WMQD_01_nm.qmd

---
title: "Wissenschaftliche Methodik -- Quantitative Datenanalyse"
subtitle: "Erster Termin"
institute: "FOM Dortmund"
author: "Norman Markgraf"
lang: de-DE
format: 
  revealjs:
    html-math-method: katex
    main-font: Arial
    hight: 1920
    width: 1080
    margin: 0
    history: true
    center: false
    theme:
      - colors.scss
      - fontsstyles.scss
      - fom.scss
      - wmqd.scss
    footer: "WMQD | Norman Markgraf"
    chalkboard: true
    title-slide-attributes:
      data-background-image: fom-background.png
      data-background-size: contain
---

```{r child="prelude_WMQD.Rmd"}
#| output: false
#| include: false
```

## Herzlich Wilkommen!

Aus der [Data-Literacy-Charta](https://www.stifterverband.org/charta-data-literacy):

> Data Literacy umfasst die Datenkompetenzen, die für alle Menschen in einer durch Digitalisierung geprägten Welt wichtig sind. Sie ist unverzichtbarer Bestandteil der Allgemeinbildung.

<br>

Gehen wir es an ...

------------------------------------------------------------------------

## Über mich 🤓

<!-- quarto install extension quarto-ext/fontawesome -->

-   Dipl.-Math. Norman Markgraf (m), seit 2008 an der FOM

-   Wie John Tukey sagte:

> The best thing about being a statistician is that you get to play in everyone's backyard.

-   

    {{< fa envelope >}}: norman.markgraf@fom-net.de

-   

    {{< fa brands twitter >}}:

------------------------------------------------------------------------

## Wünsche von mir

📛 Stellen Sie bitte ein Namensschild auf.

✏ Arbeiten Sie aktiv mit.

🤷 Stellen Sie Fragen.

💪 <https://tweedback.de/z25p>

::: center

{{< qrcode https://tweedback.de/z25p >}}

:::
------------------------------------------------------------------------

## Stimmung?

Auf einer Skala von *OlafScholz*, wie geht es Ihnen heute?

::: center
```{r Scholz_img, fig.align="center", out.width="450px", fig.cap="Quelle: [@MMagdowski](https://twitter.com/MMagdowski/status/1443100157487296512)"}
knitr::include_graphics(here::here("img", "Scholz.jpeg"))
```
:::

------------------------------------------------------------------------

## Erinnerung

Lernen ist kein Zuschauersport!

::: center
<iframe src="https://giphy.com/embed/3o6Zt90p6NgiyoN4Mo" width="960" height="407´" frameBorder="0" class="giphy-embed" allowFullScreen></iframe>
::: footnote
[via GIPHY](https://media.giphy.com/media/3o6Zt90p6NgiyoN4Mo/giphy.gif)
:::
:::

------------------------------------------------------------------------

## Tipps für den Vorlesungserfolg

-   Kommen Sie zur Vorlesung!

-   Vermeiden Sie Ablenkung.

-   Arbeiten Sie die Vorlesung von Anfang an **vor** und nach. Nutzen Sie dafür die das [Skript von Prof. Matthias Gehrke aus dem OC](`r SkriptLink)!

-   Stellen Sie Fragen.

-   Unterstützen Sie sich gegenseitig.

------------------------------------------------------------------------

## Didaktische Hinweise

-   An den Präsenzterminen werden wir zusammen interaktiv an Fallstudien arbeiten.

-   Wir werden [tweedback.de](https://tweedback.de/) als Classroom Response System nutzen.

-   Außerdem werde ich *zufällig* Studierende drannehmen.

-   Jede Vorlesung wird mit einer Wiederholung beginnen.

Es gibt wissenschaftliche Belege, dass dies sich positiv auf den Lernerfolg auswirkt!

------------------------------------------------------------------------

## Lernergebnisse

Die Studierenden können nach erfolgreichem Abschluss des Moduls:

-   die Grundlagen und Grundbegriffe quantitativer Datenanalyse beschreiben,

-   Methoden der deskriptiven und induktiven Statistik auswählen und anwenden,

-   die Ergebnisse statistischer Methoden interpretieren,

------------------------------------------------------------------------

## Lernergebnisse (Fortsetzung)

-   den Bezug von wirtschaftswissenschaftlichen Forschungsfragen sowie Forschungshypothesen zu quantitativen Methoden herstellen,

-   grundlegende quantitative Methoden in einer wissenschaftlichen Arbeit diskutieren,

-   eine empirisch quantitative wissenschaftliche Arbeit durchführen und verfassen, insbes. auch in Vorbereitung auf die Projektarbeiten und die Abschlussarbeit,

-   Auswertungen mit R durchführen.

