Sozialwissenschaftliche Analyseverfahren helfen uns, Daten richtig zu verstehen und fundierte Schlüsse zu ziehen. Dieses Lehrbuch bietet eine schrittweise Einführung in die Grundlagen der Datenanalyse. Es beginnt mit deskriptiven Analysen, führt über lineare Regressionen und behandelt anschließend weiterführende, komplexere statistische Modelle. Mithilfe des frei verfügbaren Statistikprogramms R werden die Analysen anschaulich umgesetzt, um die theoretischen Konzepte greifbarer zu machen. Zusätzlich stellt der Autor Quarto Markdown vor – ein Werkzeug, das das Erstellen von Seminar-, Bachelor- und Masterarbeiten auf technischer Ebene erheblich erleichtert. Übungen am Ende der Kapitel fördern die Anwendung und Vertiefung des Gelernten. Dieses Buch richtet sich primär an Studierende der Sozialwissenschaften.
Die Wähler müssen sich häufig entscheiden, ob sie ihren bevorzugten Kandidaten unterstützen oder eine weniger attraktive, aber praktikablere Alternative wählen wollen. Frühere Forschungen haben gezeigt, dass verschiedene Aspekte der politischen Informiertheit, vor allem aber politische Informationen, es den Bürgern ermöglichen, diese strategischen Abwägungen zu treffen. In diesem Forschungsbericht entflechten wir in einer experimentellen Studie die Wirkung politischer Informationen von der Wirkung kognitiver Fähigkeiten auf die strategische Wahlentscheidung. Wir stellen fest, dass insbesondere die Kombination von Informationen und kognitiven Ressourcen die strategische Stimmabgabe erhöht, wenn die Menschen ausreichende Anreize haben, strategisch zu wählen. Unsere Ergebnisse deuten darauf hin, dass ein enger Fokus auf individuelle Informationsebenen zur Erleichterung der strategischen Stimmabgabe und zur Verbesserung der demokratischen Repräsentation unvollständig ist.
Diese Bachelorarbeit untersucht den Einfluss von Bildung und Beruf auf die Einstellung zur Globalisierung. Mit der Annahme der sog. Masseneinwanderungsinitiative gewann dieses Thema an Brisanz und Aktualität. Als Methode wird die geordnete logistische Regression zusammen mit vorausgesagten Wahrscheinlichkeiten verwendet. Es zeigt sich, dass das Bildungsniveau einen hohen Einfluss auf die Einstellung zur Globalisierung hat. Beim Beruf zeigt sich, dass es keine Rolle spielt, wie stark der Arbeitsplatz ausgelagert werden kann. Hingegen ist der Einfluss der Arbeitslosigkeit in der Berufsgruppe sehr stark. So sind Serviceangestellte viel stärker für Neuverhandlungen bei der Personenfreizügigkeit als zum Beispiel Pflegefachpersonen. Es zeigt sich zudem, dass der Einfluss der Arbeitslosigkeit in der Branche höher ist als der Bildungsgrad der Person. In Berufsgruppen mit hoher Arbeitslosigkeit zeigt sich, dass der Einfluss der Bildung insignifikant wird.
Dieser Kurs gibt eine Einführung in das Programmieren und die Computerwissenschaft. Das Ziel ist es, besseren Code in R zu schreiben und in der Lage zu sein, nützliche neue Funktionen mit der gesamten R-Gemeinschaft zu teilen. Wir beginnen mit tidyverse, gefolgt von grundlegenden Konzepten (Sequenz, Verzweigung, Schleife) und lernen, wann und wie man eine Funktion schreibt. Dann sehen wir, wie wir effizienten und parallelen Code schreiben können, um ihn schneller zu machen. Wir sehen uns ein Tool an, mit dem wir verschiedene Codes gegeneinander auswerten können, um zu sehen, welcher schneller ist. Danach sehen wir uns an, wie man eine generische S3-Funktion und objektorientierten Code zusammen mit dem Grundkonzept schreibt. Dann werden wir uns mit SQL beschäftigen und sehen, wie wir es in R verwenden können, um Daten aus einer SQL-Datenbank zu lesen und in sie zu schreiben. Danach schauen wir uns Regex und Webscraping an. Am Ende sehen wir, wie wir in R ein Paket erstellen und es auf GitHub und CRAN hochladen können.
