Universität Wien
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 (2025S)

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

Summary

1 Klesl
Mo 24.03. 08:00-09:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
2 Litvyak
Sa 22.03. 13:15-16:15 Seminarraum 3, Währinger Straße 29 1.UG
3 Khaleghipour
Tu 11.03. 15:00-16:30 Seminarraum 9, Währinger Straße 29 2.OG
4 Weiß
Mo 24.03. 15:00-16:30 Seminarraum 5, Währinger Straße 29 1.UG
5 Wölfle
Fr 14.03. 09:45-11:15 Class Room 2 ZID UniCampus Hof 7 Eingang 7.1, 1.OG ( 2H-O1-13)
6 Wahl , Moodle
We 21.05. 15:00-18:00 Seminarraum 6, Kolingasse 14-16, EG00
7 Greber
Tu 11.03. 13:00-14:30 PC-Seminarraum 2, Kolingasse 14-16, OG01
8 Vranken
We 30.04. 09:45-12:45 Seminarraum 2, Währinger Straße 29 1.UG
9 Wimmer
Fr 30.05. 15:00-18:30 Seminarraum 3, Währinger Straße 29 1.UG
10 Tolochko
Mo 31.03. 16:45-19:45 Seminarraum 10, Währinger Straße 29 2.OG
11 Harff
Th 13.03. 13:15-16:15 Seminarraum 2, Währinger Straße 29 1.UG
12 Meerson , Moodle
Tu 11.03. 15:00-16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
13 Thomas
Fr 20.06. 09:45-13:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG

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. 20 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

  • Monday 07.04. 08:00 - 09:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Monday 05.05. 08:00 - 09:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Monday 19.05. 08:00 - 09:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Monday 02.06. 08:00 - 09:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Monday 16.06. 08:00 - 09:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Monday 30.06. 08:00 - 09:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG

Aims, contents and method of the course

In dieser Lehrveranstaltung erlernen und üben Sie die Grundlagen statistischer Datenanalyse in der Kommunikationswissenschaft (z.B. Vorbereitung, Einlesen, Analysieren, Visualisieren von Daten; Interpretieren und Berichten eigener Ergebnisse; Lesen und kritisches Beurteilen der Ergebnisse anderer). Nach dem positiven Abschluss der Übung sind Sie mit den Grundlagen deskriptiver und induktiver Statistik vertraut und können die Inhalte selbstständig (in R) anwenden.

Wichtig:
- Es wird dringend empfohlen, die dazugehörige Vorlesung zu besuchen sowie UE QUANTI und UE STADA bei dem_derselben Lehrenden zu absolvieren!
- In dieser Übung wird R(Studio) verwendet. Bitte bringen Sie daher Ihren eigenen Laptop mit!

Informationen zum konkreten Ablauf dieser Lehrveranstaltung erhalten alle korrekt angemeldeten Studierenden rechtzeitig via E-Mail/Moodle. Derzeit ist geplant, die Lehrveranstaltung vor Ort abzuhalten; im Falle von digitaler bzw. hybrider Lehre bleiben die Ziele und Inhalte der Lehrveranstaltung unverändert. Methodisch kommen verschiedene Übungsaktivitäten via Moodle zum Einsatz. Näheres wird in der ersten Einheit besprochen.

Assessment and permitted materials

40% Mitarbeit (Einzel- oder Gruppenübungen zu Themen der jeweiligen Einheit, Vorbereitung der Pflichtlektüre)
60% Hausübungen (1. Hausübung: 25%, 2. Hausübung: 35%)

Im Falle von digitaler Lehre bzw. hybride Lehre wird die Mitarbeit ebenfalls durch die Abgabe von Mitarbeitsübungen bewertet. Die Arbeitsaufträge werden in diesem Fall jeweils in den entsprechenden Einheiten auf Moodle hochgeladen.

Einsatz von künstlicher Intelligenz (KI):
Die Lehrveranstaltung unterliegt den Regeln der guten wissenschaftlichen Praxis der Universität Wien. Sämtliche Übungen sind somit eigenständig zu erledigen. Zudem muss die Verwendung aller genutzten Hilfsmittel, so auch KI-Tools, transparent gekennzeichnet werden; ansonsten gilt dies als Plagiat.
Es ist zudem nicht gestattet, Texte, Interpretationen, etc. von KI-Tools generieren zu lassen. Es steht den Studierenden jedoch frei, KI-Tools zu verwenden, um sich konkrete Aspekte erklären zu lassen. Dabei gilt es allerdings, die ausgegebenen Antworten kritisch nachzurecherchieren. Sobald KI verwendet wird, ist dies in jedem Fall zu kennzeichnen (z.B. durch Angabe des Prompts).
Zur Sicherung der guten wissenschaftlichen Praxis, und falls Zweifel an der Eigenständigkeit der Leistung aufkommen sollten, kann die Lehrveranstaltungsleitung eine mündliche Reflexion der abgegebenen Teilleistung anordnen, die erfolgreich zu absolvieren ist.
Näheres wird in der Lehrveranstaltung besprochen.

