Datenprojekte

In diesem Abschnitt lernst du, wie du ein eigenes Datenprojekt planst, durchführst und dokumentierst.

Wir empfehlen, zuvor die für dein Thema relevanten Lernmodule durchzuarbeiten. Dort lernst du die wichtigsten Werkzeuge und Methoden kennen, die du anschließend in deinem eigenen Projekt einsetzen kannst.

Im Mittelpunkt des Datenprojekts steht dein eigenständiges, forschendes und kreatives Arbeiten: Du entwickelst eine eigene Fragestellung, suchst passende Daten, untersuchst diese mit geeigneten Methoden und ziehst aus deinen Ergebnissen begründete Schlussfolgerungen.

1 Datenprojekt

Bei einem Datenprojekt untersuchst du eine selbst gewählte Fragestellung auf Grundlage von Daten.

Ausgangspunkt ist ein Thema, das dich interessiert. Daraus entwickelst du eine konkrete Forschungsfrage, die du mithilfe geeigneter Daten untersuchen kannst. Anschließend beschaffst und analysierst du die benötigten Daten und bereitest deine Ergebnisse so auf, dass sie zur Beantwortung deiner Forschungsfrage beitragen.

Zu einem Datenprojekt gehört nicht nur das Ergebnis. Ebenso wichtig ist eine nachvollziehbare Dokumentation deines Vorgehens. Andere Personen sollen erkennen können,

welche Fragestellung du untersucht hast,
welche Daten du verwendet hast,
wie du die Daten verarbeitet und analysiert hast,
welche Entscheidungen du während der Untersuchung getroffen hast und
wie du zu deinen Ergebnissen und Schlussfolgerungen gekommen bist.

2 Datenlebenszyklus

Für die Durchführung eines Datenprojekts kannst du dich am Datenlebenszyklus orientieren. Er beschreibt typische Phasen, die bei einer datenbasierten Untersuchung durchlaufen werden.

Am Anfang steht meist ein Thema oder Erkenntnisinteresse. Daraus wird eine Forschungsfrage entwickelt. Anschließend werden Daten gesucht und beschafft, mit denen sich diese Frage untersuchen lässt.

Nachdem die Daten heruntergeladen und eingelesen wurden, folgt in der Regel zunächst eine Exploration der Daten. Dabei machst du dich mit den Daten vertraut: Welche Variablen sind enthalten? Welchen räumlichen und zeitlichen Umfang besitzen die Daten? Gibt es fehlende Werte, ungewöhnliche Werte oder andere Besonderheiten?

Anschließend werden die Daten gezielt im Hinblick auf die Forschungsfrage analysiert. Die dabei gewonnenen Ergebnisse können beispielsweise mithilfe von Karten, Diagrammen, Tabellen oder anderen Visualisierungen dargestellt werden.

Zum Schluss werden die Ergebnisse interpretiert und diskutiert. Dabei wird überprüft, inwiefern die Forschungsfrage beantwortet werden kann und welche Grenzen die Untersuchung besitzt.

Ein möglicher Datenlebenszyklus besteht damit aus folgenden Phasen:

Thema auswählen und einordnen
Forschungsfrage entwickeln
geeignete Daten finden und beschaffen
Daten einlesen und aufbereiten
Daten explorieren
Daten analysieren
Ergebnisse visualisieren
Ergebnisse interpretieren und diskutieren
Schlussfolgerungen und gegebenenfalls Handlungsoptionen ableiten

Die einzelnen Phasen müssen nicht strikt nacheinander durchlaufen werden. Datenprojekte sind häufig ein iterativer Prozess, bei dem einzelne Schritte mehrfach durchgeführt werden.

So kann sich beispielsweise bei der Datensuche herausstellen, dass die ursprünglich geplante Forschungsfrage mit den verfügbaren Daten nicht beantwortet werden kann. In diesem Fall kann es sinnvoll sein, die Fragestellung anzupassen. Auch während der Analyse können neue Auffälligkeiten entdeckt werden, die eine erneute Exploration oder zusätzliche Daten erforderlich machen.