Statistics is an important skill in the social sciences for empirically testing our theoretical ideas. Statistics uses data to describe objects and ideas, and to draw conclusions about the population from random samples. If you are motivated to learn statistics and data science but feel insecure, this «Introduction to Statistics for the Social Sciences» is for you. The course is designed for beginners. The course emphasizes the application of ideas rather than mathematical proofs. As a student, you will learn the important statistical concepts while applying the learned knowledge using the statistical software R. R is open source and therefore free for everyone to use. If you are the type of person who wants to learn something without investing time, this course is not for you. To learn statistics it’s important to practice every week. There will be exercises in OLAT to practice and apply the skills.
The course is structured as follows: In the first part we describe data. To describe data, we learn what data is and how to read data into R, how data looks like and how we can recode data to get it on the right scale, we learn and apply different descriptive statistics and plot the data. We then learn about different distributions and probability theory as a prerequisite for inferential statistics: What can we learn from a sample about the population from which it was drawn? We then apply inference statistics to simple hypothesis testing and the linear regression model.
Der Kurs bietet eine Einführung in die Webentwicklung. Zuerst nehmen wir HTML durch, welches die Grundlage des Webs ist. Anschliessend besprechen wir, wie mit CSS die Webseite gelayoutet werden kann und zwischen mobilem und Desktop-Design unterschieden werden kann. Nach dieser Einführungen tauchen wir in PHP und SQL ein, um einen Einblick in die Backend Programmierung zu erhalten. Am Schluss des Seminars werden wir uns mehrere Wochen mit der Front-End Entwicklung beschäftigen und dazu JavaScript lernen. Der Schwerpunkt dabei wird auf der JavaScript Bibliothek D3 liegen und wir lernen, wie damit interaktive Grafiken/Karten erstellt werden können. Als Leistungsnachweis müssen die Teilnehmer eine eigene Webseite programmieren mit einen Blogbeitrag und einer interaktiven Grafik. Dadurch können die neu gelernten Fähigkeiten direkt angewendet werden. Der Kurs fordert viel Einsatz der Studierenden auch während dem Semester.
Dieser Kurs bietet eine Einführung in die Statistik und die Programmiersprache R. Wir beginnen mit einer Einführung in R & R Studio und der Visualisierung von Daten. Dann beschäftigen wir uns mit deskriptiver Datenanalyse bevor wir über die Wahrscheinlichkeitstheorie in die Inferenzstatistik vordringen. Angefangen mit der linearen Regression schauen wir uns am Ende komplexere Modelle an.
Dieser Kurs gibt eine Einführung in das Programmieren und die Computerwissenschaft. Das Ziel ist es, besseren Code in R zu schreiben und in der Lage zu sein, nützliche neue Funktionen mit der gesamten R-Gemeinschaft zu teilen. Wir beginnen mit tidyverse, gefolgt von grundlegenden Konzepten (Sequenz, Verzweigung, Schleife) und lernen, wann und wie man eine Funktion schreibt. Dann sehen wir, wie wir effizienten und parallelen Code schreiben können, um ihn schneller zu machen. Wir sehen uns ein Tool an, mit dem wir verschiedene Codes gegeneinander auswerten können, um zu sehen, welcher schneller ist. Danach sehen wir uns an, wie man eine generische S3-Funktion und objektorientierten Code zusammen mit dem Grundkonzept schreibt. Dann werden wir uns mit SQL beschäftigen und sehen, wie wir es in R verwenden können, um Daten aus einer SQL-Datenbank zu lesen und in sie zu schreiben. Danach schauen wir uns Regex und Webscraping an. Am Ende sehen wir, wie wir in R ein Paket erstellen und es auf GitHub und CRAN hochladen können.
