Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.
220061 UE METH: UE STADA Statistische Datenanalyse (2024S)
Prüfungsimmanente Lehrveranstaltung
Labels
Zusammenfassung
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 19.02.2024 09:00 bis Mi 21.02.2024 18:00
- Abmeldung bis So 31.03.2024 23:59
An/Abmeldeinformationen sind bei der jeweiligen Gruppe verfügbar.
Gruppen
Gruppe 1
max. 30 Teilnehmer*innen
Sprache: Englisch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Dienstag 05.03. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Dienstag 09.04. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Dienstag 23.04. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Dienstag 07.05. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Dienstag 21.05. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Dienstag 04.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Dienstag 18.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Please note that the course will be taught in English. Assignments will be only accepted in English.(1) Home Assignment 1 – 25%
(2) Home Assignment 2 – 35%
(3) In-class Exercises – 20%
(4) In-class Discussion – 20%
(2) Home Assignment 2 – 35%
(3) In-class Exercises – 20%
(4) In-class Discussion – 20%
Mindestanforderungen und Beurteilungsmaßstab
• obligatory attendance (students are allowed to miss a maximum of one class)
• both home assignments must be submitted on time in order to complete the courseA = 1 (Very Good): 87 - 100%
B = 2 (Good): 75 - 86,99%
C = 3 (Satisfactory): 63 - 74,99%
D = 4 (Enough): 50 - 62,99%
F = 5 (Not Enough): 00 - 49,99%
• both home assignments must be submitted on time in order to complete the courseA = 1 (Very Good): 87 - 100%
B = 2 (Good): 75 - 86,99%
C = 3 (Satisfactory): 63 - 74,99%
D = 4 (Enough): 50 - 62,99%
F = 5 (Not Enough): 00 - 49,99%
Prüfungsstoff
- Descriptive statistics and visualization in R
- Data cleaning with R
- Mean comparison (t-test)
- Chi-Squared Test
- Correlation
- Simple and multiple linear regression
- Interpretation of results
- Data cleaning with R
- Mean comparison (t-test)
- Chi-Squared Test
- Correlation
- Simple and multiple linear regression
- Interpretation of results
Literatur
Relevant book chapters and materials will be provided before each session.
Software: RStudio
Software: RStudio
Gruppe 2
max. 30 Teilnehmer*innen
Sprache: Englisch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Donnerstag 07.03. 09:45 - 12:45 Seminarraum 6, Kolingasse 14-16, EG00
- Donnerstag 14.03. 09:45 - 12:45 Seminarraum 6, Kolingasse 14-16, EG00
- Donnerstag 21.03. 09:45 - 12:45 Seminarraum 6, Kolingasse 14-16, EG00
Ziele, Inhalte und Methode der Lehrveranstaltung
Students get to know and practice descriptive and inductive methods of statistical data analysis. They learn to prepare, visualize, and analyze data with R and interpret and report the results. Moreover, they learn how to read others’ results and critically examine them. After completion of the seminar, students have a basic knowledge about descriptive and inductive statistics and are able to independently carry out analyses with R, as well as critically evaluate statistical representations and analyses in academic papers. It is strongly recommended to attend the corresponding lecture!After successful completion of this course, students will be able to:
• perform simple calculations and statistical analyses
• represent simple data in the appropriate graphical form
• interpret and critically evaluate statistical analyses and results
• communicate findings orally and in writing
• apply gained knowledge to conduct their own studies
• perform simple calculations and statistical analyses
• represent simple data in the appropriate graphical form
• interpret and critically evaluate statistical analyses and results
• communicate findings orally and in writing
• apply gained knowledge to conduct their own studies
Art der Leistungskontrolle und erlaubte Hilfsmittel
Please note that the course will be taught in English. Assignments will be only accepted in English.(1) Home Assignment 1 – 25%
(2) Home Assignment 2 – 35%
(3) Participation - In-class Exercises, Discussion – 40%
(2) Home Assignment 2 – 35%
(3) Participation - In-class Exercises, Discussion – 40%
Mindestanforderungen und Beurteilungsmaßstab
• Good or very good command of written and spoken English.
• Attendance is obligatory for 75% of the time. You may miss a maximum of one class (students are allowed to miss a maximum of one class).
• The seminar is planned as in-person class – this is a subject to change based on the development in the future and the university recommendations.
