Universität Wien

040044 KU Business Research Methods - Empirische Datenanalyse (MA) (2020S)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Prüfungsimmanente Lehrveranstaltung

Zusammenfassung

1 Akbari , Moodle
2 Akbari , Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
An/Abmeldeinformationen sind bei der jeweiligen Gruppe verfügbar.

Gruppen

Gruppe 1

max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Der Kurs findet via E-Learning statt!!!

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

Art der Leistungskontrolle und erlaubte Hilfsmittel

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

Prüfungsstoff

- Folien
- Literatur
- Übungsbeispiele

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

Gruppe 2

Termine der Gruppe 2 finden gemeinsam mit Gruppe 1 statt.

max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Der Kurs findet via E-Learning statt!!!

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

Art der Leistungskontrolle und erlaubte Hilfsmittel

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

Prüfungsstoff

- Folien/Videos
- Literatur
- Übungsbeispiele

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

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

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.

Mindestanforderungen und Beurteilungsmaßstab

- 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).

Literatur

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

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mo 07.09.2020 15:19