Viele Studierende finden es schwierig, sich in der komplizierten Welt der statistischen Modelle zurechtzufinden. Um dieser Herausforderung zu begegnen, arbeitet das IPZ mit der StatGuide-Initiative zusammen – einem Projekt zur Schaffung einer neuartigen digitalen Lernplattform für quantitative Methoden. Die StatGuide-Plattform erleichtert die Planung und Durchführung empirischer Analysen und führt die Studierenden mit Hilfe von entscheidungsunterstützenden Tools und Wissensbeständen von den Daten zu den Ergebnissen. StatGuide senkt die Lernbarriere für empirische Methoden und ermöglicht es den Studierenden, ein tieferes Verständnis für statistische Konzepte zu erlangen und methodische Strategien mit größerer Sicherheit zu entwickeln. Kursinhalte: In diesem Capstone-Kurs werden wir gemeinsam die E-Learning-Inhalte für die StatGuide-Plattform konzipieren, schreiben und gestalten. Insbesondere werden wir im Team arbeiten, um Schritt-für-Schritt-Anleitungen zu entwickeln, die zukünftigen Generationen von Studierenden helfen sollen, gängige quantitative Methoden wie lineare Regression oder Logit-Modelle zu verstehen und anzuwenden. Die von uns entwickelten Leitfäden werden auf der StatGuide-Plattform veröffentlicht, um als personalisierte digitale Lernressource für Studenten zu dienen. Nutzen für Sie: – Vertiefen Sie Ihre Kenntnisse in quantitativen Methoden – eine Fähigkeit, die sowohl im akademischen Bereich als auch in der Privatwirtschaft von Bedeutung ist – Tragen Sie zur Entwicklung einer innovativen digitalen Plattform für die personalisierte Methodenausbildung bei – Tragen Sie zur Weiterentwicklung der Lehre an der UZH bei – Übernehmen Sie Verantwortung für die Planung und Durchführung von Projektaufgaben – Veröffentlichen Sie Ihre Arbeitsergebnisse als neue Lernressource
Viele Studierende finden es schwierig, sich in der komplizierten Welt der statistischen Modelle zurechtzufinden. Um dieser Herausforderung zu begegnen, arbeitet das IPZ mit der StatGuide-Initiative zusammen – einem Projekt zur Schaffung einer neuartigen digitalen Lernplattform für quantitative Methoden. Die StatGuide-Plattform erleichtert die Planung und Durchführung empirischer Analysen und führt die Studierenden mit Hilfe von entscheidungsunterstützenden Tools und Wissensbeständen von den Daten zu den Ergebnissen. StatGuide senkt die Lernbarriere für empirische Methoden und ermöglicht es den Studierenden, ein tieferes Verständnis für statistische Konzepte zu erlangen und methodische Strategien mit größerer Sicherheit zu entwickeln. Kursinhalte: In diesem Capstone-Kurs werden wir gemeinsam die E-Learning-Inhalte für die StatGuide-Plattform konzipieren, schreiben und gestalten. Insbesondere werden wir im Team arbeiten, um Schritt-für-Schritt-Anleitungen zu entwickeln, die zukünftigen Generationen von Studierenden helfen sollen, gängige quantitative Methoden wie lineare Regression oder Logit-Modelle zu verstehen und anzuwenden. Die von uns entwickelten Leitfäden werden auf der StatGuide-Plattform veröffentlicht, um als personalisierte digitale Lernressource für Studenten zu dienen. Nutzen für Sie: – Vertiefen Sie Ihre Kenntnisse in quantitativen Methoden – eine Fähigkeit, die sowohl im akademischen Bereich als auch in der Privatwirtschaft von Bedeutung ist – Tragen Sie zur Entwicklung einer innovativen digitalen Plattform für die personalisierte Methodenausbildung bei – Tragen Sie zur Weiterentwicklung der Lehre an der UZH bei – Übernehmen Sie Verantwortung für die Planung und Durchführung von Projektaufgaben – Veröffentlichen Sie Ihre Arbeitsergebnisse als neue Lernressource
Der Kurs bietet eine Einführung in die Webentwicklung. Zuerst nehmen wir HTML durch, welches die Grundlage des Webs ist. Anschliessend besprechen wir, wie mit CSS die Webseite gelayoutet werden kann und zwischen mobilem und Desktop-Design unterschieden werden kann. Nach dieser Einführungen tauchen wir in PHP und SQL ein, um einen Einblick in die Backend Programmierung zu erhalten. Am Schluss des Seminars werden wir uns mehrere Wochen mit der Front-End Entwicklung beschäftigen und dazu JavaScript lernen. Der Schwerpunkt dabei wird auf der JavaScript Bibliothek D3 liegen und wir lernen, wie damit interaktive Grafiken/Karten erstellt werden können. Als Leistungsnachweis müssen die Teilnehmer eine eigene Webseite programmieren mit einen Blogbeitrag und einer interaktiven Grafik. Dadurch können die neu gelernten Fähigkeiten direkt angewendet werden. Der Kurs fordert viel Einsatz der Studierenden auch während dem Semester.
