diff --git a/.gitignore b/.gitignore index 2ee0e491cbbc7f22d50920f80777e86b56b31124..00b7bd1bc409f89f0eb19f8063b610354cc94f22 100644 --- a/.gitignore +++ b/.gitignore @@ -6,3 +6,4 @@ *_files *rsconnect *knit.md +Module/.ipynb_checkpoints/ diff --git a/CHANGELOG.md b/CHANGELOG.md new file mode 100644 index 0000000000000000000000000000000000000000..9346afddcf8a7a05ef561aedb99a2ee4f924db73 --- /dev/null +++ b/CHANGELOG.md @@ -0,0 +1,8 @@ +# Changelog - Änderungsverlauf + +Diese Datei enthält eine Zusammenfassung der Änderungen relativ zum [Upstream-Projekt](https://github.com/luebby/WWWEKI). +Die exakten Änderungen sind den jeweiligen Git-Commits zu entnehmen. + +- Anpassen der Projkektinformationen in [README.md](README.md). +- Text der Lizenz CC-BY-SA-4.0 in [LICENSE.txt](LICENSE.txt) gespeichtert. +- ... diff --git a/README.md b/README.md index 08859901e8d040765dbc0d9ffeedd882f75c6628..b310778daf0123e6287f3c359d3fd110d44b8c30 100644 --- a/README.md +++ b/README.md @@ -1,50 +1,116 @@ -## Projekt +<!-- +SPDX-FileCopyrightText: 2022 Julia Rohrer, Karsten Lübke +SPDX-FileContributor: 2024 Johannes Keyser -Entwicklung eines MOOC für den [KI-Campus](https://ki-campus.org/) zum Einstieg in die Kausale Inferenz in Kooperation mit [Julia Rohrer](https://juliarohrer.com/) (Projektleitung), Universität Leipzig. +SPDX-License-Identifier: CC-BY-SA-4.0 +--> -Details siehe z.B. [FOM forscht Wissenschaftsblog](https://www.fom-blog.de/2021/07/einstiegskurs-kausale-inferenz-wird-gemeinsam-von-der-universitaet-leipzig-und-der-fom-hochschule-mit-einer-foerderung-durch-das-bmbf-entwickelt/). +# Einführungskurs Kausale Inferenz -Link zum Kurs auf den KI-Campus: [https://ki-campus.org/courses/wwweki](https://ki-campus.org/courses/wwweki) - -**Videos**: +## Beschreibung -Hier fehlen auch die begleitenden Interviews mit angesehen Expert:innen aus unterschiedlichen Fachgebieten, die ihre kausalen Fragestellungen und Lösungsansätze vorstellen. Diese finden Sie unter [https://wwweki.gitlab.io/interviews/](https://wwweki.gitlab.io/interviews/). +Dieses Projekt enthält Materialien für den [KI-Campus-Kurs _Was, wie, warum? - Einführungskurs Kausale Inferenz_](https://ki-campus.org/courses/wwweki) von [Dr. Julia Rohrer](https://juliarohrer.com/) (Universität Leipzig) und [Prof. Dr. Karsten Lübke](https://ki-campus.org/node/793) (FOM Hochschule): -**Literatur**: +Die enthaltenen Materialien sollen es Lehrkräften erleichtern, das Kursmaterial für den eigenen Unterricht anzupassen. -- Rohrer, J. M. (2018). Thinking clearly about correlations and causation: Graphical causal models for observational data. *Advances in Methods and Practices in Psychological Science*, 1(1), 27-42. [https://doi.org/10.1177%2F2515245917745629](https://doi.org/10.1177%2F2515245917745629) +Wenn Sie das Material studieren wollen, besuchen Sie am besten den originalen Kurs auf [ki-campus.org/courses/wwweki](https://ki-campus.org/courses/wwweki). -- Lübke, K., Gehrke, M., Horst, J., & Szepannek, G. (2020). Why we should teach causal inference: Examples in linear regression with simulated data. *Journal of Statistics Education*, 28(2), 133-139. [https://doi.org/10.1080/10691898.2020.1752859](https://doi.org/10.1080/10691898.2020.1752859) +Dieses Projekt ist eine Kopie (ein _Fork_) von <https://github.com/luebby/WWWEKI>, mit folgenden (geplanten) Modifikationen: + +- (Einige) HTML-Texte werden in Markdown umgewandelt. +- (Einige) Diagramme werden in SVG umgewandelt. +- Die R-Markdown-Dateien (die Grundlage der ShinyApps) werden (auch) in IPython-Notebooks