• Both home assignments must be submitted in order to complete the course. Home assignments must be done individually and not in a group.Grading:
• 0 - 49,9 % - Unsatisfactisfactory (5)
• 50 - 62.9 % - Sufficient (4)
• 63 - 74.9 % - Satisfactory (3)
• 75 - 86,9 % - Good (2)
• 87 - 100 % - Excellent (1)
• Attendance is obligatory for 75% of the time. You may miss a maximum of one class (students are allowed to miss a maximum of one class).
• The seminar is planned as in-person class – this is a subject to change based on the development in the future and the university recommendations.
• Both home assignments must be submitted in order to complete the course. Home assignments must be done individually and not in a group.Grading:
• 0 - 49,9 % - Unsatisfactisfactory (5)
• 50 - 62.9 % - Sufficient (4)
• 63 - 74.9 % - Satisfactory (3)
• 75 - 86,9 % - Good (2)
• 87 - 100 % - Excellent (1)
Prüfungsstoff
The R (R-Studio) software, types of data
Descriptive statistics (central tendency, dispersion)
Data handling (and cleaning) in R
Hypothesis testing and T-tests
Chi-square test and correlation
Linear and multiple regression
Descriptive statistics (central tendency, dispersion)
Data handling (and cleaning) in R
Hypothesis testing and T-tests
Chi-square test and correlation
Linear and multiple regression
Literatur
Books:
• Field, A., Miles, J., & Field, Z. (2012). Discovering statistics using R. SAGE Publications.
• Field, A., Miles, J., & Field, Z. (2012). Discovering statistics using R. SAGE Publications.
Gruppe 3
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Mittwoch 13.03. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Mittwoch 10.04. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Mittwoch 24.04. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Mittwoch 15.05. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Mittwoch 29.05. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Mittwoch 12.06. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Mittwoch 26.06. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Ziele, Inhalte und Methode der Lehrveranstaltung
Diese Lehrveranstaltung setzt sich zum Ziel, Grundlagen der statistischen Datenauswertung in der Kommunikationswissenschaft zu erklären und mit praktischen Übungen näherzubringen. Es wird eine Einführung in die Datenverarbeitung geben und die anschließende Interpretation der Ergebnisse wird erarbeitet.
Es wird dringen empfohlen, die dazugehörige Vorlesung zu besuchen!
Es wird dringen empfohlen, die dazugehörige Vorlesung zu besuchen!
Art der Leistungskontrolle und erlaubte Hilfsmittel
Mitarbeit (40%)
- Fristgerechte Abgabe von zwei eigenständig verfassten Hausübungen (60%)
Hü1 (25%), Hü2 (35%)
Mindestanforderungen und Beurteilungsmaßstab
75% Anwesenheitspflicht, nur eine Fehleinheit im Semester ist möglich;
Benotung: Die zwei Hausübungen fließen als 60%iger Anteil in die Gesamtnote ein, die Mitarbeit in den Unterrichtseinheiten hat einen 40%igen Anteil an der Note.
2 Hausübungen:
HÜ1: 25 %
HÜ2: 35%
Für eine positive Note müssen beide, selbständig bearbeiteten Hausübungen abgegeben werden und im Durchschnitt 50% der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte von insgesamt 60 Punkten die über die Hausübungen maximal erreicht werden können).Notenschlüssel:
00,0 – 49,9% Nicht Genügend
50,0 - 62,9% Genügend
63,0 - 74,9% Befriedigend
75,0 - 86,9% Gut
87,0 - 100% Sehr Gut
Benotung: Die zwei Hausübungen fließen als 60%iger Anteil in die Gesamtnote ein, die Mitarbeit in den Unterrichtseinheiten hat einen 40%igen Anteil an der Note.
2 Hausübungen:
HÜ1: 25 %
HÜ2: 35%
Für eine positive Note müssen beide, selbständig bearbeiteten Hausübungen abgegeben werden und im Durchschnitt 50% der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte von insgesamt 60 Punkten die über die Hausübungen maximal erreicht werden können).Notenschlüssel:
00,0 – 49,9% Nicht Genügend
50,0 - 62,9% Genügend
63,0 - 74,9% Befriedigend
75,0 - 86,9% Gut
87,0 - 100% Sehr Gut
Prüfungsstoff
Studierende sollen in der Übung erarbeitete Inhalte eigenständig auf neue Fragestellungen anwenden. Für die Erarbeitung der Hausübungen kann ein selbständiges Ergänzen der Inhalte durch die dazugehörige Vorlesung und/ oder Literatur nötig sein.
