Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.
220061 UE METH: UE STADA Statistische Datenanalyse (2022S)
Prüfungsimmanente Lehrveranstaltung
Labels
Zusammenfassung
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 21.02.2022 09:00 bis Mi 23.02.2022 18:00
- Abmeldung bis Do 31.03.2022 23:59
An/Abmeldeinformationen sind bei der jeweiligen Gruppe verfügbar.
Gruppen
Gruppe 1
max. 30 Teilnehmer*innen
Sprache: Englisch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Dienstag 15.03. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Dienstag 29.03. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Dienstag 26.04. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Dienstag 10.05. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Dienstag 24.05. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Dienstag 14.06. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Dienstag 28.06. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Ziele, Inhalte und Methode der Lehrveranstaltung
Students get to know and practice descriptive and inductive methods of statistical data analysis. They learn to prepare, visualize, and analyze data with SPSS and interpret and report the results. Moreover, they learn how to read others’ results and critically examine them. After completion of the seminar, students have a basic knowledge about descriptive and inductive statistics and are able to independently carry out analyses with SPSS, as well as critically evaluate statistical representations and analyses in academic papers.It is strongly recommended to attend the corresponding lecture!
Art der Leistungskontrolle und erlaubte Hilfsmittel
Grading:
60% homework (25% for the first homework, 35% for the second homework)
40% participation in classesTo receive a positive grade, both homework assignments must be submitted and an average of 50% of the total points must be achieved.In case the semester will take place in the form of remote learning, content and aims of the course remain unchanged.The course will be taught in English. Assignments will be accepted in English and German.
60% homework (25% for the first homework, 35% for the second homework)
40% participation in classesTo receive a positive grade, both homework assignments must be submitted and an average of 50% of the total points must be achieved.In case the semester will take place in the form of remote learning, content and aims of the course remain unchanged.The course will be taught in English. Assignments will be accepted in English and German.
Mindestanforderungen und Beurteilungsmaßstab
75% Attendance is requiredGrading:00.0 – 49.9% Unsatisfactory
50.0 – 62.9% Sufficient
63.0 – 74.9% Satisfactory
75.0 – 86.9% Good
87.0 - 100% Excellent
50.0 – 62.9% Sufficient
63.0 – 74.9% Satisfactory
75.0 – 86.9% Good
87.0 - 100% Excellent
Prüfungsstoff
Data cleaning, visualization and analysis
- Interpretation of own and others’ results
- Descriptive Statistics
- Data handling
- Mean comparison (t-test)
- Chi-Square Test
- Correlation
- Simple and multiple linear regression
- Interpretation of own and others’ results
- Descriptive Statistics
- Data handling
- Mean comparison (t-test)
- Chi-Square Test
- Correlation
- Simple and multiple linear regression
Literatur
Field, A. (2017). Discovering statistics using IBM SPSS statistics (5th edition). Thousand Oaks, CA: SAGE Publications.SOFTWARE: IBM SPSS Statistics (26 or 27)
Gruppe 2
max. 30 Teilnehmer*innen
Sprache: Englisch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
We are planning to hold courses on-site to enable personal exchange between students and the teacher. However, due to COVID-19, we might have to switch to a digital format at short notice. Please regularly obtain information on u:find and check your e-mails.
The first session will be held on-site!
Dear students affected by the war, please let me know how I can assist you via aytalina.kulichkina@univie.ac.at.
