220061 UE METH: UE STADA Statistische Datenanalyse (2023S)
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 20.02.2023 09:00 bis Mi 22.02.2023 18:00
- Abmeldung bis Fr 31.03.2023 23:59
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
Stand heute (11.01.2023) wird die Übung präsent abgehalten. Informationen zum Ablauf der Lehrveranstaltung im Sommersemester 2023 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.
- Donnerstag 30.03. 09:45 - 13:15 Seminarraum 6, Kolingasse 14-16, EG00
- Freitag 31.03. 09:45 - 13:15 Seminarraum 6, Kolingasse 14-16, EG00
- Samstag 01.04. 09:45 - 13:15 Seminarraum 6, Kolingasse 14-16, EG00
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 handelt sich hier um eine praktische Übung, in der das Wissen aus der Vorlesung angewendet werden soll. Es wird dringend empfohlen, die dazugehörige Vorlesung zu besuchen, da nicht alle Konzepte im Detail wiederholt werden können.
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
ACHTUNG: Diese LV wird im Blockformat abgehalten.
75% Anwesenheitspflicht, d.h. es ist eine Fehleinheit (= 90min!) 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
Für eine positive Note müssen bei der Hausübung zumindest 30 Punkte erreicht werden. Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.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
75% Anwesenheitspflicht, d.h. es ist eine Fehleinheit (= 90min!) 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
Für eine positive Note müssen bei der Hausübung zumindest 30 Punkte erreicht werden. Zudem muss die Mitarbeit als Teilleistung ebenfalls positiv sein, d.h. es müssen mindestens 20 Mitarbeitspunkte über das Semester hinweg gesammelt werden.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 vor der Lehrveranstaltung auf Moodle bekannt gegeben.
Gruppe 2
max. 30 Teilnehmer*innen
Sprache: Englisch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Donnerstag 16.03. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Donnerstag 30.03. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Donnerstag 27.04. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Donnerstag 11.05. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Donnerstag 01.06. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Donnerstag 22.06. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
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!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
Please note that the course will be taught in English. Assignments will be only accepted in English.(1) Home Assignment 1 – 25%
(2) Home Assignment 2 – 35%
(3) Participation - In-class Exercises, Discussion – 40%
(2) Home Assignment 2 – 35%
(3) Participation - In-class Exercises, Discussion – 40%
Mindestanforderungen und Beurteilungsmaßstab
• Good or very good command of written and spoken English.
• Attendance is obligatory for 75% of the time. You may miss a maximum of one class (students are allowed to miss a maximum of one class).
• The seminar is planned as in-person class – this is a subject to change based on the development in the future and the university recommendations.
• Both home assignments must be submitted in order to complete the course. Home assignments must be done individually and not in a group.Grading:
• 0 - 49,9 % - Unsatisfactisfactory (5)
• 50 - 62.9 % - Sufficient (4)
• 63 - 74.9 % - Satisfactory (3)
• 75 - 86,9 % - Good (2)
• 87 - 100 % - Excellent (1)
• Attendance is obligatory for 75% of the time. You may miss a maximum of one class (students are allowed to miss a maximum of one class).
• The seminar is planned as in-person class – this is a subject to change based on the development in the future and the university recommendations.
• Both home assignments must be submitted in order to complete the course. Home assignments must be done individually and not in a group.Grading:
• 0 - 49,9 % - Unsatisfactisfactory (5)
• 50 - 62.9 % - Sufficient (4)
• 63 - 74.9 % - Satisfactory (3)
• 75 - 86,9 % - Good (2)
• 87 - 100 % - Excellent (1)
Prüfungsstoff
The SPSS interface, types of data
Descriptive statistics (central tendency, dispersion)
Data handling in SPSS
Hypothesis testing and T-tests
Chi-square test and correlation
Linear and multiple regression
Descriptive statistics (central tendency, dispersion)
Data handling in SPSS
Hypothesis testing and T-tests
Chi-square test and correlation
Linear and multiple regression
Literatur
Books:
• Field, A. (2014). Discovering statistics using IBM SPSS statistics. London: Sage.
• Field, A. (2014). Discovering statistics using IBM SPSS statistics. London: Sage.