Literatur
Wird in der Lehrveranstaltung bekannt gegeben.
Gruppe 4
max. 30 Teilnehmer*innen
Sprache: Englisch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Dienstag 19.03. 15:00 - 16:30 Seminarraum 10, Währinger Straße 29 2.OG
- Dienstag 16.04. 15:00 - 16:30 Seminarraum 10, Währinger Straße 29 2.OG
- Dienstag 30.04. 15:00 - 16:30 Seminarraum 10, Währinger Straße 29 2.OG
- Dienstag 14.05. 15:00 - 16:30 Seminarraum 10, Währinger Straße 29 2.OG
- Dienstag 28.05. 15:00 - 16:30 Seminarraum 10, Währinger Straße 29 2.OG
- Dienstag 11.06. 15:00 - 16:30 Seminarraum 10, Währinger Straße 29 2.OG
- Dienstag 25.06. 15:00 - 16:30 Seminarraum 10, Währinger Straße 29 2.OG
Ziele, Inhalte und Methode der Lehrveranstaltung
IMPORTANT: Students need to bring their own laptops to class.
Students get to know and practice descriptive and inductive methods of statistical data analysis. They learn to prepare, visualize, and analyze data in R and interpret and report the results. Moreover, they learn how to read others’ results and critically examine them. After completion of the seminar, students have a basic knowledge about descriptive and inductive statistics and are able to independently carry out analyses in R, as well as critically evaluate statistical representations and analyses in academic papers.It is strongly recommended to attend the corresponding lecture!Please note that this seminar is taught in English.
Students get to know and practice descriptive and inductive methods of statistical data analysis. They learn to prepare, visualize, and analyze data in R and interpret and report the results. Moreover, they learn how to read others’ results and critically examine them. After completion of the seminar, students have a basic knowledge about descriptive and inductive statistics and are able to independently carry out analyses in R, as well as critically evaluate statistical representations and analyses in academic papers.It is strongly recommended to attend the corresponding lecture!Please note that this seminar is taught in English.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Grading:
60% homework (25% for the first homework, 35% for the second homework)
40% participation in classesTo receive a positive grade, both homework assignments must be submitted and an average of 50% of the total points must be achieved.In case the semester will take place in the form of remote learning, content and aims of the course remain unchanged.The course will be taught in English. Assignments will be accepted in English.
60% homework (25% for the first homework, 35% for the second homework)
40% participation in classesTo receive a positive grade, both homework assignments must be submitted and an average of 50% of the total points must be achieved.In case the semester will take place in the form of remote learning, content and aims of the course remain unchanged.The course will be taught in English. Assignments will be accepted in English.
Mindestanforderungen und Beurteilungsmaßstab
75% Attendance is requiredGrading:00.0 – 49.9% Unsatisfactory
50.0 – 62.9% Sufficient
63.0 – 74.9% Satisfactory
75.0 – 86.9% Good
87.0 - 100% Excellent
50.0 – 62.9% Sufficient
63.0 – 74.9% Satisfactory
75.0 – 86.9% Good
87.0 - 100% Excellent
Prüfungsstoff
Data cleaning, visualization and analysis
- Interpretation of own and others’ results
- Descriptive Statistics
- Data handling
- Mean comparison (t-test)
- Chi-Square Test
- Correlation
- Simple and multiple linear regression
- Interpretation of own and others’ results
- Descriptive Statistics
- Data handling
- Mean comparison (t-test)
- Chi-Square Test
- Correlation
- Simple and multiple linear regression
Gruppe 5
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Donnerstag 14.03. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Donnerstag 11.04. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Donnerstag 25.04. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Donnerstag 16.05. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Donnerstag 06.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Donnerstag 20.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
Ziele, Inhalte und Methode der Lehrveranstaltung
In der Lehrveranstaltung werden die Grundlagen statistischer Auswertungen in der Kommunikationswissenschaft mit R vermittelt und anhand praktischer Übungen einstudiert.Der Besuch der dazugehörigen Vorlesung wird dringend empfohlen.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Mitarbeit (Einzel- und Gruppenaufgaben in der Übungseinheit) und fristgerechte Abgabe von zwei Hausübungen.