Ein Grossteil der Politikwissenschaft umfasst die statistische Modellierung. Zum Beispiel haben wir ein Ergebnis (z.B. Sozialausgaben) und versuchen dies mit Hilfe einer Reihe von Prädiktorvariablen (z.B. Stärke der linken Partei) zu erklären. Von allen statistischen Modellen bleibt die lineare Regressionsanalyse das Arbeitspferd der Politikwissenschaft. In diesem Modul lernen die Studierenden dieses Modell und seine Erweiterungen kennen. Der Schwerpunkt liegt auf der Formulierung von Modellen, deren Programmierung in R, der Diagnose von Annahmen und der Interpretation und Kommunikation von Ergebnissen. Praktische Beispiele werden während des gesamten Kurses verwendet.
Dieser Kurs gibt eine Einführung in das Programmieren und die Computerwissenschaft. Das Ziel ist es, besseren Code in R zu schreiben und in der Lage zu sein, nützliche neue Funktionen mit der gesamten R-Gemeinschaft zu teilen. Wir beginnen mit tidyverse, gefolgt von grundlegenden Konzepten (Sequenz, Verzweigung, Schleife) und lernen, wann und wie man eine Funktion schreibt. Dann sehen wir, wie wir effizienten und parallelen Code schreiben können, um ihn schneller zu machen. Wir sehen uns ein Tool an, mit dem wir verschiedene Codes gegeneinander auswerten können, um zu sehen, welcher schneller ist. Danach sehen wir uns an, wie man eine generische S3-Funktion und objektorientierten Code zusammen mit dem Grundkonzept schreibt. Dann werden wir uns mit SQL beschäftigen und sehen, wie wir es in R verwenden können, um Daten aus einer SQL-Datenbank zu lesen und in sie zu schreiben. Danach schauen wir uns Regex und Webscraping an. Am Ende sehen wir, wie wir in R ein Paket erstellen und es auf GitHub und CRAN hochladen können.
Der Kurs bietet eine Einführung in die Webentwicklung. Zuerst nehmen wir HTML durch, welches die Grundlage des Webs ist. Anschliessend besprechen wir, wie mit CSS die Webseite gelayoutet werden kann und zwischen mobilem und Desktop-Design unterschieden werden kann. Nach dieser Einführungen tauchen wir in PHP und SQL ein, um einen Einblick in die Backend Programmierung zu erhalten. Am Schluss des Seminars werden wir uns mehrere Wochen mit der Front-End Entwicklung beschäftigen und dazu JavaScript lernen. Der Schwerpunkt dabei wird auf der JavaScript Bibliothek D3 liegen und wir lernen, wie damit interaktive Grafiken/Karten erstellt werden können. Als Leistungsnachweis müssen die Teilnehmer eine eigene Webseite programmieren mit einen Blogbeitrag und einer interaktiven Grafik. Dadurch können die neu gelernten Fähigkeiten direkt angewendet werden. Der Kurs fordert viel Einsatz der Studierenden auch während dem Semester.
Dieser Kurs gibt eine Einführung in das Programmieren und die Computerwissenschaft. Das Ziel ist es, besseren Code in R zu schreiben und in der Lage zu sein, nützliche neue Funktionen mit der gesamten R-Gemeinschaft zu teilen. Wir beginnen mit tidyverse, gefolgt von grundlegenden Konzepten (Sequenz, Verzweigung, Schleife) und lernen, wann und wie man eine Funktion schreibt. Dann sehen wir, wie wir effizienten und parallelen Code schreiben können, um ihn schneller zu machen. Wir sehen uns ein Tool an, mit dem wir verschiedene Codes gegeneinander auswerten können, um zu sehen, welcher schneller ist. Danach sehen wir uns an, wie man eine generische S3-Funktion und objektorientierten Code zusammen mit dem Grundkonzept schreibt. Dann werden wir uns mit SQL beschäftigen und sehen, wie wir es in R verwenden können, um Daten aus einer SQL-Datenbank zu lesen und in sie zu schreiben. Danach schauen wir uns Regex und Webscraping an. Am Ende sehen wir, wie wir in R ein Paket erstellen und es auf GitHub und CRAN hochladen können.
