Universität Wien

220055 UE METH: UE STADA Statistical Data Analysis (2023W)

3.00 ECTS (1.00 SWS), SPL 22 - Publizistik- und Kommunikationswissenschaft
Continuous assessment of course work

Summary

1 Bernhard-Harrer , Moodle
2 Betakova , Moodle
3 Kakavand , Moodle
4 Kanková , Moodle
5 Kaskeleviciute , Moodle
7 Spielvogel , Moodle
8 Duregger , Moodle
9 Ninova-Solovykh , Moodle
10 Wiesner , Moodle

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 information is available for each group.

Groups

Group 1

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

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 geteilt werden. Für die Hausübung können Sie entweder die Computer im Computerraum verwenden oder auf Ihren eigenen Rechnern arbeiten.

  • Thursday 12.10. 09:45 - 13:15 Seminarraum 6, Kolingasse 14-16, EG00
  • Friday 13.10. 09:45 - 13:15 Seminarraum 6, Kolingasse 14-16, EG00
  • Saturday 14.10. 09:45 - 13:15 Seminarraum 6, Kolingasse 14-16, EG00

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 theoretischen Konzepte im Detail wiederholt werden.

Assessment and permitted materials

Mitarbeit (Einzel- oder Gruppenübungen zu jedem Thema in der jeweiligen Einheit, Vorbereitung der Pflichtlektüre, Moodle Quiz zu jedem Thema) und fristgerechte Abgabe von zwei Hausübungen.

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.

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 vor der Lehrveranstaltung auf Moodle bekannt gegeben.

Group 2

max. 30 participants
Language: English
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

  • Thursday 19.10. 10:00 - 11:30 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Thursday 16.11. 10:00 - 11:30 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Thursday 30.11. 10:00 - 11:30 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Thursday 14.12. 10:00 - 11:30 PC-Unterrichtsraum 2, Währinger Straße 29 1.OG
  • Thursday 18.01. 10:00 - 11:30 PC-Unterrichtsraum 2, Währinger Straße 29 1.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!

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

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%

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)

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

Reading list

Books:
• Field, A. (2009). Discovering statistics using SPSS (3rd ed.). SAGE Publications.

Group 3

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Achtung: Da es sich um eine Block-Veranstaltung handelt, werden Themen in der Übung teilweise schon vor der entsprechenden Einheit in der dazugehörigen Vorlesung behandelt. Studierende, die dieses Seminar besuchen, sollten deshalb die Vorlesung schon besucht haben oder bereit sein, Stoff vorzuarbeiten.
Weitere 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.

  • Tuesday 07.11. 09:45 - 13:00 Seminarraum 6, Kolingasse 14-16, EG00
  • Tuesday 14.11. 09:45 - 13:00 Seminarraum 6, Kolingasse 14-16, EG00
  • Tuesday 21.11. 09:45 - 13:00 Seminarraum 6, Kolingasse 14-16, EG00

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. Sie sind nach Abschluss dieser Übung mit den Grundwerkzeugen vertraut, um quantitative Analysen wissenschaftlicher Arbeiten zu verstehen sowie selbstständig quantitative Datenauswertungen durchzuführen. 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.Im Falle von digitaler Lehre 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, d.h. es ist eine Fehleinheit (90 Minuten) 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

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

Brosius, Haas, A., & Koschel, F. (2009). Methoden der empirischen Kommunikationsforschung : Eine Einführung (5. Auflage). VS Verlag für Sozialwissenschaften / GWV Fachverlage GmbH, Wiesbaden.

Weitere Literatur wird in der Lehrveranstaltung bekannt gegeben.

Group 4

max. 30 participants
Language: English
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

  • Tuesday 17.10. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 31.10. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 14.11. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 28.11. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 12.12. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 16.01. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 30.01. 15:00 - 16:30 Lehrredaktion Publizistik, 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

Grading:
60% homework (25% first homework, 35% second homework)
40% participation in classes

To receive a positive grade, both homework assignments must be submitted and an average of 50% of the total points must be achieved.

In case the semester will take place in the form of remote learning, content and aims of the course remain unchanged.

Please note that the course will be taught in English. Assignments will be only accepted in English.

Minimum requirements and assessment criteria

75% Attendance is required

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

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

Reading list

Will be announced in the course.

Group 5

max. 30 participants
Language: English
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

  • Tuesday 17.10. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Tuesday 31.10. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Tuesday 14.11. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Tuesday 28.11. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Tuesday 12.12. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Tuesday 16.01. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Tuesday 30.01. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33

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.

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.

To safeguard good academic practice, the lecturer may ask students to reflect on their homework assignments in a conversation. Students must successfully pass this reflection.

