Universität Wien FIND

Due to the COVID-19 pandemic, changes to courses and exams may be necessary at short notice (e.g. cancellation of on-site teaching and conversion to online exams). Register for courses/exams via u:space, find out about the current status on u:find and on the moodle learning platform. NOTE: Courses where at least one unit is on-site are currently marked "on-site" in u:find.

Further information about on-site teaching and access tests can be found at https://studieren.univie.ac.at/en/info.

200038 UE Exercise Course Statistics (2020S)

6.00 ECTS (2.00 SWS), SPL 20 - Psychologie
Continuous assessment of course work

Registration/Deregistration

Details

max. 40 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

***Update***

Aufgrund der aktuellen Situation bzgl. Coronavirus und der damit verbundenen Einschränkungen des Lehrbetriebs an der Universität Wien (keine Präsenzeinheiten bis voraussichtlich 30.06.2020 - https://www.univie.ac.at/ueber-uns/weitere-informationen/coronavirus/), werden wir für diese Zeitspanne den Ablauf der Statistik-Übungen wie folgt adaptieren.
Aufgrund der Adaptierungen können sich Studierende bis zum 06.05.2020 sanktionslos von der LV abmelden.

Vorlesungsinhalte:
Die Vorlesungsfolien finden Sie weiterhin im Moodle-Kurs der VO „Einführung in die quantitativen Methoden.“ Zudem bemühen wir uns Video-Aufzeichnungen der Vorlesungseinheiten zeitnah online zu stellen.

Übungsaufgaben:
Die Übungsaufgaben für die Statistik-Übungen werden wie verlautbart immer Mittwoch im Moodle-Kurs der Vorlesung online gestellt. Die Aufgaben werden allerdings keine Beispiele enthalten, die Sie selbst mit der Statistik-Software SPSS lösen müssen. Stattdessen werden die Aufgaben u.a. „SPSS-Outputs“ enthalten, die Sie interpretieren müssen. Bitte setzten Sie sich trotzdem mit der SPSS-Software auseinander, Sie werden Sie später noch im Detail brauchen.

Kreuzerlliste:
In der Kreuzerlliste kreuzen Sie bitte bis spätestens Montag 07:59 Uhr an, welche Übungsbeispiele Sie gelöst haben. Ein Nachtragen der Kreuze nach dieser Deadline ist nicht möglich.

Upload der gelösten Beispiele:
Zusätzlich laden Sie bitte die gelösten Beispiele ebenfalls bis spätestens Montag, 07:59 Uhr auf Moodle hoch. Dazu wird für die Übungen jeweils ein eigener Upload-Ordner eingerichtet. Ein Hochladen der Beispiele NACH dieser Deadline ist nicht möglich. Bitte denken Sie an die Vorgaben zum Hochladen der gelösten Beispiele, die bereits in der 1. Übungseinheit verlautbart wurden: Laden Sie nicht nur die Endergebnisse hoch; der Lösungsweg muss nachvollziehbar sein; erklären Sie ggf. warum Sie einen bestimmten Lösungsweg gewählt haben; benennen Sie Datei mit „Nachname_Vorname_Matrikelnummer_Datum.“ Wenn möglich, laden Sie bitte nur EINE Datei pro Übung hoch, die alle gelösten Beispiele enthält (nicht z.B. 6 verschiedene Dateien pro Beispiel – bitte ZIP-Version erstellen, oder pdf oder doc Version. ).

Wichtig Bewertung:
Die Punkte werden ihnen NUR anerkannt, wenn Sie die Kreuzerlliste ausgefüllt UND die gelösten Beispiele bis zur Deadline (Montag, 07:59 Uhr) hochgeladen haben! Zudem: falls Sie für ein gekreuztes Beispiel keine Lösung hochladen oder der Lösungsweg nicht nachvollziehbar ist, werden für dieses Beispiel keine Punkte vergeben.

Lösungen der Übungsaufgaben:
Danach werden von unserer Seite die Lösungen der Übungsbeispiele auf Moodle hochgeladen, so dass Sie Ihren Lösungsweg / Ihre Ergebnisse damit vergleichen können.

Forum:
Zusätzlich wird im Moodle-Kurs der Vorlesung ein eigenes Forum eingerichtet ('Fragen zu den Übungsaufgaben'), um offene Fragen zu den Übungen zu diskutieren.

Tutorien:
Die Tutorien zur Statistik-Übung finden bis auf Weiteres nicht als Präsenzeinheiten statt. Aber es werden Folien samt Erklärungen zum Inhalt der Übungsblätter zur Verfügung gestellt.
Dieser adaptierte Ablauf gilt bis auf Widerruf bzw. bis der normale Lehrveranstaltungsbetrieb wieder aufgenommen wird. Sollten Sich Änderungen ergeben, werden wir Sie schnellstmöglich informieren.

Wir alle sind bemüht aus der gegenwärtigen Situation das Beste zu machen – wir bedanken uns auch für Ihre Flexibilität!