Mindestanforderungen und Beurteilungsmaßstab
75 % Anwesenheitspflicht (nur 1 Fehleinheit möglich).Benotung: 60% Hausübungen (HÜ1: 25 %, HÜ2: 35%), 40% Mitarbeit.Für eine positive Note müssen beide Hausübungen fristgerecht abgegeben werden und im Durchschnitt 50% der Gesamtpunkte erreicht werden (d. h. über beide Hausübungen hinweg 30 Punkte). Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d. h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden. Die Hausübungen sind auf Deutsch zu verfassen.Notenschlüssel:
00,0 - 49,9% Nicht genügend
50,0 - 62,9% Genügend
63,0 - 74,9% Befriedigend
75,0 - 86,9% Gut
87,0 - 100% Sehr gut
00,0 - 49,9% Nicht genügend
50,0 - 62,9% Genügend
63,0 - 74,9% Befriedigend
75,0 - 86,9% Gut
87,0 - 100% Sehr gut
Prüfungsstoff
Studierende sollen die in der Übung erarbeiteten Inhalte eigenständig auf neue Fragestellungen anwenden. Für die Erarbeitung der Hausübungen kann ein selbständiges Ergänzen der Inhalte durch die dazugehörige Vorlesung und/oder Literatur nötig sein.
Literatur
Wird in der Lehrveranstaltung bekannt gegeben.
Gruppe 6
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Montag 11.03. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Montag 08.04. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Montag 22.04. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Montag 06.05. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Montag 27.05. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Montag 10.06. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Montag 24.06. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Ziele, Inhalte und Methode der Lehrveranstaltung
Die Studierenden lernen deskriptive und induktive Methoden der statistischen Datenanalyse kennen und üben diese. Sie lernen, Daten mit R aufzubereiten, zu visualisieren und zu analysieren und die Ergebnisse zu interpretieren und zu berichten. Außerdem lernen sie, die Ergebnisse anderer zu lesen und kritisch zu prüfen. Nach Abschluss des Seminars verfügen die Studierenden über Grundkenntnisse der deskriptiven und induktiven Statistik und sind in der Lage, selbstständig Analysen mit SPSS durchzuführen sowie statistische Darstellungen und Analysen in wissenschaftlichen Arbeiten kritisch zu bewerten.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Benotung:
60% Hausaufgaben (25% für die erste Hausarbeit, 35% für die zweite Hausarbeit)
40% Teilnahme am UnterrichtUm eine positive Note zu erhalten, müssen beide Hausaufgaben abgegeben werden und ein Durchschnitt von 50% der Gesamtpunkte erreicht werden.Findet das Semester in Form von Fernunterricht statt, bleiben Inhalt und Ziele des Kurses unverändert.Der Kurs wird in deutscher Sprache abgehalten.
60% Hausaufgaben (25% für die erste Hausarbeit, 35% für die zweite Hausarbeit)
40% Teilnahme am UnterrichtUm eine positive Note zu erhalten, müssen beide Hausaufgaben abgegeben werden und ein Durchschnitt von 50% der Gesamtpunkte erreicht werden.Findet das Semester in Form von Fernunterricht statt, bleiben Inhalt und Ziele des Kurses unverändert.Der Kurs wird in deutscher Sprache abgehalten.
Mindestanforderungen und Beurteilungsmaßstab
75% AnwesenheitspflichtBenotung:00.0 - 49.9% Unbefriedigend
50.0 - 62.9% Ausreichend
63,0 - 74,9% Befriedigend
75.0 - 86.9% Gut
87,0 - 100% Ausgezeichnet
50.0 - 62.9% Ausreichend
63,0 - 74,9% Befriedigend
75.0 - 86.9% Gut
87,0 - 100% Ausgezeichnet
Prüfungsstoff
Datenbereinigung, Visualisierung und Analyse
- Interpretation von eigenen und fremden Ergebnissen
- Deskriptive Statistik
- Umgang mit Daten
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und mehrfache lineare Regression
- Interpretation von eigenen und fremden Ergebnissen
- Deskriptive Statistik
- Umgang mit Daten
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und mehrfache lineare Regression
Gruppe 7
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Mittwoch 17.04. 15:00 - 18:00 Seminarraum 10, Währinger Straße 29 2.OG
- Mittwoch 24.04. 15:00 - 18:00 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Mittwoch 08.05. 15:00 - 18:00 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Ziele, Inhalte und Methode der Lehrveranstaltung
In dieser Übung erhalten die Teilnehmer:innen Einblicke in die Grundlagen der statistischen Analysemethoden. Die Lehrveranstaltung bietet eine praktische Einführung in die Nutzung von SPSS zur Datenaufbereitung, Visualisierung und Analyse.Die Studierenden erlernen auch die Fähigkeit, Forschungsergebnisse zu interpretieren und kritisch zu bewerten. Ziel des Kurses ist es, den Teilnehmer:innen das notwendige Wissen zu vermitteln, um eigenständige SPSS-Analysen durchführen und statistische Inhalte in akademischen Arbeiten kritisch reflektieren zu können.Die Lehrveranstaltung deckt die Bereiche der Datenbereinigung, -visualisierung und -analyse ab und vermittelt Techniken wie Mittelwertvergleich (t-Test), Chi-Quadrat-Test, Korrelation sowie einfache und mehrfache lineare Regression. Theoretische Konzepte werden mit praktischen Übungen in SPSS kombiniert, um ein tiefes Verständnis der Dateninterpretation zu entwickeln. Der Kurs betont die kritische Bewertung statistischer Analysen und fördert ein reflektiertes Verständnis für den Einsatz statistischer Methoden in der Kommunikationswissenschaft.
