Über AirBnB-Daten und steile Lernkurven – oder auch: Gelungenes Frustrationsmanagement in der Data Science

7. April 2025

Daten werden fast überall erhoben und gelten als wichtige Währung und Entscheidungsgrundlage in der Politik und Wirtschaft. Doch aus den bereits erhobenen, hochkomplexen Datensätzen sinnvolle Erkenntnisse zu ziehen, ist gar nicht so einfach.

Über AirBnB-Daten und steile Lernkurven

Shownotes

Studierende der Soziologie, Ökonomie und Betriebswirtschaft an der Universität Hamburg haben in der Vorlesung und Übung die Chance, wichtige Kenntnisse auf dem Gebiet der Data Science zu erlangen. Dafür haben sich Prof. Ulrich Fritsche , Lisa Wegner und Victoria Hünewaldt ein Konzept überlegt, das es Studierenden ermöglicht, die Themen in ihrem eigenen Tempo und in begleitenden Übungen zu erarbeiten und dabei von Null auf Programmieren zu lernen.

Das Ziel: Studierende mit alltagsnahen Beispielen und im eigenen Tempo an das Thema Data Science heranführen und dabei den Grundstein für ihre weitere berufliche Qualifikation zu legen.

Das interdisziplinäre Lehrprojekt „Data Science for Social Scientists and Economists“ wurde erfolgreich im Jahr 2023 und 2024 durchgeführt und seither stetig weiterentwickelt. Es wird vom Digital and Data Literacy in Teaching Lab (kurz: DDLitLab) gefördert und für verschiedene Studiengänge der WiSo-Fakultät der Universität Hamburg angeboten.

Shownotes:

Förderzeitraum: 01.04.2023 - 31.03.2024

Förderwebseite: Data Science for Social Scientists and Economists

und im Vorlesungsverzeichnis der UHH, WiSe 23/24: Kursbeschreibung

------

Dieses und weitere Interviews zu geförderten Lehrprojekten am DDLitLab finden Sie hier: Spotlight: Data Literacy Lehrlabor

Konzept & Produktion: Julia Pawlowski, Sven Rehder, Simon Steinhauser
Digital and Data Literacy in Teaching Lab, August-Oktober 2024

Spotlight: Data Literacy Lehrlabor

In unsere Reihe „Spotlight: Data Literacy Lehrlabor” sprechen wir mit Lehrpersonen, die mit ihren Lehrprojekten vom Digital and Data Literacy in Teaching Lab (kurz: DDLitLab) der Universität Hamburg gefördert wurden.

Was waren die innovativen Ideen der Projekte? Was die besonderen didaktischen und inhaltliche Herausforderungen, aber auch Highlights?
Und gibt es vielleicht konkrete Tipps für andere Lehrpersonen, die auch ein neues Lehrprojekt ins Leben rufen möchten und auf der Suche nach Erfahrungsberichten sind?

Das und mehr klären wir bei unserem Blick auf und hinter die Kulissen. Spotlight an!

Weitere Meldungen

Achtes Interview aus der Reihe "Spotlight: Data Literacy Lehrlabor". Zu sehen sind Prof. Dr. Lars Sörries-Vorberger und Carla Sökefeld, die hier ein Interview gegeben haben.

Foto: UHH / Pawlowski

09.04.2025|Spotlight: DL-Lehrlabor

Make-up oder Demo? Wie man in der Queerlinguistik große Textmengen in den Griff bekommt und mit vertiefenden Analysen ergänzt

Was macht es eigentlich mit uns, wenn wir einen Text über den Christopher Street Day lesen, der mit dem Wort „Make-up“ beginnt – und was, wenn stattdessen von einer Demo die Rede ist? Und warum gibt es eigentlich mehr Berichte über vermeintlich schwule Pinguine, aber weniger über lesbische Diese...

Sechstes Interview aus der Reihe "Spotlight: Data Literacy Lehrlabor". Zu sehen sind Dr. Michaela Regnieri und Lucas Memmert, die hier ein Interview gegeben haben.

Foto: UHH / Pawlowski

12.03.2025|Spotlight: DL-Lehrlabor

Berater:innen des Teufels – oder auch: Wie Studierende sich via „Ethical Hacking“ mit dem EU AI Act im Unternehmenskontext auseinandersetzen

KI ist in aller Munde. In zahllosen Unternehmen ist diese Technologie in unterschiedlichsten Varianten bereits ein integraler Bestandteil der Wertschöpfung. Der sogenannte AI Act der EU soll zwar schädliche Konsequenzen des Einsatzes von KI verhindern. Wie bei allen aufwändigen Regularien ergibt...

Spotlight: Data Literacy Lehrlabor

In unserer Reihe „Spotlight: Data Literacy Lehrlabor” sprechen wir mit Lehrpersonen, die mit ihren Lehrprojekten vom Digital and Data Literacy in Teaching Lab (kurz: DDLitLab) der Universität Hamburg gefördert wurden.

Über AirBnB-Daten und steile Lernkurven – oder auch: Gelungenes Frustrationsmanagement in der Data Science

Daten werden fast überall erhoben und gelten als wichtige Währung und Entscheidungsgrundlage in der Politik und Wirtschaft. Doch aus den bereits erhobenen, hochkomplexen Datensätzen sinnvolle Erkenntnisse zu ziehen, ist gar nicht so einfach.