RGUI ein browserbasiertes Userinterface für die statistische Datenanalyse auf der Basis von R

Transkript

1 RGUI ein browserbasiertes Userinterface für die statistische Datenanalyse auf der Basis von R Einbindung der RGUI in einen Grundlagenkurs Statistik im Blended-Learning Format Das diesem Bericht zugrundeliegende Vorhaben wird zum Teil mit Mitteln des Bundesministeriums für Bildung und Forschung unter den Förderkennzeichen 16OH21054, 16OH21055, 16OH21056 & 16OH21057 gefördert. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei folgendem Autor: Barbara Grabowski Version: 1. Version, HTW Saar, September 2017 Copyright: Vervielfachung oder Nachdruck auch auszugsweise zum Zwecke einer Veröffentlichung durch Dritte nur mit Zustimmung des Herausgebers. 1

2 Inhalt 1. Motivation: Was ist die RGUI und wozu wird sie im Projekt verwendet? Ausgangspunkt Was leistet die RGUI? Die Funktionsweise der RGUI Start des Kurses und Dateiauswahl Menüpunkt Daten: Variablen- und Fälle-Auswahl und Manipulation einer Datendatei Auswahl eines Analyseverfahrens Anzeige, Bearbeitung und Abspeichern der Auswerte-Ergebnisse Literaturverzeichnis Abbildungsverzeichnis Abbildung 1: Auswahl des Kurses und der Datei. Automatische Anzeige der Metadaten zur Datei. 6 Abbildung 2: Sortieren der Daten und Auswahl von Fällen durch Zufall oder Bereichsangaben... 7 Abbildung 3: Auswahl von Fällen durch Angabe von Bedingungen an die Werte der Variablen... 8 Abbildung 4: Anpassung des Datensatzes an die Auswahlbedingungen und Erzeugung neuer Variablen... 9 Abbildung 5: Übersicht über die derzeit in der RGUI enthaltenen statistischen Verfahren Abbildung 6: Parametermaske zum Verfahren Boxplot bivariat Abbildung 7: Parametermaske zum Verfahren Korrelationen Abbildung 8: Ausgabe der Ergebnisse zum Verfahren Boxplot bivariat in Abbildung Abbildung 9: Ergänzung der Ausgabe durch einen weiteren Boxplot Bivariat Abbildung 10: Ergänzung der Ausgabe durch Ergebnisse zu einem anderen Verfahren (Korrelationen) Abbildung 11: Abspeichern der Ergebnisse als HTML- oder pdf-datei

3 1. Motivation: Was ist die RGUI und wozu wird sie im Projekt verwendet? 1.1 Ausgangspunkt Für den im Rahmen des Projektes Work&Study-Offene Hochschulen Rhein-Saar (OHS) entwickelten Blended-Learning-Kurs Statistik wurde Online-Material mit Lehrtexten, Videos, interaktiven Übungen und Online-Tests entwickelt. Die interaktiven Übungen zur Wahrscheinlichkeitsrechnung und Statistik werden mit MathCoach durchgeführt (siehe [1] und [2]). Im Kurs zur Statistik wird mit MathCoach jeweils die korrekte Anwendung eines wohldefinierten Verfahrens auf einen überschaubaren gegebenen Übungsdatensatz geübt. Ein Beispiel für eine solche Übungsaufgabe aus dem Bereich der Beschreibenden Statistik ist die folgende: Übungsaufgabe: Eine Firma möchte herausfinden, ob es einen Zusammenhang zwischen dem Alter einer Person und der Bedeutung, die ein bestimmtes Produkt für diese Person hat, zunimmt. Untersuchen Sie anhand des folgenden Datensatzes mittels des Korrelationskoeffizienten von Spearman, ob mit wachsendem Alter einer Person die Bedeutung des Produktes zu- oder abnimmt, oder sich nicht verändert. Datensatz: Alter (in Jahren) Bedeutung 1: sehr gering 5: sehr hoch Hier sind sowohl das Verfahren und der Datensatz vorgegeben. Der Datensatz ist so gering, dass eine Berechnung ohne Softwarepaket (per Hand oder unter Nutzung eines einfachen Taschenrechners) möglich ist. MathCoach gibt bei der Bearbeitung der Übungsaufgabe dem Lernenden Hilfestellungen. Eine weitere MathCoach-Übungsaufgabe zur Schließenden Statistik findet man beispielsweise unter folgender URL Auch hier muss der Lernende aus einer vorgegebenen Gruppe von (wenigen) Verfahren das richtige auswählen, bekommt dabei Hilfen und Rückmeldungen. Und, der Datensatz ist auch hier immer noch so gering, dass eine manuelle Berechnung leicht möglich ist. 3

