Universität Wien

040044 KU Business Research Methods - Empirical Data Analysis (MA) (2020S)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Continuous assessment of course work

Summary

1 Akbari , Moodle
2 Akbari , Moodle

Registration/Deregistration

Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).
Registration information is available for each group.

Groups

Group 1

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Der Kurs findet via E-Learning statt!!!

  • Thursday 19.03. 11:30 - 13:00 PC-Seminarraum 1 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Thursday 19.03. 13:15 - 14:45 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Tuesday 24.03. 08:00 - 11:15 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Thursday 26.03. 08:00 - 11:15 PC-Seminarraum 1 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Tuesday 31.03. 08:00 - 11:15 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Thursday 02.04. 11:30 - 13:00 PC-Seminarraum 1 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Thursday 02.04. 13:15 - 14:45 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Monday 20.04. 08:00 - 11:15 PC-Seminarraum 1 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Thursday 23.04. 08:00 - 11:15 PC-Seminarraum 1 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Monday 18.05. 08:00 - 09:30 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock

Assessment and permitted materials

- Take home exam inkl. Coding Task 80%
- Mitarbeit, Hausübungen 20%
- Terminen der ersten Gruppe!

Examination topics

- Folien
- Literatur
- Übungsbeispiele

Mit der Anmeldung zum Kurs stimmen Sie zu, dass Ihre Abgaben mit Turnitin geprüft werden

Group 2

Termine der Gruppe 2 finden gemeinsam mit Gruppe 1 statt.

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Der Kurs findet via E-Learning statt!!!

  • Thursday 19.03. 11:30 - 13:00 PC-Seminarraum 1 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Thursday 19.03. 13:15 - 14:45 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Tuesday 24.03. 08:00 - 11:15 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Thursday 26.03. 08:00 - 11:15 PC-Seminarraum 1 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Tuesday 31.03. 08:00 - 11:15 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Thursday 02.04. 11:30 - 13:00 PC-Seminarraum 1 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Thursday 02.04. 13:15 - 14:45 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Monday 20.04. 08:00 - 11:15 PC-Seminarraum 1 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Thursday 23.04. 08:00 - 11:15 PC-Seminarraum 1 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Monday 18.05. 08:00 - 09:30 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock

Assessment and permitted materials

- Take home exam inkl. Coding Task 80%
- Mitarbeit, Hausübungen 20%

Examination topics

- Folien/Videos
- Literatur
- Übungsbeispiele

Mit der Anmeldung zum Kurs stimmen Sie zu, dass Ihre Abgaben mit Turnitin geprüft werden

Information

Aims, contents and method of the course

Im Rahmen der Lehrveranstaltung werden theoretische Kenntnisse und praktische Anwendungen der folgenden Datenanalysemethoden erworben:
- Deskriptive Datenanalyse
- Grafische Aufbereitung von Daten
- t-Tests
- Nicht-parametrische Tests
- Regressionsanalyse

Der Kurs wird nach dem Flipped Classroom-Konzept angeboten. Die LV-Inhalte werden als Video hochgeladen. In der (Online-Präsenz) werden die Inhalte angewendet und auf Fragen der Studierenden eingegangen.

Minimum requirements and assessment criteria

- Kenntnisse des Forschungsprozesses werden in Kurs "Forschungsmethoden" vermittelt und vorausgesetzt, es können jedoch beide Kurse in einem Semester belegt werden
- Grundkenntnisse zur Datenbearbeitung in R werden benötigt (Daten einlesen, Daten bearbeiten, grundsätzlicher Syntaxaufbau)

- Anwesenheit (2x unentschuldigtes Fehlen ist
gestattet)
- Für das Erreichen einer positiven Note müssen
50% der maximal möglichen Punkteanzahl erreicht werden.

Es können 100 Punkte erreicht werden.
- Coding Task 40 Punkte
- Mitarbeit, Hausübungen 20 Punkte
- Klausur 40 Punkte (falls weiter Fernlehre besteht, wird hier ein alternatives Assignment angeboten).

Reading list

- Bortz, Jürgen, and Christof Schuster. Statistik für Human-und Sozialwissenschaftler: Limitierte Sonderausgabe. Springer-Verlag, 2011.

Association in the course directory

Last modified: Mo 07.09.2020 15:19