Gruppe 3
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Mittwoch 15.03. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 29.03. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 26.04. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 10.05. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 24.05. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 07.06. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 21.06. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
Ziele, Inhalte und Methode der Lehrveranstaltung
Diese Lehrveranstaltung setzt sich zum Ziel, Grundlagen der statistischen Datenauswertung in der Kommunikationswissenschaft zu erklären und mit praktischen Übungen näherzubringen. Es wird eine Einführung in die Datenverarbeitung mit SPSS geben und die anschließende Interpretation der Ergebnisse wird erarbeitet.
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 (40%)
- Fristgerechte Abgabe von zwei eigenständig verfassten Hausübungen (60%)
Hü1 (25%), Hü2 (35%)
- Fristgerechte Abgabe von zwei eigenständig verfassten Hausübungen (60%)
Hü1 (25%), Hü2 (35%)
Mindestanforderungen und Beurteilungsmaßstab
75% Anwesenheitspflicht, nur eine Fehleinheit im Semester ist möglich;
Benotung: Die zwei Hausübungen fließen als 60%iger Anteil in die Gesamtnote ein, die Mitarbeit in den Unterrichtseinheiten hat einen 40%igen Anteil an der Note.
2 Hausübungen:
HÜ1: 25 %
HÜ2: 35%
Für eine positive Note müssen beide, selbständig bearbeiteten Hausübungen abgegeben werden und im Durchschnitt 50% der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte von insgesamt 60 Punkten die über die Hausübungen maximal erreicht werden können).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
Benotung: Die zwei Hausübungen fließen als 60%iger Anteil in die Gesamtnote ein, die Mitarbeit in den Unterrichtseinheiten hat einen 40%igen Anteil an der Note.
2 Hausübungen:
HÜ1: 25 %
HÜ2: 35%
Für eine positive Note müssen beide, selbständig bearbeiteten Hausübungen abgegeben werden und im Durchschnitt 50% der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg 30 Punkte von insgesamt 60 Punkten die über die Hausübungen maximal erreicht werden können).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
Wird in der Lehrveranstaltung bekannt gegeben.
Gruppe 4
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Mittwoch 15.03. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 29.03. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 26.04. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 10.05. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 07.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Mittwoch 21.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
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 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. Im Falle von digitaler bzw. hybrider Lehre wird die Mitarbeit ebenfalls durch die Abgabe von Mitarbeitsübungen bewertet.
Mindestanforderungen und Beurteilungsmaßstab
75 % Anwesenheitspflicht, d.h. es ist nur eine Fehleinheit möglich. Die Anwesenheitspflicht gilt bei Vor-Ort-Lehre wie auch bei digitaler bzw. hybrider Lehre.
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
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
Prüfungsstoff
Datenbereinigung, -visualisierung und -analyse:
- Deskriptive Statistik
- Umgang mit Daten
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und mehrfache lineare Regression
- Interpretation von Ergebnissen
- Deskriptive Statistik
- Umgang mit Daten
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und mehrfache lineare Regression
- Interpretation von Ergebnissen
Literatur
Wird in der Lehrveranstaltung bekannt gegeben.
Gruppe 5
max. 30 Teilnehmer*innen
Sprache: Englisch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Mittwoch 15.03. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Mittwoch 29.03. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Mittwoch 26.04. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Mittwoch 10.05. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Mittwoch 07.06. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Mittwoch 21.06. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
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.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 6
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Mittwoch 15.03. 15:00 - 16:30 PC-Raum 2 UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Mittwoch 29.03. 15:00 - 16:30 PC-Raum 2 UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Mittwoch 26.04. 15:00 - 16:30 PC-Raum 2 UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Mittwoch 10.05. 15:00 - 16:30 PC-Raum 2 UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Mittwoch 07.06. 15:00 - 16:30 PC-Raum 2 UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Mittwoch 21.06. 15:00 - 16:30 PC-Raum 2 UniCampus Hof 7 Eingang 7.1 2H-O1-25
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.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, 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: 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.
