Überspringen zu Hauptinhalt
Innovative Konzepte und Szenarien aus dem Lehrlabor

RLab: Skriptbasierte Analysen mit der Statistiksoftware “R” für Lernende mit und ohne Vorkenntnissen

Die Online-Ressource RLab bietet Module zum interaktiven und selbstgesteuerten Erlernen der skriptbasierten Statistiksoftware R mit typischen Beispieldaten und Fragestellungen aus den Geowissenschaften und der Biologie. R ist frei verfügbar und in nahezu allen Forschungsbereichen wissenschaftlicher Standard. Die RLab-Module können in didaktischen Konzepten wie z.B. Blended-Learning oder Flipped-Classroom in Präsenzveranstaltungen und auch zum reinen Selbststudium verwendet werden.

Metadaten

  • Lehrende: Schwab, N., Conradt, J., Gottschalk, R., Jentsch, H., Kaul, N., Werner, M., Bobrowski, M., Weidinger, J., Blender, R., Fischer, E., Oldeland, J., Otto, S. A., Böhner, J.
  • CC-Lizenz: CC-BY (Bearbeitung erlaubt unter Namensnennung)
  • Zitiervorschlag:
    Schwab, N., Conradt, J., Gottschalk, R., Jentsch, H., Kaul, N., Werner, M., Bobrowski, M., Weidinger, J., Blender, R., Fischer, E., Oldeland, J., Otto, S. A., Böhner, J. (2020): RLab: Skriptbasierte Analysen mit der Statistiksoftware “R” für Lernende mit und ohne Vorkenntnissen. Hamburg: StoryPool. URL:

Maßnahme

Das RLab-Angebot zeichnet sich durch die Möglichkeit des Selbstlernens einer oft als sehr komplex angesehenen Software aus. Die Materialien eignen sich auch zur Nutzung in Präsenzveranstaltungen als Blended-Learning- oder Flipped-Classroom-Elemente. Es handelt sich dabei um RLab-Kurse und digitale Skripte. Für Lehrende steht ein digitales Skript als didaktische Handreichung zum Einsatz in und außerhalb von Lehrveranstaltungen zur Verfügung, in dem auch Hinweise zum Selbstlernen enthalten sind.

Folgende Inhalte werden im RLab behandelt (u.a.):
- Installation von R und RStudio
- R-Grundlagen
- Statistik und Programmierung mit R
- R-Funktionen (Aufbau und Verwendung)
- R-Hilfe sowie Tipps und Tricks

Bei der Nutzung des RLabs erarbeiten Studierende die Lösungen selbst, d. h. es werden keine vorgegebenen Skripte abgetippt oder kopiert, sondern selbst entwickelt. So werden die Lernenden höchstmöglich aktiviert und intrinsisch motiviert.
Durch die dauerhaft online zur Verfügung stehenden Materialien können die Lernenden über die direkte Verwendung innerhalb der Lehrveranstaltungen hinaus im Verlauf des Studiums jederzeit auf die Inhalte zugreifen.

Link zum R-Lab

Verbindung zum klassischen Lehrformat:

  • Vorlesung
  • Seminar
  • Übung
  • Projekt
  • Praktikum
  • Prüfung
  • Selbststudium
  • Vorkurs
  • Sonstiges

Mit dieser Maßnahme werden primär gefördert:

  • Rezeptive Aktivitäten (Lesen, Anschauen, Zuhören)
  • Übende Aktivitäten (Ausprobieren, Routinebildung etc.)
  • Produktive Aktivitäten (Schaffung eigener Inhalte)
  • Organisatorische Aktivitäten (Koordination, Vernetzung etc.)

Rolle von digitalen Medien:

  • Keine nennenswerte Rolle (bspw. primär Präsenzlehre)
  • Eine gewisse bzw. mäßige Rolle (bspw. hybrides Lehrformat)
  • Eine zentrale Rolle (bspw. Online-Lehre)

Beziehung zur Forschung:

  • Forschung fließt als Inhalt ein (Studierende können sich zu Ergebnissen und/oder Prozessen des Forschens kundig machen)
  • Forschung ist das Ziel der Lehrmaßnahme (Studierende üben das Hand- und Denkwerkzeug für eigene Forschungsaktivitäten ein)
  • Forschung ist der Modus der Lehrmaßnahme (Studierende werden selbst forschend tätig)
  • Die Lehrmaßnahme dient dazu, die Voraussetzung für forschungsnahes Lernen zu schaffen.
  • Sonstige
  • Keine