- Dienstag 15.03. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Dienstag 29.03. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Dienstag 26.04. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Dienstag 10.05. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Dienstag 24.05. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Dienstag 14.06. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Dienstag 28.06. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Ziele, Inhalte und Methode der Lehrveranstaltung
After successful completion of this course, students will be able to:
• perform simple calculations and statistical analyses
• represent simple data in the appropriate graphical form
• interpret and critically evaluate statistical analyses and results
• communicate findings orally and in writing
• apply gained knowledge to conduct their own studies
• perform simple calculations and statistical analyses
• represent simple data in the appropriate graphical form
• interpret and critically evaluate statistical analyses and results
• communicate findings orally and in writing
• apply gained knowledge to conduct their own studies
Art der Leistungskontrolle und erlaubte Hilfsmittel
(1) Home Assignment 1 – 25%
(2) Home Assignment 2 – 35%
(3) In-class Exercises – 20%
(4) In-class Discussion – 10%
(5) In-class Group Tasks – 10%
(2) Home Assignment 2 – 35%
(3) In-class Exercises – 20%
(4) In-class Discussion – 10%
(5) In-class Group Tasks – 10%
Mindestanforderungen und Beurteilungsmaßstab
• good or very good command of written and spoken English
• obligatory attendance (students are allowed to miss a maximum of one class)
• both home assignments must be submitted in order to complete the courseA = 1 (Very Good): 87 - 100%
B = 2 (Good): 75 - 86,99%
C = 3 (Satisfactory): 63 - 74,99%
D = 4 (Enough): 50 - 62,99%
F = 5 (Not Enough): 00 - 49,99%
• obligatory attendance (students are allowed to miss a maximum of one class)
• both home assignments must be submitted in order to complete the courseA = 1 (Very Good): 87 - 100%
B = 2 (Good): 75 - 86,99%
C = 3 (Satisfactory): 63 - 74,99%
D = 4 (Enough): 50 - 62,99%
F = 5 (Not Enough): 00 - 49,99%
Literatur
Field, A. (2017). Discovering statistics using IBM SPSS statistics (5th edition). Thousand Oaks, CA: SAGE Publications.Software
• IBM SPSS Statistics (26 or 27)
• IBM SPSS Statistics (26 or 27)
Gruppe 3
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Mittwoch 16.03. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Mittwoch 30.03. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Mittwoch 27.04. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Mittwoch 11.05. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Mittwoch 25.05. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Mittwoch 08.06. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Mittwoch 22.06. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Ziele, Inhalte und Methode der Lehrveranstaltung
Die Lehrveranstaltung setzt sich zum Ziel, Grundlagen der statistischen Auswertungen in der Kommunikationswissenschaft zu erklären und mit praktischen Übungen näherzubringen.Es wird dringend empfohlen, die dazugehörige Vorlesung zu besuchen.Informationen zum konkreten Ablauf der Lehrveranstaltung im Sommersemester 2022 erhalten alle korrekt angemeldeten Studierenden rechtzeitig per E-Mail. Im Falle von digitaler Lehre bzw. hybrider Lehre bleiben die Ziele und Inhalte der Lehrveranstaltung unverändert.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Mitarbeit (Einzel- oder Gruppenübungen zu jedem Thema in der jeweiligen Einheit, Vorbereitung der Pflichtlektüre) und fristgerechte Abgabe von zwei Hausübungen.
Mindestanforderungen und Beurteilungsmaßstab
75% Anwesenheitspflicht, d.h. es ist eine Fehleinheit möglich. Die Anwesenheitspflicht gilt bei Vor-Ort-Lehre wie auch bei digitaler bzw. hybrider Lehre.Benotung: 60 % Hausübungen + 40 % Mitarbeit
2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %Für eine positive Note müssen beide Hausübungen abgegeben werden und im Durchschnitt 50% der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte). Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.Im Falle von digitaler Lehre bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und zur Mitarbeit unverändert.Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %Für eine positive Note müssen beide Hausübungen abgegeben werden und im Durchschnitt 50% der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte). Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.Im Falle von digitaler Lehre bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und zur Mitarbeit unverändert.Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
Prüfungsstoff
Literatur wird in der Lehrveranstaltung bekannt gegeben.
Gruppe 4
max. 30 Teilnehmer*innen
Sprache: Englisch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Donnerstag 17.03. 09:45 - 11:15 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Donnerstag 31.03. 09:45 - 11:15 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Donnerstag 28.04. 09:45 - 11:15 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Donnerstag 12.05. 09:45 - 11:15 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Donnerstag 02.06. 09:45 - 11:15 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Donnerstag 23.06. 09:45 - 11:15 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Ziele, Inhalte und Methode der Lehrveranstaltung
Students get to know and practice descriptive and inductive methods of statistical data analysis. They learn to prepare, visualize, and analyze data with SPSS and interpret and report the results. Moreover, they learn how to read others’ results and critically examine them. After completion of the seminar, students have a basic knowledge about descriptive and inductive statistics and are able to independently carry out analyses with SPSS, as well as critically evaluate statistical representations and analyses in academic papers.It is strongly recommended to attend the corresponding lecture!
Art der Leistungskontrolle und erlaubte Hilfsmittel
Grading:
60% homework (25% for the first homework, 35% for the second homework)
40% participation in classesTo receive a positive grade, both homework assignments must be submitted and an average of 50% of the total points must be achieved.
60% homework (25% for the first homework, 35% for the second homework)
40% participation in classesTo receive a positive grade, both homework assignments must be submitted and an average of 50% of the total points must be achieved.
Mindestanforderungen und Beurteilungsmaßstab
75 % Attendance requirement Grading0 49,9 % Unsatisfactisfactory
50 62.9 % Sufficient
63 74.9 % Satisfactory
75 86,9 % Good
87 100 % Excellent
50 62.9 % Sufficient
63 74.9 % Satisfactory
75 86,9 % Good
87 100 % Excellent
Literatur
Will be announced in the course.