- Dienstag 14.03. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Dienstag 28.03. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Dienstag 25.04. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Dienstag 09.05. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Dienstag 23.05. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Dienstag 13.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Dienstag 27.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
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 – 20%
(2) Home Assignment 2 – 35%
(3) In-class Exercises – 20%
(4) In-class Discussion – 20%
Mindestanforderungen und Beurteilungsmaßstab
• good or excellent command of written and spoken English
• basic math skills and not being afraid of maths and statistics
• basic computer skills and (preferably) the ability to install software
• ability to meet a set-in-stone deadline
• 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%
• basic math skills and not being afraid of maths and statistics
• basic computer skills and (preferably) the ability to install software
• ability to meet a set-in-stone deadline
• 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%
Prüfungsstoff
Data cleaning, visualization, and analysis
- Interpretation of own and others’ results
- Descriptive Statistics
- Data handling
- Mean comparison (t-test)
- Chi-Squared Test
- Correlation
- Simple and multiple linear regression
- Interpretation of own and others’ results
- Descriptive Statistics
- Data handling
- Mean comparison (t-test)
- Chi-Squared 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)
Software
• IBM SPSS Statistics (26 or 27)
Gruppe 8
max. 30 Teilnehmer*innen
Sprache: Englisch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
ATTENTION: In this course, we will work with the statistical program SPSS for which a license will be provided to you. Since we are not in a computer room, students need to bring their own laptops to class.
Participation in the course is recommended for those who have already attended the corresponding lecture. While this is not mandatory, familiarity with the basic concepts is required. For those who still need to attend the lecture, study material for independent studies before class will be provided in time.- Donnerstag 30.03. 13:30 - 17:00 Seminarraum 6, Kolingasse 14-16, EG00
- Freitag 31.03. 13:30 - 17:00 Seminarraum 6, Kolingasse 14-16, EG00
- Samstag 01.04. 13:30 - 17:00 Seminarraum 6, Kolingasse 14-16, EG00
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.
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
b. a.
Gruppe 9
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Montag 20.03. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Montag 17.04. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Montag 08.05. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Montag 22.05. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Montag 12.06. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Montag 26.06. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Ziele, Inhalte und Methode der Lehrveranstaltung
Die Studierenden lernen deskriptive und induktive Methoden der statistischen Datenanalyse kennen und üben diese. Sie lernen, Daten mit SPSS aufzubereiten, zu visualisieren und zu analysieren und die Ergebnisse zu interpretieren und zu berichten. Außerdem lernen sie, die Ergebnisse anderer zu lesen und kritisch zu prüfen. Nach Abschluss des Seminars verfügen die Studierenden über Grundkenntnisse der deskriptiven und induktiven Statistik und sind in der Lage, selbstständig Analysen mit SPSS durchzuführen sowie statistische Darstellungen und Analysen in wissenschaftlichen Arbeiten kritisch zu bewerten. Der Besuch der dazugehörigen Vorlesung wird dringend empfohlen!
Art der Leistungskontrolle und erlaubte Hilfsmittel
Benotung:
60% Hausaufgaben (25% für die erste Hausarbeit, 35% für die zweite Hausarbeit)
40% Teilnahme am UnterrichtUm eine positive Note zu erhalten, müssen beide Hausaufgaben abgegeben werden und ein Durchschnitt von 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. Findet das Semester in Form von Online-Unterricht statt, bleiben Inhalt und Ziele des Kurses unverändert.
Der Kurs wird in deutscher Sprache abgehalten. Hausarbeiten werden in Englisch und Deutsch angenommen.
60% Hausaufgaben (25% für die erste Hausarbeit, 35% für die zweite Hausarbeit)
40% Teilnahme am UnterrichtUm eine positive Note zu erhalten, müssen beide Hausaufgaben abgegeben werden und ein Durchschnitt von 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. Findet das Semester in Form von Online-Unterricht statt, bleiben Inhalt und Ziele des Kurses unverändert.
Der Kurs wird in deutscher Sprache abgehalten. Hausarbeiten werden in Englisch und Deutsch angenommen.