Ein Grossteil der Politikwissenschaft umfasst die statistische Modellierung. Zum Beispiel haben wir ein Ergebnis (z.B. Sozialausgaben) und versuchen dies mit Hilfe einer Reihe von Prädiktorvariablen (z.B. Stärke der linken Partei) zu erklären. Von allen statistischen Modellen bleibt die lineare Regressionsanalyse das Arbeitspferd der Politikwissenschaft. In diesem Modul lernen die Studierenden dieses Modell und seine Erweiterungen kennen. Der Schwerpunkt liegt auf der Formulierung von Modellen, deren Programmierung in R, der Diagnose von Annahmen und der Interpretation und Kommunikation von Ergebnissen. Praktische Beispiele werden während des gesamten Kurses verwendet.
Der Kurs bietet eine Einführung in die Webentwicklung. Zuerst nehmen wir HTML durch, welches die Grundlage des Webs ist. Anschliessend besprechen wir, wie mit CSS die Webseite gelayoutet werden kann und zwischen mobilem und Desktop-Design unterschieden werden kann. Nach dieser Einführungen tauchen wir in PHP und SQL ein, um einen Einblick in die Backend Programmierung zu erhalten. Am Schluss des Seminars werden wir uns mehrere Wochen mit der Front-End Entwicklung beschäftigen und dazu JavaScript lernen. Der Schwerpunkt dabei wird auf der JavaScript Bibliothek D3 liegen und wir lernen, wie damit interaktive Grafiken/Karten erstellt werden können. Als Leistungsnachweis müssen die Teilnehmer eine eigene Webseite programmieren mit einen Blogbeitrag und einer interaktiven Grafik. Mit der Webseite kann bereits in den ersten Wochen begonnen werden. Dadurch können die neu gelernten Fähigkeiten direkt angewendet werden. Der Kurs fordert viel Einsatz der Studierenden auch während dem Semester, da programmieren nur mit viel üben erlernt werden kann.
Dieser Kurs gibt eine Einführung in die Programmierung und Informatik. Das Ziel ist es, besseren Code in R zu schreiben und in der Lage zu sein, nützliche neue Funktionen mit der gesamten R-Gemeinschaft zu teilen. Wir beginnen mit tidyverse, gefolgt von grundlegenden Konzepten (Sequenz, Verzweigung, Schleife) und lernen, wann und wie man eine Funktion schreibt. Dann sehen wir, wie wir effizienten und parallelen Code schreiben können, um ihn schneller zu machen. Wir sehen uns ein Tool an, mit dem wir verschiedene Codes gegeneinander auswerten können, um zu sehen, welcher schneller ist. Dann sehen wir, wie wir ein R-Paket erstellen und es auf GitHub und CRAN hochladen können. Danach schauen wir uns an, wie man eine generische S3-Funktion und objektorientierten Code zusammen mit dem Grundkonzept schreibt. Am Ende werden wir einige Zeit mit SQL verbringen und sehen, wie wir es in R verwenden können, um Daten von und zu einer MariaDB-Datenbank zu lesen und zu schreiben.
Ein Grossteil der Politikwissenschaft umfasst die statistische Modellierung. Zum Beispiel haben wir ein Ergebnis (z.B. Sozialausgaben) und versuchen dies mit Hilfe einer Reihe von Prädiktorvariablen (z.B. Stärke der linken Partei) zu erklären. Von allen statistischen Modellen bleibt die lineare Regressionsanalyse das Arbeitspferd der Politikwissenschaft. In diesem Modul lernen die Studierenden dieses Modell und seine Erweiterungen kennen. Der Schwerpunkt liegt auf der Formulierung von Modellen, deren Programmierung in R, der Diagnose von Annahmen und der Interpretation und Kommunikation von Ergebnissen. Praktische Beispiele werden während des gesamten Kurses verwendet.
