Spielerisch Daten reinigen

Jochen Kruppa () and Miriam Sieg ()
Additional contact information
Jochen Kruppa: Charité – Universitätsmedizin Berlin, Institut für Biometrie und klinische Epidemiologie
Miriam Sieg: Charité – Universitätsmedizin Berlin, Institut für Biometrie und klinische Epidemiologie

Chapter Kapitel 8 in Zeig mir Health Data Science!, 2021, pp 93-103 from Springer

Abstract: Zusammenfassung Moderne algorithmische Verfahren können auf beliebige, große Datensätze angewendet werden. Es gibt hierzu viele Tutorien und auch Anwendungsbeispiele. In diesen werden häufig jedoch Datensätze verwendet, die bereits gereinigt sind. Diese Datensätze sind meist riesig und die Anwender, z. B. Studierende, haben keinen Bezug zu den Inhalten und der Fragestellung. In unserem Beitrag wollen wir eine einfache Methode zur Datengenerierung mit großem Eigenbezug von Studierenden vorstellen. Im Rahmen einer Vorlesung wird ein Gummibärendatensatz erstellt. Dieser kann anschließend im späteren Verlauf der Lehrveranstaltung genutzt werden. Darüber hinaus bieten wir einen bereits erstellten Gummibärendatensatz an, der in der eigenen Lehre stetig erweitert werden kann. Der Datensatz beinhaltet leicht zu verstehende Zusammenhänge und lässt sich beliebig verwenden. Der Fokus kann je nach Lernzielen der jeweiligen Lehrveranstaltung gesetzt werden. So können angehende Data Scientisten üben, wie ein sehr komplexer Datensatz nur über ein Skript gereinigt wird. Studierende können die Limitierungen von statistischen Methoden lernen und sich mit Problemen, die bei der Datenerstellung zu vermeiden sind, auseinandersetzen. Durch die hohe Interaktion während der Erstellung, identifizieren sich die Studierenden stark mit dem Datensatz. Die Studierenden haben durch den Umgang mit einem Datensatz eine höhere Motivation beim Lernen. Wir geben eine detaillierten Plan und Checklisten für die Durchführung in einer Lehrveranstaltung.

Date: 2021
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-662-62193-6_8

Ordering information: This item can be ordered from
http://www.springer.com/9783662621936

DOI: 10.1007/978-3-662-62193-6_8

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().