Art der Leistungskontrolle und erlaubte Hilfsmittel
75 % Anwesenheitspflicht
Benotung: 60 % Hausübungen, 40 % Mitarbeit
2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %
Benotung: 60 % Hausübungen, 40 % Mitarbeit
2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %
Mindestanforderungen und Beurteilungsmaßstab
Für eine positive Note müssen beide Hausübungen abgegeben werden und im Durchschnitt 50 % der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte). Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.
Im Falle von digitaler bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und Mitarbeitsübungen unverändert.
Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
Im Falle von digitaler bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und Mitarbeitsübungen unverändert.
Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
Prüfungsstoff
Benotung: 60 % Hausübungen, 40 % Mitarbeit
2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %
2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %
Literatur
Die Teilnehmer:innen erhalten innerhalb der LV regelmäßig Literaturtipps zu den einzelnen besprochenen Themenbereichen. Diese finden sich auch auf den Folien der Lehrinhalte wieder, die jeweils im Anschluss der LV via Moodle zur Verfügung gestellt werden.
Gruppe 9
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Dienstag 19.03. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Dienstag 16.04. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Dienstag 30.04. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Dienstag 14.05. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Dienstag 28.05. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Dienstag 11.06. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Dienstag 25.06. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Ziele, Inhalte und Methode der Lehrveranstaltung
Studierende lernen und üben deskriptive und induktive Methoden der statistischen Datenanalyse. Sie werden befähigt, Daten mit R vorzubereiten, zu visualisieren und zu analysieren sowie die Ergebnisse zu interpretieren und zu berichten. Darüber hinaus lernen sie, die Ergebnisse anderer zu lesen und kritisch zu prüfen. Nach Abschluss des Seminars verfügen die Studierenden über grundlegende Kenntnisse in deskriptiver und induktiver Statistik. Sie sind in der Lage, eigenständig Analysen mit R durchzuführen und statistische Darstellungen sowie Analysen in wissenschaftlichen Arbeiten kritisch zu bewerten. Die Teilnahme an der entsprechenden Vorlesung wird dringend empfohlen.Informationen zum konkreten Ablauf der Lehrveranstaltung im Sommersemester 2024 erhalten alle korrekt angemeldeten Studierenden rechtzeitig per E-Mail. Im Falle von digitaler Lehre bzw. hybrider Lehre bleiben die Ziele und Inhalte der Lehrveranstaltung unverändert.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Benotung: 60 % Hausübungen + 40 % Mitarbeit2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %Für eine positive Note müssen beide Hausübungen abgegeben werden und im Durchschnitt 50% der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte). Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.
Im Falle von digitaler Lehre bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und zur Mitarbeit unverändert.
Hausübung 1: 25 %
Hausübung 2: 35 %Für eine positive Note müssen beide Hausübungen abgegeben werden und im Durchschnitt 50% der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte). Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.
Im Falle von digitaler Lehre bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und zur Mitarbeit unverändert.
Mindestanforderungen und Beurteilungsmaßstab
75% Anwesenheitspflicht, d.h. es ist eine Fehleinheit möglich. Die Anwesenheitspflicht gilt bei Vor-Ort-Lehre wie auch bei digitaler bzw. hybrider Lehre.Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügen
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügen
Prüfungsstoff
Folgende Themen werden innerhalb der Einheiten und anhand der Hausübungen erarbeitet:
- Datenbereinigung, Visualisierung und Analyse
- Interpretation eigener und fremder Ergebnisse
- Deskriptive Statistik
- Umgang mit Daten
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und multiple lineare Regression
- Datenbereinigung, Visualisierung und Analyse
- Interpretation eigener und fremder Ergebnisse
- Deskriptive Statistik
- Umgang mit Daten
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und multiple lineare Regression
Literatur
Wird in der LV bekannt gegeben.
