SGBB20006U Økologisk dataanalyse med R

Årgang 2020/2021
Engelsk titel

Introduction to Ecological Data Analysis with R (REcoStat)

Uddannelse

Bacheloruddannelsen i biologi

Kursusindhold

En god forståelse for statistisk dataanalyse og visualisering er en basal færdighed indenfor mange af de områder hvor økologer arbejder, blandt andet planlægning af naturbevarelse, miljøvurderinger, og indenfor forskningen. Det er også et vigtigt udgangspunkt for at kunne gennemføre de fleste feltbaserede og analytiske speciale- og bachelorprojekter. Kursets formål er at give biologistuderende de nødvendige færdigheder til at kunne foretage deres egen dataanalyse til økologiske projekter, og til at forholde sig sagligt og kritisk til statistisk dataanalyse i rapporter og videnskabelige artikler. Kurset baserer sig på programmeringssproget R, som er en de facto standard i økologisk dataanalyse de fleste steder. Undervisningsformen blander klasseundervisning med forelæsninger og gruppeøvelser, og de studerende vil også arbejde på egen hånd med dataanalytiske projekter. Det er tanken at dette kursus kan tages sideløbende med den første blok af et bachelorprojekt og derved hjælpe de studerende der ønsker at arbejde analytisk med projektet.

Målbeskrivelser

Kompetencer:

Efter at have gennemført kurset, bør de studerende være i stand til at:

  • arbejde på egen hånd med statistiske analyser indenfor økologi, herunder at opstille videnskabelige hypoteser, og at kunne teste dem statistisk. Dette inkluderer at have en baggrundsforståelse for de forskellige statistiske tests og deres resultater.
  • forholde sig kritisk til publicerede statistiske analyser, og replikere deres metoder og resultater.
  • tilegne sig nye færdigheder, og føle sig parate til at lære nye typer af analyse og statistiske værktøjer

 Færdigheder:

  • bruge R til at indlæse datasæt og lave grundlæggende data-analyser
  • skrive deres egne funktioner og programmere enkle simulationer
  • bruge Rs indbyggede dokumentation til at finde løsninger og lære nye funktioner
  • producere informative publikations-parate figurer, så som punktdiagrammer, histogrammer og søjlediagrammer
  • teste og opsummere statistiske modeller lavet på økologiske data
  • identificere forudsætningerne for statistiske modeller og forholde sig til om de er opfyldt
  • bruge almindelig lineær regression og afledte teknikker så som genelle lineære modeller
  • bruge RMarkdown til at føre en ”lab log” der dokumenterer den analytiske proces der har indgået i en given statistisk analyse

Viden

  • beskrive de grundlæggende elementer i programmeringssproget R, såsom vectors, lists, funktioner, for-løkker etc., og vide hvordan man strukturerer programmer i videnskabelig dataanalyse
  • give et overblik over de statistiske metoder vi har til rådighed for analyse af observations-data
  • forklare begreberne pseudo-replikation og autokorrelation, hvorfor de er et problem, og hvilke metoder man kan bruge til at håndtere disse problematikker
  • kende funktioner fra R-pakkerne vegan til samfundsøkologiske analyser, nodiv til at arbejde med makroøkologiske data, ape til at arbejde med fylogenier, og tidyverse incl. ggplot2 pakken til datamanipulation og visualisering.

Der udleveres materiale på kurset

Det forudsættes at de studerende har basal viden om statistik på niveau der svarer til introduktionskurset i statistik 1. år på biologi. Der forudsættes ingen viden om R eller anden statistisk software.
Undervisningen foregår som klasseundervisning, i en blanding mellem forelæsning og praktiske øvelser. Hver uge er der en aflevering der laves i grupper af forskelligt omfang.
  • Kategori
  • Timer
  • Forelæsninger
  • 21
  • Holdundervisning
  • 7
  • Forberedelse (anslået)
  • 115
  • Praktiske øvelser
  • 28
  • Projektarbejde
  • 35
  • I alt
  • 206
Mundtlig
Individuel
Kollektiv
Løbende feedback i undervisningsforløbet
Peerfeedback (studerende giver hinanden feedback)
Point
7,5 ECTS
Prøveform
Skriftlig prøve, 2 timer med opsyn.
Eksamensformen er en 2-timers skriftlig eksamen.
Krav til indstilling til eksamen

Aflevering af ugentlige rapporter

Aktivt fremmøde (80%).

Hjælpemidler
Alle hjælpemidler tilladt

Digitale noter (Det er tilladt at uploade noter til ITX-eksamen via digital eksamen. Du finder et link til denne funktion under din prøve i Digital Eksamen).

Adgang til R

Bedømmelsesform
bestået/ikke bestået
Censurform
Ingen ekstern censur
Flere interne bedømmere
Kriterier for bedømmelse