Data Science Foliensatz 5

• Datenerhebung und Analysemethoden im Bereich Data Science werden vorgestellt.

Lernziele

• Nach diesem Kapitel ist es möglich qualitative und quantitative Methoden zu unterscheiden.
• Verschiedene Methoden der Datenerhebung werden eingeordnet und erklärt.
• Datenformate werden erkannt und beschrieben.
• Es werden alternative Datenerhebungsmethoden und Designs erläutert.
• Der Begriff „Computational Thinking“ wird definiert.

Quantitative und Qualitative Methoden

• Quantitative Methoden verwenden messbare, numerische Daten.
• Sie nutzen strukturierte Fragebögen, Umfragen und Messungen, um Daten zu erheben.
• Die Datenqualität zeichnet sich durch hohe Generalisierbarkeit und Stichprobenauswahl aus.
• Ziel ist es, objektive Messungen durchzuführen und statistische Analysen zu erstellen.
• Qualitative Methoden nutzen beschreibende, nicht-numerische Daten, wie Interviews und Beobachtungen.
• Die Datenqualität ist durch geringe Generalisierbarkeit und Kontextualisierung gekennzeichnet.
• Ziel ist es, tieferes Verständnis, Überzeugungen, Gründe und Erklärungen zu gewinnen.
• Beide Methoden sind wichtig, ergänzen sich und können bei Entscheidungsfindung, Forschung und Erkenntnisgewinnung verwendet werden.

Induktion vs. Deduktion in der Epistemologie

• Induktion: Ausgehend von Beobachtungen/Daten werden allgemeine Regeln/Theorien abgeleitet.
• Deduktion: Ausgehend von allgemeinen Regeln/Theorien werden Vorhersagen für Beobachtungen/Daten getroffen.
• Abduktion: Ausgehend von Daten wird versucht, plausible Prozesse zu entwickeln, die diese Daten erklären könnten.

Induktion und ihre Probleme

• Induktion ist eine der ältesten Methoden der Erkenntnisgewinnung, bei der Beobachtungen generalisiert werden.
• Zusätzliche Beobachtungen bestätigen die Generalisierung.
• Beispiele hierfür sind Newtons Gravitationsgesetz, Galileis Arbeit oder die Entdeckung der DNA.
• Das Induktionsproblem besteht darin, dass Induktionsschlüsse logisch unhaltbar sind, da aus beliebig vielen Beobachtungen keine Generalisierung abgeleitet werden kann.
• Das Problem des Induktionsschlusses lässt sich anhand des Beispiels des Sonnenaufgangs verdeutlichen.

Deduktion und hypothetisch-deduktive Methode

• Karl Popper kritisierte die Induktion und Verifikation scharf; das klassische Beispiel ist die Aussage "Dieser Schwan ist weiß".
• Anstatt nach Bestätigungen (Verifikation) von Theorien zu suchen, sollte versucht werden, Theorien zu falsifizieren, um sie zu verbessern.
• Nach der hypothetisch-deduktiven Methode sollen ausgehend von einer Theorie Hypothesen entwickelt werden.
• Die Theorie wird falsifiziert, wenn eine Hypothese nicht bestätigt wird.
• Wird eine Hypothese hingegen bestätigt, stützt dies die Theorie, beweist sie aber nicht endgültig.

Qualitative Methoden

• Qualitative Methoden konzentrieren sich auf Eigenschaften, Prozesse und Bedeutungen, die nicht experimentell untersucht oder gemessen werden können.
• Typische Methoden sind Experteninterviews und qualitative Inhaltsanalysen.
• Algorithmen und Machine Learning (z.B. Natural Language Processing) finden in diesem Bereich zunehmend Anwendung.
• Sie spielen bei der Exploration und Entwicklung von Modellen und Theorien eine wichtige Rolle.

Quantitative Methoden

• Quantitative Methoden verwenden oft theoretische Modelle zur Hypothesenprüfung.
• Messverfahren werden verwendet, die strukturierte (numerische) Daten als Grundlage haben.
• Beispiele für quantitative Methoden sind: Experimente, Surveys/Umfragen, Beobachtungenund Tagebuchstudien.
• Des Weiteren gehören Log- und Streaming-Daten, sowie Kombinationen von Sekundärdatensätzen dazu.

Gemischte Methoden

• Sie kombinieren quantitativen und qualitativen Ansätze, um eine Frage zu beantworten.
• Schwächen beider Ansätze werden dadurch ausgeglichen.
• Es kann eine Triangulation von Daten stattfinden, um ein besseres Verständnis zu erhalten.
• Schwächen quantitativer Methoden sind mangelndes Kontextverständnis, begrenzte Interpretierbarkeit, Abhängigkeit von Annahmen und beschränke Flexibilität.
• Schwächen qualitativer Methoden sind hoher Zeitaufwand, hoher Bias aufgrund kleiner Stichproben und fehlende Generalisierbarkeit.

