040331 KU Empirical Methods in Decision Sciences (MA) (2024S)
Prüfungsimmanente Lehrveranstaltung
Labels
service email address: opim.bda@univie.ac.at
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 12.02.2024 09:00 bis Mi 21.02.2024 12:00
- Anmeldung von Mo 26.02.2024 09:00 bis Di 27.02.2024 12:00
- Abmeldung bis Do 14.03.2024 23:59
Details
max. 33 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Mittwoch
06.03.
15:00 - 16:30
Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
Mittwoch
13.03.
15:00 - 16:30
Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
Mittwoch
20.03.
15:00 - 16:30
Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
Mittwoch
10.04.
15:00 - 16:30
Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
Mittwoch
17.04.
15:00 - 16:30
Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
Mittwoch
24.04.
15:00 - 16:30
Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
N
Mittwoch
08.05.
15:00 - 16:30
Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
Mittwoch
15.05.
15:00 - 16:30
Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
Mittwoch
22.05.
15:00 - 16:30
Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
Mittwoch
29.05.
15:00 - 16:30
Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
Mittwoch
05.06.
15:00 - 16:30
Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
Mittwoch
12.06.
15:00 - 16:30
Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
Mittwoch
19.06.
15:00 - 16:30
Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
Mittwoch
26.06.
15:00 - 16:30
Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
In this course students are introduced to decision science relevant empirical methods. The major focus point of the course is the design and implementation of computerized interactive and static experiments. Students are introduced to the theoretical knowledge about various experimental designs, practical implementation of the designed experiment using Python language based platform and analysis of the results using Python & R based tools. Principal interest in computer programming can be helpful for this course. The course is taught in English.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Written exam concerning theoretical design knowledge
oTree assignments
Data analysis assignments
oTree assignments
Data analysis assignments
Mindestanforderungen und Beurteilungsmaßstab
Students need a laptop for oTree and data analysis assignments.
All partial achievements (exam & assignments) must be positive in order to have a positive grade from the course.
0-50 points => 5
51-63 points => 4
64-75 points => 3
76-87 points => 2
88-100 points => 1
All partial achievements (exam & assignments) must be positive in order to have a positive grade from the course.
0-50 points => 5
51-63 points => 4
64-75 points => 3
76-87 points => 2
88-100 points => 1
Prüfungsstoff
Course content
Literatur
Douglas, C. M. (2019). Design analysis of Experiments. John Wiley & Sons
Donohue, K., Katok, E., & Leider, S. (Eds.). (2018). The handbook of behavioral operations. John Wiley & Sons.
Guttag, J. V. (2013). Introduction to computation and programming using Python. Mit Press.
For oTree: https://otree.readthedocs.io/en/latest/
For Python: https://www.python.org
For JupyterLab: https://jupyterlab.readthedocs.io/en/stable/
For R: https://www.r-project.org
Donohue, K., Katok, E., & Leider, S. (Eds.). (2018). The handbook of behavioral operations. John Wiley & Sons.
Guttag, J. V. (2013). Introduction to computation and programming using Python. Mit Press.
For oTree: https://otree.readthedocs.io/en/latest/
For Python: https://www.python.org
For JupyterLab: https://jupyterlab.readthedocs.io/en/stable/
For R: https://www.r-project.org
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Mi 06.03.2024 17:25