Course Schedule
Veranstaltungen von Monika Tschense
Lehrveranstaltungen
Inferential Statistics II - Group B (Übung)
Dozent/in: Monika Tschense
Termin:
wöchentlich | Montag | 14:15 - 15:45 | 13.10.2025 - 30.01.2026 | C 12.015 Seminarraum
Inhalt: Quantitative methods covered in the lecture will be repeated in the seminar and practically applied by means of exercises. For independent consolidation of the methods, the students work on a weekly assignment sheet, which is handed in to the tutor. The practical exercises are done with the free open source software R (http://www.r-project.org/).
Inferential Statistics II - Group C (Übung)
Dozent/in: Monika Tschense
Termin:
wöchentlich | Montag | 16:15 - 17:45 | 13.10.2025 - 30.01.2026 | C 12.108 Seminarraum
Inhalt: Quantitative methods covered in the lecture will be repeated in the seminar and practically applied by means of exercises. For independent consolidation of the methods, the students work on a weekly assignment sheet, which is handed in to the tutor. The practical exercises are done with the free open source software R (http://www.r-project.org/).
Advanced topics in General Psychology I (Seminar)
Dozent/in: Monika Tschense
Termin:
wöchentlich | Dienstag | 14:15 - 15:45 | 14.10.2025 - 30.01.2026 | C 11.308 Seminarraum
Inhalt: This seminar will focus on the PSYCHOLOGY OF READING. Reading is a complex process that combines sensomotorics, cognition and language in order to extract information from written text. After reviewing some basic principles of reading, we will explore methods and designs in reading research, and discuss models and theories of reading based on relevant publications. --- Pollatsek, A., & Treiman, R. (Eds.). (2015). The Oxford handbook of reading. Oxford University Press. Rayner, K., Pollatsek, A., Ashby, J., & Clifton Jr., C. (2011). Psychology of Reading. 2nd ed. Psychology Press.
DATAx: Datenanalyse mit Python (11) (Übung)
Dozent/in: Monika Tschense
Termin:
wöchentlich | Montag | 10:00 - 10:55 | 13.10.2025 - 30.01.2026 | C 9.102 Seminarraum
Inhalt: Diese Übung führt in die Programmierung und Datenanalyse mit der Programmiersprache Python ein. Sie richtet sich speziell an Studierende ohne Vorkenntnisse oder Erfahrung im Programmieren. Im Laufe des Kurses lernen die Studierenden: - Die Anwendung grundlegender Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen. - Einen effektiven Umgang mit Large Language Models (LLMs) in Chat AI. - Die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Mithilfe vorgefertigter Jupyter-Notebooks betreuen Dozenten aus verschiedenen Fachbereichen die ersten praktischen Erfahrungen der Studierenden mit Python in Jupyter-Notebooks, darunter auch Sitzungen zu Datenanalyse und maschinellem Lernen. Regelmäßige Aufgaben motivieren die Studierenden, praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln und ihr neu erworbenes Wissen auf ihr Studienfach anzuwenden. Am Ende des Semesters arbeiten die Studierenden in einer Lerngruppe an einem datengesteuerten Projekt, übernehmen verschiedene Rollen und lernen, gemeinsam Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren. Während der gesamten Übung stehen erfahrene und engagierte Tutoren (Teaching Assistants) zur Verfügung, um die Studierenden auf dem Campus zu unterstützen. Die Unterrichtssprachen in den Tutorien sind Deutsch und Englisch.
DATAx: Datenanalyse mit Python (12) (Übung)
Dozent/in: Monika Tschense
Termin:
wöchentlich | Montag | 11:00 - 11:55 | 13.10.2025 - 30.01.2026 | C 9.102 Seminarraum
Inhalt: Diese Übung führt in die Programmierung und Datenanalyse mit der Programmiersprache Python ein. Sie richtet sich speziell an Studierende ohne Vorkenntnisse oder Erfahrung im Programmieren. Im Laufe des Kurses lernen die Studierenden: - Die Anwendung grundlegender Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen. - Einen effektiven Umgang mit Large Language Models (LLMs) in Chat AI. - Die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Mithilfe vorgefertigter Jupyter-Notebooks betreuen Dozenten aus verschiedenen Fachbereichen die ersten praktischen Erfahrungen der Studierenden mit Python in Jupyter-Notebooks, darunter auch Sitzungen zu Datenanalyse und maschinellem Lernen. Regelmäßige Aufgaben motivieren die Studierenden, praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln und ihr neu erworbenes Wissen auf ihr Studienfach anzuwenden. Am Ende des Semesters arbeiten die Studierenden in einer Lerngruppe an einem datengesteuerten Projekt, übernehmen verschiedene Rollen und lernen, gemeinsam Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren. Während der gesamten Übung stehen erfahrene und engagierte Tutoren (Teaching Assistants) zur Verfügung, um die Studierenden auf dem Campus zu unterstützen. Die Unterrichtssprachen in den Tutorien sind Deutsch und Englisch.
Inferential Statistics II (Vorlesung)
Dozent/in: Moritz Bammel, Monika Tschense, Sebastian Wallot
Termin:
wöchentlich | Dienstag | 10:15 - 11:45 | 14.10.2025 - 30.01.2026 | C HS 4
Inhalt: Quantitative methods covered in the lecture will be repeated in the seminar and practically applied by means of exercises. For independent consolidation of the methods, the students work on a weekly assignment sheet, which is handed in to the tutor. The practical exercises are done with the free open source software R (http://www.r-project.org/).