Universität Wien FIND
Warning! The directory is not yet complete and will be amended until the beginning of the term.

220061 UE METH: UE STADA Statistical Data Analysis (2022S)

Continuous assessment of course work

Summary

1 Lebernegg , Moodle
2 Kulichkina , Moodle
3 MIXED Hirsch , Moodle
4 Betakova , Moodle
5 Neureiter , Moodle
6 Knupfer , Moodle
7 Bernhard , Moodle
8 Kakavand , Moodle
9 Kaskeleviciute , Moodle
10 Stevic , Moodle
11 Thomas , Moodle
12 Reiter , Moodle
13 Tolochko , Moodle
14 Duregger , 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: English
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Tuesday 15.03. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Tuesday 29.03. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Tuesday 26.04. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Tuesday 10.05. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Tuesday 24.05. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Tuesday 14.06. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Tuesday 28.06. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG

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% for the first homework, 35% for the 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.

The course will be taught in English. Assignments will be accepted in English and German.

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

Field, A. (2017). Discovering statistics using IBM SPSS statistics (5th edition). Thousand Oaks, CA: SAGE Publications.

SOFTWARE: IBM SPSS Statistics (26 or 27)

Group 2

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.
The first session will be held on-site!
Dear students affected by the war, please let me know how I can assist you via aytalina.kulichkina@univie.ac.at.

Tuesday 15.03. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Tuesday 29.03. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Tuesday 26.04. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Tuesday 10.05. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Tuesday 24.05. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Tuesday 14.06. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Tuesday 28.06. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG

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

(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%

Minimum requirements and assessment criteria

• good or very good command of written and spoken English
• obligatory attendance (students are allowed to miss a maximum of one class)
• both home assignments must be submitted in order to complete the course

A = 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)

Group 3

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Wednesday 16.03. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Wednesday 30.03. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Wednesday 27.04. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Wednesday 11.05. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Wednesday 25.05. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Wednesday 08.06. 13:15 - 14:45 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Wednesday 22.06. 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.

Informationen zum konkreten 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.

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.

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

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

Thursday 17.03. 09:45 - 11:15 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Thursday 31.03. 09:45 - 11:15 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Thursday 28.04. 09:45 - 11:15 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Thursday 12.05. 09:45 - 11:15 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Thursday 02.06. 09:45 - 11:15 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Thursday 23.06. 09:45 - 11:15 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß

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% for the first homework, 35% for the 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 only be accepted in English.

Minimum requirements and assessment criteria

75 % Attendance requirement Grading

0 49,9 % Unsatisfactisfactory
50 62.9 % Sufficient
63 74.9 % Satisfactory
75 86,9 % Good
87 100 % Excellent

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

Wednesday 16.03. 15:00 - 16:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Wednesday 30.03. 15:00 - 16:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Wednesday 27.04. 15:00 - 16:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Wednesday 11.05. 15:00 - 16:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Wednesday 25.05. 15:00 - 16:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Wednesday 08.06. 15:00 - 16:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Wednesday 22.06. 15:00 - 16:30 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß

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% for the first homework, 35% for the second homework)40% participation in classesTo receive a positive grade, both homework assignments must be submitted and an average of 50% of the total points must be achieved.In case SoSe 21 will take place in the form of remote learning, content and aims of the course remain unchanged.The course will be taught in English. Assignments will be accepted in English and German.

Minimum requirements and assessment criteria

75% Attendance is requiredGrading00.0 – 49.9% Unsatisfactory50.0 – 62.9% Sufficient63.0 – 74.9% Satisfactory75.0 – 86.9% Good87.0 - 100% Excellent

Reading list

Wird in der Lehrveranstaltung bekannt gegeben.

Group 6

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Nach derzeitigem Stand (16.02.22) findet die Übung vor Ort statt.

Wednesday 16.03. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Wednesday 30.03. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Wednesday 27.04. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Wednesday 11.05. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Wednesday 25.05. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Wednesday 08.06. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Wednesday 22.06. 11:30 - 13:00 PC-Raum 1 Schenkenstraße 8-10, 1.UG

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% for the first homework, 35% for the second homework)40% participation in classesTo receive a positive grade, both homework assignments must be submitted and an average of 50% of the total points must be achieved.In case SoSe 21 will take place in the form of remote learning, content and aims of the course remain unchanged.The course will be taught in English. Assignments will be accepted in English and German.