Stand 29.04.2020 10:00

Tuesday 10.03. 08:00 - 09:30 Hörsaal D Psychologie, NIG 6.Stock A0624
Tuesday 17.03. 08:00 - 09:30 Hörsaal D Psychologie, NIG 6.Stock A0624
Tuesday 24.03. 08:00 - 09:30 Hörsaal D Psychologie, NIG 6.Stock A0624
Tuesday 31.03. 08:00 - 09:30 Hörsaal D Psychologie, NIG 6.Stock A0624
Tuesday 28.04. 08:00 - 09:30 Hörsaal D Psychologie, NIG 6.Stock A0624
Tuesday 05.05. 08:00 - 09:30 Hörsaal D Psychologie, NIG 6.Stock A0624
Tuesday 12.05. 08:00 - 09:30 Hörsaal D Psychologie, NIG 6.Stock A0624
Tuesday 19.05. 08:00 - 09:30 Hörsaal D Psychologie, NIG 6.Stock A0624
Tuesday 26.05. 08:00 - 09:30 Hörsaal D Psychologie, NIG 6.Stock A0624
Tuesday 09.06. 08:00 - 09:30 Hörsaal D Psychologie, NIG 6.Stock A0624
Tuesday 16.06. 08:00 - 09:30 Hörsaal D Psychologie, NIG 6.Stock A0624
Tuesday 23.06. 08:00 - 09:30 Hörsaal D Psychologie, NIG 6.Stock A0624

Information

Aims, contents and method of the course

Die Studierenden sollen die Fähigkeiten erwerben i) wissenschaftliche Forschungsergebnisse nachzuvollziehen, zu verstehen und kritisch zu bewerten; ii) Analysen mittels geeigneter statistischer Methoden durchzuführen und die Ergebnisse zu interpretieren. Die Vermittlung des entsprechenden Grundwissens der Statistik erfolgt anhand konkreter psychologischer Beispiele, inklusive Berechnung und mit Hilfe von SPSS und anderer Software.
Folgende Themen werden behandelt:
• Bedeutung der Statistik für die Psychologie
• Beschreibung von Daten: Aufbereitung und Darstellung von Daten mittels Tabellen, Grafiken und statistischen Kenngrößen (Deskriptivstatistik)
• Wahrscheinlichkeitstheorie und Kombinatorik
• Schliessen von einer Stichprobe auf die Population, Logik der Hypothesentestung, wichtige Wahrscheinlichkeitsverteilungen und statistische Tests (Inferenzstatistik)
• Beziehungen zwischen psychologischen Merkmalsausprägungen (Korrelation, Regression)

Assessment and permitted materials

Pro Einheit ist eine bestimmte Anzahl an Beispielen vorzubereiten. Auf einer Kreuzerlliste geben die Studierenden im Vorhinein die Beispiele bekannt, die Sie in der folgenden Einheit vorrechnen bzw. am Computer vorzeigen können. In der Einheit werden nach dem Zufallsprinzip Studierende ausgewählt, die ein gekreuztes Beispiel demonstrieren sollen.
Für Rechenbeispiele sind dabei die schriftlich vorbereiteten Unterlagen an der Tafel erlaubt. Die Computerbeispiele sind ohne Hilfsmittel zu demonstrieren.

Minimum requirements and assessment criteria

Es besteht grundsätzlich Anwesenheitspflicht in den Präsenzeinheiten. Bei mehr als drei Fehleinheiten pro Semester wird die Lehrveranstaltung negativ beurteilt.
Die Beurteilung erfolgt auf Basis des Anteils an gekreuzten (und gültigen) Beispielen. Ein Kreuzchen ist gültig, wenn der/die Studierende in der entsprechenden Einheit anwesend war, und somit zur Demonstration des Beispiels ausgewählt werden konnte. Im Krankheitsfall können Beispiele schriftlich nachgereicht werden, solange ein ärztliches Attest für die Einheit vorliegt. Wird ein/e Studierende/r zur Demonstration eines gekreuzten Beispiels aufgerufen und hat dieses Beispiel nicht oder nur unzureichend vorbereitet, wird die Gesamtnote um einen Grad herabgesetzt.
Die Note ergibt sich durch folgenden Beurteilungsschlüssel (% der gültigen gekreuzten Beispiele an allen Beispielen des Semesters):
unter 60%: Nicht genügend (5)
ab 60%: Genügend (4)
ab 70%: Befriedigend (3)
ab 80%: Gut (2)
ab 90%: Sehr gut (1)
Zum Erreichen einer positiven Beurteilung sind daher mindestens 60% nötig.

Examination topics

Immanenter Prüfungscharakter (Anwesenheitspflicht!) Aufgaben, die ins
Netz gestellt werden, sollen von Studierenden vorbereitet werden.

Reading list

Wird in der dazugehörigen Vorlesung bekanntgegeben.

Association in the course directory

70413

Last modified: Mo 07.09.2020 15:21