Verortung im didaktischen Dreieck:

  • Inhalte für die Studierenden auswählen, anordnen, darstellen, erklären, (digital) aufbereiten, interaktiv machen etc.
  • Studierende methodisch darin unterstützen, sich Inhalte (allein oder in der Gruppe) anzueignen, zu verstehen, anzuwenden, weiterzuentwickeln, selbst zu generieren etc.
  • Als Lehrende*r mit den Studierenden in Kontakt kommen und in Interaktion treten (Feedback, Kommunikation etc.)
  • Die Lehrorganisation verändern, die für die Beziehung zwischen Inhalten, Studierenden und mir als Lehrende*r von Bedeutung ist

Grund

Die Unterstützung forschungsorientierten Lernens ist ein Ziel der Nachwuchsförderung des Centrums für Erdsystemforschung und Nachhaltigkeit der Universität Hamburg (CEN) (CEN 2016), an dem das Institut für Geographie beteiligt ist. R-Kenntnisse sind angesichts der weit verbreiteten Verwendung im Rahmen von Forschungsprojekten von großem Vorteil bzw. teilweise sogar Voraussetzung für die erfolgreiche Teilnahme der Studierenden an forschungsorientierter Lehre und Mitwirkung bei statistischen Analysen.
Beim Erlernen des Umgangs mit R ist eine steile Lernkurve zu überwinden. Der Hauptgrund liegt in der skriptbasierten Steuerung, d. h. es steht eine nur eingeschränkt mit der Maus zu bedienende grafische Benutzeroberfläche zur Verfügung.

Grund für die Entwicklung:

  • Akutes Defizit bzw. akuter Konflikt
  • Bestehendes bzw. strukturelles Problem
  • Vorweggenommene Herausforderung
  • Persönliches professionelles Anliegen
  • Impuls aus meinem Umfeld
  • Sonstiges

Kontext

Studierende erhalten im Rahmen der an diesem Verbundprojekt beteiligten Studiengänge (Geographie, Meteorologie, Biologie) eine verpflichtende, fundierte statistische Grundlagenausbildung, die in Vorlesungen und anhand begleitender Übungen vermittelt wird. Bei den praktischen Übungen am PC wird neben proprietären Programmen mit grafischer Benutzeroberfläche wie MS-EXCEL, SPSS oder Matlab zunehmend das quelloffene und frei verfügbare Softwarepaket R verwendet. In allen Studiengängen sind Kurse, in denen explizit mit R gearbeitet wird, mittlerweile fest integriert. Überwiegend wurde R „klassisch“ anhand von vorgegeben Skripten unterrichtet, wodurch die Lernenden nur wenige Inhalte selbst erarbeitet haben.

Diese Maßnahme wurde mit Mitteln des BMBF unter dem Förderkennzeichen 01PL17033 im Rahmen des Lehrlabors (Universitätskolleg, Universität Hamburg) entwickelt.

Projekttitel: "RLab - Modulare Umweltstatistik: Skriptbasierte Analysen mit R für Studierende mit und ohne Vorkenntnissen" sowie "RLab 2.0 - Modulare Umweltstatistik: Skriptbasierte Analysen mit R für Studierende der Geographie, Meteorologie und Biologie mit und ohne Vorkenntnissen"
Förderzeitraum: 01.04.2017–31.03.2018 und 01.04.2018–31.03.2019

Meine Maßnahme ist entstanden und hat sich bewährt an einer:

  • Universität
  • Fachhochschule
  • Dualen Hochschule
  • Pädagogischen Hochschule
  • Sonstiges

Meine Maßnahme ist in folgender Disziplin (oder mehreren) zu verorten:

  • Mathematik, Informatik, Naturwissenschaften
  • Ingenieurwissenschaften
  • Wirtschafts- und Sozialwissenschaften
  • Geisteswissenschaften
  • Lehrerbildung
  • Rechtswissenschaften
  • Kunst, Design-Wissenschaften
  • Medizin (inkl. Gesundheitswissenschaften)
  • Interdisziplinäre Bereiche
  • Sonstiges

Primäre Zielgruppe meiner Maßnahme:

  • Studieninteressierte
  • Studienanfänger*innen
  • Fortgeschrittene Studierende im Bachelor (oder 1. Studienabschnitt)
  • Studierende am Ende des Bachelorstudiums (oder 1. Studienabschnitts)
  • Studierende im Masterstudium (oder 2. Studienabschnitt)
  • Doktoranden oder Postdocs

Kräfte

Die inhaltliche Dichte und Komplexität, insbesondere in der Studieneingangsphase, kann Routinegewinn und langfristige Aufnahme ins Methodenkompetenz-Spektrum Studierender behindern (Kenter & van den Berk 2016).
Innerhalb herkömmlicher, auf Abtippen oder „Copy & Paste“ basieren- der R-Lehrveranstaltungen ist eine selbstständige Reproduktion oder gar Transferleistung erfahrungsgemäß kaum möglich.
Andere Angebote zum Selbstlernen von R sind oft nicht deutschsprachig.

