Vorlesungsverzeichnis

Suchen Sie hier über ein Suchformular im Vorlesungsverzeichnis der Leuphana.

Start > Promotionsstudium Fakultät Bildung / doctoral courses Faculty of Education (Promotion / doctorate) -> Promotionskolleg Psychologie und Selbstregulation -> Forschungsmethoden Psychologie und Selbstregulation

Lehrveranstaltungen

Methoden-Training – ein Vorbereitungskurs in der quantitativen Forschung (Seminar)

Dozent/in: Oliver Hormann

Termin:
14-täglich | Donnerstag | 15:00 - 18:00 | 27.10.2022 - 02.02.2023 | C 40.165 Seminarraum | C 40.165

Inhalt: Die Veranstaltung bietet eine grundlegende Auseinandersetzung mit den methodologischen und methodischen Grundlagen der quantitativen Forschung sowie eine SPSS-basierte Einführung in multivariate Analysetechniken (varianz- und regressionsanalytische Verfahren). Der Kurs findet in 7 Blöcken über das Semester verteilt statt und dient der promotionsspezifischen Vorbereitung auf die empirische Bearbeitung einer quantitativen Fragestellung.

Methoden-Training – eine Workshopreihe in der quantitativen Forschung (Seminar)

Dozent/in: Oliver Hormann

Inhalt: Der Kurs bietet eine vertiefte Auseinandersetzung mit quantitativen Methoden und Fragestellungen. Er findet zweiwöchentlich in Form von 7 Blöcken, einschließlich einer Einführungsveranstaltung, über das Semester verteilt statt und dient der gezielten Vorbereitung auf die Durchführung quantitativer Analysen im Rahmen des Promotionsprojekts. In der Einführungsveranstaltung soll das inhaltliche Format der Veranstaltung verdeutlicht und die Reihenfolge der Termine für die bereits feststehenden Themenblöcke festgelegt werden. Darüber hinaus können Vorschläge für Themen eingebracht werden, die in der Workshop-Reihe bisher fehlen. Die Workshops bieten in der Regel neben einer Einführung in das Thema eine breite Übersicht zum jeweiligen Problemfeld sowie Umsetzungsbeispiele in der Statistiksoftware SPSS und/oder Stata. Der Kurs ist als Präsenzveranstaltung geplant. Alternative Teilnahmeformate können nur individuell mit dem Dozenten abgesprochen werden. Die erste Sitzung (03.11.2022) wird vollständig online stattfinden. Bisher geplante Workshopthemen • Auffrischung zur linearen Regression und Regressionsdiagnostik. Sensitivitätsanalysen mit Konfound. • Mediations- und Moderatoranalyse: Einführung in die Analyse kausaler Beziehungen. • Mehrebenenmodelle: Einführung in die Methodik gemischter Modellierung. • Mehr-Ebenen-Längsschnittanalyse (mit Panelansatz mit besonderem Augenmerk auf Prä-Post-Designs): Welche besonderen Herausforderungen erzeugen Längsschnittdesigns mit zwei Messzeitpunkten? • Latente Profilanalysen und/oder Clusteranalyse: Identifizierung von Gruppen mit ähnlichen Merkmalsausprägungen. • Umgang mit Missing Data: Was tun, wenn der Datensatz Löcher hat? Welche Auswirkungen haben fehlende Werte auf meine Analysen und welche Lösungen gibt es (multiple imputation oder fiml?)

Quantitative Data Analysis in R: The Tidyverse Approach (Seminar)

Dozent/in: Jan-Bennet Voltmer, Katharina Voltmer

Inhalt: Why not Python? "People have divided the Data Science field into camps based on the choice of the programming language they use. There is an R camp and a Python camp and history is a testimony to the fact that camps cannot live in harmony. Members of both the camps fervently believe that their choice of language is superior to the other. So, in a way, divergence doesn’t lie with the tools but with the people using those tools." (Pandey, 2019) "R is developed by academics and scientist. It is designed to answer statistical problems, machine learning, and data science. R is the right tool for data science because of its powerful communication libraries. [...] After you know your first programming language, learning the second one is simpler." Therefore, participants will practice the programming language R using prepared syntax. Participants will work on small programming tasks on their own and in small groups to practice and deepen their statistics and R skills. In particular, the seminar will focus on the relatively new but very intuitive “tidyverse” approach of R programming. This consists of some very easily relatable “verbs” (i.e., select, filter, mutate, group_by, summarize), to ease accessibility of R analyses.