Gruppe 5
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Mittwoch 16.03. 15:00 - 16:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Mittwoch 30.03. 15:00 - 16:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Mittwoch 27.04. 15:00 - 16:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Mittwoch 11.05. 15:00 - 16:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Mittwoch 25.05. 15:00 - 16:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Mittwoch 08.06. 15:00 - 16:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Mittwoch 22.06. 15:00 - 16:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Ziele, Inhalte und Methode der Lehrveranstaltung
Die Lehrveranstaltung setzt sich zum Ziel, Grundlagen der statistischen Auswertungen in der Kommunikationswissenschaft zu erklären und mit praktischen Übungen näherzubringen.Es wird empfohlen, die dazugehörige Vorlesung zu besuchen!Informationen zum konkreten Ablauf der Lehrveranstaltung im SS2022 erhalten alle korrekt angemeldeten Studierenden rechtzeitig per E-Mail. Im Falle von digitaler bzw. hybrider Lehre bleiben die Ziele und Inhalte der Lehrveranstaltung unverändert. Methodisch kommen verschiedene Übungsaktivitäten via Moodle zum Einsatz.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Mitarbeit (Einzel- oder Gruppenübungen zu jedem Thema in der jeweiligen Einheit, Vorbereitung der Pflichtlektüre) und fristgerechte Abgabe von zwei Hausübungen.Im Falle von digitaler bzw. hybrider Lehre wird die Mitarbeit ebenfalls durch die Abgabe von Mitarbeitsübungen bewertet. Die Arbeitsaufträge werden in diesem Fall jeweils in den entsprechenden Einheiten auf Moodle gestellt.
Mindestanforderungen und Beurteilungsmaßstab
75 % Anwesenheitspflicht bei Vor-Ort-lehre, d.h. es ist eine Fehleinheit möglich.Im Falle von digitaler bzw. hybrider Lehre wird die Anwesenheitspflicht der Situation entsprechend angepasst und rechtzeitig an die Studierenden kommuniziert.Benotung: 60 % Hausübungen + 40 % Mitarbeit
2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %
Für eine positive Note müssen beide Hausübungen abgegeben werden und im Durchschnitt 50 % der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte). Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.
Im Falle von digitaler bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und Mitarbeitsübungen unverändert.
Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %
Für eine positive Note müssen beide Hausübungen abgegeben werden und im Durchschnitt 50 % der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte). Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.
Im Falle von digitaler bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und Mitarbeitsübungen unverändert.
Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
Literatur
Wird in der Lehrveranstaltung bekannt gegeben.
Gruppe 6
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Nach derzeitigem Stand (16.02.22) findet die Übung vor Ort statt.
- Mittwoch 16.03. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Mittwoch 30.03. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Mittwoch 27.04. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Mittwoch 11.05. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Mittwoch 25.05. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Mittwoch 08.06. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Mittwoch 22.06. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Ziele, Inhalte und Methode der Lehrveranstaltung
Die Lehrveranstaltung setzt sich zum Ziel, Grundlagen der statistischen Auswertungen in der Kommunikationswissenschaft zu erklären und mit praktischen Übungen näherzubringen.
Es wird dringend empfohlen, die dazugehörige Vorlesung zu besuchen: https://ufind.univie.ac.at/de/course.html?lv=220062&semester=2022S
Es wird dringend empfohlen, die dazugehörige Vorlesung zu besuchen: https://ufind.univie.ac.at/de/course.html?lv=220062&semester=2022S
Art der Leistungskontrolle und erlaubte Hilfsmittel
Mitarbeit (Einzel- oder Gruppenübungen zu jedem Thema in der jeweiligen Einheit, Vorbereitung der Pflichtlektüre) und fristgerechte Abgabe von zwei Hausübungen.Im Falle von digitaler bzw. hybrider Lehre wird die Mitarbeit ebenfalls durch die Abgabe von Mitarbeitsübungen bewertet. Die Arbeitsaufträge werden in diesem Fall jeweils in den entsprechenden Einheiten auf Moodle gestellt.
Mindestanforderungen und Beurteilungsmaßstab
75 % Anwesenheitspflicht bei Vor-Ort-Lehre, d.h. es ist nur eine Fehleinheit möglich. Im Falle von digitaler bzw. hybrider Lehre wird die Anwesenheitspflicht der Situation entsprechend angepasst und rechtzeitig an die Studierenden kommuniziert.Benotung: 60 % Hausübungen + 40 % Mitarbeit2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %Für eine positive Note müssen beide Hausübungen abgegeben werden und im Durchschnitt 50 % der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte). Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.Im Falle von digitaler bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und Mitarbeitsübungen unverändert.Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
Hausübung 1: 25 %
Hausübung 2: 35 %Für eine positive Note müssen beide Hausübungen abgegeben werden und im Durchschnitt 50 % der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte). Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.Im Falle von digitaler bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und Mitarbeitsübungen unverändert.Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
Literatur
Wird in der Lehrveranstaltung bekannt gegeben.