umgewandelt. +- Beispieldatensätze werden als lokale CSV-Dateien bereitgestellt. + +Eine genauere Aufschlüsselung der Änderungen finden Sie in Datei [CHANGELOG.md](CHANGELOG.md). + +### Was dies nicht ist + +Die Lernerfahrung des Kurses auf KI-Campus soll gewährleistet bleiben: +Insbesondere enthält dieses Projekt keine der benoteten Testfragen oder -antworten, da diese im Originalkurs nur unter Zeitdruck zugänglich sind und das Kurszertifikat von ihnen abhängt. + + +## Installation + +Mit [Anaconda](https://anaconda.org/) können Sie alles in einer neuen virtuellen Umgebung mit einem Befehl installieren: + +``` +conda create --name meinKI jupyter r-irkernel r-tidyverse r-mosaic r-learnr r-ggthemes +``` + +Um das Material auf GitHub oder GitLab usw. zu betrachten wird nur ein Webbrowser benötigt. + +Um die IPython-Notebooks (d.h. die Dateien mit der Endung `.ipynb`) auszuführen oder zu ändern, müssen Sie Jupyter (oder einen geeigneten Editor) installieren. + +- FIXME: Testen/Erklärung von Ansatz mit Jupytext! + +Sie müssen den `R`-Kernel für Jupyter installieren, um die R-Codezellen ausführen zu können. +Der Kurs stützt sich auf die R-Pakete `tidyverse` und `mosaic`, `learnr`, `ggthemes`, die ihrerseits zusätzliche Abhängigkeiten mit sich bringen. + +Optional: Um die Materialien in PDF-Handouts, Folien oder ein anderes Format zu konvertieren, können Sie [Quarto](https://quarto.org/) installieren (das [Pandoc](https://pandoc.org/) enthält, einen leistungsstarken Konverter, den Sie auch ohne Quarto verwenden können). + +Optional: Um Ihre Änderungen zu verfolgen und zu diesem Projekt beizutragen, benötigen Sie Git. ## Modulübersicht -1. [An der Weggabelung: Einen Weg gehen - und einen nicht](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_01/) (Potential Outcome und Counterfactual) +1. An der Weggabelung: Einen Weg gehen - und einen nicht (Potential Outcome und Counterfactual) + - [Externe ShinyApp](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_01/) + +2. Ein Pfeil zeigt die Richtung (Strukturelle kausale Modelle und Kausale Diagramme) + - [Externe ShinyApp](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_02/) + +3. Daten analysieren – mit welchem Ziel? (Datenanwendungen (Beschreibung, Vorhersage, Kausale Inferenz), Kausale Leiter (Assoziation, Intervention, Counterfactual)) + - [Externe ShinyApp](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_03/) + +4. Es steht was zwischen uns (Kette) + - [Externe ShinyApp](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_04/) + +5. Von Störchen und Geburten (Gabel) + - [Externe ShinyApp](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_05/) + +6. Nett oder schön? – Warum nicht beides? (Umgedrehte Gabel) + - [Externe ShinyApp](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_06/) -2. [Ein Pfeil zeigt die Richtung](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_02/) (Strukturelle kausale Modelle und Kausale Diagramme) +7. Warum Raumteilung keine gute Investition ist (Wiederholung Grundelemente Kausaler Diagramme, Unterschied (do(x) vs. X=x am Beispiel) + - [Externe ShinyApp](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_07/) -3. [Daten analysieren - mit welchem Ziel?](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_03/) (Datenanwendungen (Beschreibung, Vorhersage, Kausale Inferenz), Kausale Leiter (Assoziation, Intervention, Counterfactual)) +8. Magie durch Zufall (Zufällige Stichprobe und zufällige Zuordnung im Rahmen eines Experiments und die Auswirkungen auf die Datenanwendungen (Beschreibung, Vorhersage, Kausale Inferenz) ) + - [Externe ShinyApp](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_08/) -4. [Es steht was zwischen uns](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_04/) (Kette) +9. Was wäre gewesen, wenn? (Counterfactual) + - [Externe ShinyApp](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_09/) -5. [Von Störchen und Geburten](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_05/) (Gabel) +10. Graphen zeichnen und lesen (Beispiel Gender-Pay-Gap) + - [Externe ShinyApp](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_10/) -6. [Nett oder schön? – Warum nicht beides?](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_06/) (Umgedrehte Gabel) +11. Schadet Rauchen bei Heranwachsenden? (Anwendungsbeispiel Kausale Inferenz in der Medizin.) + - [Externe ShinyApp](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_11/) -7. [Warum Raumteilung keine gute Investition ist](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_07/) (Wiederholung Grundelemente Kausaler Diagramme, Unterschied (do(x) vs. X=x am Beispiel) +12. Praktisches Daten hinterfragen (DAGs in der Anwendung, Ausblick) + - [Externe ShinyApp](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_12/) -8. [Magie durch Zufall](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_08/) (Zufällige Stichprobe und zufällige Zuordnung im Rahmen eines Experiments und die Auswirkungen auf die Datenanwendungen (Beschreibung, Vorhersage, Kausale Inferenz) ) -9. [Was wäre gewesen, wenn?](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_09/) (Counterfactual) +## Weiterführende Links -10. [Graphen zeichnen und lesen](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_10/) (Beispiel Gender-Pay-Gap) +- Die deutsche Kursvariante auf KI-Campus: <https://ki-campus.org/courses/wwweki> +- Die englische Kursvariante auf KI-Campus: <https://ki-campus.org/courses/whwici> +- Details siehe z.B. [FOM forscht Wissenschaftsblog](https://www.fom-blog.de/2021/07/einstiegskurs-kausale-inferenz-wird-gemeinsam-von-der-universitaet-leipzig-und-der-fom-hochschule-mit-einer-foerderung-durch-das-bmbf-entwickelt/). + +**Videos**: + +- Die begleitenden Interviews mit angesehenen Expert:innen aus unterschiedlichen Fachgebieten, die ihre kausalen Fragestellungen und Lösungsansätze vorstellen, finden Sie unter <https://wwweki.gitlab.io/interviews/>. + +**Literatur**: + +- Rohrer, J. M. (2018). Thinking clearly about correlations and causation: Graphical causal models for observational data. *Advances in Methods and Practices in Psychological Science*, 1(1), 27-42. [https://doi.org/10.1177%2F2515245917745629](https://doi.org/10.1177%2F2515245917745629) +- Lübke, K., Gehrke, M., Horst, J., & Szepannek, G. (2020). Why we should teach causal inference: Examples in linear regression with simulated data. *Journal of Statistics Education*, 28(2), 133-139. [https://doi.org/10.1080/10691898.2020.1752859](https://doi.org/10.1080/10691898.2020.1752859) -11. [Schadet Rauchen bei Heranwachsenden?](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_11/) (Anwendungsbeispiel Kausale Inferenz in der Medizin.) -12. [Praktisches Daten hinterfragen](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_12/) (DAGs in der Anwendung, Ausblick) +## FIXME: Beitragen +Bitte melden Sie Fehler, Unklarheiten und Verbesserungsvorschläge beim originalen Projekt unter <https://github.com/luebby/WWWEKI/issues>. -Bitte melden Sie Fehler, Unklarheiten und Verbesserungsvorschläge [hier](https://github.com/luebby/WWWEKI/issues). ## Lizenz