Adaptiert von s1ecos.com

Vorgaben Abschlussbericht

Zum Bestehen der Summer School Data Science mit R: Erste Schritte, muss im Anschluss an die Summer School ein Bericht in Quarto erstellt und bis spätestens Sonntag, 23.07.2023, 24:00 Uhr via Moodle abgegeben werden. Der Bericht muss eine separate Arbeit sein, darf also nicht einfach zum Grossteil copy-paste des Practical-Berichts sein. Dazu gehören eine neue Fragestellung, passende Referenzen und natürlich Analysen. Es darf ein eigener Datensatz verwendet werden (z.B. aus einer Forschungswerkstatt, einer sonstigen Arbeit, aus dem Internet, etc.). Wer will kann aber auch den Summer School Datensatz verwenden.

Abgabeform

Einzureichen ist ein .zip Ordner, der folgendes beinhaltet:

  • Ein RStudio .Rproj, namens Abschlussbericht_VORNAME_NACHNAME.Rproj
  • Einen Unterordner namens 1_Data
    • Darin der verwendete Datensatz (ein eigener Datensatz oder summer_school_data.csv)
  • Einen Unterordner namens 2_Code
    • Darin können .R Files gespeichert werden, falls du die Analysen lieber erst in einem .R File programmierst, als direkt in einem .qmd File, dies ist jedoch optional.
  • Einen Unterordner namens 3_Quarto
    • Darin, ein ausführbares, funktionierendes Quarto script, namens Abschlussbericht_VORNAME_NACHNAME.qmd, welches den Abschlussbericht erstellt. Dieses muss den für die Erstellung notwendigen R Code enthalten.
    • Ein .html File, welches mit dem .qmd script erstellt wurde (namens Abschlussbericht_VORNAME_NACHNAME.html)
    • Allenfalls nötige zusätzliche Files, die für das Generieren des Berichts notwendig sind (z.B., falls .css files im Bericht geladen werden)

Inhalt Abschlussbericht

Der Abschlussbericht muss mindestens folgendes beinhalten (zusätzliche Grafiken, Tabellen, o.ä. dürfen natürlich nach Bedarf eingefügt werden):

  • Vorname, Name und Verfassungsdatum
  • Ein Inhaltsverzeichnis
  • Eine Aufteilung des Berichts in unterschiedliche Überschriften (falls nötig dürfen natürlich weitere Überschriften eingefügt werden):
    • Einleitung
      • Kurze Einleitung des Themas inkl. Herleitung einer Forschungsfrage, die mit den verwendeten Daten beantwortet werden soll.
      • Die Forschungsfrage
      • Beschreibung der verwendeten Konstrukte (falls mit dem Summer School Datensatz gearbeitet wird: andere Konstrukte und Forschungsfrage als im Practical verwenden).
    • Stichprobe
      • Eine kurze Beschreibung der Stichprobe in Worten (es kann, je nach Forschungsfrage, auch eine relevante Substichprobe, z.B. nur Eltern oder nur Führungskräfte verwendet werden).
      • Eine in R erstellte Tabelle, die relevante soziodemographische Variablen der Stichprobe zusammenfasst.
    • Analyse
      • Eine kurze Beschreibung der Analysen, die für die Beantwortung der Forschungsfrage verwendet werden. Wichtig: Da dies kein Statistikkurs ist und wir keine Inferenzstatistik angeschaut haben, muss keine Inferenzstatistik gerechnet werden. Vergleiche von Dingen wie z.B. Mittelwerten, Häufigkeiten etc. reichen aus. Natürlich dürfen aber gerne inferenzstatistische Tests gerechnet werden.
      • Durchführung der Analysen in R
      • Eine Visualisierung der Ergebnisse.
    • Diskussion
      • Eine kurze Zusammenfassung und Diskussion der Ergebnisse
    • Referenzen
      • Nach DGP formatiertes Literaturverzeichnis.
  • Folgende R Funktionen müssen mindestens vorkommen:
    • read_*() (Die auf dein Datenformat passende Einlesefunktion)
    • select()
    • filter()
    • mutate()
    • across()
    • replace_na()
    • group_by()
    • summarise() + relevante Funktion wie mean(), median(), sd() oder ähnlich
    • ggplot() + relevante geom_*
    • eigenes theme für ggplot, welches auf gg Objekte angewendet werden kann (anderes theme als im Practical erstellt wurde).
  • Folgende Quarto Funktionalitäten müssen mindestens einmal vorkommen:
    • Sektionen (siehe oben)
    • Normaler Text
    • Hervorgehobener Text (z.B. kursiv oder fett)
    • Link mit Markdown Syntax
    • Fussnote mit Markdown Syntax
    • Referenzen mit Markdown Syntax
    • Korrekter Zitationsstil
    • Inline Code
    • Code Chunk (Code im HTML Dokument sichtbar)
    • Code Chunk (Code im HTML Dokument nicht sichtbar)
    • Tabelle

Bei der Bewertung schauen wir zusätzlich darauf, ob eine sinnvolle Story mit dem Bericht erzählt wird, ob der Bericht ansprechend und sinnvoll gestaltet ist und ob der R-Code gut kommentiert ist und die gewünschte Funktion effizient erfüllt.