Beispiel für gemischte Methoden

• Die Nutzung sozialer Medien und deren Einfluss auf das emotionale Wohlbefinden von Jugendlichen wird untersucht.
• Qualitativ: Fokusgruppeninterviews mit Jugendlichen, um Einstellungen und Wahrnehmungen, inklusive Teilbereiche und Herausforderungen zu erfahren.
• Quantitaiv: Datenerhebung über Fragebögen und Skalen, mit denen die Häufigkeit der Nutzung von sozialen Medien und das psychologische Wohlbefinden gemessen werden.
• Die Möglichkeit die Daten deskriptiv und deduktiv zu untersuchen (Korrelationen, Regressionen, etc) wird gegeben.
• Resultat: Durch die qualitative Methodik können individuelle Prozesse und bestimmende Faktoren identifiziert werden.
• Die Hinzunahme der quantitativen Methodik ermöglicht die Quantifizierung der Stärke einzelner Zusammenhänge und das Testen von Hypothesen.

Übersicht über Datenerhebungsmethoden

• Es werden schriftliche Befragungen (Online-Befragungen/Umfragen) und mündliche Befragungen (Experteninterviews) unterschieden.
• Weitere wichtige Formen sind: Experimente, Beobachtungen, Tagebuchstudien.
• Daten können aus Netzwerken (LinkedIn, Twitter/X, Facebook, Xing) oder Datenbanken eingelesen werden.
• Berichte und gesprochene Sprache wird genutzt (Contentanalyse mit Wörterbüchern, Sentimentanalyse, Topic-Modeling usw).
• Sensorik wird auch genutzt.

Mögliche Einordnung der Datenerhebung

• Datenerhebungsmethoden lassen sich weiter in Beobachtungsstudien (nicht-experimentell) und Experimentalstudien unterteilen.
• Deskriptive Studien umfassen einfache Umfragen, Fallstudien und Experteninterviews.
• Korrelationsstudien beinhalten Querschnitts- und Längsschnittstudien.
• Experimentalstudien werden unterteilt in randomisierte Kontrollgruppen-Designs und quasi-experimentelle Designs.

Dimensionen des Evidence: Kausalität & Generalisierbarkeit

• Die Dimensionen der Evidenz werden in Kausalität und Generalisierbarkeit unterteilt.
• Randomisierte Experimente und Meta-Analysen auf randomisierten Experimenten bieten hohe Kausalität.
• Regressionen/SEM (Längsschnitt) und Meta-analytische SEM bieten eine hohe Generalisierbarkeit.
• Qualitative Studien und Anekdoten weisen geringe Kausalität und Generalisierbarkeit auf.

Interviews und Fokusgruppen

• Interviews und Fokusgruppen liefern detaillierte und gezielte Informationen
• Interviews werden i.d.R. 1 zu 1 geführt.
• Fokusgruppen bestehen aus Gruppen von bestimmten Personen, die auf Fragen oder Reize der Gruppenleiter:innen antworten.
• Interviews werden geführt für pesönliche und schwierige Fragen oder um ausführliche und ehrliche Antworten zu erhalten.
• Vorteile von Interviews sind die Möglichkeit, gezielte Informationen zu erhalten, authentische Antworten zu erhalten und dynamische Gruppendiskussionen anzuregen.
• Nachteile sind die Verleitung zur Verstellung, unausgewogene Teilnahme und die Unmöglichkeit kausaler Schlüsse.

Umfragen und Befragungen

• Umfragen sind eine Methode zur Sammlung spezifischer Daten.
• Sie dienen der Sammlung von Daten für ausgewählte Probleme, für die es keine vorhandenen Daten gibt.
• Sie dienen als wertvolle Informationsquelle, um gezielte Ergebnisse zum Verhalten von Individuen oder Organisationen zu erhalten.
• Die Art der Fragen richtet sich nach den benötigten Ergebnissen.
• Die Antwortoptionen sollten die möglichen und tatsächlichen Antworten angemessen abdecken.
• Umfragen können über Social-Media-Plattformen, E-Mails, Papierbögen oder per Post durchgeführt werden.
• Umfragen sind eine soziale Situation: Auf Fragen folgen Verstehen, Bewerten und Urteilen, was wiederum zu Antworten führt.
• Programme wie Python, Excel, SPSS oder Google Sheets können für die Analyse und den Import von Umfragedaten verwendet werden.
• Die Ergebnisse sollten in einem Bericht zusammengefasst und je nach Bandbreite der Antworten in Diagrammen und Grafiken dargestellt werden.
• Anonyme Umfragen erhöhen die Ehrlichkeit der Ergebnisse.
• Das „Warum“ hinter Fragen kann nur schwer bzw. theoretisch beantwortet werden.

