Datum:
15.06.2026, 16:00-20:00 Uhr
Ort:
Wirtschaftswissenschaftliche Fakultät, Spandauer Straße 1, Hörsaal 202 (2. OG)
Sprache:
Deutsch (Folien auch auf Englisch verfügbar)
Organisiert durch:
IZ D2MCM, Dr. Jekaterina Zukovska und Dr. Sigbert Klinke
Anmeldung:
Via DFN Terminplaner
Kontakt:
iz-d2mcm.contact@hu-berlin.de
iCal-Download
Datenvisualisierung mit R
Workshopbeschreibung
Datenvisualisierung ist eine grundlegende Fähigkeit in der modernen Datenanalyse und dient sowohl als exploratives Werkzeug als auch als wirkungsvolles Kommunikationsmittel. Der Workshop „Data Visualization with R“ bietet eine umfassende Einführung in die Theorie und Praxis der Visualisierung von Daten mit R. Zu Beginn werden zentrale Prinzipien untersucht, einschließlich der wissenschaftlichen Rolle der Visualisierung, der Unterscheidung zwischen explorativen und kommunikativen Zielen sowie Strategien zur Vermeidung häufiger Fallstricke wie „Chartjunk“, irreführenden Skalen, Overplotting und Fehlinterpretationen durch ungeeignete Klasseneinteilung oder abgeschnittene Achsen. Die Teilnehmenden lernen, Visualisierungen kritisch zu bewerten und zu verstehen, wie Designentscheidungen die Interpretation beeinflussen.
Anschließend geht der Workshop zur praktischen Umsetzung über und behandelt drei zentrale Plotting-Systeme in R: Base R, lattice und ggplot2. Durch praktische Übungen entwickeln die Teilnehmenden Fertigkeiten im Umgang mit Low-Level- und High-Level-Plotting-Funktionen, Layering-Techniken, Mehrfachdiagrammen sowie der Nutzung grafischer Parameter (‘par()’) zur präzisen Steuerung. Eine vergleichende Übersicht hebt die Stärken und Kompromisse der einzelnen Systeme hervor und bereitet auf eine vertiefte Auseinandersetzung mit der „Layered Grammar of Graphics“ vor, die ggplot2 zugrunde liegt.
Abschließend widmet sich der Workshop der interaktiven Visualisierung und stellt moderne Werkzeuge wie plotly, echarts4r, ggiraph und Shiny vor. Diese Technologien ermöglichen dynamische, webbasierte Visualisierungen mit Funktionen wie Hover-Tooltips, Zoom, Brushing und Echtzeit-Interaktivität, die für Datenexploration, Dashboarding und Storytelling unerlässlich sind. Durch die Verbindung theoretischer Grundlagen mit praktischer Programmierung vermittelt der Workshop Forschenden und Studierenden die notwendigen Kompetenzen, um effektive, vertrauenswürdige und aussagekräftige Visualisierungen in R zu erstellen und so Rohdaten in bedeutungsvolle Erkenntnisse zu verwandeln.
Voraussetzungen:
- R muss installiert sein
- R Studio muss installiert sein
- Erste Erfahrung mit R schon vorhanden:
- Variablen definieren
- Funktionen aufrufen
- Datentypen
Gruppe: Early Career Researcher (BA, MA, PhD) / Wissenschaftliche Mitarbeitende (WiMi)
Agenda
| Zeit | Thema | Inhalt / Methode | Übung / Demo |
|---|---|---|---|
| 16:00–16:20 | Einführung & Prinzipien |
Warum Visualisierung? Explorativ vs. kommunikativ Fehler vermeiden (Overplotting, falsche Skalen, Chartjunk) Legacy vs. modern |
Kurze Beispiele, Diskussion: „Wann ist ein Plot gut?“ |
| 16:20–16:55 | Base R Plots – Grundlagen |
plot(), hist(), boxplot(), pairs() Layering: points(), lines(), text() Achsen, Labels, par() |
Punkte färben nach Faktor, Regression einzeichnen |
| 16:55–17:20 | Base R – fortgeschritten |
Multi-Panel (par(mfrow), layout()) Eigene Achsen, Legends |
Multi-Panel Beispielmit dem in R integrierten Paket „mtcars“ |
| 17:20–17:50 | lattice (Legacy) |
Formelsyntax: response ~ predictor | conditioning Faceting / Multi-Panel automatisch bwplot(), xyplot() |
|
| 17:50–18:00 | Diskussion | Warum ist lattice heute noch relevant? (Legacy und Lehre) | Kurze Reflexion |
| 18:00–18:15 | Pause | 15 Minuten | – |
| 18:15–18:55 | ggplot2 Grundlagen |
Grammar of Graphics: data + aes() + geom_* Mapping vs. Setting Farben, Shapes und Labels |
Scatterplot mit geom_point(), Regression hinzufügen |
| 18:55–19:25 | ggplot2 Faceting & Fortgeschrittene Techniken |
facet_wrap() & facet_grid() Themes, Labels, Skalen und Annotationen Overplotting: alpha, jitter Kombination mehrerer Plots (patchwork) |
Facets auf gapminder erstellen, Linien und Trends hinzufügen |
| 19:25–19:55 | Interaktive Visualisierung |
plotly: ggplotly() ggiraph: Tooltips und Hover echarts4r: Animierte / Moderne Dashboards Kurzer Überblick Leaflet & DT |
Demo: ggplot2 → ggiraph / plotly, Zoom, Hover und Tooltips |
| 19:55–20:15 | Abschluss & Mini-Challenge |
Mini-Aufgabe: denselben Plot in Base R, lattice, ggplot2, optional interaktiv Vergleich der Tools und Diskussionsrunde |
Teilnehmenden präsentieren kurz Ergebnisse |
Koordination: Kleio Chrysopoulou Tseva