Minimum requirements and assessment criteria

75% Attendance is requiredGrading00.0 – 49.9% Unsatisfactory50.0 – 62.9% Sufficient63.0 – 74.9% Satisfactory75.0 – 86.9% Good87.0 - 100% Excellent

Reading list

Wird in der Lehrveranstaltung bekannt gegeben.

Group 7

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Stand heute (14.01.2022) wird die Übung präsent abgehalten.

Achtung: Sollten mehr Studierende angemeldet sein, als die Raumkapazität zulässt, wird die Veranstaltung digital abgehalten. Die maximale Teilnehmerzahl bleibt jedoch bei 30 Studierenden.
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.

Wednesday 16.03. 15:00 - 16:30 Seminarraum 8, Währinger Straße 29 1.OG
Wednesday 30.03. 15:00 - 16:30 Seminarraum 8, Währinger Straße 29 1.OG
Wednesday 27.04. 15:00 - 16:30 Seminarraum 8, Währinger Straße 29 1.OG
Wednesday 11.05. 15:00 - 16:30 Seminarraum 8, Währinger Straße 29 1.OG
Wednesday 25.05. 15:00 - 16:30 Seminarraum 8, Währinger Straße 29 1.OG
Wednesday 08.06. 15:00 - 16:30 Seminarraum 8, Währinger Straße 29 1.OG
Wednesday 22.06. 15:00 - 16:30 Seminarraum 8, 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!

Assessment and permitted materials

Grading:60% homework (25% for the first homework, 35% for the second homework)40% participation in classesTo receive a positive grade, both homework assignments must be submitted and an average of 50% of the total points must be achieved.In case SoSe 21 will take place in the form of remote learning, content and aims of the course remain unchanged.The course will be taught in English. Assignments will be accepted in English and German.

Minimum requirements and assessment criteria

75% Attendance is requiredGrading00.0 – 49.9% Unsatisfactory50.0 – 62.9% Sufficient63.0 – 74.9% Satisfactory75.0 – 86.9% Good87.0 - 100% Excellent

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 8

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 im Wintersemester 2021 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.

Tuesday 15.03. 16:45 - 18:15 Seminarraum 10, Kolingasse 14-16, OG01
Tuesday 29.03. 16:45 - 18:15 Seminarraum 10, Kolingasse 14-16, OG01
Tuesday 26.04. 16:45 - 18:15 Seminarraum 10, Kolingasse 14-16, OG01
Tuesday 10.05. 16:45 - 18:15 Seminarraum 10, Kolingasse 14-16, OG01
Tuesday 24.05. 16:45 - 18:15 Seminarraum 10, Kolingasse 14-16, OG01
Tuesday 14.06. 16:45 - 18:15 Seminarraum 10, Kolingasse 14-16, OG01
Tuesday 28.06. 16:45 - 18:15 Seminarraum 10, Kolingasse 14-16, OG01

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% for the first homework, 35% for the second homework)40% participation in classesTo receive a positive grade, both homework assignments must be submitted and an average of 50% of the total points must be achieved.In case SoSe 21 will take place in the form of remote learning, content and aims of the course remain unchanged.The course will be taught in English. Assignments will be accepted in English and German.

Minimum requirements and assessment criteria

75% Attendance is requiredGrading00.0 – 49.9% Unsatisfactory50.0 – 62.9% Sufficient63.0 – 74.9% Satisfactory75.0 – 86.9% Good87.0 - 100% Excellent

Reading list

Literatur wird in der Lehrveranstaltung bekannt gegeben.

Group 9

max. 30 participants
Language: English
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

In Summer Semester 2022, the University of Vienna is planning to hold courses mainly on site. The use of FFP2 face masks is mandatory in all interior spaces (except for people lecturing or oral contributions by participants). Due to COVID-19, there might be changes at short notice (e.g., single classes in a digital format). In case of digital learning, aims and contents of the course remain unchanged.

Thursday 17.03. 16:45 - 18:15 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Thursday 31.03. 16:45 - 18:15 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Thursday 28.04. 16:45 - 18:15 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Thursday 12.05. 16:45 - 18:15 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Thursday 02.06. 16:45 - 18:15 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Thursday 23.06. 16:45 - 18:15 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.

