Viele Beschäftigte im Hochschulkontext arbeiten regelmäßig mit Umfragen, Kennzahlen oder Auswertungen – und stehen vor der Herausforderung, diese sicher und nachvollziehbar zu interpretieren. Typische Fragen sind: Zeigen die Ausleihzahlen einen Trend? Gibt es Muster in den Besuchszeiten? Welche Nutzergruppen haben besondere Bedarfe? Wie lässt sich ein Mittelwert von 3,7 auf einer Skala von 1–5 interpretieren? Was sagen Ausreißer oder schiefe Verteilungen über die Daten aus?
Dieser Workshop vermittelt die Grundlagen der explorativen Statistik mit einem starken Fokus auf Visualisierung. Zum Einsatz kommt die kostenfreie und intuitiv bedienbare Software Orange, mit der sich Daten ohne Programmierung grafisch analysieren und deuten lassen. Diagramme, Clustering und statistische Kennwerte werden verständlich vermittelt und auf Beispiele aus Verwaltung, Bibliothek und Qualitätsentwicklung angewendet.
Orange ist eine Open-Source-Software für visuelle Datenanalyse, die ohne Programmierkenntnisse auskommt. Per Drag-and-Drop werden Analysebausteine (Widgets) zu Workflows verbunden. Die Software läuft lokal auf Ihrem Rechner, alle Daten bleiben bei Ihnen – ideal für sensible Verwaltungs- oder Bibliotheksdaten.
Zielgruppe Beschäftigte aus wissenschaftsunterstützenden Bereichen, Verwaltung, Bibliothek, IT, Wissenschaftsmanagement und Forschung, Qualitätsentwicklung, die regelmäßig mit quantitativen Daten arbeiten und ihre Interpretationssicherheit ausbauen möchten. Voraussetzungen
Ziele
Nach dem Workshop sind die Teilnehmenden in der Lage,
- explorative Datenanalysen visuell mit Orange durchzuführen,
- statistische Visualisierungen (Box Plots, Histogramme, Scatter Plots) korrekt zu interpretieren,
- typische Verteilungen, Ausreißer und Gruppenunterschiede sicher zu erkennen, (z.B. Hauptnutzungszeiten, Budgetverteilungen, Altersgruppen),
- einfache Verfahren zur Mustererkennung (Clustering, Entscheidungsbäume) einzuordnen,
- Datenanalysen grafisch aufzubereiten und verständlich zu kommunizieren.
Inhalte
- Einführung in das Tool Orange: Widgets, Daten-Import, Workflow-Canvas
- Box Plots lesen: Median, Mittelwert, Quartile, Ausreißer identifizieren
- Histogramme deuten: Verteilungen erkennen, Normalverteilung vs. Verzerrungen
- Scatter Plots verwenden: Zusammenhänge entdecken, Regressionen visualisieren
- Einführung in Data Mining: Clusteranalyse, Entscheidungsbäume zur Mustererkennung
- Präsentation und Export: Hochwertige Diagramme und Berichte erstellen
Methoden
Live-Demonstrationen, Übungen mit bereitgestellten Beispieldaten, moderierter Erfahrungsaustausch, Reflexion realer Anwendungsszenarien Hinweise
Es wird im Kurs mit speziell vorbereiteten Übungsdateien gearbeitet.