Der Kurs bietet eine Einführung in die Webentwicklung. Zuerst nehmen wir HTML durch, welches die Grundlage des Webs ist. Anschliessend besprechen wir, wie mit CSS die Webseite gelayoutet werden kann und zwischen mobilem und Desktop-Design unterschieden werden kann. Nach dieser Einführungen tauchen wir in PHP und SQL ein, um einen Einblick in die Backend Programmierung zu erhalten. Am Schluss des Seminars werden wir uns mehrere Wochen mit der Front-End Entwicklung beschäftigen und dazu JavaScript lernen. Der Schwerpunkt dabei wird auf der JavaScript Bibliothek D3 liegen und wir lernen, wie damit interaktive Grafiken/Karten erstellt werden können. Als Leistungsnachweis müssen die Teilnehmer eine eigene Webseite programmieren mit einen Blogbeitrag und einer interaktiven Grafik. Mit der Webseite kann bereits in den ersten Wochen begonnen werden. Dadurch können die neu gelernten Fähigkeiten direkt angewendet werden. Der Kurs fordert viel Einsatz der Studierenden auch während dem Semester, da programmieren nur mit viel üben erlernt werden kann.
Dieser Kurs gibt eine Einführung ins Programmieren und Informatik. Das Ziel ist es, besseren Code in R zu schreiben und die Fähigkeit zu besitzen, nützliche Funktionen mit der ganzen R Community zu teilen. Wir starten mit Basiskonzepten (Sequenz, Verzweigung, Schlaufe) und lernen wann und wie man eine Funktion schreibt. Wir schauen uns dann an, wie wir effizienten und parallelen Code schreiben können, um den den Code schneller zu machen. Wir schauen uns ein Tool an mit dem verschiedene Codes gegeneinander getestet werden können, um zu sehen, welche davon am schnellsten ist. Wir schauen uns anschliessend an, wie man ein R Package erstellen kann und dieses auf GitHub und CRAN bereitstellen kann. Danach schauen wir, wie wir eine generische S3 Funktion schreiben können und die Grundlagen von objektorientiertem Programmieren. Am Ende werden wir uns mit SQL beschäftigen und wie man es aus R verwenden kann und Daten aus einer MariaDB Datenbank lesen zu können und Daten hineinschreiben können.
Der Kurs bietet eine Einführung in die Webentwicklung. Zuerst nehmen wir HTML durch, welches die Grundlage des Webs ist. Anschliessend besprechen wir, wie mit CSS die Webseite gelayoutet werden kann und zwischen mobilem und Desktop-Design unterschieden werden kann. Nach dieser Einführungen tauchen wir in PHP und SQL ein, um einen Einblick in die Backend Programmierung zu erhalten. Am Schluss des Seminars werden wir uns mehrere Wochen mit der Front-End Entwicklung beschäftigen und dazu JavaScript lernen. Der Schwerpunkt dabei wird auf der JavaScript Bibliothek D3 liegen und wir lernen, wie damit interaktive Grafiken/Karten erstellt werden können. Als Leistungsnachweis müssen die Teilnehmer eine eigene Webseite programmieren mit einen Blogbeitrag und einer interaktiven Grafik. Mit der Webseite kann bereits in den ersten Wochen begonnen werden. Dadurch können die neu gelernten Fähigkeiten direkt angewendet werden. Der Kurs fordert viel Einsatz der Studierenden auch während dem Semester, da programmieren nur mit viel üben erlernt werden kann.
Dieser Kurs gibt eine Einführung ins Programmieren und Informatik. Das Ziel ist es, besseren Code in R zu schreiben und die Fähigkeit zu besitzen, nützliche Funktionen mit der ganzen R Community zu teilen. Wir starten mit Basiskonzepten (Sequenz, Verzweigung, Schlaufe) und lernen wann und wie man eine Funktion schreibt. Wir schauen uns dann an, wie wir effizienten und parallelen Code schreiben können, um den den Code schneller zu machen. Wir schauen uns ein Tool an mit dem verschiedene Codes gegeneinander getestet werden können, um zu sehen, welche davon am schnellsten ist. Wir schauen uns anschliessend an, wie man ein R Package erstellen kann und dieses auf GitHub und CRAN bereitstellen kann. Danach schauen wir, wie wir eine generische S3 Funktion schreiben können und die Grundlagen von objektorientiertem Programmieren. Am Ende werden wir uns mit SQL beschäftigen und wie man es aus R verwenden kann und Daten aus einer MariaDB Datenbank lesen zu können und Daten hineinschreiben können.