Mindestanforderungen und Beurteilungsmaßstab
75% Anwesenheitspflicht (nur eine Fehleinheit ist 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.Notenschlüssel:00.0 - 49.9% Unbefriedigend
50.0 - 62.9% Ausreichend
63,0 - 74,9% Befriedigend
75.0 - 86.9% Gut
87,0 - 100% Ausgezeichnet
50.0 - 62.9% Ausreichend
63,0 - 74,9% Befriedigend
75.0 - 86.9% Gut
87,0 - 100% Ausgezeichnet
Prüfungsstoff
Datenbereinigung, -visualisierung und -analyse
- Interpretation von eigenen und fremden Ergebnissen
- Deskriptive Statistik
- Umgang mit Daten
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und mehrfache lineare Regression
- Interpretation von eigenen und fremden Ergebnissen
- Deskriptive Statistik
- Umgang mit Daten
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und mehrfache lineare Regression
Literatur
- Field, A. (2014). Discovering statistics using IBM SPSS statistics. London: Sage.
Gruppe 10
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Mittwoch 29.03. 13:00 - 16:00 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Mittwoch 17.05. 13:00 - 16:00 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Mittwoch 28.06. 13:00 - 16:00 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 dringend empfohlen, die dazugehörige Vorlesung zu besuchen.Informationen zum konkreten Ablauf der Lehrveranstaltung 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. Im Falle von digitaler bzw. hybrider Lehre wird die Mitarbeit ebenfalls durch die Abgabe von Mitarbeitsübungen bewertet.
Mindestanforderungen und Beurteilungsmaßstab
75 % Anwesenheitspflicht, d.h. es ist nur 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 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
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
Prüfungsstoff
Datenbereinigung, -visualisierung und -analyse:
- Deskriptive Statistik
- Umgang mit Daten
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und mehrfache lineare Regression
- Interpretation von Ergebnissen
- Deskriptive Statistik
- Umgang mit Daten
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und mehrfache lineare Regression
- Interpretation von Ergebnissen
Literatur
Wird in der Lehrveranstaltung bekannt gegeben.
Gruppe 11
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Dienstag 14.03. 09:45 - 11:15 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Dienstag 28.03. 09:45 - 11:15 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Dienstag 25.04. 09:45 - 11:15 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Dienstag 09.05. 09:45 - 11:15 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Dienstag 23.05. 09:45 - 11:15 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Dienstag 13.06. 09:45 - 11:15 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Dienstag 27.06. 09:45 - 11:15 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Ziele, Inhalte und Methode der Lehrveranstaltung
Die Studierenden lernen deskriptive und induktive Methoden der statistischen Datenanalyse kennen und anzuwenden. Sie lernen, Daten mit SPSS aufzubereiten, zu visualisieren und zu analysieren sowie die Ergebnisse zu interpretieren und zu berichten. Außerdem lernen sie, die Ergebnisse anderer zu lesen und kritisch zu hinterfragen. Nach Abschluss des Seminars verfügen die Studierenden über Grundkenntnisse in der deskriptiven und induktiven Statistik und sind in der Lage, selbstständig Analysen mit SPSS durchzuführen sowie statistische Darstellungen und Analysen in wissenschaftlichen Arbeiten kritisch zu bewerten. Der Besuch der dazugehörigen Vorlesung wird dringend empfohlen!Informationen zum konkreten Ablauf der Lehrveranstaltung im 2023S erhalten alle korrekt angemeldeten Studierenden rechtzeitig per E-Mail. Derzeit ist die Lehrveranstaltung als Vor-Ort-Seminar geplant. Im Falle von digitaler bzw. hybrider Lehre bleiben die Ziele und Inhalte der Lehrveranstaltung unverändert. Methodisch kommen verschiedene Übungsaktivitäten via Moodle zum Einsatz.Die Unterrichtssprache ist Deutsch.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Mitarbeit (Einzel- und Gruppenaufgaben in der Übungseinheit), fristgerechte Abgabe von 2 Hausübungen, Erreichen der Mindestpunkte in den eigenständig verfassten 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.Zur Sicherung der guten wissenschaftlichen Praxis kann die Lehrveranstaltungsleitung Studierende zu einem notenrelevanten Gespräch nach Abgabe der Hausübungen einladen, welches positiv zu absolvieren ist.