Gruppe 10
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Mittwoch 13.03. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 10.04. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 24.04. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 15.05. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 29.05. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 12.06. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 26.06. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
Ziele, Inhalte und Methode der Lehrveranstaltung
Diese Lehrveranstaltung setzt sich zum Ziel, Grundlagen der statistischen Datenauswertung in der Kommunikationswissenschaft zu erklären und mit praktischen Übungen in SPSS näherzubringen. Es wird eine Einführung in die Datenverarbeitung geben und die anschließende Interpretation der Ergebnisse wird erarbeitet, um generell statistische Ergebnisse kritisch prüfen zu können.
Es wird empfohlen, die dazugehörige Vorlesung zu besuchen.
Es wird empfohlen, die dazugehörige Vorlesung zu besuchen.
Art der Leistungskontrolle und erlaubte Hilfsmittel
- Fristgerechte Abgabe von zwei eigenständig verfassten Hausübungen (60%) mit SPSS: HÜ1 (25%), HÜ2 (35%)
- Mitarbeit (40%)
- Mitarbeit (40%)
Mindestanforderungen und Beurteilungsmaßstab
75% Anwesenheitspflicht, nur eine Fehleinheit im Semester ist möglich.
Benotung: Die zwei Hausübungen sind 60% der Gesamtnote, die Mitarbeit in den Unterrichtseinheiten hat einen 40%igen Anteil an der Note.
2 Hausübungen:
HÜ1: 25 %
HÜ2: 35%
Für eine positive Note müssen beide selbständig bearbeiteten Hausübungen abgegeben werden und insgesamt min. 50%, dh. 30 Punkte von insgesamt 60 Punkten, der beiden Hausübungen erreicht werden.
Notenschlüssel:
00,0 – 49,9% Nicht Genügend
50,0 - 62,9% Genügend
63,0 - 74,9% Befriedigend
75,0 - 86,9% Gut
87,0 - 100% Sehr Gut
Benotung: Die zwei Hausübungen sind 60% der Gesamtnote, die Mitarbeit in den Unterrichtseinheiten hat einen 40%igen Anteil an der Note.
2 Hausübungen:
HÜ1: 25 %
HÜ2: 35%
Für eine positive Note müssen beide selbständig bearbeiteten Hausübungen abgegeben werden und insgesamt min. 50%, dh. 30 Punkte von insgesamt 60 Punkten, der beiden Hausübungen erreicht werden.
Notenschlüssel:
00,0 – 49,9% Nicht Genügend
50,0 - 62,9% Genügend
63,0 - 74,9% Befriedigend
75,0 - 86,9% Gut
87,0 - 100% Sehr Gut
Prüfungsstoff
Studierende sollen in der Übung erarbeitete Inhalte (deskriptive Statistik, t-test, Korrelation, Interpretationen der Daten etc) eigenständig auf neue Fragestellungen anwenden. Für die Erarbeitung der Hausübungen kann ein selbständiges Ergänzen der Inhalte durch die dazugehörige Vorlesung und/ oder Literatur nötig sein.
Literatur
Wird in der LV bekannt gegeben.
Gruppe 11
max. 30 Teilnehmer*innen
Sprache: Englisch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Mittwoch 13.03. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 10.04. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 24.04. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 08.05. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 22.05. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 05.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 19.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
Ziele, Inhalte und Methode der Lehrveranstaltung
The course aims to explain the basics of statistical analyses in communication science. Through practical exercises, students will learn descriptive statistics in R, basic data analyses (e.g., correlation, t-test, linear regression) and how to interpret the results. After completing this seminar, students will be familiar with descriptive statistics and basic data analyses to independently carry out analyses in R.It is strongly recommended to attend the corresponding lecture!Please note that this seminar is taught in English.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Grading:
60% homework (25% for the first homework, 35% for the second homework)
40% participation in classesTo receive a positive grade, both homework assignments must be submitted and an average of 50% of the total points must be achieved.In case the semester will take place in the form of remote learning, content and aims of the course remain unchanged.The course will be taught in English. Assignments will be accepted in English and German.
