Skriptbasierte Analysen mit der Statistiksoftware „R“ für ungeübte und fortgeschrittene Lernende

Kontext

Das Vorgehen ist im Kontext von Statistik-Lehrveranstaltungen von Studiengängen der Biologie, dort insbesondere der Marinen Ökosystem- und Fischereiwissenschaften und der Botanik, der Meteorologie und der Physischen Geographie der MIN-Fakultät der Universität Hamburg entstanden. Die Veranstaltungen unterschieden sich hinsichtlich des Inhalts, der Lehrmethoden, der Teilnehmendenzahlen, des Formats, des Kenntnisstands usw. mehr oder weniger stark. Gemeinsam ist allen, dass die statistischen Berechnungen mit dem Programm R durchgeführt werden.

Problem

Das Erlernen der skriptbasierten Statistiksoftware R ist schwierig, da kleine Programme geschrieben werden, um Berechnungen durchzuführen und Ergebnisse zu visualisieren. Innerhalb herkömmlicher, auf Abtippen oder „Copy & Paste“ von Programmcode basierender R-Lehrveranstaltungen ist eine selbstständige Reproduktion oder gar Transferleistung erfahrungsgemäß kaum möglich. Existierende R-Tutorials sind überwiegend nicht deutschsprachig und nicht für alle Disziplinen sind gute fachspezifische Lehr-Lernressourcen frei verfügbar.

Wirkkräfte

Die RLab-Materialien und die damit verbundenen Lehr-Lernkonzepte sind in einem Spannungsfeld entstanden, das unter anderem durch ein geringes Angebot geeigneter deutschsprachiger Lehr-Lernmaterialien, durch von Copy&Paste gekennzeichnetes Erlernen der Bedienung des Programms R und eine teilweise Diskrepanz zwischen der zunehmenden Bedeutung von R in der Forschung, zahlreichen Wirtschaftszweigen und Behörden und wenigen Lernangeboten gekennzeichnet war.

Lösung

Die Lösung besteht aus RLab-Kursen, mit denen R interaktiv direkt in R gelernt wird. Dabei werden studienfachspezifische Daten und Fragestellungen verwendet, die die intrinsische Motivation Lernender fördern. Zusätzlich setzen sich Studierende durch die interaktiven Digitale Skripte mit den Inhalten „rund um R und RStudio“ auseinander und erwerben etwas Statistik-Grundlagenwissen.

Details der Lösung

Ein Blended-Learning-Konzept für Lernende ohne R-Vorkenntnisse kann wie folgt umgesetzt werden:

1) Links zu RLab werden vor einer Veranstaltung bekannt gemacht. Dafür eignen sich z.B.

• Installation von R und RStudio (https://rlab.blogs.uni-hamburg.de/dig-skripte/Installation_R_und_RStudio/index.html)
• RStudio und R-Skripte (https://rlab.blogs.uni-hamburg.de/dig-skripte/RStudio_und_R-Skripte/index.html)
  Der Erwerb von grundlegenden Kompetenzen erfolgt in der Auseinandersetzung mit den in den Skripten präsentierten Inhalten. Sie dienen damit auch als Voraussetzung für das Verständnis von weiteren Inhalten, die später in synchroner Lehre angeboten werden.

2) Synchrones, gemeinsames Installieren der RLab-Kurse (Präsenz: per Beamer, Digital: per geteiltem Bildschirm der Lehrperson). Infos dazu im Digitalen Skript „R lernen mit RLab-Kursen” (https://rlab.blogs.uni-hamburg.de/dig-skripte/R_lernen_mit_RLab/index.html) bzw. in Kurzform: https://rlab.blogs.uni-hamburg.de/rlab-kurse/

3) Gemeinsames Starten des ersten Kurses „R Grundlagen”

4) Im Anschluss an 3) bearbeiten die Lernenden die vier Lektionen des ersten Kurses in individuellem Tempo. Dabei können Fragen gestellt werden, die individuell beantwortet werden. Sofern es der Lehrperson sinnvoll erscheint, werden Fragen und Antworten in der Gruppe thematisiert. Bearbeitungsdauer je Lektion ca. 10 Minuten.