Minimum requirements and assessment criteria

75 % Anwesenheitspflicht bei Vor-Ort-Lehre (= maximal eine Fehleinheit). Im Falle von digitaler bzw. hybrider Lehre wird die Anwesenheitspflicht der Situation entsprechend angepasst und rechtzeitig an die Studierenden kommuniziert.

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

In der Übung erarbeitete Inhalte werden im Anschluss eigenständig auf neue Fragestellungen angewendet. Für die Hausübungen kann es nötig sein, die vermittelten Inhalte eigenständig durch die Vorlesung(sunterlagen) und/oder zusätzliche Literatur zu ergänzen.

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

Reading list

Wird in der LV bekannt gegeben.

Group 2

max. 20 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

  • Saturday 29.03. 13:15 - 16:15 Seminarraum 5, Währinger Straße 29 1.UG
  • Saturday 17.05. 13:15 - 16:15 Seminarraum 10, Währinger Straße 29 2.OG

Group 3

max. 20 participants
Language: English

Lecturers

Classes (iCal) - next class is marked with N

  • Tuesday 25.03. 15:00 - 16:30 Seminarraum 9, Währinger Straße 29 2.OG
  • Tuesday 08.04. 15:00 - 16:30 Seminarraum 9, Währinger Straße 29 2.OG
  • Tuesday 06.05. 15:00 - 16:30 Seminarraum 9, Währinger Straße 29 2.OG
  • Tuesday 20.05. 15:00 - 16:30 Seminarraum 9, Währinger Straße 29 2.OG
  • Tuesday 03.06. 15:00 - 16:30 Seminarraum 9, Währinger Straße 29 2.OG
  • Tuesday 17.06. 15:00 - 16:30 Seminarraum 9, Währinger Straße 29 2.OG

Group 4

max. 20 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

  • Monday 07.04. 15:00 - 16:30 Seminarraum 5, Währinger Straße 29 1.UG
  • Monday 05.05. 15:00 - 16:30 Seminarraum 5, Währinger Straße 29 1.UG
  • Monday 19.05. 15:00 - 16:30 Seminarraum 5, Währinger Straße 29 1.UG
  • Monday 02.06. 15:00 - 16:30 Seminarraum 5, Währinger Straße 29 1.UG
  • Monday 23.06. 15:00 - 16:30 Seminarraum 5, Währinger Straße 29 1.UG

Group 5

max. 20 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

  • Friday 28.03. 09:45 - 11:15 Class Room 2 ZID UniCampus Hof 7 Eingang 7.1, 1.OG ( 2H-O1-13)
  • Friday 11.04. 09:45 - 11:15 Class Room 2 ZID UniCampus Hof 7 Eingang 7.1, 1.OG ( 2H-O1-13)
  • Friday 09.05. 09:45 - 11:15 Class Room 2 ZID UniCampus Hof 7 Eingang 7.1, 1.OG ( 2H-O1-13)
  • Friday 23.05. 09:45 - 11:15 Class Room 2 ZID UniCampus Hof 7 Eingang 7.1, 1.OG ( 2H-O1-13)
  • Friday 06.06. 09:45 - 11:15 Class Room 2 ZID UniCampus Hof 7 Eingang 7.1, 1.OG ( 2H-O1-13)
  • Friday 20.06. 09:45 - 11:15 Class Room 2 ZID UniCampus Hof 7 Eingang 7.1, 1.OG ( 2H-O1-13)

Aims, contents and method of the course

In dieser Lehrveranstaltung erlernen und üben Sie die Grundlagen statistischer Datenanalyse in der Kommunikationswissenschaft (z.B. Datenmanagement, Analyse, Visualisierung von Daten, Bericht und Interpretation der Ergebnisse). Nach dem positiven Abschluss der Übung sind Sie mit den Grundlagen deskriptiver und induktiver Statistik vertraut und können die Inhalte selbstständig (in R) anwenden.

In dieser Übung wird R(Studio) verwendet. Bitte bringen Sie daher nach Möglichkeit Ihren eigenen Laptop mit!

Assessment and permitted materials

40% Mitarbeit (schriftliche Übungen zu Themen der jeweiligen Einheit)
60% Hausübungen (1. Hausübung: 25%, 2. Hausübung: 35%)

Die Lehrveranstaltung unterliegt den Regeln der guten wissenschaftlichen Praxis der Universität Wien. Sämtliche Übungen sind somit eigenständig zu erledigen. Zudem muss die Verwendung aller genutzten Hilfsmittel, so auch KI-Tools, transparent gekennzeichnet werden; ansonsten gilt dies als Plagiat.

Minimum requirements and assessment criteria

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

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

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

In der Übung erarbeitete Inhalte werden im Anschluss eigenständig auf neue Fragestellungen angewendet. Für die Hausübungen kann es nötig sein, die vermittelten Inhalte eigenständig durch die Vorlesung(sunterlagen) und/oder zusätzliche Literatur zu ergänzen.