60% homework (25% for the first homework, 35% for the second homework)
40% participation in classesTo receive a positive grade, both homework assignments must be submitted and an average of 50% of the total points must be achieved.In case the semester will take place in the form of remote learning, content and aims of the course remain unchanged.The course will be taught in English. Assignments will be accepted in English and German.
Mindestanforderungen und Beurteilungsmaßstab
75% Attendance is requiredGrading:00.0 – 49.9% Unsatisfactory
50.0 – 62.9% Sufficient
63.0 – 74.9% Satisfactory
75.0 – 86.9% Good
87.0 - 100% Excellent
50.0 – 62.9% Sufficient
63.0 – 74.9% Satisfactory
75.0 – 86.9% Good
87.0 - 100% Excellent
Prüfungsstoff
- Data cleaning, visualization and analysis
- Interpretation of own and others’ results
- Descriptive statistics
- Data handling
- Mean comparison (t-test)
- Chi-square Test
- Correlation
- Linear regression
- Interpretation of own and others’ results
- Descriptive statistics
- Data handling
- Mean comparison (t-test)
- Chi-square Test
- Correlation
- Linear regression
Gruppe 12
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Montag 18.03. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Montag 15.04. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Montag 29.04. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Montag 13.05. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Montag 03.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Montag 17.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
Ziele, Inhalte und Methode der Lehrveranstaltung
Der Kurs zielt darauf ab, die Grundlagen der statistischen Analysen in der Kommunikationswissenschaft zu erklären. Durch praktische Übungen lernen die Studierenden deskriptive Statistik in R, grundlegende Datenanalysen (z.B. Korrelation, t-Test, lineare Regression) und die Interpretation der Ergebnisse. Nach Abschluss des Seminars sind die Studierenden mit der deskriptiven Statistik und grundlegenden Datenanalysen vertraut und können selbstständig Analysen in R durchführen. Für diese Lehrveranstaltung sind keine Vorkenntnisse zu Programmierung erforderlich.Es wird dringend empfohlen, die zugehörige Vorlesung zu besuchen!Wichtig: Bitte bringen Sie nach Möglichkeit einen eigenen Laptop mit!
Art der Leistungskontrolle und erlaubte Hilfsmittel
60% Hausübungen (25% erste Übung, 35% zweite Übung)
40% MitarbeitFür eine positive Beurteilung müssen beide Hausübungen fristgerecht abgegeben werden und mindestens 50% der Gesamtpunktzahl erreicht werden.
40% MitarbeitFür eine positive Beurteilung müssen beide Hausübungen fristgerecht abgegeben werden und mindestens 50% der Gesamtpunktzahl erreicht werden.
Mindestanforderungen und Beurteilungsmaßstab
75% Anwesenheitspflicht (d.h. max. eine Fehleinheit)Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
Prüfungsstoff
Datenbereinigung, -visualisierung und -analyse:
- Deskriptive Statistik
- Umgang mit Daten
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und mehrfache lineare Regression
- Interpretation von Ergebnissen
- Deskriptive Statistik
- Umgang mit Daten
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und mehrfache lineare Regression
- Interpretation von Ergebnissen
Literatur
Wird in der Lehrveranstaltung bekanntgegeben.
Gruppe 13
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Die Lehrveranstaltung findet alle zwei Wochen abwechselnd mit der UE QUANTI (Gruppe 13) statt.
- Dienstag 19.03. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Dienstag 16.04. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Dienstag 07.05. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Dienstag 28.05. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Dienstag 11.06. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Dienstag 25.06. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Ziele, Inhalte und Methode der Lehrveranstaltung
*** Software: R ***
In diesem Kurs arbeiten wir ausschließlich mit R und RStudio!
Studierende benötigen in allen Einheiten ihren eigenen Laptop (kein Tablet)!
*******************
Studierende lernen verschiedene statistische Datenauswertungsmethoden kennen, die in der Kommunikationswissenschaft gebräuchlich sind. Deren Anwendung wird mithilfe der R Softwareumgebung ( https://www.r-project.org ) geübt. Diese Übung behandelt die Inhalte der dazugehörigen Vorlesung. Eine aktive Teilnahme an den Vorlesungseinheiten ist daher zu empfehlen.
In diesem Kurs arbeiten wir ausschließlich mit R und RStudio!
Studierende benötigen in allen Einheiten ihren eigenen Laptop (kein Tablet)!
