Lehrende: Prof. Dr. Kai-Uwe Schnapp
Veranstaltungsart:
Vorlesung
Anzeige im Stundenplan:
Vorlesung
Semesterwochenstunden:
2
Credits:
6,0
Unterrichtssprache:
Deutsch
Min. | Max. Teilnehmerzahl:
10 | 350
Weitere Informationen:
B.A. Soziologie (Hauptfach): MM 2 - Quantitative Analyseverfahren
B.A. Politikwissenschaft (Hauptfach): MM 2 - Quantitative Analyseverfahren
B.A.-Studiengänge: Freier Wahlbereich
Die Vorlesung wird von mehreren Tutorium begleitet. Die Teilnahme an den Tutorien wird dringend empfohlen!
Link zum OpenOLAT-Raum der Vorlesung: https://www.openolat.uni-hamburg.de/url/RepositoryEntry/196149486
Ansprechperson für alle technischen und OpenOLAT-bezogenen Fragen ist Masha Mae Arakeljan: masha.mae.arakeljan[at]uni-hamburg.de
Kommentare/ Inhalte:
In der Vorlesung wird anknüpfend an den Grundkurs "Methoden der empirischen Sozialforschung" eine Einführung in die Arbeitsweise der deskriptiven und schließenden Statistik vorgenommen. Ausgehend von konkreten mit quantitativen Daten zu bearbeitenden Fragestellung sollen unterschiedliche statistische Maße und Verfahren erarbeitet werden, die es ermöglichen, relevante Informationen aus den Daten "herauszukitzeln". Dabei liegt der Schwerpunkt weniger auf den mathematischen Aspekten der Verfahren, sondern auf dem Erkennen jeweils datenangemessener Verfahren und einer angemessenen Interpretation der Ergebnisse der Verfahren.
Lernziel:
Die Teilnehmerinnen und Teilnehmer sollen vor allem zur kritischen Lektüre der Ergebnisse statistischer Analysen in der wissenschaftlichen Literatur befähigt werden. Darüber hinaus soll die Fähigkeit entwickelt werden, eigene Analysen zu planen, also ein den zu analysierenden Daten angemessenes Analyseverfahren bestimmen und einfache eigenen Analysen durchführen und interpretieren zu können.
Vorgehen:
In der Vorlesung werden ausgehend von geeigneten Datenbeispielen Fragestellungen entwickelt, geeignete Verfahren zur Bearbeitung der Fragen vorgestellt und die Fähigkeit zur Interpretation der Ergebnisse entwickelt. Um hier erfolgreich sein zu können, kommt es vor allem auch auf die eigene praktische Arbeit an. Daher werden in den Tutorien Aufgaben bearbeitet (vor allem Aufgaben zur Dateninterpretation), die die Studierenden an die Erreichung des Lernziels heranführen sollen. Das regelmäßige Bearbeiten der Aufgaben (auch außerhalb des Tutoriums) hat sich als die effektivste Form der Vorbereitung auf die Klausur erwiesen. Zur Erarbeitung dieser Aufgaben werden Zweier- oder im Ausnahmefall Dreiergruppen gebildet.
Die Vorlesungsinhalte werden vor den Sitzungsterminen online zur Verfügung gestellt (über OpenOLAT/L2Go). In den Präsenzterminen werden vom Lehrenden Fragen zum Stoff gestellt, die einzeln und in Gruppen bearbeitet und per Onlinetest beantwortet werden. Ausgehend von diesen Fragen werden Verständnisprobleme erörtert und weitergehende Fragen diskutiert.
Zur Vorlesung gehören wöchentliche Tutorien. Der Großteil der Tutorien soll in Präsenz stattfinden (Planungsstand 14.07.2021). Einige Tutorien werden aber in jedem Falle vollständig online angeboten werden. Die Einschreibung in ein Tutorium ist stark empfohlen aber nicht verpflichtend. Die starke Empfehlung gilt ausdrücklich auch für Studierende, die die Veranstaltung wiederholen. Die Einwahl in die Präsenz- und Digital-Tutorien erfolgt über den OpenOLAT-Kurs im Anschluss an die Einführungssitzung in der ersten Vorlesungswoche (Windhund-Verfahren). Die Tutor’innen entscheiden darüber, ob es im Tutorium eine Anwesenheitspflicht gibt oder nicht.
Literatur:
Grundlagentext:
Diaz-Bone: Statistik für Soziologen (über den Link http://www.utb-studi-e-book.de/9783825227821 besteht Volltextzugang aus dem Campus-Netz)
Ergänzend:
Backhaus/Erichson/Plinke/Weiber: Multivariate Analysemethoden: eine anwendungsorientierte Einführung. Springer (eine neuere Auflage).
Vertiefend:
Insbesondere in Sachen Statistik vertiefend - für diejenigen, die es etwas genauer wissen wollen: Kühnel/Krebs: Statistik für Sozialwissenschaften. rororo (eine neuere Auflage).
Zusätzliche Hinweise zu Prüfungen:
Der Erwerb von Leistungspunkten setzt die erfolgreiche Teilnahme an der Prüfung (Take-Home Exam) voraus (mindestens Note 4,0).
Prüfungsart: Take-Home Exam
Bewertungsschema: RPO (benotet)
1. Prüfungstermin: Montag, 31.1.2022, 12:00 bis 15:00 Uhr
2. Prüfungstermin: Mittwoch, 23.3.2022, 9:00 bis 12:00 Uhr
|