Universität Wien

240054 SE BM8 Datenanalyse (2024S)

Prüfungsimmanente Lehrveranstaltung

Anwesenheitspflicht in der ersten Einheit!

Die Lehrveranstaltungsleitung kann Studierende zu einem notenrelevanten Gespräch über erbrachte Teilleistungen einladen.
Plagiierte oder erschlichene Teilleistungen führen zur Nichtbewertung der Lehrveranstaltung (Eintragung eines 'X' im Sammelzeugnis). Es kommt die Plagiatssoftware Turnitin zum Einsatz.

Die Verwendung von KI-Tools (z. B. ChatGPT) zur Erbringung von Teilleistungen ist nur dann erlaubt, wenn dies von der Lehrveranstaltungsleitung ausdrücklich gefordert wird.
Di 04.06. 09:45-13:00 Seminarraum D, NIG 4. Stock

An/Abmeldung

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

Details

max. 25 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Dienstag 19.03. 09:45 - 13:00 Seminarraum D, NIG 4. Stock
Dienstag 16.04. 09:45 - 13:00 Seminarraum D, NIG 4. Stock
Dienstag 30.04. 09:45 - 13:00 Seminarraum D, NIG 4. Stock
Dienstag 14.05. 09:45 - 13:00 Seminarraum D, NIG 4. Stock
Mittwoch 19.06. 13:15 - 14:45 Seminarraum A, NIG 4. Stock

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Im Rahmen des Seminars Datenanalyse werden die Studierenden die Möglichkeit bekommen, fachspezifische Auswertungsmethoden kennenzulernen. Die theoretischen Inputs seitens der LV-Leitung werden durch Übungen und Arbeitsaufträge am eigenen Material praktisch erprobt, womit die Studierenden nach dem Besuch der Lehrveranstaltung über grundlegende Kenntnisse unterschiedlicher fachspezifischer Datenanalysemethoden verfügen und in der Lage sein werden, diese selbständig anzuwenden. Neben den konkreten Analysemethoden werden auch unterschiedliche Formen von Verschriftlichung und Dokumentation (Schreiben von analytischen Memos, Vorgehen von der Analyse zur Textproduktion) erprobt sowie Datenanalyseprogramme (MAXQDA, Atlas.ti) vorgestellt.

Inhalte:
Grundlegendes zum Prozess der Datenauswertung
Basisschritte im Umgang mit Interviewdaten
Softwaregestützte Datenauswertung
Analyse von visuellem Material
Von der Datenauswertung zur Textproduktion

Das Seminar baut auf eigenen Datenerhebungen (z.B. im Rahmen des Feldpraktikums) auf!

Methoden:
Der Schwerpunkt der Lehrveranstaltung liegt auf dem selbständigen Erproben von Auswertungsmethoden und ist daher stark auf Interaktion und Partizipation der Studierenden ausgerichtet. Die LV-Einheiten bestehen aus dem Input der LV-Leitung, vertiefenden Diskussionen der Pflichtliteratur und der selbständig erarbeiteten Aufgaben sowie interaktiven Übungen. Mittels kontinuierlicher Diskussionen und Feedbackschleifen durch die Lehrveranstaltungsleitung sowie die Studierenden untereinander werden die Inhalte und die eigenen Erfahrungen in den Präsenzeinheiten eingehend diskutiert und reflektiert.

Art der Leistungskontrolle und erlaubte Hilfsmittel

- Regelmäßige Anwesenheit und Mitarbeit im Seminar
- Fristgerechte Abgabe der Arbeitsaufgaben während des Semesters
- Erstellung einer schriftlichen Abschlussarbeit

Zusätzliche Hinweise
Die Lehrveranstaltungsleitung kann Studierende zu einem notenrelevanten Gespräch über erbrachte Teilleistungen einladen. Plagiierte oder erschlichene Teilleistungen führen zur Nichtbewertung der Lehrveranstaltung (Eintragung eines 'X' im Sammelzeugnis). Es kommt die Plagiatssoftware (‘Turnitin') zum Einsatz. Die Verwendung von KI-Tools (z. B. ChatGPT) zur Erbringung von Teilleistungen ist nur dann erlaubt, wenn dies von der Lehrveranstaltungsleitung ausdrücklich gefordert wird.

Mindestanforderungen und Beurteilungsmaßstab

Folgende Leistungen sind zu erbringen:
+ Anwesenheit und Mitarbeit (Feedback für Kolleg:innen, Reflexionsbereitschaft, etc.) (max. 10 Punkte)
+ Kontinuierliche Erfüllung der geforderten Aufgaben während des Semesters (max. 30 Punkte)
+ Erstellung einer schriftlichen Abschlussarbeit laut Vorgaben (max. 60 Punkte)

Es wird nochmals explizit darauf hingewiesen, dass für eine positive Beurteilung alle Teilleistungen erbracht werden müssen.
Benotungsspiegel:
91 - 100 Punkte = 1 (sehr gut)
81 - 90 Punkte = 2 (gut)
71 - 80 Punkte = 3 (befriedigend)
61 - 70 Punkte = 4 (genügend)
0 - 60 Punkte = 5 (nicht genügend)

Prüfungsstoff

Prüfungsimmanente Lehrveranstaltung.

Literatur

Bohnsack, Ralf (2011) Qualitative Bild- und Videointerpretation: die dokumentarische Methode. 2., durchgesehene und aktualisierte Auflage. Stuttgart: UTB GmbH.
Kuckartz, Udo, (2010) Einführung in die computergestützte Analyse qualitativer Daten. 3., aktualisierte Aufl. Wiesbaden : VS Verl. für Sozialwiss.
McCormack, Coralie (2000) From Interview Transcript to Interpretive Story: Part 1 - Viewing the Transcript through Multiple Lenses. In: Field methods, Vol.12 (4), p.282-297.
McCormack, Coralie (2000) From Interview Transcript to Interpretive Story: Part 2 - Developing an Interpretive Story. In: Field methods, Vol.12 (4), p.298-315.
Moritz, Christine und Michael Corsten [Hg.] (2018) Handbuch Qualitative Videoanalyse. Wiesbaden: Springer VS.
Rädiker, Stefan und Udo Kuckartz (2019) Analyse qualitativer Daten mit MAXQDA: Text, Audio und Video. Wiesbaden: Springer VS.
Zepke, Georg (2016) Lust auf qualitative Forschung! : eine Einführung für die Praxis. Wien: tso, Texte zur Systemischen Organisationsforschung.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Di 14.05.2024 11:06