*******************
Studierende lernen verschiedene statistische Datenauswertungsmethoden kennen, die in der Kommunikationswissenschaft gebräuchlich sind. Deren Anwendung wird mithilfe der R Softwareumgebung ( https://www.r-project.org ) geübt. Diese Übung behandelt die Inhalte der dazugehörigen Vorlesung. Eine aktive Teilnahme an den Vorlesungseinheiten ist daher zu empfehlen.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Zwei Assignments in Einzelarbeit (60%)
Aktive Mitarbeit (40%)
Aktive Mitarbeit (40%)
Mindestanforderungen und Beurteilungsmaßstab
75% Anwesenheitspflicht (d.h. max. eine Fehleinheit)Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
Prüfungsstoff
- Grundlagen in R und RStudio
- Datenbereinigung, Visualisierung und Analyse
- Interpretation eigener und fremder Ergebnisse
- Deskriptive Statistik
- Datenmanagement
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und multiple lineare Regression
- Datenbereinigung, Visualisierung und Analyse
- Interpretation eigener und fremder Ergebnisse
- Deskriptive Statistik
- Datenmanagement
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und multiple lineare Regression
Literatur
Wird in der Lehrveranstaltung bekannt gegeben.
Gruppe 14
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Montag 11.03. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Mittwoch 10.04. 16:45 - 18:15 PC-Seminarraum 2 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Mittwoch 24.04. 16:45 - 18:15 PC-Seminarraum 2 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Mittwoch 15.05. 16:45 - 18:15 PC-Seminarraum 2 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Mittwoch 29.05. 16:45 - 18:15 PC-Seminarraum 2 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Mittwoch 12.06. 16:45 - 18:15 PC-Seminarraum 2 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Mittwoch 26.06. 16:45 - 18:15 PC-Seminarraum 2 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Ziele, Inhalte und Methode der Lehrveranstaltung
Die Lehrveranstaltung setzt sich zum Ziel, Grundlagen der statistischen Auswertungen in der Kommunikationswissenschaft zu erklären und mit praktischen Übungen näherzubringen.Es wird dringend empfohlen, die dazugehörige Vorlesung zu besuchen!Im Falle von digitaler bzw. hybrider Lehre bleiben die Ziele und Inhalte der Lehrveranstaltung unverändert. Methodisch kommen verschiedene Übungsaktivitäten via Moodle zum Einsatz.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Mitarbeit (Einzel- oder Gruppenübungen zu jedem Thema in der jeweiligen Einheit, Vorbereitung der Pflichtlektüre) und fristgerechte Abgabe von zwei Hausübungen.Im Falle von digitaler bzw. hybrider Lehre wird die Mitarbeit ebenfalls durch die Abgabe von Mitarbeitsübungen bewertet. Die Arbeitsaufträge werden in diesem Fall jeweils in den entsprechenden Einheiten auf Moodle gestellt.
Mindestanforderungen und Beurteilungsmaßstab
75% Anwesenheitspflicht bei Vor-Ort-lehre, d.h. es ist eine Fehleinheit möglich.Im Falle von digitaler bzw. hybrider Lehre wird die Anwesenheitspflicht der Situation entsprechend angepasst und rechtzeitig an die Studierenden kommuniziert.Die Benotung setzt sich zusammen aus 60% Hausübungen + 40% Mitarbeit.2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %
Für eine positive Note müssen beide Hausübungen abgegeben werden und im Durchschnitt 50% der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte). Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.Im Falle von digitaler bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und Mitarbeitsübungen unverändert.Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
Hausübung 1: 25 %
Hausübung 2: 35 %
Für eine positive Note müssen beide Hausübungen abgegeben werden und im Durchschnitt 50% der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte). Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.Im Falle von digitaler bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und Mitarbeitsübungen unverändert.Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
Prüfungsstoff
Umgang mit Daten, Visualisierung und Analyse
- Interpretation von Ergebnissen
- Deskriptive Statistik
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und multiple lineare Regression
- Interpretation von Ergebnissen
- Deskriptive Statistik
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und multiple lineare Regression
Literatur
Literatur wird in der Lehrveranstaltung bekannt gegeben.
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Mi 13.11.2024 12:06
• perform simple calculations and statistical analyses
• represent simple data in the appropriate graphical form
• interpret and critically evaluate statistical analyses and results
• communicate findings orally and in writing
• apply gained knowledge to conduct their own studies