Der Datenlebenszyklus ist deshalb keine starre Anleitung, sondern dient vor allem als Orientierung für dein Vorgehen.

3 Projektdarstellung

Dein Datenprojekt dokumentierst du in Form eines Jupyter Notebooks. Das Notebook sollte nützliche Hintergrundinformationen, deine Forschungsfrage, die verwendeten Daten und den dazugehörigen Programmcode enthalten.

Ein solches Notebook wird auch als Computational Essays bezeichnet.

Ein Computational Essay verbindet erklärenden Text, Programmcode, Daten und Visualisierungen in einem gemeinsamen Dokument. Dadurch können nicht nur die Ergebnisse, sondern auch der Weg dorthin nachvollzogen werden.

Ein Computational Essay enthält beispielsweise:

eine Beschreibung des Themas und der Forschungsfrage,
Informationen zu den verwendeten Daten,
Erläuterungen und Begründungen zum Vorgehen,
den verwendeten Programmcode,
daraus erzeugte Karten, Diagramme oder Tabellen,
eine Beschreibung und Interpretation der Ergebnisse sowie
eine Diskussion der Grenzen der Untersuchung.

Programmcode sollte dabei nicht einfach nur ausgeführt werden. Er ist Teil deiner Argumentation und sollte durch Texte erläutert werden. Beschreibe beispielsweise, warum ein bestimmter Analyseschritt durchgeführt wird und was sich aus dem Ergebnis ableiten lässt.

Durch die Verbindung von Text, Code und Ergebnissen wird dein Vorgehen transparent und reproduzierbar. Andere Personen können nachvollziehen, wie deine Ergebnisse entstanden sind und die einzelnen Analyseschritte gegebenenfalls selbst erneut durchführen.

Der Aufbau des Computational Essays kann sich an den Phasen des Datenlebenszyklus orientieren:

Thema beschreiben und einordnen
Forschungsfrage formulieren
Daten beschaffen und beschreiben
Daten explorieren
Daten analysieren
Ergebnisse visualisieren
Ergebnisse interpretieren und diskutieren
Fazit ziehen und gegebenenfalls Handlungsoptionen ableiten

Je nach Fragestellung und Projekt müssen nicht alle Punkte gleich umfangreich behandelt werden.

4 Thema und Forschungsfrage

Am Anfang deines Datenprojekts steht ein Thema, das du genauer untersuchen möchtest. Aus diesem Thema entwickelst du anschließend eine möglichst konkrete Forschungsfrage.

Eine gute Forschungsfrage gibt deinem Projekt eine klare Richtung. Sie hilft dir dabei zu entscheiden,

welche Daten du benötigst,
welche Analysen sinnvoll sind und
welche Ergebnisse für deine Untersuchung relevant sind.

Nicht jede interessante Frage lässt sich jedoch mit den verfügbaren Daten beantworten. Deshalb solltest du bereits bei der Entwicklung deiner Forschungsfrage prüfen, ob sie für ein Datenprojekt geeignet ist.

Eine geeignete Forschungsfrage sollte möglichst folgende Kriterien erfüllen:

Datenbezug: Die Frage lässt sich mithilfe von Daten untersuchen.
Datenverfügbarkeit: Die benötigten Daten sind verfügbar oder können mit vertretbarem Aufwand beschafft werden.
Eingrenzung: Die Frage ist räumlich, zeitlich und/oder thematisch ausreichend eingegrenzt.
Untersuchbarkeit: Es ist klar, welche Merkmale oder Zusammenhänge analysiert werden können.
Relevanz: Es lässt sich begründen, warum die Fragestellung interessant oder bedeutsam ist.
Offenheit: Das Ergebnis steht nicht bereits von Anfang an fest und muss durch die Analyse der Daten ermittelt werden.
Umfang: Die Frage kann innerhalb der verfügbaren Zeit und mit den vorhandenen Methoden bearbeitet werden.

Statt einer sehr allgemeinen Frage wie

Wie hat sich das Klima verändert?

ist beispielsweise eine stärker eingegrenzte Fragestellung sinnvoll:

Wie hat sich die Anzahl besonders heißer Sommertage in Bremen seit 1950 verändert?