Gruppe 7
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Stand heute (14.01.2022) wird die Übung präsent abgehalten.
Achtung: Sollten mehr Studierende angemeldet sein, als die Raumkapazität zulässt, wird die Veranstaltung digital abgehalten. Die maximale Teilnehmerzahl bleibt jedoch bei 30 Studierenden.Informationen zum Ablauf der Lehrveranstaltung im Sommersemester 2022 erhalten alle korrekt angemeldeten Studierenden rechtzeitig per E-Mail.Im Falle von digitaler Lehre bzw. hybrider Lehre bleiben die Ziele und Inhalte der Lehrveranstaltung unverändert. Methodisch kommen verschiedene Übungsaktivitäten via Moodle zum Einsatz. Ergänzend können einzelne Gruppenarbeiten in einem Online-Live-Setting stattfinden.
- Mittwoch 16.03. 15:00 - 16:30 Seminarraum 8, Währinger Straße 29 1.OG
- Mittwoch 30.03. 15:00 - 16:30 Seminarraum 8, Währinger Straße 29 1.OG
- Mittwoch 27.04. 15:00 - 16:30 Seminarraum 8, Währinger Straße 29 1.OG
- Mittwoch 11.05. 15:00 - 16:30 Seminarraum 8, Währinger Straße 29 1.OG
- Mittwoch 25.05. 15:00 - 16:30 Seminarraum 8, Währinger Straße 29 1.OG
- Mittwoch 08.06. 15:00 - 16:30 Seminarraum 8, Währinger Straße 29 1.OG
- Mittwoch 22.06. 15:00 - 16:30 Seminarraum 8, Währinger Straße 29 1.OG
Ziele, Inhalte und Methode der Lehrveranstaltung
Die Lehrveranstaltung setzt sich zum Ziel, Grundlagen der statistischen Auswertungen in der Kommunikationswissenschaft zu erklären und mit praktischen Übungen näherzubringen.
Es wird dringend empfohlen, die dazugehörige Vorlesung zu besuchen.
Es wird dringend empfohlen, die dazugehörige Vorlesung zu besuchen.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Mitarbeit (Einzel- oder Gruppenübungen zu jedem Thema in der jeweiligen Einheit, Vorbereitung der Pflichtlektüre) und fristgerechte Abgabe von zwei Hausübungen.
Mindestanforderungen und Beurteilungsmaßstab
75% Anwesenheitspflicht, d.h. es ist eine Fehleinheit möglich. Die Anwesenheitspflicht gilt bei Vor-Ort-Lehre wie auch bei digitaler bzw. hybrider Lehre. Im Falle von digitaler Lehre bzw. hybrider Lehre wird die Anwesenheitspflicht entweder über Anwesenheitsübungen oder über die Teilnahme an synchronen Online-Einheiten überprüft.Benotung: 60 % Hausübungen + 40 % Mitarbeit
2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %
Für eine positive Note müssen beide Hausübungen abgegeben werden und im Durchschnitt 50% der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte). Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.Im Falle von digitaler Lehre bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und zur Mitarbeit unverändert.Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %
Für eine positive Note müssen beide Hausübungen abgegeben werden und im Durchschnitt 50% der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte). Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.Im Falle von digitaler Lehre bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und zur Mitarbeit unverändert.Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
Prüfungsstoff
Studierende sollen in der Übung erarbeitete Inhalte eigenständig auf neue Fragestellungen anwenden. Für die Erarbeitung der Hausübungen kann ein selbständiges Ergänzen der Inhalte durch die dazugehörige Vorlesung und/ oder Literatur nötig sein.
Literatur
Literatur wird in der Lehrveranstaltung bekannt gegeben.
Gruppe 8
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Achtung: Sollten mehr Studierende angemeldet sein, als die Raumkapazität zulässt, wird die Veranstaltung digital abgehalten.
Informationen zum Ablauf der Lehrveranstaltung im Wintersemester 2021 erhalten alle korrekt angemeldeten Studierenden rechtzeitig per E-Mail. Im Falle von digitaler Lehre bzw. hybrider Lehre bleiben die Ziele und Inhalte der Lehrveranstaltung unverändert. Methodisch kommen verschiedene Übungsaktivitäten via Moodle zum Einsatz.
