Universität Wien

200233 SE Theorie und Empirie wissenschaftlichen Arbeitens (Geist und Gehirn) 1 (2021W)

8.00 ECTS (4.00 SWS), SPL 20 - Psychologie
Prüfungsimmanente Lehrveranstaltung
GEMISCHT
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 20 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

TEWA 1: Scientific Computing in Python for Cognitive Psychology
22 November - 12 Dezember Online format!

Dieser Kurs findet in einem hybriden Format statt, wobei jedoch die persönliche Anwesenheit bevorzugt wird und die Fernteilnahme nur eine Ausweichmöglichkeit darstellt, die mit zusätzlichem Aufwand verbunden ist.

  • Montag 04.10. 15:00 - 16:30 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Mittwoch 06.10. 11:30 - 13:00 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Montag 11.10. 15:00 - 16:30 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Mittwoch 13.10. 11:30 - 13:00 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Montag 18.10. 15:00 - 16:30 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Mittwoch 20.10. 11:30 - 13:00 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Montag 25.10. 15:00 - 16:30 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Mittwoch 27.10. 11:30 - 13:00 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Mittwoch 03.11. 11:30 - 13:00 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Montag 08.11. 15:00 - 16:30 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Mittwoch 10.11. 11:30 - 13:00 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Montag 15.11. 15:00 - 16:30 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Mittwoch 17.11. 11:30 - 13:00 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Montag 22.11. 15:00 - 16:30 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Mittwoch 24.11. 11:30 - 13:00 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Montag 29.11. 15:00 - 16:30 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Mittwoch 01.12. 11:30 - 13:00 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Montag 06.12. 15:00 - 16:30 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Montag 13.12. 15:00 - 16:30 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Mittwoch 15.12. 11:30 - 13:00 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Montag 10.01. 15:00 - 16:30 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Mittwoch 12.01. 11:30 - 13:00 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Montag 17.01. 15:00 - 16:30 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Mittwoch 19.01. 11:30 - 13:00 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Montag 24.01. 15:00 - 16:30 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Mittwoch 26.01. 11:30 - 13:00 Hörsaal B Psychologie, NIG 6.Stock A0610
  • Montag 31.01. 15:00 - 16:30 Hörsaal B Psychologie, NIG 6.Stock A0610

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Ziel dieses Kurses ist es, die Studierenden in die Verwendung der Programmiersprache Python zur Lösung von Datenanalyseproblemen einzuführen, die in der psychologischen Forschung häufig auftreten.
Der erste Teil des Kurses wird eine allgemeine Einführung in Python und die wichtigsten Bibliotheken für die Datenanalyse sein: numpy, scipy, matplotlib, pandas.
Der zweite Teil des Kurses wird sich auf allgemeine Methoden der Datenwissenschaft konzentrieren (statistische Inferenz mit Resampling-Methoden, Regressionsmodelle, maschinelles Lernen).
Im letzten Teil des Kurses wird die zuvor erlernte Programmierung auf die Analyse von Verhaltensdaten angewendet, wobei der Schwerpunkt auf Augenbewegungen und wahrnehmungsbasierter Entscheidungsfindung liegt.
Während der Schwerpunkt des Kurses auf den praktischen und programmiertechnischen Aspekten liegt, werden wir auch die theoretische Relevanz dieser Themen für die Kognitionswissenschaft diskutieren.
Der Unterricht am Montag wird sich auf die Theorie konzentrieren, während mittwochs Programmierübungen stattfinden.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Teilnahme an Diskussionen und kleine theoretische Hausaufgaben: 25%.
Teilnahme am Tutorium und Kodierhausaufgaben: 50%
Abschlussprojekt: 25%.

Mindestanforderungen und Beurteilungsmaßstab

Aktive Teilnahme am Unterricht und an den Programmierübungen.

1: >87%
2: 76 - 87%
3: 64 - 75%
4: 51 - 63%
5: <=50%

Prüfungsstoff

Fähigkeit zur Verwendung von Python für grundlegende Datenanalyse- und Visualisierungsaufgaben

Versteht Resampling-Methoden für statistische Analysen und kann sie in Code implementieren

Versteht die Verwendung von Zufallssimulationen für die Datenanalyse

Kann grundlegende lineare Regression verstehen und weiß, wie sie mit fortgeschritteneren Regressionsmodellen zusammenhängt

Versteht die wichtigsten Konzepte der Signaldetektionstheorie

Vertraut mit den wichtigsten Werkzeugen des maschinellen Lernens

Literatur

Books:

Introduction to Modern Statistics (2021): https://openintro-ims.netlify.app/index.html
Think Bayes 2: http://allendowney.github.io/ThinkBayes2/index.html

Gelman, Hill, Vethari (2021): Regression and Other Stories

Statistical Thinking for the 21st Century:
https://statsthinking21.github.io/statsthinking21-core-site/

Papers:

Stanislaw, H., & Todorov, N. (1999). Calculation of signal detection theory measures. Behavior research methods, instruments, & computers, 31(1), 137-149.

Le Meur, O., & Baccino, T. (2013). Methods for comparing scanpaths and saliency maps: strengths and weaknesses. Behavior research methods, 45(1), 251-266.

Daw, N. D. (2011). Trial-by-trial data analysis using computational models. Decision making, affect, and learning: Attention and performance XXIII, 23(1).

Körding, K. P., & Wolpert, D. M. (2004). Bayesian integration in sensorimotor learning. Nature, 427(6971), 244-247.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Sa 20.11.2021 09:08