Universität Wien

220061 UE METH: UE STADA Statistical Data Analysis (2024S)

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

Summary

1 Kulichkina , Moodle
2 Betakova , Moodle
3 Duregger , Moodle
4 Kanková , Moodle
5 Hagelstein , Moodle
6 Leonhardt , Moodle
7 Pettauer , Moodle
9 Saumer , Moodle
10 Biron , Moodle
11 Stevic , Moodle
12 Weiß , Moodle
13 Wiesner , Moodle
14 Neureiter , 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 05.03. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Tuesday 09.04. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Tuesday 23.04. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Tuesday 07.05. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Tuesday 21.05. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Tuesday 04.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Tuesday 18.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33

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

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) In-class Exercises – 20%
(4) In-class Discussion – 20%

Minimum requirements and assessment criteria

• obligatory attendance (students are allowed to miss a maximum of one class)
• both home assignments must be submitted on time 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%

Examination topics

- Descriptive statistics and visualization in R
- Data cleaning with R
- Mean comparison (t-test)
- Chi-Squared Test
- Correlation
- Simple and multiple linear regression
- Interpretation of results

Reading list

Relevant book chapters and materials will be provided before each session.
Software: RStudio

Group 2

max. 30 participants
Language: English
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

  • Thursday 07.03. 09:45 - 12:45 Seminarraum 6, Kolingasse 14-16, EG00
  • Thursday 14.03. 09:45 - 12:45 Seminarraum 6, Kolingasse 14-16, EG00
  • Thursday 21.03. 09:45 - 12:45 Seminarraum 6, Kolingasse 14-16, EG00

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 R 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 R, 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 R (R-Studio) software, types of data
Descriptive statistics (central tendency, dispersion)
Data handling (and cleaning) in R
Hypothesis testing and T-tests
Chi-square test and correlation
Linear and multiple regression

Reading list

Books:
• Field, A., Miles, J., & Field, Z. (2012). Discovering statistics using R. SAGE Publications.

Group 3

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

  • Wednesday 13.03. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Wednesday 10.04. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Wednesday 24.04. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Wednesday 15.05. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Wednesday 29.05. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Wednesday 12.06. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Wednesday 26.06. 16:45 - 18:15 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% 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

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 19.03. 15:00 - 16:30 Seminarraum 10, Währinger Straße 29 2.OG
  • Tuesday 16.04. 15:00 - 16:30 Seminarraum 10, Währinger Straße 29 2.OG
  • Tuesday 30.04. 15:00 - 16:30 Seminarraum 10, Währinger Straße 29 2.OG
  • Tuesday 14.05. 15:00 - 16:30 Seminarraum 10, Währinger Straße 29 2.OG
  • Tuesday 28.05. 15:00 - 16:30 Seminarraum 10, Währinger Straße 29 2.OG
  • Tuesday 11.06. 15:00 - 16:30 Seminarraum 10, Währinger Straße 29 2.OG
  • Tuesday 25.06. 15:00 - 16:30 Seminarraum 10, Währinger Straße 29 2.OG

Aims, contents and method of the course

IMPORTANT: Students need to bring their own laptops to class.
Students get to know and practice descriptive and inductive methods of statistical data analysis. They learn to prepare, visualize, and analyze data in R 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 in R, as well as critically evaluate statistical representations and analyses in academic papers.

It is strongly recommended to attend the corresponding lecture!

Please note that this seminar is taught in English.

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.

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

Group 5

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

  • Thursday 14.03. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Thursday 11.04. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Thursday 25.04. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Thursday 16.05. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Thursday 06.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Thursday 20.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33

Aims, contents and method of the course

In der Lehrveranstaltung werden die Grundlagen statistischer Auswertungen in der Kommunikationswissenschaft mit R vermittelt und anhand praktischer Übungen einstudiert.

Der Besuch der dazugehörigen Vorlesung wird dringend empfohlen.

Assessment and permitted materials

Mitarbeit (Einzel- und Gruppenaufgaben in der Übungseinheit) und fristgerechte Abgabe von zwei Hausübungen.

