1 Kontext der Analyse

In dieser explorativen Analyse wird ein Datensatz zur globalen Alphabetisierung untersucht. Der Datensatz enthält Werte zum Anteil der alphabetisierten und analphabetischen Weltbevölkerung von 1820 bis 2023.

Quelle des Datensatzes: Literate and illiterate world population (UNESCO, 1957)

2 Schritt-für-Schritt: Explorative Analyse mit R Studio

2.1 Vorbereitung

Zunächst werden die benötigten Pakete geladen.

# install.packages("tidyr")
library(readr)
library(readr)
library(dplyr)
library(tidyr)
library(ggplot2)

2.2 Daten in R einlesen

Anschließend wird der Datensatz in R eingelesen.

data <- read.csv("/Users/yannicksturm/Desktop/PH Heidelberg/Masterstudium E-Learning und Medienbildung/Modul 8/813 MA Elmeb - Data Science in Education/Übungen mit R Studio/0_Datenprojekt/literate-and-illiterate-world-population.csv")

2.3 Daten explorieren

Die ersten Zeilen des Datensatzes lassen sich über folgenden Code anzeigen.

head(data)
##   Entity     Code Year Illiterate Literate
## 1  World OWID_WRL 1820   87.95331 12.04669
## 2  World OWID_WRL 1870   81.25944 18.74056
## 3  World OWID_WRL 1880   80.37154 19.62846
## 4  World OWID_WRL 1890   79.48364 20.51636
## 5  World OWID_WRL 1900   78.59574 21.40426
## 6  World OWID_WRL 1910   73.55440 26.44560

Im nächsten Schritt schauen wir uns die Struktur der Daten (u.a. Spaltennamen und Datentypen) an.

str(data)
## 'data.frame':    59 obs. of  5 variables:
##  $ Entity    : chr  "World" "World" "World" "World" ...
##  $ Code      : chr  "OWID_WRL" "OWID_WRL" "OWID_WRL" "OWID_WRL" ...
##  $ Year      : int  1820 1870 1880 1890 1900 1910 1920 1930 1940 1950 ...
##  $ Illiterate: num  88 81.3 80.4 79.5 78.6 ...
##  $ Literate  : num  12 18.7 19.6 20.5 21.4 ...

Interessant ist, 1. dass es nur eine Einheit bzw. Code (World bzw. OWID_WRL) gibt. Das ist allerdings nicht verwunderlich, weil wir uns bei diesem Datensatz die weltweite Alphabetisierungs- bzw. analphabetisierungsrate ansehen. 2. dass die beiden Variablen Illiterate und Literate, welche die prozentualen Anteile der analphabetischen und der alphabetiserten Weltbevölkerung angeben, jeweils zusammen 100 % ergeben müssten. Dies kann mit folgendem Code überprüft werden:

data$sum_check <- data$Illiterate + data$Literate

summary(data$sum_check)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##     100     100     100     100     100     100
head(data$sum_check)
## [1] 100 100 100 100 100 100

2.4 Daten bereinigen

Zur Vereinfachung des Datensatzes können die Spalten WORLD und OWID_WRL gelöscht werden.

data$Entity <- NULL
data$Code <- NULL

new_data <- na.omit(data)

2.5 Deskriptive Statistik

Nach der Datenexploration und -bereinigung lassen wir uns die Eckdaten der deskriptiven Statistik anzeigen.

summary(new_data)
##       Year        Illiterate       Literate       sum_check  
##  Min.   :1820   Min.   :12.64   Min.   :12.05   Min.   :100  
##  1st Qu.:1980   1st Qu.:16.50   1st Qu.:67.54   1st Qu.:100  
##  Median :1994   Median :23.50   Median :76.50   Median :100  
##  Mean   :1982   Mean   :30.94   Mean   :69.06   Mean   :100  
##  3rd Qu.:2008   3rd Qu.:32.46   3rd Qu.:83.50   3rd Qu.:100  
##  Max.   :2023   Max.   :87.95   Max.   :87.36   Max.   :100

Interessant ist, dass die Daten bis ins 19. Jahrhundert zurückgehen und bis in die 2020er reichen (siehe Min. und Max. der Variable Year).

2.6 Visualiserung

Die zeitliche Entwicklung der Alphabetisierung lässt sich mit einem Liniendiagramm darstellen.

plot(data$Year, data$Illiterate, type="l", col="red",     xlab="Jahr", ylab="Anteil (%)",     main="Weltweite Alphabetisierung im Zeitverlauf")

lines(data$Year, data$Literate, col="blue")

legend("topright",       
       legend=c("Illiterate", "Literate"),       
       col=c("red", "blue"),       
       lty=1)