- Dienstag 15.03. 16:45 - 18:15 Seminarraum 10, Kolingasse 14-16, OG01
- Dienstag 29.03. 16:45 - 18:15 Seminarraum 10, Kolingasse 14-16, OG01
- Dienstag 26.04. 16:45 - 18:15 Seminarraum 10, Kolingasse 14-16, OG01
- Dienstag 10.05. 16:45 - 18:15 Seminarraum 10, Kolingasse 14-16, OG01
- Dienstag 24.05. 16:45 - 18:15 Seminarraum 10, Kolingasse 14-16, OG01
- Dienstag 14.06. 16:45 - 18:15 Seminarraum 10, Kolingasse 14-16, OG01
- Dienstag 28.06. 16:45 - 18:15 Seminarraum 10, Kolingasse 14-16, OG01
Ziele, Inhalte und Methode der Lehrveranstaltung
Die Lehrveranstaltung setzt sich zum Ziel, Grundlagen der statistischen Auswertungen in der Kommunikationswissenschaft zu erklären und mit praktischen Übungen näherzubringen.
Es wird dringend empfohlen, die dazugehörige Vorlesung zu besuchen.
Es wird dringend empfohlen, die dazugehörige Vorlesung zu besuchen.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Mitarbeit (Einzel- oder Gruppenübungen zu jedem Thema in der jeweiligen Einheit, Vorbereitung der Pflichtlektüre) und fristgerechte Abgabe von zwei Hausübungen.
Mindestanforderungen und Beurteilungsmaßstab
75% Anwesenheitspflicht, d.h. es ist eine Fehleinheit möglich. Die Anwesenheitspflicht gilt bei Vor-Ort-Lehre wie auch bei digitaler bzw. hybrider Lehre. Im Falle von digitaler Lehre bzw. hybrider Lehre wird die Anwesenheitspflicht entweder über Anwesenheitsübungen oder über die Teilnahme an synchronen Online-Einheiten überprüft.
Benotung: 60 % Hausübungen + 40 % Mitarbeit
2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %
Für eine positive Note müssen beide Hausübungen abgegeben werden und im Durchschnitt 50% der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte). Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.
Im Falle von digitaler Lehre bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und zur Mitarbeit unverändert.
Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
Benotung: 60 % Hausübungen + 40 % Mitarbeit
2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %
Für eine positive Note müssen beide Hausübungen abgegeben werden und im Durchschnitt 50% der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte). Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.
Im Falle von digitaler Lehre bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und zur Mitarbeit unverändert.
Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
Literatur
Literatur wird in der Lehrveranstaltung bekannt gegeben.
Gruppe 9
max. 30 Teilnehmer*innen
Sprache: Englisch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
In Summer Semester 2022, the University of Vienna is planning to hold courses mainly on site. The use of FFP2 face masks is mandatory in all interior spaces (except for people lecturing or oral contributions by participants). Due to COVID-19, there might be changes at short notice (e.g., single classes in a digital format). In case of digital learning, aims and contents of the course remain unchanged.
- Donnerstag 17.03. 16:45 - 18:15 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Donnerstag 31.03. 16:45 - 18:15 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Donnerstag 28.04. 16:45 - 18:15 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Donnerstag 12.05. 16:45 - 18:15 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Donnerstag 02.06. 16:45 - 18:15 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Donnerstag 23.06. 16:45 - 18:15 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Ziele, Inhalte und Methode der Lehrveranstaltung
The course aims to explain the basics of statistical analyses in communication science. Through practical exercises, students will learn descriptive statistics in SPSS, basic data analyses (e.g., correlation, t-test, linear regression) and how to interpret the results.After completing this seminar, students will be familiar with descriptive statistics and basic data analyses to independently carry out analyses in SPSS.It is strongly recommended to attend the corresponding lecture!Please note that this seminar is taught in English.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Participation in classes and two homework assignments.The grade comprises of:
40% Participation in seminar
60% Two homework assignments (25% for the first home assignment, 35% for the second homework assignment)To receive a positive grade, both homework assignments must be submitted and an average of 50% of the total points must be achieved.
40% Participation in seminar
60% Two homework assignments (25% for the first home assignment, 35% for the second homework assignment)To receive a positive grade, both homework assignments must be submitted and an average of 50% of the total points must be achieved.
Mindestanforderungen und Beurteilungsmaßstab
75% Attendance is required to successfully pass the course.Grading
87.0 – 100% Excellent
75.0 – 86.9% Good
63.0 – 74.9% Satisfactory
50.0 – 62.9% Sufficient
00.0 – 49.9% Unsatisfactory
87.0 – 100% Excellent
75.0 – 86.9% Good
63.0 – 74.9% Satisfactory
50.0 – 62.9% Sufficient
00.0 – 49.9% Unsatisfactory
Literatur
Will be announced in the course.