Folgende Themen werden innerhalb der Einheiten und anhand der Hausübungen erarbeitet:
- Umgang mit R(Studio)
- Datenmanagement
- Deskriptive Statistik
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und multiple lineare Regression

Reading list

Wird in der Lehrveranstaltung bekanntgegeben.

Group 6

max. 20 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

  • Wednesday 28.05. 15:00 - 18:00 Seminarraum 6, Kolingasse 14-16, EG00
  • Wednesday 04.06. 15:00 - 18:00 Seminarraum 6, Kolingasse 14-16, EG00

Aims, contents and method of the course

Vermittlung der Softwareumgebung R (https://www.r-project.org). In diesem Kurs wird ausschließlich mit R und RStudio gearbeitet! Studierende benötigen in allen Einheiten einen eigenen Laptop (kein Tablet) mit der schon installierten Software!

Es werden gebräuchliche statistische Auswertungsmethoden der Sozialwissenschaften vermittelt und mittels Übungen vertieft. Nach Abschluss der Übung können Studierende selbstständig quantitative Daten auswerten.

Der Besuch und die aktive Teilnahme an der dazugehörigen Vorlesung wird dringend empfohlen.

Assessment and permitted materials

1. Hausaufgabe: 25 %,
2. Hausaufgabe: 35 %
Mitarbeit bei den Einzel- und Gruppenübungen: 40 %

Für eine positive Beurteilung müssen beide Hausübungen fristgerecht abgegeben 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

- Grundlagen in R und RStudio
- Datenbereinigung, Visualisierung und Analyse
- Interpretation eigener und fremder Ergebnisse
- Deskriptive Statistik
- Datenmanagement
- Mittelwertvergleich (t-Test)
- Chi-Quadrat-Test
- Korrelation
- Einfache und multiple lineare Regression

Reading list

Wird in der Lehrveranstaltung bekannt gegeben.

Group 7

max. 20 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

  • Tuesday 25.03. 13:00 - 14:30 PC-Seminarraum 2, Kolingasse 14-16, OG01
  • Tuesday 08.04. 13:00 - 14:30 PC-Seminarraum 2, Kolingasse 14-16, OG01
  • Tuesday 06.05. 13:00 - 14:30 PC-Seminarraum 2, Kolingasse 14-16, OG01
  • Tuesday 20.05. 13:00 - 14:30 PC-Seminarraum 2, Kolingasse 14-16, OG01
  • Tuesday 03.06. 13:00 - 14:30 PC-Seminarraum 2, Kolingasse 14-16, OG01

Group 8

max. 20 participants
Language: English

Lecturers

Classes (iCal) - next class is marked with N

  • Wednesday 14.05. 09:45 - 12:45 Seminarraum 2, Währinger Straße 29 1.UG
  • Wednesday 04.06. 09:45 - 12:45 Seminarraum 2, Währinger Straße 29 1.UG

Group 9

max. 20 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

  • Saturday 31.05. 09:45 - 13:15 Seminarraum 5, Währinger Straße 29 1.UG
  • Sunday 01.06. 09:45 - 13:15 Seminarraum 5, Währinger Straße 29 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

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

Wird in der LV bekanntgegeben

Group 10

max. 20 participants
Language: English

Lecturers

Classes (iCal) - next class is marked with N

  • Monday 12.05. 16:45 - 19:45 Seminarraum 10, Währinger Straße 29 2.OG
  • Monday 16.06. 16:45 - 19:45 Seminarraum 10, Währinger Straße 29 2.OG

Group 11

max. 20 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

  • Wednesday 09.04. 13:15 - 16:15 Seminarraum 2, Währinger Straße 29 1.UG
  • Wednesday 07.05. 13:15 - 16:15 Seminarraum 2, Währinger Straße 29 1.UG

Group 12

max. 20 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

  • Tuesday 25.03. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 08.04. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 06.05. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 20.05. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 03.06. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Tuesday 17.06. 15:00 - 16:30 Lehrredaktion Publizistik, Währinger Straße 29 2.OG

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! Außerdem wird empfohlen, die UE QUANTI und STADA bei der gleichen Lehrperson zu absolvieren.

WICHTIG!! In dieser Übung wird R(Studio) verwendet. Bitte bringen Sie daher Ihren eigenen Laptop (kein Tablet!) 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.

Die Verwendung von KI-Tools ist nur soweit erlaubt, wie in der Veranstaltung angekündigt wird.

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

In der Übung erarbeitete Inhalte werden im Anschluss eigenständig auf neue Fragestellungen angewendet. Für die Hausübungen kann es nötig sein, die vermittelten Inhalte eigenständig durch die Vorlesung(sunterlagen) und/oder zusätzliche Literatur zu ergänzen.

Folgende Themen werden innerhalb der Einheiten und anhand der Hausübungen erarbeitet:

- Umgang mit R(Studio)
- Umgang mit Daten (Einlesen, Bereinigung, 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. 20 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

  • Saturday 21.06. 09:45 - 13:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG
  • Sunday 22.06. 09:45 - 13:15 Lehrredaktion Publizistik, Währinger Straße 29 2.OG

Association in the course directory

Last modified: Fr 10.01.2025 08:46