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

Reading list

Will be announced in the course.

Group 7

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

  • Tuesday 17.10. 11:30 - 13:00 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Tuesday 31.10. 11:30 - 13:00 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Tuesday 14.11. 11:30 - 13:00 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Tuesday 28.11. 11:30 - 13:00 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Tuesday 12.12. 11:30 - 13:00 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Tuesday 16.01. 11:30 - 13:00 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Tuesday 30.01. 11:30 - 13:00 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, mithilfe der Statistiksoftware SPSS Grundlagen der statistischen Auswertungen in der Kommunikationswissenschaft zu erklären und mit praktischen Übungen näherzubringen.

Es wird dringen empfohlen die dazugehörige Vorlesung zu besuchen!
Siehe: https://ufind.univie.ac.at/de/course.html?lv=220058&semester=2023W

Assessment and permitted materials

Mitarbeit und Hausübungen

Minimum requirements and assessment criteria

75% Anwesenheitspflicht

Benotung:
- 60 % Hausübungen (insgesamt 2 Hausübungen: HÜ1: 25 %, HÜ2: 35% - jeweils fristgerechte Abgabe! )
- 40 % Mitarbeit (Abgabe der Einzel- oder Gruppenübungen in der jeweiligen Einheit, Moodle Quiz zu jedem Thema zur Selbstüberprüfung)
Für eine positive Note müssen beide Hausübungen abgegeben werden und im Durchschnitt 50% der Gesamtpunkte erreicht werden (d.h. über beide Hausübungen hinweg mindestens 30 Punkte). 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

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

  • Thursday 19.10. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Thursday 16.11. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Thursday 30.11. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Thursday 14.12. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Thursday 18.01. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG

Aims, contents and method of the course

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!

Assessment and permitted materials

Mitarbeit (40%)
- 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:
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).

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 9

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Wegbeschreibung:
Betreten Sie den Campus über den Eingang Spitalgasse zu Hof 4. Von diesem Eingang, gehen Sie geradeaus in den nächsten Hof (Hof 2). Gehen Sie weiterhin geradeaus, bis Sie sich in Hof 7 befinden. Dort angekommen, biegen Sie links ab und nehmen die erste Tür zu ihrer Linken. Dort folgen Sie dem Gang, bis Sie rechts abbiegen können. Nehmen Sie den Fahrstuhl in den ersten Stock. Dort angekommen, verlassen Sie den Lift und gehen geradeaus durch die Türe. Nun gehen Sie den Gang nach links und die erste Türe zu ihrer Linken ist der Eingang zu Class Room 3.

  • Thursday 12.10. 09:45 - 11:15 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
  • Thursday 09.11. 09:45 - 11:15 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
  • Thursday 23.11. 09:45 - 11:15 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
  • Thursday 07.12. 09:45 - 11:15 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
  • Thursday 11.01. 09:45 - 11:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Thursday 25.01. 09:45 - 11:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33

Aims, contents and method of the course

Die 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 2023W 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 im Unterricht und via Moodle zum Einsatz.

Die Unterrichtssprache ist Deutsch.

Assessment and permitted materials

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.

Minimum requirements and assessment criteria

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 UE
2 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

Examination topics

- 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

Reading list

Wird in der Lehrveranstaltung bekannt gegeben.

Group 10

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Die Lehrveranstaltung findet alle zwei Wochen abwechselnd mit der UE QUANTI (Gruppe 10) statt.

  • Wednesday 18.10. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Wednesday 08.11. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Wednesday 22.11. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Wednesday 06.12. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Wednesday 10.01. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Wednesday 24.01. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG

Aims, contents and method of the course

Studierende lernen verschiedene statistische Datenauswertungsmethoden kennen, die in der Kommunikationswissenschaft gebräuchlich sind. Deren Anwendung wird mithilfe der Analysesoftware SPSS geübt. Diese Übung behandelt die Inhalte der dazugehörigen Vorlesung. Eine aktive Teilnahme an den Vorlesungseinheiten ist daher zu empfehlen.

Assessment and permitted materials

Zwei Hausübungen in Einzelarbeit (60%)
Aktive Mitarbeit (40%)

Sowohl Mitarbeit als auch Hausübungen müssen positiv absolviert werden.

Minimum requirements and assessment criteria

75% Anwesenheitspflicht (d.h. max. eine Fehleinheit)

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

Braunecker, C. (2023). How to do Statistik und SPSS. Eine Gebrauchsanleitung (2. Auflage). facultas/utb | https://howtodo.at
Weitere Literatur wird in der Übung bekannt gegeben.

Association in the course directory

Last modified: We 13.11.2024 12:06