Widersprüchliche Anforderungen, die bei der Maßnahme eine Rolle spielen:

  • Selbst- und Fremdorganisation
  • Lernen durch Zuhören/Lesen/Zusehen und Lernen durch eigenes Tun
  • Analoge und digitale Erfahrungswelten
  • Individuelles und soziales Lernen
  • Fachliche und überfachliche Kompetenzentwicklung
  • Exemplarische und vollständige Lerninhalte
  • Fachsystematische und lernsystematische Vorgehensweisen
  • Sonstige
  • Keine

Wirkungen

Die Teilnehmenden werden sich nach dem Selbstlernen oder der Teilnahme an einer Lehrveranstaltung mit RLab-Elementen in der Lage fühlen, eigenständig Aufgaben mit R zu lösen. Es werden auch Kompetenzen erworben, um die zahlreichen Hilfen für R effektiv zu nutzen. Dadurch versetzt RLab in die Lage, sich die weiteren umfangreichen Funktionen von R, bei Bedarf mit Unterstützung durch Lehrende oder andere Lernende, selbst zu erschließen. Der Umgang mit der skriptbasierten Programmsteuerung wird gelernt und geübt, so dass am Ende so viel Selbstvertrauen vorhanden ist, dass die Teilnehmenden auch in anderen Lehrveranstaltungen und eigenen Projekten bereit sind, selbstständig mit R zu arbeiten.

Weiterführende Informationen

Literatur

Abeysekera, L., Dawson, P. (2015): Motivation and cognitive load in the flipped classroom: defini- tion, rationale and a call for research. Higher Education Research & Development 34:1-14.
Arnold, P., Kilian, L., Thillosen, A., Zimmer, G. (2013): Handbuch E-Learning: Lehren und Lernen mit digitalen Medien. Bertelsmann, Bielefeld.
Arnold, R. (2010): Selbstlernen will gelernt sein - fünf Thesen. Schulleitung heute 12/2010:3
Kenter, M., van den Berk, I. (2016): Vernetzung mit anderen Teilprojekten - Hamburger Modell Studierfähigkeit. Universitätskolleg-Schriften 16:63-72.
Schwab N., Böhner J. (2018): Umgang mit Standard-Software erleichtern. RLab bietet Stud- ierenden Unterstützung bei der statistischen Datenauswertung. Kolleg-Bote 84:2-3. URN: urn:nbn:de:101:1-2018110117365807489104.
Schwab, N., Bobrowski, M., Weidinger, J., Böhner, J. (2018): RLab - Skriptbasierte Analysen mit R für Studierende mit und ohne Vorkenntnisse. Lehrlabor-Erfahrungsbericht, Universitätskolleg, Universität Hamburg. Online verfügbar unter https://www.universitaetskolleg.uni-ham- burg.de/publikationen/praxisberichte-lehrlabor/lehrlabor-pb-rlab-min.pdf [09.03.2020].
Schwalbe, C. (2015): Lernprozesse gestalten oder Lernprozesse ermöglichen?! Grundlegende Per- spektiven auf die Frage nach der „Qualität von (e)Learning“. Hamburger eLearning-Magazin 14:14-17.
Sonnberger, J. F. M. (2015): Lernerorientierung als Qualitätsmaßstab für technisch unterstütztes Lernen und Lehren. Hamburger eLearning-Magazin 14:32-35.
UNESCO, United Nations Educational, Scientific and Cultural Organization (2015): What are Open Educational Resources (OERs)? http://www.unesco.org/new/en/communication-and-infor- mation/access-to-knowledge/open-educational-resources/what-are-open-educational-re- sources-oers [13.03.2019].
World OER Congress (2012): 2012 Paris OER Declaration. http://www.unesco.org/new/filead- min/MULTIMEDIA/HQ/CI/CI/pdf/Events/English_Paris_OER_Declaration.pdf [13.03.2019].

An den Anfang scrollen