ENGLISH

MAN2109 Datenanalyse von Social Media

Modulverantwortliche
  • Dr. habil. Frank Kammer
Lehrende
  • Dr. habil. Frank Kammer
Notwendige Voraussetzungen zur Teilnahme

Keine

Empfohlene Voraussetzungen zur Teilnahme

Keine

Kurzbeschreibung

Die Vorlesung gibt eine Einführung in die Analyse von Social-Media-Daten. Einführend werden die Besonderheiten von Social-Media-Daten erarbeitet. Der Fokus der Vorlesung liegt in frei entwickelbaren Analysen und Visualisierungen von Social-Media-Daten mit Hilfe der Standardwerkzeuge Python und R.

Inhalte
  • Grundlagen zur Datenanalyse, Datenaufbereitung und Datenvisualisierung
  • Korrelation und Kausalität
  • Klassifizierung der Daten in strukturierte und unstrukturierte Daten
  • Einführung in Python und R
  • Flexible Datenanalyse aus Social-Media-Plattformen (z.B. Social Media Networks, Blogs, Foren, Communities und Videoplattformen) mit Python und R
  • Optimierung der Datenwertschöpfung
  • Datenschutzfolgenabschätzungen
Qualifikations- und Lernziele

Fachkompetenzen

  • Die Studierenden können Social-Media-Daten klassifizieren und grundlegende Methoden der Datenanalyse erklären sowie ethische Leitlinien bei der praktischen Umsetzung wiedergeben.

Methodenkompetenzen (fachlich & überfachlich)

  • Die Studierenden können einfache Datenanalysen und Visualisierungen für Social-Media-Daten erstellen.
  • Unter Benutzung von vorhandenen Python- und R-Bibliotheken können Sie Datenanalyse-Probleme lösen.
  • Sie sind in der Lage, kurze Analyseskripte in R und Python zu implementieren bzw. vorhandene Skripte zu modifizieren.

Sozialkompetenzen

  • Als Team können die Studierenden fachlich anspruchsvolle Aufgaben lösen.

Selbstkompetenzen

  • Die Studierenden können selbstständig Daten klassifizieren und darauf aufbauend die korrekten Datenanalyse-Methoden wählen.
ECTS-Leistungspunkte (CrP)
  • 6 CrP
  • Arbeitsaufwand 180 Std.
  • Präsenzzeit 60 Std.
  • Selbststudium 120 Std.
Lehr- und Lernformen
  • 4 SWS
  • Vorlesung 2 SWS
  • Übung 2 SWS
Studiensemester
  • Digital Media Systems (B.Sc. 2023)
  • Informatik (B.Sc. 2022)
Dauer
1 Semester
Häufigkeit des Angebots
Einmal im Jahr
Unterrichtssprache
Deutsch
Bonuspunkte

Nein

Bonuspunkte werden gemäß § 9 (4) der Allgemeinen Bestimmungen vergeben. Art und Weise der Zusatzleistungen wird den Studierenden zu Veranstaltungsbeginn rechtzeitig und in geeigneter Art und Weise mitgeteilt.

Prüfungsleistungen

Prüfungsvorleistung:

Hausübungen (davon eine in Gruppenarbeit) (Anzahl der Hausübungen wird den Studierenden rechtzeitig und in geeigneter Weise bekannt gegeben.)

Prüfungsleistung:

Klausur oder mündliche Prüfung (Art des Leistungsnachweises wird den Studierenden rechtzeitig und in geeigneter Weise bekannt gegeben.)

Benotung
Die Bewertung des Moduls erfolgt gemäß §§ 9, ggf. 12 (Teilleistungen), ggf. 18 (Arbeiten, Kolloquien) der Allgemeinen Bestimmungen (Teil I der Prüfungsordnung).
Verwendbarkeit
Gemäß § 5 der Allgemeinen Bestimmungen (Teil I der Prüfungsordnung) Verwendbarkeit in allen Bachelorstudiengänge der THM möglich.
Literatur, Medien
  • Bonzanini, M.: Mastering Social Media Mining with Python. Packt Publishing.
  • Wickham, H.; Grolemund, G.: R for Data Science. Import, Tidy, Transform, Visualize, and Model Data. O'Reilly.

Weitere Literatur wird in der Veranstaltung bekannt gegeben.

Rechtliche Hinweise