Skip to content
Snippets Groups Projects
Commit 77d3f27f authored by Keyser, Johannes's avatar Keyser, Johannes
Browse files

Klarere Idee und Formulierung der Ziele des Forks...

parent e8c1b240
Branches
No related tags found
No related merge requests found
...@@ -6,3 +6,4 @@ ...@@ -6,3 +6,4 @@
*_files *_files
*rsconnect *rsconnect
*knit.md *knit.md
Module/.ipynb_checkpoints/
# 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.
- ...
## 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) ## Beschreibung
**Videos**: 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):
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/). Die enthaltenen Materialien sollen es Lehrkräften erleichtern, das Kursmaterial für den eigenen Unterricht anzupassen.
**Literatur**: 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).
- 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) Dieses Projekt ist eine Kopie (ein _Fork_) von <https://github.com/luebby/WWWEKI>, mit folgenden (geplanten) Modifikationen:
- 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) - (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 ## 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/)
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/)
2. [Ein Pfeil zeigt die Richtung](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_02/) (Strukturelle kausale Modelle und Kausale Diagramme) 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/)
3. [Daten analysieren - mit welchem Ziel?](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_03/) (Datenanwendungen (Beschreibung, Vorhersage, Kausale Inferenz), Kausale Leiter (Assoziation, Intervention, Counterfactual)) 9. Was wäre gewesen, wenn? (Counterfactual)
- [Externe ShinyApp](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_09/)
4. [Es steht was zwischen uns](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_04/) (Kette) 10. Graphen zeichnen und lesen (Beispiel Gender-Pay-Gap)
- [Externe ShinyApp](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_10/)
5. [Von Störchen und Geburten](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_05/) (Gabel) 11. Schadet Rauchen bei Heranwachsenden? (Anwendungsbeispiel Kausale Inferenz in der Medizin.)
- [Externe ShinyApp](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_11/)
6. [Nett oder schön? &ndash; Warum nicht beides?](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_06/) (Umgedrehte Gabel) 12. Praktisches Daten hinterfragen (DAGs in der Anwendung, Ausblick)
- [Externe ShinyApp](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_12/)
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)
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) ) ## Weiterführende Links
9. [Was wäre gewesen, wenn?](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_09/) (Counterfactual) - 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/).
10. [Graphen zeichnen und lesen](https://fomshinyapps.shinyapps.io/WWWEKI_Modul_10/) (Beispiel Gender-Pay-Gap) **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 ## Lizenz
......
0% Loading or .
You are about to add 0 people to the discussion. Proceed with caution.
Please register or to comment