210015 UE BAK 4 Quantitative Methods of Empirical Social Research (2022W)
(engl.)
Prüfungsimmanente Lehrveranstaltung
Labels
VOR-ORT
Eine Anmeldung über u:space innerhalb der Anmeldephase ist erforderlich! Eine nachträgliche Anmeldung ist NICHT möglich.
Studierende, die der ersten Einheit unentschuldigt fernbleiben, verlieren ihren Platz in der Lehrveranstaltung.Achten Sie auf die Einhaltung der Standards guter wissenschaftlicher Praxis und die korrekte Anwendung der Techniken wissenschaftlichen Arbeitens und Schreibens.
Plagiierte und erschlichene Teilleistungen führen zur Nichtbewertung der Lehrveranstaltung (Eintragung eines 'X' im Sammelzeugnis).
Die Lehrveranstaltungsleitung kann Studierende zu einem notenrelevanten Gespräch über erbrachte Teilleistungen einladen.
Studierende, die der ersten Einheit unentschuldigt fernbleiben, verlieren ihren Platz in der Lehrveranstaltung.Achten Sie auf die Einhaltung der Standards guter wissenschaftlicher Praxis und die korrekte Anwendung der Techniken wissenschaftlichen Arbeitens und Schreibens.
Plagiierte und erschlichene Teilleistungen führen zur Nichtbewertung der Lehrveranstaltung (Eintragung eines 'X' im Sammelzeugnis).
Die Lehrveranstaltungsleitung kann Studierende zu einem notenrelevanten Gespräch über erbrachte Teilleistungen einladen.
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 05.09.2022 08:00 bis Mo 19.09.2022 08:00
- Anmeldung von Mi 21.09.2022 08:00 bis Di 27.09.2022 08:00
- Abmeldung bis Mo 24.10.2022 23:59
Details
max. 35 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Mittwoch
12.10.
09:45 - 11:15
Seminarraum 17, Kolingasse 14-16, OG02
Mittwoch
19.10.
09:45 - 11:15
Seminarraum 17, Kolingasse 14-16, OG02
Mittwoch
09.11.
09:45 - 11:15
Seminarraum 17, Kolingasse 14-16, OG02
Mittwoch
16.11.
09:45 - 11:15
Seminarraum 17, Kolingasse 14-16, OG02
Mittwoch
23.11.
09:45 - 11:15
Seminarraum 17, Kolingasse 14-16, OG02
Mittwoch
30.11.
09:45 - 11:15
Seminarraum 17, Kolingasse 14-16, OG02
Mittwoch
07.12.
09:45 - 11:15
Seminarraum 17, Kolingasse 14-16, OG02
Mittwoch
14.12.
09:45 - 11:15
Seminarraum 17, Kolingasse 14-16, OG02
Mittwoch
11.01.
09:45 - 11:15
Seminarraum 17, Kolingasse 14-16, OG02
Mittwoch
18.01.
09:45 - 11:15
Seminarraum 17, Kolingasse 14-16, OG02
Mittwoch
25.01.
09:45 - 11:15
Seminarraum 17, Kolingasse 14-16, OG02
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
This course is complementary to the theoretical course “210014 VO BAK 4 Quantitative methods in the empirical social sciences (2022W)” taught by Professor Markus Wagner.The aim of the course is to equip students with the basic applied skills for easy data projects. The content of the course includes basic descriptive and inferential statistics, as well as the graphic representation of results. The core focus of this course will be hands-on and practical. Students are expected to attend the 210014 VO lecture component, which will cover theoretical concepts and more abstract ideas.Students will learn the basic “tools” to conduct quantitative data analysis using the programming language R. By the end of the course, students should be able to describe and manipulate a dataset and conduct basic inferential analysis R.PLEASE NOTE: In order to participate in the course YOU WILL NEED A PERSONAL LAPTOP (not an iPad) WHICH CAN RUN R.Teaching will be in-person in a regular classroom, not a computer lab, so you will need to bring your laptop every week.
Art der Leistungskontrolle und erlaubte Hilfsmittel
The final assessment will be based on the following components:
(1) Participation (10% of final grade) Regular attendance in class (maximum 2 classes can be missed)
(2) Four homework assignments (25% of final grade) based on materials in the course texts. Students are encouraged to form study groups but assignments must be completed individually.
(3) A mid-term exam before Christmas (25% of final grade). The test will concern theoretical questions and/or interpretation of R output. Duration: max 45 minutes.
(4) Final assignment (40% of final grade). At the end of the course, you will be required to write a final paper of 2000-2500 words, focusing mostly on methods with applications in R. Joint work is NOT allowed for the final assignment.
(1) Participation (10% of final grade) Regular attendance in class (maximum 2 classes can be missed)
(2) Four homework assignments (25% of final grade) based on materials in the course texts. Students are encouraged to form study groups but assignments must be completed individually.
(3) A mid-term exam before Christmas (25% of final grade). The test will concern theoretical questions and/or interpretation of R output. Duration: max 45 minutes.
(4) Final assignment (40% of final grade). At the end of the course, you will be required to write a final paper of 2000-2500 words, focusing mostly on methods with applications in R. Joint work is NOT allowed for the final assignment.
Mindestanforderungen und Beurteilungsmaßstab
Students are required to bring a personal laptop to class.In order to complete the course with a positive grade students have to attempt all seminar parts.
Students are allowed to miss two classes.
The software turnitin will be used to check plagiarism
90-100 = 1. Excellent
80-89 = 2. Good
70-79 = 3. Satisfactory
60-69 = 4. Sufficient
< 60 = 5. Fail
Students are allowed to miss two classes.
The software turnitin will be used to check plagiarism
90-100 = 1. Excellent
80-89 = 2. Good
70-79 = 3. Satisfactory
60-69 = 4. Sufficient
< 60 = 5. Fail
Prüfungsstoff
The examination will focus on different statistical concepts covered in class and will include basic data analysis using the programming language R. Detailed instructions about the homework assignments and the final assignment will be posted on Moodle in due time.The final paper is due on February 15th 2023
Literatur
The following readings are required - please consider buying:
- Alan Agresti (2018). Statistical methods for the social sciences (5th edition). New Jersey: Pearson Education
- Alan Agresti (2018). Statistical methods for the social sciences (5th edition). New Jersey: Pearson Education
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Mi 28.09.2022 11:49