220055 UE METH: UE STADA Statistical Data Analysis (2022W)
Continuous assessment of course work
Labels
Summary
Registration/Deregistration
Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).
- Registration is open from Mo 19.09.2022 09:00 to We 21.09.2022 18:00
- Deregistration possible until Mo 31.10.2022 23:59
Registration information is available for each group.
Groups
Group 1
max. 30 participants
Language: English
LMS: Moodle
Lecturers
Classes (iCal) - next class is marked with N
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. Attention: the first session will be held online via Zoom on October 17, 15:00-16:30 (Monday). All consecutive sessions will be held on-site.
- Monday 17.10. 15:00 - 16:30 Digital
- Tuesday 08.11. 15:00 - 16:30 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Tuesday 22.11. 15:00 - 16:30 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Tuesday 06.12. 15:00 - 16:30 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Tuesday 10.01. 15:00 - 16:30 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Tuesday 24.01. 15:00 - 16:30 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Aims, contents and method of the course
Assessment and permitted materials
(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%
Minimum requirements and assessment criteria
• good or very good command of written and spoken English
• basic math skills and not being afraid of maths and statistics
• basic computer skills and (preferably) 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) 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%
Reading list
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)
Group 2
max. 30 participants
Language: German
LMS: Moodle
Lecturers
Classes (iCal) - next class is marked with N
Achtung: Sollten mehr Studierende angemeldet sein, als die Raumkapazität zulässt, wird die Veranstaltung digital abgehalten.
Informationen zum 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. Methodisch kommen verschiedene Übungsaktivitäten via Moodle zum Einsatz. Ergänzend können einzelne Gruppenarbeiten in einem Online-Live-Setting stattfinden.
- Monday 17.10. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Tuesday 08.11. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Tuesday 22.11. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Tuesday 06.12. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Tuesday 10.01. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Tuesday 24.01. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
Aims, contents and method of the course
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.
Assessment and permitted materials
Mitarbeit (Einzel- oder Gruppenübungen zu jedem Thema in der jeweiligen Einheit, Vorbereitung der Pflichtlektüre) und fristgerechte Abgabe von zwei Hausübungen.
Minimum requirements and assessment criteria
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
Reading list
Literatur wird in der Lehrveranstaltung bekannt gegeben.
Group 3
max. 30 participants
Language: German
LMS: Moodle
Lecturers
Classes (iCal) - next class is marked with N
Ablauf des Kurses:
STADA 1 Organisatorisches & Einführung
STADA 2 Deskriptive Statistik
STADA 3 Datenmanagement (+ Ausgabe HÜ1)
Deadline HÜ1
STADA 4 T-test
STADA 5 Korrelation & Regression 1/2
STADA 6 Regression 2/2, Chi-Quadrat (+ Ausgabe HÜ2)
Deadline HÜ2 & Forumsbeitrag
- Tuesday 18.10. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Tuesday 08.11. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Tuesday 22.11. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Tuesday 06.12. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Tuesday 10.01. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Tuesday 24.01. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Aims, contents and method of the course
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!
Assessment and permitted materials
- Mitarbeit im Forum (40%)
- Fristgerechte Abgabe von zwei Hausübungen (60%)
- Fristgerechte Abgabe von zwei Hausübungen (60%)
Minimum requirements and assessment criteria
- 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
Examination topics
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.
Reading list
nur die Slides der Einheiten
Group 4
max. 30 participants
Language: English
LMS: Moodle
Lecturers
Classes (iCal) - next class is marked with N
- Wednesday 19.10. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Wednesday 16.11. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Wednesday 30.11. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Wednesday 14.12. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Wednesday 18.01. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Aims, contents and method of the course
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.
Assessment and permitted materials
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.
Minimum requirements and assessment criteria
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
Reading list
Will be announced in the course.
Group 5
max. 30 participants
Language: German
LMS: Moodle
Lecturers
Classes (iCal) - next class is marked with N
ATTENTION: In this exercise 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.
- Thursday 03.11. 14:45 - 18:00 Seminarraum 9, Währinger Straße 29 2.OG
- Friday 04.11. 14:45 - 18:00 Seminarraum 9, Währinger Straße 29 2.OG
- Saturday 05.11. 14:45 - 18:00 Seminarraum 9, Währinger Straße 29 2.OG
Aims, contents and method of the course
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!
Assessment and permitted materials
• participation (individual and/or group exercises in all sessions, preparation of required reading) (40%)
• timely submission of one home assignment (60%)
• timely submission of one home assignment (60%)
Minimum requirements and assessment criteria
• good or very good command of written and spoken English
• obligatory attendance (75% attendance required; that means a maximum of 90min can be missed)Grading:
60% homework
40% participation in classesTo receive a positive grade, both the homework assignments as well as the participation grades have to be positive.
• obligatory attendance (75% attendance required; that means a maximum of 90min can be missed)Grading:
60% homework
40% participation in classesTo receive a positive grade, both the homework assignments as well as the participation grades have to be positive.
Examination topics
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
Reading list
Will be announced in class.