Minimum requirements and assessment criteria

75 % Anwesenheitspflicht (nur 1 Fehleinheit möglich).

Benotung: 60% Hausübungen (HÜ1: 25 %, HÜ2: 35%), 40% Mitarbeit.

Für eine positive Note müssen beide Hausübungen fristgerecht 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.

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 die in der Übung erarbeiteten 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 6

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

  • Monday 11.03. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Monday 08.04. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Monday 22.04. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Monday 06.05. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Monday 27.05. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Monday 10.06. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Monday 24.06. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG

Aims, contents and method of the course

Die Studierenden lernen deskriptive und induktive Methoden der statistischen Datenanalyse kennen und üben diese. Sie lernen, Daten mit R aufzubereiten, zu visualisieren und zu analysieren und die Ergebnisse zu interpretieren und zu berichten. Außerdem lernen sie, die Ergebnisse anderer zu lesen und kritisch zu prüfen. Nach Abschluss des Seminars verfügen die Studierenden über Grundkenntnisse 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.

Assessment and permitted materials

Benotung:
60% Hausaufgaben (25% für die erste Hausarbeit, 35% für die zweite Hausarbeit)
40% Teilnahme am Unterricht

Um eine positive Note zu erhalten, müssen beide Hausaufgaben abgegeben werden und ein Durchschnitt von 50% der Gesamtpunkte erreicht werden.

Findet das Semester in Form von Fernunterricht statt, bleiben Inhalt und Ziele des Kurses unverändert.

Der Kurs wird in deutscher Sprache abgehalten.

Minimum requirements and assessment criteria

75% Anwesenheitspflicht

Benotung:

00.0 - 49.9% Unbefriedigend
50.0 - 62.9% Ausreichend
63,0 - 74,9% Befriedigend
75.0 - 86.9% Gut
87,0 - 100% Ausgezeichnet

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

Group 7

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

  • Wednesday 17.04. 15:00 - 18:00 Seminarraum 10, Währinger Straße 29 2.OG
  • Wednesday 24.04. 15:00 - 18:00 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 08.05. 15:00 - 18:00 PC-Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Untergeschoß

Aims, contents and method of the course

In dieser Übung erhalten die Teilnehmer:innen Einblicke in die Grundlagen der statistischen Analysemethoden. Die Lehrveranstaltung bietet eine praktische Einführung in die Nutzung von SPSS zur Datenaufbereitung, Visualisierung und Analyse.

Die Studierenden erlernen auch die Fähigkeit, Forschungsergebnisse zu interpretieren und kritisch zu bewerten. Ziel des Kurses ist es, den Teilnehmer:innen das notwendige Wissen zu vermitteln, um eigenständige SPSS-Analysen durchführen und statistische Inhalte in akademischen Arbeiten kritisch reflektieren zu können.

Die Lehrveranstaltung deckt die Bereiche der Datenbereinigung, -visualisierung und -analyse ab und vermittelt Techniken wie Mittelwertvergleich (t-Test), Chi-Quadrat-Test, Korrelation sowie einfache und mehrfache lineare Regression. Theoretische Konzepte werden mit praktischen Übungen in SPSS kombiniert, um ein tiefes Verständnis der Dateninterpretation zu entwickeln. Der Kurs betont die kritische Bewertung statistischer Analysen und fördert ein reflektiertes Verständnis für den Einsatz statistischer Methoden in der Kommunikationswissenschaft.

Assessment and permitted materials

75 % Anwesenheitspflicht
Benotung: 60 % Hausübungen, 40 % Mitarbeit
2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %

Minimum requirements and assessment criteria

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

Examination topics

Benotung: 60 % Hausübungen, 40 % Mitarbeit
2 Hausübungen:
Hausübung 1: 25 %
Hausübung 2: 35 %

Reading list

Die Teilnehmer:innen erhalten innerhalb der LV regelmäßig Literaturtipps zu den einzelnen besprochenen Themenbereichen. Diese finden sich auch auf den Folien der Lehrinhalte wieder, die jeweils im Anschluss der LV via Moodle zur Verfügung gestellt werden.

