inhalte:
Der Kurs behandelt die Grundlagen reproduzierbarer Forschung vor dem Hintergrund von Replikationskrisen und Open Science. Praktisch vermittelt wird die Arbeit mit R und Quarto für „literate Programming“, einschließlich der Erstellung dynamischer Reports, parametrisierter Analysen und Datenaufbereitung. Weitere Schwerpunkte sind Version Control (Git/GitLab), Datenmanagement nach Tidy-Data-Prinzipien, Troubleshooting in R sowie die Gestaltung interaktiver Dashboards mit Shiny. Die Teilnehmenden setzen sich zudem mit Datenversionierung, Paketversionierung und der Formatierung publikationsreifer Dokumente (LaTeX) auseinander. Ein Ausblick thematisiert KI und Reproduzierbarkeit.
Voraussetzungen:
- Erfolgreicher Abschluss des ersten Studienjahres
- Erfolgreicher Abschluss der Veranstaltung „Angewandte Methodenausbildung“ (Seminar „Computerunterstützte Datenanalyse“) aus Modul 5
- Grundkenntnisse in R; bei fehlenden Kenntnissen wird erwartet, dass sich die Teilnehmenden über den Kurs hinaus weiterbilden
|
| Literatur |
Inhaltlich:
Barba, L. A. (2018). Terminologies for Reproducible Research. arXiv: 1802.03311v1 [cs.DL]. https://arxiv.org/abs/1802.03311v1
Freese, J., & Peterson, D. (2017). Replication in Social Science. Annual Review of Sociology, 43,147–165. https://doi.org/10.1146/annurev-soc-060116-053450
Christensen, G. S., Freese, J., & Miguel, E. (2019). Transparent and Reproducible Social Science Research: How to Do Open Science. University of California Press. https://doi.org/10.2307/j.ctvpb3xkg
R:
Wickham, H., Çetinkaya-Rundel, M., & Grolemund, G. (2023). R for Data Science: Import, Tidy, Transform, Visualize, and Model Data (2. Aufl.). O’Reilly. https://r4ds.hadley.nz/
Grolemund, G., & Wickham, H. (2014). Hands-on Programming with R. O’Reilly. https://rstudio-education.github.io/hopr/
R Markdown:
Xie, Y., Allaire, J. J., & Grolemund, G. (2019). R Markdown: The Definitive Guide. CRC Press. https://bookdown.org/yihui/rmarkdown/
Xie, Y., Dervieux, C., & Riederer, E. (2020). R Markdown Cookbook. CRC Press. https://bookdown.org/yihui/rmarkdown-cookbook/
Quarto:
https://quarto.org/docs/guide/ |