It is strongly recommended to attend the corresponding lecture!

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.

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 10

max. 30 participants
Language: English
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Tuesday 15.03. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Tuesday 29.03. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Tuesday 26.04. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Tuesday 10.05. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Tuesday 24.05. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Tuesday 14.06. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Tuesday 28.06. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG

Aims, contents and method of the course

Students will learn about statistical data analysis and practice descriptive and inductive methods. The aim of the course is to learn how to prepare, visualize, and analyze data with SPSS as well as how to interpret and report the results. Moreover, students will learn how to read and understand published results and critically examine them. After completion of the seminar, students will gain a basic knowledge about descriptive and inductive statistics and be able to independently conduct 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% for the first homework, 35% for the second homework)
40% participation in classes

Minimum requirements and assessment criteria

75 % attendance requirement

Grading
0 – 49,9 % Unsatisfactory
50 – 62.9 % Sufficient
63 – 74.9 % Satisfactory
75 – 86,9 % Good
87 – 100 % Excellent

Reading list

Will be announced in the course.

Group 11

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Ob der Kurs wirklich in Präsenz stattfinden kann, erfahren Sie Anfang März über Moodle.
Die Einheit am 23.05. findet in jedem Fall virtuell über Zoom statt.

Ablauf des Kurses
STADA 1 Organisatorisches & Einführung 14.03. Präsenz
STADA 2 Deskriptive Statistik 28.03. Präsenz
STADA 3 Datenmanagement, Ausgabe HÜ1 25.04. Präsenz
Deadline HÜ1 09.05. 23.59h
STADA 4 T-test 09.05. Präsenz
STADA 5 Korrelation & Regression 1/2 23.05. Virtuell
STADA 6 Regression 2/2, Chi-Quadrat, Ausgabe HÜ2 13.06. Präsenz
STADA 7 Besprechung HÜ1, offene Fragen 27.06. Präsenz
Deadline HÜ2 & Forumsbeitrag 04.07. 23.59h

Monday 14.03. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Monday 28.03. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Monday 25.04. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Monday 09.05. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Monday 23.05. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Monday 13.06. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
Monday 27.06. 13:15 - 14:45 Lehrredaktion Publizistik, Währinger Straße 29 2.OG

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!

Assessment and permitted materials

- Mitarbeit im Forum (40%)
- 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 1

Im 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 12

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Die Übung ist vor Ort geplant, kann aber - je nach aktuellen COVID-19-Regelungen der Universität Wien - digital stattfinden.

Thursday 17.03. 11:30 - 13:00 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Thursday 31.03. 11:30 - 13:00 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Thursday 28.04. 11:30 - 13:00 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Thursday 12.05. 11:30 - 13:00 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Thursday 02.06. 11:30 - 13:00 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Thursday 23.06. 11:30 - 13:00 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß

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!
Siehe: https://ufind.univie.ac.at/de/course.html?lv=220062&semester=2022S

Informationen zum konkreten Ablauf der Lehrveranstaltung im Sommersemester 2022 erhalten alle korrekt angemeldeten Studierenden rechtzeitig per E-Mail. Im Falle von digitaler bzw. hybrider Lehre bleiben die Ziele und Inhalte der Lehrveranstaltung unverändert. Methodisch kommen verschiedene Übungsaktivitäten via Moodle zum Einsatz.

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 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 % 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 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 13

max. 30 participants
Language: English
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Thursday 17.03. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Thursday 31.03. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Thursday 28.04. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Thursday 12.05. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Thursday 02.06. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG
Thursday 23.06. 15:00 - 16:30 PC-Raum 1 Schenkenstraße 8-10, 1.UG

Group 14

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Tuesday 15.03. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Tuesday 29.03. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Tuesday 26.04. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Tuesday 10.05. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Tuesday 24.05. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Tuesday 14.06. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Tuesday 28.06. 15:00 - 16:30 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß

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!

Assessment and permitted materials

Mitarbeit im Forum (40%)
- 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 1

Im 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

die Slides der Einheiten

Association in the course directory

Last modified: Fr 18.03.2022 12:48