Group 9

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

  • Tuesday 19.03. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 16.04. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 30.04. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 14.05. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 28.05. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 11.06. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 25.06. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG

Aims, contents and method of the course

Studierende lernen und üben deskriptive und induktive Methoden der statistischen Datenanalyse. Sie werden befähigt, Daten mit R vorzubereiten, zu visualisieren und zu analysieren sowie die Ergebnisse zu interpretieren und zu berichten. Darüber hinaus lernen sie, die Ergebnisse anderer zu lesen und kritisch zu prüfen. Nach Abschluss des Seminars verfügen die Studierenden über grundlegende Kenntnisse in deskriptiver und induktiver Statistik. Sie sind in der Lage, eigenständig Analysen mit R durchzuführen und statistische Darstellungen sowie Analysen in wissenschaftlichen Arbeiten kritisch zu bewerten. Die Teilnahme an der entsprechenden Vorlesung wird dringend empfohlen.

Informationen zum konkreten Ablauf der Lehrveranstaltung im Sommersemester 2024 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

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.

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.

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 Genügen

Examination topics

Folgende Themen werden innerhalb der Einheiten und anhand der Hausübungen erarbeitet:
- Datenbereinigung, Visualisierung und Analyse
- Interpretation eigener und fremder Ergebnisse
- Deskriptive Statistik
- Umgang mit Daten
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und multiple lineare Regression

Reading list

Wird in der LV bekannt gegeben.

Group 10

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

  • Wednesday 13.03. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Wednesday 10.04. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Wednesday 24.04. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Wednesday 15.05. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Wednesday 29.05. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Wednesday 12.06. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Wednesday 26.06. 16:45 - 18:15 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33

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 in SPSS näherzubringen. Es wird eine Einführung in die Datenverarbeitung geben und die anschließende Interpretation der Ergebnisse wird erarbeitet, um generell statistische Ergebnisse kritisch prüfen zu können.
Es wird empfohlen, die dazugehörige Vorlesung zu besuchen.

Assessment and permitted materials

- Fristgerechte Abgabe von zwei eigenständig verfassten Hausübungen (60%) mit SPSS: HÜ1 (25%), HÜ2 (35%)
- Mitarbeit (40%)

Minimum requirements and assessment criteria

75% Anwesenheitspflicht, nur eine Fehleinheit im Semester ist möglich.
Benotung: Die zwei Hausübungen sind 60% der Gesamtnote, 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 insgesamt min. 50%, dh. 30 Punkte von insgesamt 60 Punkten, der beiden Hausübungen erreicht werden.
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 (deskriptive Statistik, t-test, Korrelation, Interpretationen der Daten etc) 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 LV bekannt gegeben.

Group 11

max. 30 participants
Language: English
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

  • Wednesday 13.03. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Wednesday 10.04. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Wednesday 24.04. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Wednesday 08.05. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Wednesday 22.05. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Wednesday 05.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Wednesday 19.06. 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 R, 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 R.

It is strongly recommended to attend the corresponding lecture!

Please note that this seminar is taught in English.

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
- Linear regression

Group 12

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

  • Monday 18.03. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Monday 15.04. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Monday 29.04. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Monday 13.05. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Monday 03.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Monday 17.06. 15:00 - 16:30 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33

Aims, contents and method of the course

Der Kurs zielt darauf ab, die Grundlagen der statistischen Analysen in der Kommunikationswissenschaft zu erklären. Durch praktische Übungen lernen die Studierenden deskriptive Statistik in R, grundlegende Datenanalysen (z.B. Korrelation, t-Test, lineare Regression) und die Interpretation der Ergebnisse. Nach Abschluss des Seminars sind die Studierenden mit der deskriptiven Statistik und grundlegenden Datenanalysen vertraut und können selbstständig Analysen in R durchführen. Für diese Lehrveranstaltung sind keine Vorkenntnisse zu Programmierung erforderlich.

Es wird dringend empfohlen, die zugehörige Vorlesung zu besuchen!

Wichtig: Bitte bringen Sie nach Möglichkeit einen eigenen Laptop mit!