Gruppe 10
max. 30 Teilnehmer*innen
Sprache: Englisch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Dienstag 15.03. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Dienstag 29.03. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Dienstag 26.04. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Dienstag 10.05. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Dienstag 24.05. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Dienstag 14.06. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Dienstag 28.06. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Ziele, Inhalte und Methode der Lehrveranstaltung
Students will learn about statistical data analysis and practice descriptive and inductive methods. The aim of the course is to learn how to prepare, visualize, and analyze data with SPSS as well as how to interpret and report the results. Moreover, students will learn how to read and understand published results and critically examine them. After completion of the seminar, students will gain a basic knowledge about descriptive and inductive statistics and be able to independently conduct analyses with SPSS, as well as critically evaluate statistical representations and analyses in academic papers.It is strongly recommended to attend the corresponding lecture.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Grading:
60% homework (25% for the first homework, 35% for the second homework)
40% participation in classes
60% homework (25% for the first homework, 35% for the second homework)
40% participation in classes
Mindestanforderungen und Beurteilungsmaßstab
75 % attendance requirementGrading
0 – 49,9 % Unsatisfactory
50 – 62.9 % Sufficient
63 – 74.9 % Satisfactory
75 – 86,9 % Good
87 – 100 % Excellent
0 – 49,9 % Unsatisfactory
50 – 62.9 % Sufficient
63 – 74.9 % Satisfactory
75 – 86,9 % Good
87 – 100 % Excellent
Literatur
Will be announced in the course.
Gruppe 11
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Ob der Kurs wirklich in Präsenz stattfinden kann, erfahren Sie Anfang März über Moodle.
Die Einheit am 23.05. findet in jedem Fall virtuell über Zoom statt.
STADA 1 Organisatorisches & Einführung 14.03. Präsenz
STADA 2 Deskriptive Statistik 28.03. Präsenz
STADA 3 Datenmanagement, Ausgabe HÜ1 25.04. Präsenz
Deadline HÜ1 09.05. 23.59h
STADA 4 T-test 09.05. Präsenz
STADA 5 Korrelation & Regression 1/2 23.05. Virtuell
STADA 6 Regression 2/2, Chi-Quadrat, Ausgabe HÜ2 13.06. Präsenz
STADA 7 Besprechung HÜ1, offene Fragen 27.06. Präsenz
Deadline HÜ2 & Forumsbeitrag 04.07. 23.59h
- Montag 14.03. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Montag 28.03. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Montag 25.04. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Montag 09.05. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Montag 23.05. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Montag 13.06. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Montag 27.06. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Ziele, Inhalte und Methode der Lehrveranstaltung
Die Lehrveranstaltung setzt sich zum Ziel, Grundlagen der statistischen Auswertungen in der Kommunikationswissenschaft zu erklären und mit praktischen Übungen näherzubringen.
Es wird dringen empfohlen, die dazugehörige Vorlesung zu besuchen!
Es wird dringen empfohlen, die dazugehörige Vorlesung zu besuchen!
Art der Leistungskontrolle und erlaubte Hilfsmittel
- Mitarbeit im Forum (40%)
- Fristgerechte Abgabe von zwei Hausübungen (60%)
- Fristgerechte Abgabe von zwei Hausübungen (60%)
Mindestanforderungen und Beurteilungsmaßstab
- Es gilt Anwesenheitspflicht, nur eine Fehleinheit ist möglich.