------------------------------------------------------------------------

## Prüfungsleistung

-   Hausarbeit (auf FOM deutsch: Seminararbeit)

-   Klausur 60 Minuten

Seminararbeit und Klausur gehen jeweils zu 50% in die Modulnote ein, beide Prüfungsleistungen müssen mit mindestens 4,0 bewertet werden.

Beachten Sie die im OC hinterlegten Fristen!

------------------------------------------------------------------------

## Workload

-   Präsenzstunden: 60,0 UE (eigentlich 64,0 UE nach OC)

-   Strukturiertes Eigenstudium 97,00 ZStd

-   Student Consulting/Praxistransfer: 55,00 ZStd

-   Workload gesamt: **200,0 ZStd**

-   ECTS-Credit Punkte: 8

------------------------------------------------------------------------

## Heutiges Thema 🏫

-   Organisatorisches

-   Erste Daten - Erstkontakt mit R

------------------------------------------------------------------------

## UN Ziele

> Die Agenda 2030 mit ihren 17 Zielen für nachhaltige Entwicklung (Sustainable Development Goals, SDGs) ist ein globaler Plan zur Förderung nachhaltigen Friedens und Wohlstands und zum Schutz unseres Planeten.

::: footnote
Quelle: <https://unric.org/de/17ziele/>
:::

Gucken wir uns dazu mal Daten an ...

------------------------------------------------------------------------

## UN Ziel 1: Keine Armut

::: center
<iframe src="https://upgrader.gapminder.org/q/21/embed?hasBorder=true&amp;hasOpenSansFont=false" title="92% of people get this question wrong" width="100%" height="500" style="border:none;"></iframe>
:::

------------------------------------------------------------------------

## Sie kommen zum eRfolg!

::: center
```{r r_first_then_img, fig.align="center", out.width="450px", fig.cap="Quelle: [@allisonhorst](https://github.com/allisonhorst/stats-illustrations)"}
knitr::include_graphics(here::here("img", "r_first_then.png"))
```
:::

------------------------------------------------------------------------

## Reproduzierbarkeit durch R Markdown

::: center
```{r reproducibility_court_img, fig.align="center", out.width="700px", fig.cap="Quelle: [@allisonhorst](https://github.com/allisonhorst/stats-illustrations)"}
knitr::include_graphics(here::here("img", "reproducibility_court.png"))
```
:::

------------------------------------------------------------------------

## Fallstudie 💻

-   Lokal: RStudio durch klick auf ``r ProjektName`` starten.

-   RStudio/posit Cloud: In **Ihr** Projekt einloggen.

Datei `EineLuege.Rmd` im Ordner `fallstudie` öffnen nd unter `EineLuege_<KÜRZEL>.Rmd` speichern.

------------------------------------------------------------------------

## Arbeiten in R Studio

::: center
```{r Kochen_mit_RStudio_img, fig.align="center", out.width="850px", fig.cap="Quelle: [@allisonhorst](https://github.com/allisonhorst/stats-illustrations)"}
knitr::include_graphics(here::here("img", "Kochen_mit_RStudio.png"))
```
:::

------------------------------------------------------------------------

## YAML Header

Im *YAML Header* stehen Informationen über unser Dokument.

::: center
```{r YAML-EineLuege_img, fig.align="center", out.width="850px", fig.cap="Quelle: Eigene Darstellung"}
knitr::include_graphics(here::here("img", "YAML-EineLuege.png"))
```
:::

------------------------------------------------------------------------

## Code Chunks

In den *Code Chunks* stehen die R Befehle.

::: center
```{r Chunk-EineLuege_img, fig.align="center", out.width="700px", fig.cap="Quelle: Eigene Darstellung"}
knitr::include_graphics(here::here("img", "Chunk-EineLuege.png"))
```
:::

------------------------------------------------------------------------

## Zusammenknüpfen

Text, Code und Ausgabe wird über `Knit` zusammengeknüpft.

::: center
```{r Knit_img, fig.align="center", out.width="200px", fig.cap="Quelle: Eigene Darstellung"}
knitr::include_graphics(here::here("img", "Knit.png"))
```
:::

------------------------------------------------------------------------

## eRfolg?

::: center
```{r /Erfolg-EineLuege_img, fig.align="center", out.width="850px", fig.cap="Quelle: Eigene Darstellung"}
knitr::include_graphics(here::here("img", "Erfolg-EineLuege.png"))
```
:::