Eine Forschungsfrage muss dabei nicht von Anfang an perfekt formuliert sein. Im Verlauf des Projekts kann sie verändert oder weiter eingegrenzt werden, wenn du mehr über die verfügbaren Daten und dein Thema erfährst.

5 Datenzugriff

Welche Daten du für dein Datenprojekt benötigst, hängt von deiner Forschungsfrage ab.

5.1 Satellitendaten

Satellitendaten können über das Copernicus Data Space Ecosystem heruntergeladen werden. Dazu gibt es zwei Möglichkeiten. Beide Varianten setzen einen kostenlosen Dataspace Copernicus Account voraus. Für die Programmierschnittstelle (API) wird zudem ein sogenannter Zugangsschlüssel (API-Key) benötigt.

Variante 1: Dataspace Copernicus Browser: Über den Dataspace Copernicus Browser können Satellitendaten über eine interaktive Eingabemaske heruntergeladen werden.
Variante 2: Die Python Bibliothek cdec bietet verschiedene Funktionen, um Satellitendaten herunterzuladen.

5.2 Offene Geodaten

Im GeoPortal NRW findest du verschiedene Raster- und Vektordaten:

https://www.opengeodata.nrw.de/

Hinweis

Für dein eigenes Datenprojekt kannst du darüber hinaus weitere Datenquellen verwenden. Achte bei der Auswahl unter anderem darauf,

welche Informationen die Daten enthalten,
welchen räumlichen und zeitlichen Umfang sie besitzen,
in welchem Dateiformat sie bereitgestellt werden,
wie aktuell und vollständig sie sind und
ob sie für deine Forschungsfrage geeignet sind.

Dokumentiere in deinem Computational Essay außerdem, woher deine Daten stammen und welche Daten du für deine Untersuchung verwendet hast.

Wiederverwendung

Dieses Material steht unter der Lizenz CC BY-SA 4.0. (Lizenz Anzeigen)