4 Um die Statistik allerdings praxisnah zu vermitteln, war uns aber auch wichtig, dass die Studierenden praxisnahe Projekte zur statistischen Datenanalyse effizient und korrekt bearbeiten lernen. Diese Projekte umfassen in der Regel weitaus umfangreicheres Datenmaterial als es in den Übungsaufgaben der Fall ist, und sind wesentlich komplexer und unschärfer in den zu untersuchenden Fragestellungen. Ein Beispiel für ein solche Projekt-Fallstudie ist das folgende: Fallstudie: Kurs Statistik: Reaktionszeit Ein großes Transport-Unternehmen möchte wissen, ob für das Führen bestimmter Fahrzeuge das Geschlecht und das Alter der potentiellen Fahrer eine Rolle spielen und führt dazu in einem ersten Schritt eine Reaktionszeitstudie durch. Dabei wird an 1087 Personen das Geschlecht, das Alter, die Reaktionszeit vor einem Training und die Reaktionszeit nach dem Training erfasst. Untersuchen Sie anhand dieses Datensatzes (Datei: reakt_voll_2.txt ) mit geeigneten statistischen Methoden, welchen Einfluss Geschlecht und Alter auf die Reaktionszeit und den Lernerfolg nach Durchführung des Trainings haben. Stellen Sie Ihre Ergebnisse geeignet grafisch dar und prüfen Sie Ihre Behauptungen auf statistische Signifikanz! Zu den zu vermittelnden Fähigkeiten bei derartigen praxisnäheren größeren statistischen Projekten gehören zunächst die Analyse der Aufgabenstellungen, d.h. das Herunterbrechen der Gesamtaufgabe auf einzelne Teilaufgaben, die Auswahl geeigneter statistischer Methoden aus einer größeren Menge von Verfahren, die Möglichkeit des Zugriffs auf den Datensatz, die Auswahl der für das jeweilige Verfahren geeigneten Variablen und Daten, ggf. die Manipulation der Daten im Datensatz, die Anwendung der Verfahren auf die ausgewählten (ggf. auch umfangreichen) Daten, die grafische Darstellung der Ergebnisse und die korrekte Interpretation der Ergebnisse im Einzelnen und in ihrer Gesamtheit. Für eine derartige Datenanalyse verwendet man in der Regel Statistik-Softwarepakete, wie z.b. die kommerziellen Pakete SPSS, SYSTAT, SAS usw. oder Open-Source-Produkte wir R. Diese stellen eine große Menge statistischer Verfahren zur Verfügung, aus denen für die Analyse geeignete ausgewählt werden können und erlauben den Zugriff und die Verarbeitung größerer Datenmengen (Dateien) mittels Computer. Die kommerziellen Produkte sind aber in der Regel recht teuer und können durch die Studierenden bzw. kursanbietenden Hochschulen nicht oder nicht kostenfrei angeboten werden und die Open-Source-Produkte wie R erfordern zunächst das Einarbeiten in eine Programmiersprache, was den zeitlichen Umfang des Statistik-Kurses sprengen würde. 4