- Falls der Kurs im Laufe des Semester doch digital stattfinden muss, ist die Anwesenheit freiwillig. Dann gibt es anstelle der Anwesenheit in der Veranstaltung eine wöchentliche Übungsaufgabe. Die fristgerechte Abgabe entspricht der Anwesenheit. Es ist entsprechend eine fehlende Übungsaufgabe möglich.Benotung: 40% Mitarbeit im Forum + 35% Hausübung 2 + 25% Hausübung 1Im Home-Learning bedeutet Mitarbeit die aktive Beteiligung im Diskussionsforum.Für eine positive Note müssen beide HÜ2 abgegeben sein und im Durchschnitt positiv (HÜ2 kann für eine nicht bestandene HÜ1 kompensieren). Die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen bleiben im Home-Learning unverändert.Notenschlüssel:
00,0 – 49,9% Nicht Genügend
50,0 - 62,9% Genügend
63,0 - 74,9% Befriedigend
75,0 - 86,9% Gut
87,0 - 100% Sehr Gut
- Falls der Kurs im Laufe des Semester doch digital stattfinden muss, ist die Anwesenheit freiwillig. Dann gibt es anstelle der Anwesenheit in der Veranstaltung eine wöchentliche Übungsaufgabe. Die fristgerechte Abgabe entspricht der Anwesenheit. Es ist entsprechend eine fehlende Übungsaufgabe möglich.Benotung: 40% Mitarbeit im Forum + 35% Hausübung 2 + 25% Hausübung 1Im Home-Learning bedeutet Mitarbeit die aktive Beteiligung im Diskussionsforum.Für eine positive Note müssen beide HÜ2 abgegeben sein und im Durchschnitt positiv (HÜ2 kann für eine nicht bestandene HÜ1 kompensieren). Die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen bleiben im Home-Learning unverändert.Notenschlüssel:
00,0 – 49,9% Nicht Genügend
50,0 - 62,9% Genügend
63,0 - 74,9% Befriedigend
75,0 - 86,9% Gut
87,0 - 100% Sehr Gut
Prüfungsstoff
Studierende sollen in der Übung erarbeitete Inhalte eigenständig auf neue Fragestellungen anwenden. Für die Erarbeitung der Hausübungen kann ein selbständiges Ergänzen der Inhalte durch die dazugehörige Vorlesung und/ oder Literatur nötig sein.
Literatur
nur die Slides der Einheiten
Gruppe 12
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Die Übung ist vor Ort geplant, kann aber - je nach aktuellen COVID-19-Regelungen der Universität Wien - digital stattfinden.
- Donnerstag 17.03. 11:30 - 13:00 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Donnerstag 31.03. 11:30 - 13:00 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Donnerstag 28.04. 11:30 - 13:00 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Donnerstag 12.05. 11:30 - 13:00 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Donnerstag 02.06. 11:30 - 13:00 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Donnerstag 23.06. 11:30 - 13:00 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Ziele, Inhalte und Methode der Lehrveranstaltung
Die Lehrveranstaltung setzt sich zum Ziel, Grundlagen der statistischen Auswertungen in der Kommunikationswissenschaft zu erklären und mit praktischen Übungen näherzubringen.
Es wird dringend empfohlen, die dazugehörige Vorlesung zu besuchen!
Siehe: https://ufind.univie.ac.at/de/course.html?lv=220062&semester=2022SInformationen zum konkreten Ablauf der Lehrveranstaltung im Sommersemester 2022 erhalten alle korrekt angemeldeten Studierenden rechtzeitig per E-Mail. Im Falle von digitaler bzw. hybrider Lehre bleiben die Ziele und Inhalte der Lehrveranstaltung unverändert. Methodisch kommen verschiedene Übungsaktivitäten via Moodle zum Einsatz.
Es wird dringend empfohlen, die dazugehörige Vorlesung zu besuchen!
Siehe: https://ufind.univie.ac.at/de/course.html?lv=220062&semester=2022SInformationen zum konkreten Ablauf der Lehrveranstaltung im Sommersemester 2022 erhalten alle korrekt angemeldeten Studierenden rechtzeitig per E-Mail. Im Falle von digitaler bzw. hybrider Lehre bleiben die Ziele und Inhalte der Lehrveranstaltung unverändert. Methodisch kommen verschiedene Übungsaktivitäten via Moodle zum Einsatz.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Mitarbeit (Einzel- oder Gruppenübungen zu jedem Thema in der jeweiligen Einheit, Vorbereitung der Pflichtlektüre) und fristgerechte Abgabe von zwei Hausübungen.
Im Falle von digitaler bzw. hybrider Lehre wird die Mitarbeit ebenfalls durch die Abgabe von Mitarbeitsübungen bewertet. Die Arbeitsaufträge werden in diesem Fall jeweils in den entsprechenden Einheiten auf Moodle gestellt.
Im Falle von digitaler bzw. hybrider Lehre wird die Mitarbeit ebenfalls durch die Abgabe von Mitarbeitsübungen bewertet. Die Arbeitsaufträge werden in diesem Fall jeweils in den entsprechenden Einheiten auf Moodle gestellt.
Mindestanforderungen und Beurteilungsmaßstab
75 % Anwesenheitspflicht bei Vor-Ort-lehre, d.h. es ist eine Fehleinheit möglich.
Im Falle von digitaler bzw. hybrider Lehre wird die Anwesenheitspflicht der Situation entsprechend angepasst und rechtzeitig an die Studierenden kommuniziert.Benotung: 60 % Hausübungen + 40 % Mitarbeit2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %Für eine positive Note müssen beide Hausübungen abgegeben werden und im Durchschnitt 50 % der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte). Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.