Querschnittliches Survey-Design

• Die interessierenden Begebenheiten werden nachträglich geordnet (ex-post-facto).
• Statt „treatment“ wird die Bezeichnung „unabhängige Variable“ (UV) benutzt.
• In partieller Abhängigkeit vom ursprünglichen Skalenniveau kann die UV als dichotome oder als kontinuierliche Variable gebildet werden.
• Probleme dieses Ansatzes sind die kausale Reihenfolge und die Kontrolle von Drittvariablen.
• Es können statische Kontrollen oder eine klare theoretische Fundierung genutzt werden.

Problem vieler Methoden: Störfaktoren

• Störfaktoren können Alternativerklärungen für ein Ergebnis sein: Zwischenzeitliches Geschehen, Reifungs- oder Verfallsprozesse.
• Weitere Störfaktoren: Messeffekte, Hilfsmittel, Systematische Selektion oder Mortalität, Sonstiges
• (Quasi-) Experimentelle Designs: Einmalige Messung mit Kontrollgruppe
• Probleme dabei sind, dass sich beide Gruppen schon vor dem Treatment unterschieden haben können oder andere Dinge geschehen sein kann.
• ist das Hauptunterscheidungsmerkmal zwischen experimentellen und quasi-experimentellen Designs bzw. Beobachtungen
• Der Ausschluss von „selection“ und „history“ kann durch Gruppenvergleiche vor dem Treatment erfolgen.
• Es gibt noch Probleme, aber vergleichsweise wenige

Das „optimale“ experimentelle Design

• Das „optimale“ experimentelle Design ist der SOLOMON-Viergruppenversuchsplan: Dadurch wird der Ausschluss vieler Störfaktoren ermöglicht
• Probleme gibt es trotzdem, hauptsächlich in der praktischen Umsetzbarkeit
• Handlungsempfehlung in Organisationen: „Institutional Cycle Design” hier wird Massnahme wird für alle Beschäftigten sukzessiv eingeführt da keine echte Kontrollgruppe darstellbar
• Maßnahme hat wahrscheinlich einen echten Effekt, falls Veränderungen auftreten und Vergleichbarkeit der Pretests und der Stärke der Veränderung gegeben ist. Der (partielle Ausschluss von „history"-Effekten findet statt.
• Der Vorteil ist das es Relativ flexibel bzw. praktisch nutzbar ist, aber ein Nachteilist, dass weiterhin testing Effekte auftretten können.

Protokoll- und Tagebuchdaten, Paneldaten

• Dient dem Zweck, Daten in regelmäßigen Abständen zu erfassen und dadurch Paneldaten (Längsschnittdaten) zu erzeugen.
• Protokolldaten erfassen automatisch Daten, z.B. Wetterbedingungen oder Fortschritte in einem Trainingsprogramm.
• Tagebuchdaten werden verwendet, um Erfahrungen und Wahrnehmungen einer Person über ein bestimmten Zeitraum (mehrmals) täglich zu erfassen.
• Werden direkt in strukturierter Form erfasst und ermöglichen Abbildungen von Veränderungen über die Zeit
• Längsschnittanalysen ermöglichen eher eine Analyse kausaler Zusammenhänge als Umfrage- und Querschnittsdaten (aber anfällig für history und maturation!)

ChatGPT-Schulung im Krankenhaus

• Evaluation einer ChatGPT Schulung im Krankenhaus als Versuchsbeispiel.

Computational Thinking

• „Computergestütztes Denken bedeutet Abstraktion und Zerlegung bei der Bewältigung einer großen komplexen Aufgabe oder bei der Entwicklung eines großen komplexen Systems."
• Computational Thinking ist sehr wichtig, da sich digitale Technologien verändern, eine zunehmend digitale und datengetriebene Welt permanente Herausforderung ist, und Kreativität und Innovationen zunehmend Erfolgsfaktoren sind.
• Es fördert die Fähigkeit, abstrakt und innovativ zu denken.

Schritte des Computational Thinking

• Definition des Problems (Klare Beschreibung des Problems).
• Herunterbrechen des Problems in kleinere Probleme (Aufteilung des Hauptproblems in überschaubare Teilprobleme).
• Entwicklung der Strategie, um einen Lösungsansatz zu entwickeln.
• Konkrete Umsetzung und praktische Implementierung der Lösung.
• Bewertung der Lösung und Überprüfung anhand von Metriken, Tests und Evaluationskriterien.

Beispiele Für Problemstellungen und Lösungsansätze

• Wie man die grösste Zahl einer Zahlenreihe findet, und das Systematisch angeht.
• Wie viele Golfbälle in einen VW Golf Wagen passen