Assessment and permitted materials

60% Hausübungen (25% erste Übung, 35% zweite Übung)
40% Mitarbeit

Für eine positive Beurteilung müssen beide Hausübungen fristgerecht abgegeben werden und mindestens 50% der Gesamtpunktzahl erreicht 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

Examination topics

Datenbereinigung, -visualisierung und -analyse:
- Deskriptive Statistik
- Umgang mit Daten
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und mehrfache lineare Regression
- Interpretation von Ergebnissen

Reading list

Wird in der Lehrveranstaltung bekanntgegeben.

Group 13

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

The course takes place every two weeks alternating with the UE QUANTI (Group 13).

  • Tuesday 19.03. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 16.04. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 07.05. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 28.05. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 11.06. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 25.06. 09:45 - 11:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG

Aims, contents and method of the course

Software: R (incl. RStudio)
In this course, we work exclusively with R and RStudio!
Students need to bring their own laptop (no tablets!) to every session.
Prior knowledge of R is *not* required – the course is explicitly aimed at beginners.

⸻

In this course, students acquire fundamental skills in applying statistical methods using the R programming language, one of the most important tools for data analysis in the social sciences.
The goal is to enable students to independently and confidently carry out the entire analysis process – from data preparation to the interpretation of statistical results.

We will work with current and socially relevant datasets that reflect real-world issues from politics, society, media, or the economy. This not only promotes methodological skills but also a critical approach to data in the context of social science.

The course combines methodological and theoretical content with a strong practical focus:
After short input phases (approx. 10–15 minutes), each session includes an interactive application unit, in which students immediately apply what they’ve learned independently or collaboratively on their own laptop using R.
The course is designed to be hands-on throughout to ensure the lasting acquisition of practical skills.

⸻

Didactic Concept:
• Alternating theory and practice: Each session consists of input, guided exercises (tutorials), and an in-depth, individual exercise.
• Active participation: The tutorials are submitted via Moodle and serve as proof of active participation.
• Transparent assessment: All assessments and grading criteria are clearly and currently presented on Moodle.
• Open feedback culture: Throughout the course, there is always the opportunity to ask questions – both in-person and via the online platform. Immediate feedback from the instructor as well as from fellow students (peer learning) is an integral part of the course.
• Peer learning and collaboration: Collaboration among students is explicitly encouraged to support and deepen the learning process.
• Feedback accompanying learning: The exercises at the end of each session provide opportunities for self-monitoring and formative assessment by the instructor.

⸻

Upon completion of the course, students will be able to:
• Critically interpret statistical results and contextualize them within the social sciences.
• Analyze their own empirical research questions using appropriate methods in R.
• Use the R and RStudio environment independently – from data preparation to analysis and visualization.
• Develop confidence in working with code-based software and apply it to new problems.
• Create reproducible analyses and conduct methodologically sound research independently.
• Critically evaluate data from public sources, prepare it, and interpret it in light of current societal developments.

Assessment and permitted materials

Individual assignments (60%)
Continuous active participation (40%)

Minimum requirements and assessment criteria

75% compulsory attendance (i.e. max. one missing unit)

Grading:
100 - 87.0% Very Good
86.9 - 75.0% Good
74.9 - 63.0% Satisfactory
62.9 - 50.0% Sufficient
49.9 - 00.0% Not sufficient

Examination topics

- Introduction to R and RStudio
- Data cleaning, analysis, and visualization
- 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 14

max. 30 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

  • Monday 11.03. 16:45 - 18:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Wednesday 10.04. 16:45 - 18:15 PC-Seminarraum 2 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 24.04. 16:45 - 18:15 PC-Seminarraum 2 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 15.05. 16:45 - 18:15 PC-Seminarraum 2 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 29.05. 16:45 - 18:15 PC-Seminarraum 2 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 12.06. 16:45 - 18:15 PC-Seminarraum 2 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Wednesday 26.06. 16:45 - 18:15 PC-Seminarraum 2 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 a statistical program 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 a statistical program, 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

Literatur wird in der Lehrveranstaltung bekannt gegeben.

Association in the course directory

Last modified: Tu 01.04.2025 13:46