Topic outline

  • Prof. Dr. Julia Maria Struß (Fachhochschule Potsdam)

    Collapse all Expand all

    12.+13.05.2023; FH Potsdam, Raum: 2/211 – PC 2, PC-Pool Haus 2


    • Page icon
      Zoom Meetingraum - alle Informationen hier Page
    • Forum icon
      Kursforum
    • Forum icon
      Ankündigungen Forum


    • Inhalte

      • Statistische Grundlagen
      • Erhebungsmethoden
      • Quantitative Methoden
      • Stichprobenziehung/Repräsentativität
      • Fragebogengestaltung
      • Datenaufbereitung
      • Auswertung mit geeigneten Anwendungen: deskriptive Statistik
      • Testverfahren, schließende Statistik, multivariate Verfahren
      • Grafische Darstellung von Ergebnissen


      Voraussetzungen für die Vergabe der Kreditpunkte: 

      1. Vorleistung: Bearbeiten der Jupyter Notebooks.
      2. Aktive Mitarbeit bei den Arbeitsgruppen während der Moduldurchführung
      3. Spezielle Arbeitsleistung: Kurzvorstellung der Datenaufbereitung und -auswertung am 2. Tag und Upload des Jupyter Notebooks mit den Ergebnissen bis zum 29.05.2023, 23.59 Uhr.

  • 1. Ablaufplan Präsenzphase & Gruppeneinteilung

  • 2. Vorbereitende Informationen, Übungen etc.

    • Journal icon
      Bitte geben Sie hier stichpunktartig Ihre Vorkenntnisse an. Journal
    • Assignment icon
      Aufgabe: Forschungsdatensatz für Präsenzveranstaltung auswählen Assignment
      Recherchieren Sie in Ihrer Gruppe nach einem Forschungsdatensatz, der folgenden Anforderungen genügt:
      • Die Daten wurden mit in Form einer vollstrukturierten schriftlichen Befragung erhoben.
      • Der für die Datenerhebung genutzte Fragebogen ist verfügbar. 
      • Die Rohdaten sind (in anonymisierter Form) als csv-Datei zugänglich.
      • Die Stichprobe umfasst mindestens 100 Teilnehmer. 
      • Die Daten stehen unter einer Lizenz zur Verfügung, die es ermöglicht, im Rahmen von Lehrveranstaltungen mit den Daten zu arbeiten. 
      Der Forschungsdatensatz wird in der Präsenzveranstaltung zu Übungszwecken herangezogen. Achten Sie darauf, dass der Datensatz nicht zu viele Variablen enthält. Alternativ kann ggf. auch eine Auswahl von Variablen erfolgen.

      Teilen Sie bitte bis zum 05.05.2023 mit, welchen Datensatz Sie in Ihrer Gruppe für die Bearbeitung ausgewählt haben. 

    • Wir arbeiten in diesem Kurs mit dem Ihnen bereits bekannten Jupyter Notebooks, nutzen allerdings einen R-Kernel. Hinweise zur Einrichtung Ihrer Anaconda-Installation für die Arbeit mit R und Jupyter Notebooks finden Sie in der Anaconda-Dokumentation. Arbeiten Sie die Jupypter Notebooks 1 bis 4 in Vorbereitung auf den Kurs durch. Je nach Vorkenntnissen kann die Bearbeitung der einzelnen Jupyter Notebooks mehrere Stunden in Anspruch nehmen. Eine Zusammenstellung der in den Jupyter Notebooks eingeführten Befehle finden Sie im nachfolgenden Cheat Sheet. Bevor Sie mit dem 3. Jupyter Notebook beginnen, lesen Sie bitte Kapitel 8.4 aus Döring und Bortz (2016).

    • Folder icon
      Jupyter Notebooks Folder
    • Folder icon
      Datensätze für die Übungen in den Jupyter Notebooks Folder
    • File icon
      R - CheatSheet File
    • Student folder icon
      Laden Sie hier gerne Ihre Lösungen für alle Kursteilnehmer hoch Student folder

    • Als ergänzende Lektüre zu den Jupyter Notebooks und den Kursinhalten können folgende Kapitel aus der Lektüreempfehlung hilfreich sein:
      • Döring, Nicola; Bortz, Jürgen (2016): Forschungsmethoden und Evaluation in den Sozial- und Humanwissenschaften. Berlin, Heidelberg: Springer Berlin Heidelberg: Kapitel 1.3, 2.2, 3.2, 8, 9, 10.1-10.3, 11, 12.2-12.5
      • Field, Andy; Miles, Jeremy; Field, Zoë (2012): Discovering statistics using R. London: SAGE. (Kapitel 1-5: gute Erklärungen, weitere Übungen und Beispiele zum Umgang mit R)

      Weitere Literaturhinweise finden Sie auch an entsprechenden Stellen direkt in den Jupyter Notebooks.

  • 3. Vorlesungsskripte und Foliensammlungen

  • 4. Nachbereitung und spezielle Arbeitsleistungen

    Einzelpräsentation der Arbeitsgruppensitzungen mittels Präsentation am 2. Tag von max. 10 Minuten und Upload der Jupyter Notebooks mit der Datenaufbereitung  und -auswertung.

    • Assignment icon
      Spezielle Arbeitsleistungen Assignment
    • File icon
      Selbstständigkeitserklärung File

      Auf der letzten Seite einer schriftlichen Prüfungsleistung (Hausarbeit und sonstige schriftliche Ausarbeitungen im Rahmen eines Leistungsnachweises) ist folgende Erklärung abzugeben und mit Datum und eigenhändiger Unterschrift zu versehen.

      Bei einer Gruppenarbeit muss jedes Gruppenmitglied eine eigene Selbstständigkeitserklärung beifügen.


  • 5. Literatur, Hilfestellungen, Tipps


    Die grundlegende Literatur ist in der gemeinsamen Zotero-Bibliothek hinterlegt. Weiterführende Literatur, Videos und Hinweise auf Tutorials finden Sie jeweils an geeigneter Stelle direkt in den Jupyter Notebook oder den Foliensätzen.

  • 6. Evaluationsergebnisse

    Hier sehen Sie die Ergebnisse der Evaluation der Lehrveranstaltung

  • 7. Online Konsultationsmöglichkeiten (Termine, Kontaktmöglichkeit)

    • Julia Maria Struß, julia.struss@fh-potsdam.de
      Virtuell über Zoom
      Telefonisch: 0331 580 4532

      Konsultationstermine vor und nach der Präsenzveranstaltung: 

      • Freitag, 05.05.2023 um 20 Uhr (via Zoom)
      • Montag, 16.05.2023 um 20 Uhr (via Zoom)