--- title: "Datenprojekte" format: "html" --- In diesem Abschnitt lernst du, wie du ein **eigenes Datenprojekt** planst, durchführst und dokumentierst. Wir empfehlen, zuvor die für dein Thema relevanten [Lernmodule](../index.qmd) durchzuarbeiten. Dort lernst du die wichtigsten Werkzeuge und Methoden kennen, die du anschließend in deinem eigenen Projekt einsetzen kannst. Im Mittelpunkt des Datenprojekts steht dein **eigenständiges, forschendes und kreatives Arbeiten**: Du entwickelst eine eigene Fragestellung, suchst passende Daten, untersuchst diese mit geeigneten Methoden und ziehst aus deinen Ergebnissen begründete Schlussfolgerungen. ## Datenprojekt Bei einem Datenprojekt untersuchst du eine **selbst gewählte Fragestellung** auf Grundlage von Daten. Ausgangspunkt ist ein Thema, das dich interessiert. Daraus entwickelst du eine konkrete **Forschungsfrage**, die du mithilfe geeigneter Daten untersuchen kannst. Anschließend beschaffst und analysierst du die benötigten Daten und bereitest deine Ergebnisse so auf, dass sie zur Beantwortung deiner Forschungsfrage beitragen. Zu einem Datenprojekt gehört nicht nur das Ergebnis. Ebenso wichtig ist eine **nachvollziehbare Dokumentation deines Vorgehens**. Andere Personen sollen erkennen können, * welche Fragestellung du untersucht hast, * welche Daten du verwendet hast, * wie du die Daten verarbeitet und analysiert hast, * welche Entscheidungen du während der Untersuchung getroffen hast und * wie du zu deinen Ergebnissen und Schlussfolgerungen gekommen bist. ## Datenlebenszyklus Für die Durchführung eines Datenprojekts kannst du dich am **Datenlebenszyklus** orientieren. Er beschreibt typische Phasen, die bei einer datenbasierten Untersuchung durchlaufen werden. ![Datenlebenszyklus](res/data_life_cycle.svg) Am Anfang steht meist ein **Thema oder Erkenntnisinteresse**. Daraus wird eine Forschungsfrage entwickelt. Anschließend werden Daten gesucht und beschafft, mit denen sich diese Frage untersuchen lässt. Nachdem die Daten heruntergeladen und eingelesen wurden, folgt in der Regel zunächst eine **Exploration der Daten**. Dabei machst du dich mit den Daten vertraut: Welche Variablen sind enthalten? Welchen räumlichen und zeitlichen Umfang besitzen die Daten? Gibt es fehlende Werte, ungewöhnliche Werte oder andere Besonderheiten? Anschließend werden die Daten gezielt im Hinblick auf die Forschungsfrage **analysiert**. Die dabei gewonnenen Ergebnisse können beispielsweise mithilfe von Karten, Diagrammen, Tabellen oder anderen Visualisierungen dargestellt werden. Zum Schluss werden die Ergebnisse **interpretiert und diskutiert**. Dabei wird überprüft, inwiefern die Forschungsfrage beantwortet werden kann und welche Grenzen die Untersuchung besitzt. Ein möglicher Datenlebenszyklus besteht damit aus folgenden Phasen: 1. Thema auswählen und einordnen 2. Forschungsfrage entwickeln 3. geeignete Daten finden und beschaffen 4. Daten einlesen und aufbereiten 5. Daten explorieren 6. Daten analysieren 7. Ergebnisse visualisieren 8. Ergebnisse interpretieren und diskutieren 9. Schlussfolgerungen und gegebenenfalls Handlungsoptionen ableiten Die einzelnen Phasen müssen **nicht strikt nacheinander** durchlaufen werden. Datenprojekte sind häufig ein iterativer Prozess, bei dem einzelne Schritte mehrfach durchgeführt werden. So kann sich beispielsweise bei der Datensuche herausstellen, dass die ursprünglich geplante Forschungsfrage mit den verfügbaren Daten nicht beantwortet werden kann. In diesem Fall kann es sinnvoll sein, die Fragestellung anzupassen. Auch während der Analyse können neue Auffälligkeiten entdeckt werden, die eine erneute Exploration oder zusätzliche Daten erforderlich machen. Der Datenlebenszyklus ist deshalb keine starre Anleitung, sondern dient vor allem als **Orientierung für dein Vorgehen**. ## Projektdarstellung Dein Datenprojekt dokumentierst du in Form eines Jupyter Notebooks. Das Notebook sollte nützliche Hintergrundinformationen, deine Forschungsfrage, die verwendeten Daten und den dazugehörigen Programmcode enthalten. Ein solches Notebook wird auch als **Computational Essays** bezeichnet. Ein Computational Essay verbindet erklärenden Text, Programmcode, Daten und Visualisierungen in einem gemeinsamen Dokument. Dadurch können nicht nur die Ergebnisse, sondern auch der Weg dorthin nachvollzogen werden. Ein Computational Essay enthält beispielsweise: * eine Beschreibung des Themas und der Forschungsfrage, * Informationen zu den verwendeten Daten, * Erläuterungen und Begründungen zum