5 1.2 Was leistet die RGUI? Wir haben das geschilderte Problem gelöst, indem wir die sogenannte RGUI (Grafisches Userinterface für R) verwenden. Dabei handelt es sich um ein serverbasiertes Statistik-Analyse-System, welches an der htw saar auf der Basis von R (außerhalb des Projektes OHS) in mehreren BA- und Masterarbeiten von Informatik-Studierenden entwickelt wurde. Die Auswahl und Manipulation von Daten und Verfahren erfolgt wie z.b. bei SPSS clientseitig menügesteuert, das Erlernen einer Programmiersprache ist nicht notwendig, der Lernende kann sich ganz auf die statistischen Verfahren konzentrieren. Die RGUI haben wir für den Statistik-Kurs im Rahmen des Projektes OHS verfügbar gemacht, indem wir sie mit dem Kurs verlinkt, entsprechende praxisnahe Projektaufgaben (Fallstudien) mit den zugehörigen Datensätzen entwickelt, die RGUI mit dem entsprechendem Datenmaterial versehen und die Fallstudien in den Kurs integriert haben. Nachdem die RGUI gestartet wurde stehen 3 Benutzer-Rollen (Tutor, Admin, RGUI-User) mit jeweils verschiedene Ansichten und Funktionen zur Verfügung. Der RGUI-User (Lernender) kann Kurse (Fallstudien) auswählen, vorgegebene Datensätze zum Kurs auswählen und in einer eigenen Arbeits-Umgebung arbeiten. Alle Eingaben und Modifikationen wirken sich nur auf die eigene Arbeits-Umgebung aus. Die RGUI-User können über die Lernumgebung OLAT, in die der Kurs Statistik und damit die zu bearbeitenden Fallstudien und die RGUI eingebunden sind auch als Gruppe arbeiten und weiterhin die bearbeitete Fallstudie in die Kursumgebung hochladen und dem Dozenten für eine evl. Bewertung übermitteln. Sie benötigen für die Nutzung der RGUI nur einen Webbrowser, d.h. keine zusätzliche Software. Der Tutor (berechtigter Dozent) kann einen Kurs anlegen und entfernen. Außerdem kann er die RGUI mit eigenem Datenmaterial versehen (hochladen) und festlegen, welche Datensätze für welche seiner Kurse verfügbar sein sollen. Um einen Datensatz in der RGUI verfügbar zu machen sind zwei Dateien erforderlich; diese Darstellung von Datensätzen orientiert sich an SPSS: die Daten-Datei (.csv oder.dat), die in der 1. Zeile die Namen der Variablen enthält, die Daten-Beschreibungs-Datei (Metadaten) (.xml), die Zusatzinformationen zu in der Daten-Datei verwendeten Variablen liefert (z.b. Variablenname, Skalentyp, Datenformat, textuelle Beschreibungen der Variablen und ihrer Ausprägungen durch Labels, usw.). 5

6 Beide Dateien werden gegeneinander geprüft, sodass nur gültige Datensätze in die RGUI aufgenommen werden können. Die Beschreibung der Variablen und ihrer Ausprägungen in der xml-datei dient nicht nur der besseren Lesbarkeit von Auswerteausgaben durch die RGUI, sondern kann in einer Lernsitzung vom System MathCoach auch verwendet werden, um automatisch zu prüfen, ob der Studierende ein korrektes Verfahren auf die jeweiligen Variablentypen angewendet hat. Auch der Tutor benötigt für die Nutzung der RGUI nur einen Webbrowser, d..h. keine zusätzliche Software. Der Admin schließlich verwaltet alle Benutzer, Kurse und Datensätze der RGUI. 2. Die Funktionsweise der RGUI Im Folgenden werden wir zum besseren Verständnis anhand der o.g (Abschnitt 1.1) genannten Fallstudie Reaktionszeit im Kurs Statistik die Funktionsweise der RGUI für RGUI-User kurz darstellen. 2.1 Start des Kurses und Dateiauswahl Nach Start der RGUI im Browser durch den Studierenden (in der Rolle des RGUI-User) wird vom ihm der Kurs ( Statistik ) und die gewünschte Datei (hier reakt_voll_2.txt ) ausgewählt. Abbildung 1: Auswahl des Kurses und der Datei. Automatische Anzeige der Metadaten zur Datei. 6