5) Schnelle Lernende können optionale Digitale Skripte lesen. Dafür eignen sich zum Beispiel:

• Tipps und Tricks in R (https://rlab.blogs.uni-hamburg.de/dig-skripte/Tipps_und_Tricks/index.html)
• R-Hilfe in- und außerhalb von R (https://rlab.blogs.uni-hamburg.de/dig-skripte/R-Hilfe/index.html)
• R-Funktionen – Argumente, Klammern, Kommata kontrolliert einsetzen (https://rlab.blogs.uni-hamburg.de/dig-skripte/R-Funktionen/index.html)

6) Bearbeitung der Lektionen des RLab-Kurses „Daten einlesen und kennenlernen” als verbindliche Hausaufgabe

7) Beantwortung von Fragen und Rekapitulieren der wichtigsten Inhalte bei nächstem synchronem Termin

8) Wiederholung von 6) und 7) mit weiteren fachspezifischen RLab-Kursen. Es gibt Kurse für Biologie, Marine Ökosystem- und Fischereiwissenschaften, Meteorologie und Physische Geographie. Lektüre und Diskussion weiterer Digitaler Skripte.

9) Im Idealfall parallel zu 8): Gruppenarbeit und deren Auswertung, bei der für eine Abschlussaufgabe Fragestellungen an einen fachspezifischen Beispieldatensatz entwickelt werden. Für physisch-geographische Fragestellungen eignen sich die mit dem Digitalen Skript „Vorstellung der ,,soil”- und ,,veg“-Datensätze” vorgestellten Daten (https://rlab.blogs.uni-hamburg.de/dig-skripte/Vorstellung_Daten_Kaule/index.html).

Es steht ein Digitales Skript als ,,Didaktische Handreichung“ zur Verfügung (https://rlab.blogs.uni-hamburg.de/dig-skripte/Didaktische_Handreichung/index.html), das weitere Hinweise für Lehrende, aber auch zum Selbstlernen enthält.

Beim Einsatz von RLab-Materialien im Rahmen von Lehrveranstaltungen hat sich gezeigt, dass sie umso besser angenommen und tatsächlich genutzt werden, je verbindlicher die Nutzung gefordert und angeleitet wird.

Es ist konzeptionell nicht erforderlich, aber möglich, ausschließlich mit RLab-Modulen zu lernen. Es gibt unter https://rlab.blogs.uni-hamburg.de methodisch (Themen z.B.: Datenhandling, Visualisierung, Deskriptive Statistik, …) und fachspezifisch (für Biologie, Marine Ökosystem- und Fischereiwissenschaften, Meteorologie, Physische Geographie) ausgerichtete Modul-Sammlungen. Die Module können nicht nur je nach Lernstand, Interesse und Bedarf miteinander kombiniert werden, sondern auch durch andere, „externe“ Materialien erweitert bzw. andere Materialien durch RLab ergänzt werden.

Folgen (Vorteile, Nachteile)

Vorteile:

• deutlich besseres Verständnis für die R-Syntax und für die Bedeutung der Argumente einzelner R-Funktionen (im Vergleich zum Abtippen oder Copy&Paste von R-Code)
• Hilfe zur Selbsthilfe: Stärkung der Fertigkeit, Lösungen selbst, z.B. in Internet-Foren, zu finden
• fachspezifische, deutschsprachige Inhalte: Förderung der intrinsischen Motivation Lernender
• flexible Kombinierbarkeit der Module: Anpassung an Lernstand und Kompetenzziele leicht möglich
• Lernen im eigenen Tempo, zu einem frei wählbaren Zeitpunkt, weitestgehend lernortunabhängig
• ideal für Blended-Learning: Grundlagen-Inhalte mittels RLab-Modulen außerhalb von Präsenzphasen & Thematisierung von individuellen Fragen, von Fehlermeldungen des Programms und von vertiefenden Aspekten in Präsenz
• umfangreiche Inhalte: Möglichkeit, „über den Tellerrand zu blicken“ (insbesondere für interessierte und besonders begabte Lernende)
• Material für alle frei verfügbar, unabhängig von Lehrveranstaltung: Aneignung oder Auffrischung von Methodenkenntnissen für z.B. Abschlussarbeit; Kommunikation der Webadresse durch Lehrende statt selbst zusammengestellte Materialsammlung
• offenes Format: ergänzende RLab-Kurse und Digitale Skripte können durch Lehrende leicht erstellt werden

Nachteile:

• Wartungsaufwand, um E-Learning-Ressource verfügbar zu halten
• nur deutschsprachige Module (mit wenigen Ausnahmen)
• generelle, aus fehlenden bzw. distanzierten persönlichen Kontakten resultierende Nachteile rein digitaler, asynchroner Lehre (–> Mischung von asynchronen Einheiten mit RLab-Modulen und von Präsenzlehre im Sinne eines Blended-Learnings sinnvoll)
• bei synchroner, digitaler Lehre: Erkennen des individuellen Unterstützungsbedarfs Lernender durch die Lehrenden im Vergleich zu Präsenzformaten erschwert