Group 6
max. 30 participants
Language: German
LMS: Moodle
Lecturers
Classes (iCal) - next class is marked with N
Stand heute (10.07.2022) wird die Übung präsent abgehalten. 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.ACHTUNG: In dieser Übung arbeiten wir mit dem Statistikprogramm SPSS, eine Lizenz wird Ihnen zur Verfügung gestellt. Da wir nicht in einem Computersaal sind, muss ein Laptop zur Lehrveranstaltung mitgenommen werden. Während der Übung sind Gruppenarbeiten geplant, d.h. ein Laptop kann zu zweit geteilt werden. Für die Hausübung können Sie entweder die Computer im Computerraum verwenden.- Thursday 03.11. 13:15 - 16:30 Seminarraum 2, Währinger Straße 29 1.UG
- Friday 04.11. 13:15 - 16:30 Seminarraum 2, Währinger Straße 29 1.UG
- Saturday 05.11. 13:15 - 16:30 Seminarraum 2, Währinger Straße 29 1.UG
Aims, contents and method of the course
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.
Assessment and permitted materials
Mitarbeit (Einzel- oder Gruppenübungen zu jedem Thema in der jeweiligen Einheit, Vorbereitung der Pflichtlektüre) und fristgerechte Abgabe von einer Hausübung.
Minimum requirements and assessment criteria
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.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
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.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
Examination topics
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.
Reading list
Literatur wird in der Lehrveranstaltung bekannt gegeben.
Group 7
max. 30 participants
Language: German
LMS: Moodle
Lecturers
Classes (iCal) - next class is marked with N
Nach heutigem Stand (08.02.2022) wird die Veranstaltung in Präsenz vor Ort abgehalten. Ggfs. wird der Termin am 10.01.2022 digital abgehalten, die Studierenden werden rechtzeitig darüber informiert.
- Tuesday 18.10. 09:45 - 11:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Tuesday 08.11. 09:45 - 11:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Tuesday 22.11. 09:45 - 11:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Tuesday 06.12. 09:45 - 11:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Tuesday 10.01. 09:45 - 11:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Tuesday 24.01. 09:45 - 11:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
Aims, contents and method of the course
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=220058&semester=2022W
Es wird dringend empfohlen, die dazugehörige Vorlesung zu besuchen: https://ufind.univie.ac.at/de/course.html?lv=220058&semester=2022W
Assessment and permitted materials
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.
Minimum requirements and assessment criteria
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
Reading list
Wird in der Lehrveranstaltung bekannt gegeben.
Group 8
max. 30 participants
Language: German
LMS: Moodle
Lecturers
Classes (iCal) - next class is marked with N
Nach derzeitigem Stand (31.07.22) kann der Kurs in Präsenz vor Ort stattfinden. Im Falle von hybrider oder digitaler Lehre (je nach COVID-19-Situation) bleiben die Anforderungen und der Beurteilungsmaßstab unverändert.
- Tuesday 18.10. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Tuesday 08.11. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Tuesday 22.11. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Tuesday 06.12. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Tuesday 10.01. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
- Tuesday 24.01. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Aims, contents and method of the course
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!Methodisch kommen verschiedene Übungsaktivitäten via Moodle zum Einsatz. Einheiten, die digital stattfinden, werden live (also synchron zeitgleich) mit Zoom abgehalten.
Es wird dringend empfohlen, die dazugehörige Vorlesung zu besuchen!Methodisch kommen verschiedene Übungsaktivitäten via Moodle zum Einsatz. Einheiten, die digital stattfinden, werden live (also synchron zeitgleich) mit Zoom abgehalten.
Assessment and permitted materials
Mitarbeit (Einzel- oder Gruppenübungen zu jedem Thema in der jeweiligen Einheit, Vorbereitung der Pflichtlektüre) und fristgerechte Abgabe von zwei Hausübungen.
Im Falle von digitaler 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 und über Zoom anmoderiert.
Im Falle von digitaler 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 und über Zoom anmoderiert.
Minimum requirements and assessment criteria
75 % Anwesenheitspflicht, d.h. es ist eine Fehleinheit möglich. Die Anwesenheitspflicht gilt bei Vor-Ort-Lehre wie auch bei digitaler Lehre. Im Falle von digitaler Lehre wird die Anwesenheitspflicht über die Teilnahme an den live per Zoom abgehaltenen 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 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 Lehre 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
Reading list
Wird in der Lehrveranstaltung bekannt gegeben.
Group 9
max. 30 participants
Language: German
LMS: Moodle
Lecturers
Classes (iCal) - next class is marked with N
- Thursday 20.10. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Thursday 03.11. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Thursday 17.11. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Thursday 01.12. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Thursday 12.01. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
- Thursday 26.01. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Aims, contents and method of the course
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
Assessment and permitted materials
- 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%)
Minimum requirements and assessment criteria
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
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
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
Examination topics
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.
Reading list
Wird in der Lehrveranstaltung bekannt gegeben.
Group 10
max. 30 participants
Language: English
LMS: Moodle
Lecturers
Classes (iCal) - next class is marked with N
- Thursday 20.10. 09:45 - 11:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Thursday 03.11. 09:45 - 11:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Thursday 17.11. 09:45 - 11:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Thursday 01.12. 09:45 - 11:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Thursday 12.01. 09:45 - 11:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
- Thursday 26.01. 09:45 - 11:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
Aims, contents and method of the course
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
Assessment and permitted materials
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%
Minimum requirements and assessment criteria
• 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)
Examination topics
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
Reading list
Books:
• Field, A. (2014). Discovering statistics using IBM SPSS statistics. London: Sage.
• Field, A. (2014). Discovering statistics using IBM SPSS statistics. London: Sage.
Association in the course directory
Last modified: Th 14.11.2024 00:15
• 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