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
- verantwortliche Lehrperson: Julian Reinhold