7 2.2 Menüpunkt Daten: Variablen- und Fälle-Auswahl und Manipulation einer Datendatei Sobald die Datei ausgewählt und weiter angeklickt wurde, wird der Datensatz angezeigt. Dabei handelt es sich um eine Kopie des auf dem Server befindlichen Datensatzes, die temporär für eine statistische Datenanalyse zur Verfügung gestellt wird. Die Ansicht entspricht der von SPSS bzw. Excel, jede Zeile wird dabei als Fall bezeichnet. Der User hat nun die Möglichkeit die Daten zu manipulieren. Er kann zunächst die Daten nach einer oder mehreren Variablen ab- oder aussteigend sortieren (Abbildung 2). Weiterhin kann er aus allen im Datensatz vorhandenen 1087 Fällen eine Teilmenge von Fällen auswählen, durch Zufallsauswahl oder Angabe von Bereichen für die Fallnummern (Abbildung 2) oder durch die Angabe von Bedingungen an die Variablenwerte (Abbildung 3). Abbildung 2: Sortieren der Daten und Auswahl von Fällen durch Zufall oder Bereichsangaben 7

8 Abbildung 3: Auswahl von Fällen durch Angabe von Bedingungen an die Werte der Variablen Nach Klicken aus weiter wird der Datensatz entsprechend der Auswahlbedingungen angepasst (Abbildung 4). Hierbei handelt es sich um eine temporäre Anpassung. Dieser Datensatz wird für die Analyse zugrunde gelegt. Wird auf Reset geklickt, so wird wieder der vollständige Datensatz angezeigt und für die Analyse zur Verfügung gestellt. 8

9 Abbildung 4: Anpassung des Datensatzes an die Auswahlbedingungen und Erzeugung neuer Variablen Im Menüpunkt Daten können ebenfalls Variablen aus dem Datensatz gestrichen werden; dazu klickt man einfach auf das Kreuz (x) hinter dem Variablennamen (Abbildung 4). Gleichfalls können neue Variablen eingefügt und deren Werte aus den vorhandenen Variablen berechnet werden. Das geschieht durch Anklicken des Symbols +- oben links (Abbildung 4). 2.3 Auswahl eines Analyseverfahrens Im nächsten Schritt wird im Menüpunkt Verfahren ein statistisches Verfahren ausgewählt, welches auf den temporären Datensatz angewendet werden soll. Abbildung 5 zeigt, welche statistischen Verfahren der Beschreibenden Statistik und der Schließenden Statistik durch die RGUI zur Verfügung gestellt werden. 9

10 Abbildung 5: Übersicht über die derzeit in der RGUI enthaltenen statistischen Verfahren Nach Auswahl des Verfahrens müssen die Variablen des Datensatzes und ggf. weitere Parameter angegeben werden, die das Verfahren benötigt. Beispielsweise kann man in der o.g. Fallstudie zunächst mit Hilfe von Boxplots untersuchen, ob der Fernerfolg (LERF) sich zwischen den Geschlechtern (GESCHL) unterscheidet (Abbildung 6). Dazu ist das Verfahren Boxplot Bivariat auszuwählen und in der dann angezeigten Parametermaske die beiden Variablen anzugeben. Die 2. Variable ist dabei die Kategorie- Variable. Mit dem Plot-Parameter kann man auswählen, ob der Boxplot grafisch angezeigt werden soll oder nicht. Abbildung 6: Parametermaske zum Verfahren Boxplot bivariat 10