Mindestanforderungen und Beurteilungsmaßstab
75 % Anwesenheitspflicht bei Vor-Ort-Lehre (nur 1 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 in UE2 Hausübungen:
HÜ1: 25 %
HÜ2: 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. Die Hausübungen sind auf Deutsch zu verfassen.Im Falle von digitaler bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und Mitarbeitsübungen 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
HÜ1: 25 %
HÜ2: 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. Die Hausübungen sind auf Deutsch zu verfassen.Im Falle von digitaler bzw. hybrider Lehre bleiben die Anforderungen und der Beurteilungsmaßstab zu den Hausübungen und Mitarbeitsübungen 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
- Datenbereinigung, -visualisierung und -analyse
- Interpretation von eigenen und fremden Ergebnissen
- Deskriptive Statistik
- Umgang mit Daten
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und mehrfache lineare Regression
- Interpretation von eigenen und fremden Ergebnissen
- Deskriptive Statistik
- Umgang mit Daten
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und mehrfache lineare Regression
Literatur
Wird in der Lehrveranstaltung bekannt gegeben.
Gruppe 12
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Die LV ist aktuell (Stand 19.01.2023) als Präsenz-LV geplant. Sollte eine Implementierung von hybrider/digitaler Lehre aufgrund triftiger Gründe nötig sein, werden sie rechtzeitig darüber informiert.
- Donnerstag 16.03. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Donnerstag 30.03. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Donnerstag 27.04. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Donnerstag 11.05. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Donnerstag 01.06. 13:15 - 14:45 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Donnerstag 22.06. 13:15 - 14:45 PC-Raum 2 UniCampus Hof 7 Eingang 7.1 2H-O1-25
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 2023 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.
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
Literatur
Literatur wird in der LV bekannt gegeben.
Gruppe 13
max. 30 Teilnehmer*innen
Sprache: Englisch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Dienstag 14.03. 15:00 - 16:30 PC-Raum 2 UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Dienstag 28.03. 15:00 - 16:30 PC-Raum 2 UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Dienstag 25.04. 15:00 - 16:30 PC-Raum 2 UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Dienstag 09.05. 15:00 - 16:30 PC-Raum 2 UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Dienstag 23.05. 15:00 - 16:30 PC-Raum 2 UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Dienstag 13.06. 15:00 - 16:30 PC-Raum 2 UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Dienstag 27.06. 15:00 - 16:30 PC-Raum 2 UniCampus Hof 7 Eingang 7.1 2H-O1-25
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, Interpretation and reporting of the results. Moreover, they learn how to read and interpret results and critically examine them. After completion of the seminar, students will have a basic knowledge about descriptive and inductive statistics and will be 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.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.The course will be taught in English. Assignments will be accepted in English and German.
Mindestanforderungen und Beurteilungsmaßstab
75% Attendance is required (one class can be missed)Grading: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 results
- Descriptive statistics
- Data handling
- Mean comparison (t-test)
- Chi-Square test
- Correlations
- Linear regression
- Interpretation of results
- Descriptive statistics
- Data handling
- Mean comparison (t-test)
- Chi-Square test
- Correlations
- Linear regression
Literatur
b. a.
Gruppe 14
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Ablauf
Tag 1: Einführung, Datenmanagement und Visualisierungen
Tag 2: Deskriptive Statistik und Theorie der Hypothesentestung. Statstische Tests: t-test und chi-Quadrat
Tag 3: Statstische Tests: Korrelation und Regressionsanalyse
Hausübung 1: 12. Juli 2023
Hausübung 2: 19. Juli 2023
- Freitag 30.06. 11:30 - 14:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Samstag 01.07. 11:30 - 14:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Sonntag 02.07. 11:30 - 14:30 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!
Art der Leistungskontrolle und erlaubte Hilfsmittel
- Fristgerechte Abgabe von zwei Hausübungen (60%)
- aktive Mitarbeit (40%)
- aktive Mitarbeit (40%)
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
Es gilt Anwesenheitspflicht (75%, d.h. bei 4.5 von 6 Einheiten).Benotung: 40% Mitarbeit im Forum + 35% Hausübung 2 + 25% Hausübung 1Für 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
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
Literatur
nur die Slides der Einheiten
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Do 20.02.2025 00:16