Projekt

Dieser Kurs zum Einstieg in die Kausalinferenz wurde ursprünglich entwickelt als MOOC für den KI-Campus in Kooperation zwischen Karsten Lübke (FOM Hochschule) und Julia Rohrer (Projektleitung, Universität Leipzig).

Für Hintergründe zum Kurs siehe FOM forscht Wissenschaftsblog.

Der Kurs setzt sich zusammen aus Interviews mit Expert:innen aus unterschiedlichen Fachgebieten sowie interaktiven Tutorials. Alle Interviews auf einen Blick finden Sie unter https://wwweki.gitlab.io/interviews/.

Die Interviews und Tutorials sind teilweise inhaltlich aufeinander abgestimmt, können aber auch problemlos in Isolation verwendet werden.

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

• 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

Modulübersicht

1. An der Weggabelung: Einen Weg gehen - und einen nicht (Potential Outcome und Counterfactual)

• Kurzes Video: Willkommen im Kurs

2. Ein Pfeil zeigt die Richtung (Strukturelle kausale Modelle und Kausale Diagramme)

• Interview mit David Lagnado: Wie wir kausal danken

4. Daten analysieren - mit welchem Ziel? (Datenanwendungen (Beschreibung, Vorhersage, Kausale Inferenz), Kausale Leiter (Assoziation, Intervention, Counterfactual))

• Interview mit Stephan Poppe: Die kausale Leiter

4. Es steht was zwischen uns (Kette)

• Kurzes Video: Gabel, Kette, umgedrehte Gabel -- fundamentale kausale Strukturen

5. Von Störchen und Geburten (Gabel)

• Interview mit Anne: Wie beeinflusst das Stillen die kindliche Entwicklung?

6. Nett oder schön? – Warum nicht beides? (Umgedrehte Gabel)

• Interview mit Carla Schmitt: Kausalinferenz im Unternehmenskontext

7. Warum Raumteilung keine gute Investition ist (Wiederholung Grundelemente Kausaler Diagramme, Unterschied (do(x) vs. X=x am Beispiel)

• Interview mit Dean Eckles: Soziale Ansteckung

8. Magie durch Zufall (Zufällige Stichprobe und zufällige Zuordnung im Rahmen eines Experiments und die Auswirkungen auf die Datenanwendungen (Beschreibung, Vorhersage, Kausale Inferenz))

• Interview mit Richard McElreath: Kausales Denken für alle Datenanwendungen

9. Was wäre gewesen, wenn? (Counterfactual)

• Interview mit Sebastian Weichwald: Pragmatische Kausalinferenz

10. Graphen zeichnen und lesen (Beispiel Gender-Pay-Gap)

• Interview mit Jakob Runge: Kausalinferenz in komplexen Klimasystemen

11. Schadet Rauchen bei Heranwachsenden? (Anwendungsbeispiel Kausale Inferenz in der Medizin.)

• Interview mit Jonas Peters: Causal Discovery

12. Praktisches Daten hinterfragen (DAGs in der Anwendung, Ausblick)

• Kurzes Video zum Abschied

Bitte melden Sie Fehler, Unklarheiten und Verbesserungsvorschläge hier.

Lizenz

Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International Lizenz.

Förderung

Das Vorhaben Was, wie, warum? Einstiegskurs Kausale Inferenz (WWWEKI) wird mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen 16DHBQP040 gefördert.