Vorgehen, * den verwendeten Programmcode, * daraus erzeugte Karten, Diagramme oder Tabellen, * eine Beschreibung und Interpretation der Ergebnisse sowie * eine Diskussion der Grenzen der Untersuchung. Programmcode sollte dabei nicht einfach nur ausgeführt werden. Er ist Teil deiner Argumentation und sollte durch Texte erläutert werden. Beschreibe beispielsweise, **warum** ein bestimmter Analyseschritt durchgeführt wird und **was** sich aus dem Ergebnis ableiten lässt. Durch die Verbindung von Text, Code und Ergebnissen wird dein Vorgehen **transparent und reproduzierbar**. Andere Personen können nachvollziehen, wie deine Ergebnisse entstanden sind und die einzelnen Analyseschritte gegebenenfalls selbst erneut durchführen. Der Aufbau des Computational Essays kann sich an den Phasen des Datenlebenszyklus orientieren: 1. **Thema beschreiben und einordnen** 2. **Forschungsfrage formulieren** 3. **Daten beschaffen und beschreiben** 4. **Daten explorieren** 5. **Daten analysieren** 6. **Ergebnisse visualisieren** 7. **Ergebnisse interpretieren und diskutieren** 8. **Fazit ziehen und gegebenenfalls Handlungsoptionen ableiten** Je nach Fragestellung und Projekt müssen nicht alle Punkte gleich umfangreich behandelt werden. ## Thema und Forschungsfrage Am Anfang deines Datenprojekts steht ein Thema, das du genauer untersuchen möchtest. Aus diesem Thema entwickelst du anschließend eine möglichst konkrete **Forschungsfrage**. Eine gute Forschungsfrage gibt deinem Projekt eine klare Richtung. Sie hilft dir dabei zu entscheiden, * welche Daten du benötigst, * welche Analysen sinnvoll sind und * welche Ergebnisse für deine Untersuchung relevant sind. Nicht jede interessante Frage lässt sich jedoch mit den verfügbaren Daten beantworten. Deshalb solltest du bereits bei der Entwicklung deiner Forschungsfrage prüfen, ob sie für ein Datenprojekt geeignet ist. Eine geeignete Forschungsfrage sollte möglichst folgende Kriterien erfüllen: * **Datenbezug:** Die Frage lässt sich mithilfe von Daten untersuchen. * **Datenverfügbarkeit:** Die benötigten Daten sind verfügbar oder können mit vertretbarem Aufwand beschafft werden. * **Eingrenzung:** Die Frage ist räumlich, zeitlich und/oder thematisch ausreichend eingegrenzt. * **Untersuchbarkeit:** Es ist klar, welche Merkmale oder Zusammenhänge analysiert werden können. * **Relevanz:** Es lässt sich begründen, warum die Fragestellung interessant oder bedeutsam ist. * **Offenheit:** Das Ergebnis steht nicht bereits von Anfang an fest und muss durch die Analyse der Daten ermittelt werden. * **Umfang:** Die Frage kann innerhalb der verfügbaren Zeit und mit den vorhandenen Methoden bearbeitet werden. Statt einer sehr allgemeinen Frage wie > Wie hat sich das Klima verändert? ist beispielsweise eine stärker eingegrenzte Fragestellung sinnvoll: > Wie hat sich die Anzahl besonders heißer Sommertage in Bremen seit 1950 verändert? Eine Forschungsfrage muss dabei nicht von Anfang an perfekt formuliert sein. Im Verlauf des Projekts kann sie verändert oder weiter eingegrenzt werden, wenn du mehr über die verfügbaren Daten und dein Thema erfährst. ## Datenzugriff Welche Daten du für dein Datenprojekt benötigst, hängt von deiner Forschungsfrage ab. ### Satellitendaten Satellitendaten können über das [Copernicus Data Space Ecosystem](../../erste_schritte/accounts/dataspace_copernicus.qmd) heruntergeladen werden. Dazu gibt es zwei Möglichkeiten. Beide Varianten setzen einen kostenlosen Dataspace Copernicus Account voraus. Für die Programmierschnittstelle (API) wird zudem ein sogenannter Zugangsschlüssel (API-Key) benötigt. - Variante 1: Dataspace Copernicus Browser: Über den Dataspace Copernicus Browser können Satellitendaten über eine interaktive Eingabemaske heruntergeladen werden. - Variante 2: Die Python Bibliothek `cdec` bietet verschiedene Funktionen, um Satellitendaten herunterzuladen. ### Offene Geodaten Im GeoPortal NRW findest du verschiedene Raster- und Vektordaten: <https://www.opengeodata.nrw.de/> :::{.callout-note} Für dein eigenes Datenprojekt kannst du darüber hinaus weitere Datenquellen verwenden. Achte bei der Auswahl unter anderem darauf, * welche Informationen die Daten enthalten, * welchen räumlichen und zeitlichen Umfang sie besitzen, * in welchem Dateiformat sie bereitgestellt werden, * wie aktuell und vollständig sie sind und * ob sie für deine Forschungsfrage geeignet sind. Dokumentiere in deinem Computational Essay außerdem, **woher deine Daten stammen** und welche Daten du für deine Untersuchung verwendet hast. :::