Im Falle von digitaler bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und Mitarbeitsübungen unverändert.Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
Im Falle von digitaler bzw. hybrider Lehre wird die Anwesenheitspflicht der Situation entsprechend angepasst und rechtzeitig an die Studierenden kommuniziert.Benotung: 60 % Hausübungen + 40 % Mitarbeit2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %Für eine positive Note müssen beide Hausübungen abgegeben werden und im Durchschnitt 50 % der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte). Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.
Im Falle von digitaler bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und Mitarbeitsübungen unverändert.Notenschlüssel:
100 - 87,0 % Sehr Gut
86,9 - 75,0 % Gut
74,9 - 63,0 % Befriedigend
62,9 - 50,0 % Genügend
49,9 - 00,0 % Nicht Genügend
Literatur
Wird in der Lehrveranstaltung bekannt gegeben.
Gruppe 13
max. 30 Teilnehmer*innen
Sprache: Englisch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Donnerstag 17.03. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Donnerstag 31.03. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Donnerstag 28.04. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Donnerstag 12.05. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Donnerstag 02.06. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Donnerstag 23.06. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Gruppe 14
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Dienstag 15.03. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Dienstag 29.03. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Dienstag 26.04. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Dienstag 10.05. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Dienstag 24.05. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Dienstag 14.06. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
- Dienstag 28.06. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Ziele, Inhalte und Methode der Lehrveranstaltung
Die Lehrveranstaltung setzt sich zum Ziel, Grundlagen der statistischen Auswertungen in der Kommunikationswissenschaft zu erklären und mit praktischen Übungen näherzubringen.
Es wird dringen empfohlen, die dazugehörige Vorlesung zu besuchen!
Es wird dringen empfohlen, die dazugehörige Vorlesung zu besuchen!
Art der Leistungskontrolle und erlaubte Hilfsmittel
Mitarbeit im Forum (40%)
- Fristgerechte Abgabe von zwei Hausübungen (60%)
- Fristgerechte Abgabe von zwei Hausübungen (60%)
Mindestanforderungen und Beurteilungsmaßstab
Es gilt Anwesenheitspflicht, nur eine Fehleinheit ist möglich.
- Falls der Kurs im Laufe des Semester doch digital stattfinden muss, ist die Anwesenheit freiwillig. Dann gibt es anstelle der Anwesenheit in der Veranstaltung eine wöchentliche Übungsaufgabe. Die fristgerechte Abgabe entspricht der Anwesenheit. Es ist entsprechend eine fehlende Übungsaufgabe möglich.Benotung: 40% Mitarbeit im Forum + 35% Hausübung 2 + 25% Hausübung 1Im Home-Learning bedeutet Mitarbeit die aktive Beteiligung im Diskussionsforum.Für eine positive Note müssen beide HÜ2 abgegeben sein und im Durchschnitt positiv (HÜ2 kann für eine nicht bestandene HÜ1 kompensieren). Die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen bleiben im Home-Learning unverändert.Notenschlüssel:
00,0 – 49,9% Nicht Genügend
50,0 - 62,9% Genügend
63,0 - 74,9% Befriedigend
75,0 - 86,9% Gut
87,0 - 100% Sehr Gut
- Falls der Kurs im Laufe des Semester doch digital stattfinden muss, ist die Anwesenheit freiwillig. Dann gibt es anstelle der Anwesenheit in der Veranstaltung eine wöchentliche Übungsaufgabe. Die fristgerechte Abgabe entspricht der Anwesenheit. Es ist entsprechend eine fehlende Übungsaufgabe möglich.Benotung: 40% Mitarbeit im Forum + 35% Hausübung 2 + 25% Hausübung 1Im Home-Learning bedeutet Mitarbeit die aktive Beteiligung im Diskussionsforum.Für eine positive Note müssen beide HÜ2 abgegeben sein und im Durchschnitt positiv (HÜ2 kann für eine nicht bestandene HÜ1 kompensieren). Die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen bleiben im Home-Learning unverändert.Notenschlüssel:
00,0 – 49,9% Nicht Genügend
50,0 - 62,9% Genügend
63,0 - 74,9% Befriedigend
75,0 - 86,9% Gut
87,0 - 100% Sehr Gut
Prüfungsstoff
Studierende sollen in der Übung erarbeitete Inhalte eigenständig auf neue Fragestellungen anwenden. Für die Erarbeitung der Hausübungen kann ein selbständiges Ergänzen der Inhalte durch die dazugehörige Vorlesung und/ oder Literatur nötig sein.
Literatur
die Slides der Einheiten
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Mi 13.03.2024 00:17