This is an old revision of the document!
Datenschutz und Datenanalyse
Datenformate
Text-Dateien
Text-Dateien enthalten nur Text (als Folge von Buchstaben) aber keine Formatierung. Beispiele dafür sind:
- Python-Dateien (die werden erst in einem Editor farbig dargestellt)
- HTML-Dateien (Aufbau von Webseiten, drücken Sie mal Ctrl-U, um den Seitenquelltext anzuzeigen)
- CSV (Comma separated values). Durch Kommas (oder für deutsches Excel durch Strichpunkte) getrennte Werte, zeilenweise. Kann mit einer Tabellekalkulation gelesen und geschrieben werden.
- JSON (JavaScript Object Notation). Maschinenlesbares Datenformat, das auch Menschen lesen können.
- Markup-Language (z.B. diese Seite wurde damit geschrieben, siehe Knopf «Seitenquelltext» rechts)
Gegeben ist folgende JSON-Datei:
[
{"name":"test",
"inhalt": [5,42,23,4321]
},
{"name":"bla",
"inhalt": [7,8,9]
}
]
Die Datei wird in Python als JSON eingelesen und in die Variable mydata gespeichert.
- Welchen Wert hat mydata[1]["name"]
- Welchen Wert hat mydata[0]["test"]
- Welcher Code ergibt den Wert 42?
- Was enthält mydata[1]["inhalt"]
nach dem Befehl
mydata[1]["inhalt"][2]=1234
Datenexport
Wenn möglich, exportieren Sie die Daten im JSON-Format. Das ist zwar «einfach so» nicht so schön anzuschauen wie eine HTML-Datei, dafür sind die Daten sehr einfach von einem Programm lesbar und bearbeitbar.
- YouTube: «Account-Symbol» → Meine Daten auf Youtube (eigene Videos nicht exportieren, Format als JSON wählen)
- Instagram: «Kopf» → Profil → Privatsphäre und Sicherheit. Format JSON wählen.
- Twitter: More → Settings and Support → Settings and Privacy → Download an Archive of your Data
- TikTok? Facebook? Snapchat?
Datenanalyse
Wir werden die Daten vor allem in einer Tabellenkalkulation (z.B. Excel) analysieren. Dazu müssen die Daten aber erst in ein Format konvertiert werden, das von Excel auch gelesen werden kann.
Konvertierung
- Speichern Sie folgendes Python-Script im gleichen Verzeichnis wie Ihre YouTube-Daten: youtube-json-to-csv-convert.py
- In der git-bash, navigieren Sie in das Verzeichnis, in dem die Datei
watch-history.csvund führen Sie das Python-Script aus. - Öffnen Sie die generierte CSV-Datei in Excel
Dazu gibt einen Screencast: Direktlink oder auf SharePoint.
Analyse
Falls Sie keine eigenen Daten im CSV-Format haben, können Sie folgende Daten analysieren (Auszug meiner YouTube-Daten): old-data.csv.zip
Erzeugen Sie eine Pivot-Tabelle dieser Daten, aggregiert nach Wochentag und Stunde. Schauen Sie sich dazu folgendes Video:
Screencast: Direktlink und auf SharePoint.
- Überprüfen Sie, ob Sonntag oder Montag der erste Wochentag in Excel ist (in LibreOffice ist Sonntag der Tag 1)
- Filtern Sie die Daten nach Datum. Vergleichen Sie dazu z.B. den September (Schulbetrieb) mit Juli (Sommerferien).