The Digital Causality Lab Meets AI
- Veranstaltungstyp: Vorlesung und Übung
- Einrichtung: Fakultät für Betriebswirtschaftslehre
- Förderzeitraum: 01.09.2024 bis 28.02.2025
- Kurztitel: DCL Vol. 3
Ausrichtung des Digital Causality Lab
In einer von Daten geprägten Welt wird es immer wichtiger, Ursache-Wirkung-Beziehungen angemessen zu beurteilen. Methoden und Werkzeuge aus dem Gebiet der kausalen Inferenz helfen dabei, empirische Zusammenhänge im Hinblick auf deren Kausalität zu überprüfen. Angesichts der zunehmenden Menge an (Falsch-)Informationen, ist es elementar, kausale Datenkompetenzen zu vermitteln: Mit dem richtigen Wissen können Studien eingeordnet und kritisch betrachtet werden. Studierende sollen in die Lage versetzt werden, systematische Verzerrungen, beispielsweise aufgrund von Hintergrundvariablen ("Confounder") oder Stichprobenselektion, zu erkennen und deren Implikationen für die Datenauswertung und -interpretation einzuschätzen.
Die Beurteilung kausaler Zusammenhänge ist ein wesentlicher Schritt, um angemessene und zielgerichtete Entscheidungen zu treffen - nicht nur im privaten oder beruflichen Kontext, sondern auch im Hinblick auf eine gesellschaftliche Expertise. Im Rahmen dieser zweiten Förderphase des Projekts, wurde die Vermittlung kausaler Kenntnisse für eine breite Zuhörerschaft geöffnet.
UHH / Bach
Rückblick und Ergebnisse
Mithilfe der Förderung konnte eine moderne, interessante und abwechslungsreiche Lehrveranstaltung entwickelt und durchgeführt werden. Im Zuge des Projekts entstand ein neuer niedrigschwelliger Einführungskurs zu Methoden und Werkzeugen der kausalen Inferenz. Hierfür wurden neue Lehrmaterialien erstellt, die auf aktuellen Büchern, Datenbeispielen und ergänzenden Inhalten basieren. Schwerpunkt war die intuitive Vermittlung kausaler Modellierung. Formale und mathematische Inhalte wurden darauf aufbauend vermittelt. Außerdem wurden hochqualitative Lehrvideos aufgezeichnet und produziert, welche in einem Online-Kurs eingebettet wurden. Die neu entwickelte Lehrveranstaltung ersetzt eine vorherige fachspezifische Einführungsveranstaltung der BWL zum Thema Kausale Inferenz. Die didaktischen Konzepte sowie in der ersten Projekphase entwickelten interaktiven Lernapps wurden in der neuen fachübergreifenden Lehrveranstaltung integriert. Die Lehrveranstaltung wird auch in Zukunft für Studierende aller Fächer im Rahmen des freien Wahlbereichs geöffnet bleiben.
Im Rahmen von eigenen Projektarbeiten konnten die Studierenden ihrer Kreativität freien Lauf lassen und die angeeigneten Kompetenzen aus der Vorlesung eigenständig anwenden. Die entwickelten Data Products spiegeln die vielseitigen Interessen der Studierenden wider. Sie behandeln Themen zu statistischen Methoden der kausalen Inferenz, statistischer Software, sowie neuere Themen wie beispielsweise Kausalität und Künstliche Intelligenz. Der Quellcode sowie die verschiedenen Phasen der Entwicklung sind über öffentlich zugängliche GitHub-Repositories zugänglich. Eine Gallery der Studierendenprojekte ist auf der Website des Digital Causality Labs zu finden.
Tipps von Lehrenden für Lehrende
Die hybride Lehre war ein wichtiger Erfolgsfaktor der Veranstaltung, insbesondere durch die Konzeption und Produktion von Lernvideos und deren Einbettung im Rahmen eines hochqualitativen Online-Kurses. Auch bei der praktischen Umsetzung und Verbindung mit einem regelmäßigen Präsenztermin konnten viele wertvolle Erfahrungen gesammelt werden. Die Lehrveranstaltung baut auf dem DCL-Projekt in der zweiten Förderrunde auf, in der didaktisch neue Wege auf Basis des forschenden Lernens gegangen worden sind. Daher konnte auch in dieser Förderphase die Umsetzung im Hinblick auf forschendes Lernen in der Lehre verbessert werden, was dieser und anderen Lehrveranstaltungen langfristig zugutekommen wird. Wesentlich war hierfür nicht nur der Abgleich mit den gesteckten und tatsächlich erreichten Zielen bei der Lehre, sondern auch der Austausch mit den Studierenden. Die Teilnehmenden waren selbst sehr interessiert und wollten auch einen Beitrag zur Verbesserung der Lehre leisten.
Beteiligte Personen
Dr. Philipp Bach
Postdoc am Lehrstuhl für Statistik mit Anwendung in der BWL
Schwerpunkte:
- Estimation of causal effects and inference in high dimensionsal settings with machine learning methods
- Machine Learning and Deep Learning
- Applications in labor, health and financial economics
Fakultät für Betriebswirtschaftslehre
Antragstellende: Dr. Philipp Bach, Prof. Dr. Martin Spindler
Förderlinie: Fachübergreifende Data Literacy Education
Förderzeitraum: 01.09.2024 - 28.02.2025