Der Kurs bietet eine Einführung in die Webentwicklung. Zuerst nehmen wir HTML durch, welches die Grundlage des Webs ist. Anschliessend besprechen wir, wie mit CSS die Webseite gelayoutet werden kann und zwischen mobilem und Desktop-Design unterschieden werden kann. Nach dieser Einführungen tauchen wir in PHP und SQL ein, um einen Einblick in die Backend Programmierung zu erhalten. Am Schluss des Seminars werden wir uns mehrere Wochen mit der Front-End Entwicklung beschäftigen und dazu JavaScript lernen. Der Schwerpunkt dabei wird auf der JavaScript Bibliothek D3 liegen und wir lernen, wie damit interaktive Grafiken/Karten erstellt werden können. Als Leistungsnachweis müssen die Teilnehmer eine eigene Webseite programmieren mit einen Blogbeitrag und einer interaktiven Grafik. Mit der Webseite kann bereits in den ersten Wochen begonnen werden. Dadurch können die neu gelernten Fähigkeiten direkt angewendet werden. Der Kurs fordert viel Einsatz der Studierenden auch während dem Semester, da programmieren nur mit viel üben erlernt werden kann.
Dieser Kurs gibt eine Einführung ins Programmieren und Informatik. Das Ziel ist es, besseren Code in R zu schreiben und die Fähigkeit zu besitzen, nützliche Funktionen mit der ganzen R Community zu teilen. Wir starten mit Basiskonzepten (Sequenz, Verzweigung, Schlaufe) und lernen wann und wie man eine Funktion schreibt. Wir schauen uns dann an, wie wir effizienten und parallelen Code schreiben können, um den den Code schneller zu machen. Wir schauen uns ein Tool an mit dem verschiedene Codes gegeneinander getestet werden können, um zu sehen, welche davon am schnellsten ist. Wir schauen uns anschliessend an, wie man ein R Package erstellen kann und dieses auf GitHub und CRAN bereitstellen kann. Danach schauen wir, wie wir eine generische S3 Funktion schreiben können und die Grundlagen von objektorientiertem Programmieren. Am Ende werden wir uns mit SQL beschäftigen und wie man es aus R verwenden kann und Daten aus einer MariaDB Datenbank lesen zu können und Daten hineinschreiben können.
Der Kurs bietet eine Einführung in die Webentwicklung. Zuerst nehmen wir HTML durch, welches die Grundlage des Webs ist. Anschliessend besprechen wir, wie mit CSS die Webseite gelayoutet werden kann und zwischen mobilem und Desktop-Design unterschieden werden kann. Nach dieser Einführungen tauchen wir in PHP und SQL ein, um einen Einblick in die Backend Programmierung zu erhalten. Am Schluss des Seminars werden wir uns mehrere Wochen mit der Front-End Entwicklung beschäftigen und dazu JavaScript lernen. Der Schwerpunkt dabei wird auf der JavaScript Bibliothek D3 liegen und wir lernen, wie damit interaktive Grafiken/Karten erstellt werden können. Als Leistungsnachweis müssen die Teilnehmer eine eigene Webseite programmieren mit einen Blogbeitrag und einer interaktiven Grafik. Mit der Webseite kann bereits in den ersten Wochen begonnen werden. Dadurch können die neu gelernten Fähigkeiten direkt angewendet werden. Der Kurs fordert viel Einsatz der Studierenden auch während dem Semester, da programmieren nur mit viel üben erlernt werden kann.
In diesem Kurs werden fortgeschrittene Methoden diskutiert und in R angewendet. Besprochen werden Multilevel Analyse, Time-Series, Panelregression und Time-Series Cross-Sectional. Davor schauen wie man mit Matrix Berechnungen eine Lineare Regression rechnen kann und wie man es mit Maximum Likelihood Schätzung macht. Beides dient zum grundlegenden Verständnis dieser beiden Methoden. Während diesen beiden Methoden werden wir auch anschauen, wie man eine Funktion in R in eine Bibliothek verpacken kann.
Dieser Kurs lehrt wie man Modelle in R schätzt und wie man sie mit Worten und Grafiken interpretiert. Der Hauptfokus dieses Kurses liegt bei der logistischen Regression und ordinale logistische Regression, wie man diskrete Änderungen berechnet und sie graphisch darstellt. Am Ende des Seminars werden weitere Modelle diskutiert.