11 Abbildung 7: Parametermaske zum Verfahren Korrelationen Abbildung 7 zeigt die Parametermaske zum Verfahren Korrelationen. Die Korrelation wird dabei paarweise zwischen 2 bis zu 6 Variablen berechnet, wobei die Spearman- und die Pearson- Korrelation zur Verfügung stehen. Wird bei Plot anzeigen Ja ausgewählt, so werden die Daten der Variablenpaare als Punkteplot im Koordinatensystem dargestellt. 2.4 Anzeige, Bearbeitung und Abspeichern der Auswerte- Ergebnisse Klickt man nach Auswahl des Verfahrens und Festlegung der zugehörigen Parameter auf Ausführen und Weiter, so wird der Menüpunkt Auswertung gestartet und die Ergebnisse automatisiert chronologisch durchnummeriert in einem Ausgabefenster angezeigt (Abbildung 8). Dabei wird automatisch zuerst eine Kurzinfo über den verwendeten Datensatz ausgegeben. Man kann im Anschluss das Verfahren Boxplot Bivariat auf einen anderen Variablensatz anwenden, indem man das Parameterfenster entsprechend ändert (Abbildung 9) oder ein anderes Verfahren im Menüpunkt Verfahren auswählen. In Abbildung 10 wird die Pearson- Korrelation zwischen Lernerfolg (LERF) und Alter (ALTER) berechnet und die Datenpaare in einem Punktediagramm dargestellt. In einer RGUI-Sitzung werden alle Ergebnisse zu einem ausgewählten Datensatz in einem Ausgabefenster, der Reihe nach durchnummeriert, angezeigt. Es ist möglich, jede Teil-Auswertung wieder zu löschen, indem man auf das Papierkorbsymbol neben der zur Auswertung gehörenden Teilüberschrift klickt. Die Nummerierung der Ergebnisse wird dann nagepasst (Abbildungen 8-10). Auch kann man die Ausgabe durch das Einfügen von Texten wie Überschriften und Kommentaren (an den Stellen, wo das Diskettensymbol zu sehen ist) ergänzen (Abbildungen 8-10) und somit die Darstellung der 11

12 Ergebnisse insbesondere durch Interpretationen der Ergebnisse in eine abgabereife Form bringen. Abbildung 8: Ausgabe der Ergebnisse zum Verfahren Boxplot bivariat in Abbildung 6 Abbildung 9: Ergänzung der Ausgabe durch einen weiteren Boxplot Bivariat 12

13 Abbildung 10: Ergänzung der Ausgabe durch Ergebnisse zu einem anderen Verfahren (Korrelationen) Schließlich kann man die angezeigten Auswerte-Ergebnisse insgesamt als Datei im pdf- Format oder im html-format abspeichern (Abbildung 11). Abbildung 11: Abspeichern der Ergebnisse als HTML- oder pdf-datei Die pdf-datei kann man anschließend in die Lernumgebung OpenOLAT hochladen und dem Dozenten (Tutor) zur Bewertung zur Verfügung stellen. Bemerkung: Die RGUI generiert auf der Basis des über das Menü ausgewählten Datensatzes, des Verfahrens und der angegebenen Parameter einen R-Befehl, der an das Softwaresystem R auf dem Server geschickt wird. Die durch R berechneten Ergebnisse werden durch die RGUI an den Browser-Client geschickt, und entsprechend gerendert dargestellt. Die Abbildungen 8-10 zeigen, dass der generierte R-Befehl mit ausgegeben wird. Dadurch kann die RGUI potentiell auch als Lernsystem für die Sprache R verwendet werden. Weiterhin kann durch eine Schnittstelle zu MathCoach der R-Befehl analysiert werden und durch MathCoach ermittelt werden, ob das richtige Verfahren, mit den richtigen Variablen auf eine gegebene Fragestellung angewendet wurde. Dadurch kann MathCoach dem Lernenden Hilfen 13

14 und Rückmeldungen im Lernprozess geben. Literaturverzeichnis [1] htw saar, B. Grabowski. (2016). Der intelligente programmierbare Übungsaufgabengenerator MathCoach. Von abgerufen [2] htw saar, Grabowski, B. (2017). Demo-Aufgaben mit MathCoach zur Mathematik und Statistik für Fachhochschulen. Von abgerufen 14