240069 UE MM1 - Methoden der quantitativen Entwicklungsforschung (2024W)
Prüfungsimmanente Lehrveranstaltung
Labels
GEMISCHT
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Fr 20.09.2024 10:00 bis Mi 02.10.2024 09:00
- Abmeldung bis Do 31.10.2024 23:59
Details
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Die Übung findet in 5 Präsenz- und 2 Online-Einheiten zu jeweils 4 LE statt.
In der ersten Einheit gilt explizit Anwesenheitspflicht, in allen weiteren (Präsenz-)Einheiten ist grundsätzlich 1 Fehltermin erlaubt.
- Donnerstag 10.10. 15:00 - 18:15 Class Room 2 ZID UniCampus Hof 7 Eingang 7.1, 1.OG ( 2H-O1-13)
- Donnerstag 24.10. 15:00 - 18:15 Class Room 2 ZID UniCampus Hof 7 Eingang 7.1, 1.OG ( 2H-O1-13)
- Donnerstag 07.11. 15:00 - 18:15 Digital
- N Donnerstag 21.11. 15:00 - 18:15 Class Room 2 ZID UniCampus Hof 7 Eingang 7.1, 1.OG ( 2H-O1-13)
- Donnerstag 05.12. 15:00 - 18:15 Class Room 2 ZID UniCampus Hof 7 Eingang 7.1, 1.OG ( 2H-O1-13)
- Donnerstag 09.01. 15:00 - 18:15 Class Room 2 ZID UniCampus Hof 7 Eingang 7.1, 1.OG ( 2H-O1-13)
- Donnerstag 23.01. 15:00 - 18:15 Digital
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
-) Einzelabgaben von Übungsbeispielen - Fokus: fristgerechte Abgaben & eigenständig Lösungswege finden (open book)
-) finale Datenanalyse am Semesterende (open book) anstelle klassischer Prüfung
-) Anwesenheitspflicht (max. 1 Fehltermin)
-) statistische Basiskenntnisse vorteilhaft/erwünscht (nicht zwingend nötig)
-) Anmerkung: Im Rahmen der Inputs werden keine KI-Tools genutzt, grundsätzlich gibt es bezüglich der Nutzung von KI-Tools aber keine Limitationen.
-) finale Datenanalyse am Semesterende (open book) anstelle klassischer Prüfung
-) Anwesenheitspflicht (max. 1 Fehltermin)
-) statistische Basiskenntnisse vorteilhaft/erwünscht (nicht zwingend nötig)
-) Anmerkung: Im Rahmen der Inputs werden keine KI-Tools genutzt, grundsätzlich gibt es bezüglich der Nutzung von KI-Tools aber keine Limitationen.
Mindestanforderungen und Beurteilungsmaßstab
) 2 Übungsabgaben im laufenden Semester: jeweils 15 Pkt
2) Individuelle (finale) Datenanalyse am Semesterende: 10 PktPositiver Abschluss: ab 60% der Gesamtleistung (mind. 24 Punkte)
Benotung im Detail
1 (sehr gut): 40 – 36 Punkte
2 (gut) 35,9 – 32 Punkte
3 (befriedigend) 31,9 – 28 Punkte
4 (genügend) 27,9 - 24 Punkte
5 (nicht genügend) weniger als 24 Punkte
2) Individuelle (finale) Datenanalyse am Semesterende: 10 PktPositiver Abschluss: ab 60% der Gesamtleistung (mind. 24 Punkte)
Benotung im Detail
1 (sehr gut): 40 – 36 Punkte
2 (gut) 35,9 – 32 Punkte
3 (befriedigend) 31,9 – 28 Punkte
4 (genügend) 27,9 - 24 Punkte
5 (nicht genügend) weniger als 24 Punkte
Prüfungsstoff
Anwendung und Umsetzung geeigneter statistischer Testverfahren zur Lösung und Interpretation von konkreten UE-Beispielen.
Unterlagen und weitere Infos über Moodle
Unterlagen und weitere Infos über Moodle
Literatur
Literaturhinweise, Quellen und UE-Dateien werden in der UE bekannt gegeben.
Zuordnung im Vorlesungsverzeichnis
MM1
Letzte Änderung: Sa 05.10.2024 20:46
Vertiefung statistischer Kenntnisse durch praxisnahe Anwendung mittels Statistikprogramm 'jamovi' (open-source Alternative zu SPSS)
-) Fokus: Anwendung geeigneter statistischer Parameter & Interpretation (Fokus auf Kompetenz & Verstehen)
-) Basis: Neugierde und Interesse am eigenständigen Umgang mit Statistikprogrammen
-) Aktive Teilnahme, Engagement & Zuverlässigkeit2) Inhalte:
-) Einführung in Benutzeroberfläche jamovi
-) Auswertungsmöglichkeiten eines Fragebogens
-) Univariate Daten: Analyse deskriptive Statistik
-) Bivariate Daten: Kreuztabelle
-) Metrische Daten: Korrelation und ANOVA/t-Test3) Methodik:
-) Input durch LV-Leiter und eigenständige Bearbeitung von Übungsaufgaben incl. Coaching durch LV- Leiter
-) Fokus auf Verstehen: vertiefende Datenanalyse und Interpretation von statistischen Daten