Open Access

Ulrich Fahrner

• "Alles Wissen stammt aus der Erfahrung" dieser Satz von Immanuel Kant steht gewissermaßen als Präambel am Anfang vorliegender Arbeit, in der untersucht wird, inwieweit sich das sehr erfolgreiche Erkenntniswerkzeug der Explorativen Datenanalyse dazu eignet, als Lernwerkzeug für Studierende eingesetzt zu werden. Der Begriff "Werkzeug" wird in diesem Zusammenhang als Instrument verstanden, das Nutzern ermöglicht, komplexe Datensätze zu betrachten, zu manipulieren und Aspekte empirischer Untersuchungen sichtbar zu machen, um daraus neue Erkenntnisse zu gewinnen. Seit den Arbeiten von John W. Tukey gehört das Suchen (Exploration) neben dem Beschreiben (Deskription) und dem Schließen (Induktion) zu den Grundaufgaben der Statistik. Die sich daraus entwickelte Strategie wird als "Explorative Datenanalyse" bezeichnet. Studenten und angehende Wissenschaftler wenden statistische Verfahren oft nur mechanisch an. Diese Beobachtung ist besonders offensichtlich, wenn im jeweiligen Studienfach die"Alles Wissen stammt aus der Erfahrung" dieser Satz von Immanuel Kant steht gewissermaßen als Präambel am Anfang vorliegender Arbeit, in der untersucht wird, inwieweit sich das sehr erfolgreiche Erkenntniswerkzeug der Explorativen Datenanalyse dazu eignet, als Lernwerkzeug für Studierende eingesetzt zu werden. Der Begriff "Werkzeug" wird in diesem Zusammenhang als Instrument verstanden, das Nutzern ermöglicht, komplexe Datensätze zu betrachten, zu manipulieren und Aspekte empirischer Untersuchungen sichtbar zu machen, um daraus neue Erkenntnisse zu gewinnen. Seit den Arbeiten von John W. Tukey gehört das Suchen (Exploration) neben dem Beschreiben (Deskription) und dem Schließen (Induktion) zu den Grundaufgaben der Statistik. Die sich daraus entwickelte Strategie wird als "Explorative Datenanalyse" bezeichnet. Studenten und angehende Wissenschaftler wenden statistische Verfahren oft nur mechanisch an. Diese Beobachtung ist besonders offensichtlich, wenn im jeweiligen Studienfach die mathematische Grundbildung keinen großen Raum einnimmt. Dieses mechanische Anwenden führt dazu, dass statistische Aussagen oft falsch interpretiert werden und wissenschaftliche empirische Studien nicht richtig gelesen werden können. Im Mittelpunkt der vorliegenden Arbeit geht es in erster Linie darum zu untersuchen, ob die Explorative Datenanalyse ein geeignetes Werkzeug für die statistische Grundbildung ist und hilft, empirische Forschungsmethoden sowohl bei den Studierenden als auch bei jungen Wissenschaftlern besser zu verankern. Die vorliegende Arbeit berührt die Schnittstellen von Mathematik, Statistik, Lernpsychologie, Medienpädagogik und Informatik.…
• "All knowledge comes from experience". This statement by Immanuel Kant constitutes the preamble of this thesis about the effectiveness and efficiency of interactive statistical graphics in undergraduate statistics education. Since the work of John W. Tukey in the early 1960s, data exploration started to be the third pillar of statistics complementing data description and statistical inference. The principle of data exploration requires powerful tools to visualize complex data sets, to interact with the data, to manipulate data as well as data displays, in order to enhance the human potential of detecting and interpreting patterns and structures. There is a widespread misunderstanding - in particular among people who apply statistics but do not have a proper training in the mathematical foundations of this discipline - that statistical inference is to be done in an automatic mode, following the prescribed steps of statistical cook books. Quite often this leads to incorrect"All knowledge comes from experience". This statement by Immanuel Kant constitutes the preamble of this thesis about the effectiveness and efficiency of interactive statistical graphics in undergraduate statistics education. Since the work of John W. Tukey in the early 1960s, data exploration started to be the third pillar of statistics complementing data description and statistical inference. The principle of data exploration requires powerful tools to visualize complex data sets, to interact with the data, to manipulate data as well as data displays, in order to enhance the human potential of detecting and interpreting patterns and structures. There is a widespread misunderstanding - in particular among people who apply statistics but do not have a proper training in the mathematical foundations of this discipline - that statistical inference is to be done in an automatic mode, following the prescribed steps of statistical cook books. Quite often this leads to incorrect interpretations and conclusions. Moreover, a wrong attitude towards statistics and data analysis is manifested that hampers the thorough understanding of empirical results and discourages the application of a critical mind. From a student's perspective the broad spectrum of available techniques and tools in data exploration and statistics tends to be overwhelming and hence there is a great reluctance to engage in discursive approaches to data exploration. Using principles, methods and technologies from mathematics, statistics, educational psychology, media pedagogy and computer science, this thesis takes an empirical approach to this problem. It investigates the learning success as well as the challenges and difficulties of students when being confronted with some data analysis tasks after having received an initial training in exploratory data analysis tools. The study points to a number of factors - both in the training phase as well as in accessibility of available software - that drive the success of exploratory data analysis in undergraduate teaching.…