Menu

Datenanalyse & Empirische Methoden

Niveau

Einführung und Vertiefung

Lernergebnisse der Lehrveranstaltungen/des Moduls

Die Studierenden sind in der Lage: • Zusammenhänge zwischen Forschungspraxis und faktenbasierten Entscheidungsprozessen in der Berufspraxis zu verstehen • die Rolle von theoretischen Grundannahmen und Begriffen im Forschungsprozess und beim Forschungsdesign zu verstehen • Stärken und Einsatzgebiete qualitativer und quantitativer Methoden für eine empirische Forschung zu beurteilen und beispielhaft anzuwenden • Datensätze mit empirischen Methoden selbständig zu erheben • eigenständig Datensätze zu strukturieren, zu analysieren, sowie Informationen darzustellen und kritisch zu evaluieren • Methoden der Datenanalyse im Kontext einer konkreten Problemstellung auszuwählen und zu implementieren • Konzepte und Methoden der deskriptiven und explorativen Statistik sowie prädiktiven Datenanalyse zu verstehen und anzuwenden • spezielle Anforderungen an Datenaufbereitung und Datenspeicherung zu verstehen • Informationen darzustellen und kritisch zu evaluieren

Voraussetzungen der Lehrveranstaltung

wissenschaftliches Arbeiten und empirische Methoden auf Bachelor-Niveau

Lehrinhalte

Empirische Methoden & Wissenschaftliches Arbeiten • Forschungspraxis und faktenbasierte Entscheidungen • qualitative und quantitative Methoden, Forschungsdesign und Formen der Datenerhebung (z.B. Interview, Fragebogen, Beobachtung, Feld- und Laborstudie, Experiment, Simulation) • Grundlagen Exposé für die Masterarbeit Datenanalyse • univariaten und multivariaten Datenanalyse • prädiktive statistische Datenanalyse (Machine Learning) und Methodik der Inferenzstatistik • Wahrscheinlichkeitstheorie, Informationstheorie, Bayes-Theorem • System Dynamics & Agend Based Modelling • Anwendung von Methoden der Datenanalyse • Darstellung und Visualisierung von Daten

Empfohlene Fachliteratur

• James, G., Witten, D., Hastie, T., Tibshirani, R. 2013. An Introduction to Statistical Learning with Applications in R. Springer. New York. • Chakrabarti, A., L. Pichl und T. Kaizoji (Hrsg), 2019. Network Theory and Agent-Based Modeling in Economics and Finance. Singapur: Springer Nature • Stocker, H. 2014. Ökonometrie: Grundlagen und Methoden. Pearson Studium - Economic VWL • Fahrmeir, L., R. Künstler, I. Pigeot, I. und G. Tutz, 2012. Statistik: Der Weg zur Datenanalyse. 7. Auflage. Berlin: Springer • Fahrmeir, L., Kneib, T. & Lang, S., 2009. Regression: Modelle, Methoden und Anwendungen. 2. Auflage. Berlin: Springer • Heisen, M. R., Theisen, M., 2017. Wissenschaftliches Arbeiten: erfolgreich bei Bachelor- und Masterarbeit. München: Franz Vahlen

Bewertungsmethoden und -Kriterien

Portfolio

Unterrichtssprache

Deutsch

Anzahl der zugewiesenen ECTS-Credits

5

E-Learning Anteil in %

50

Semesterwochenstunden (SWS)

2.5

Geplante Lehr- und Lernmethode

Blended Learning

Semester/Trisemester, In dem die Lehrveranstaltung/Das Modul Angeboten wird

2

Name des/der Vortragenden

Asc. Prof. (FH) Dipl.-Ing. Christian Huber

Studienjahr

Kennzahl der Lehrveranstaltung/des Moduls

DEM

Art der Lehrveranstaltung/des Moduls

Integrierte Lehrveranstaltung

Art der Lehrveranstaltung

Pflichtfach

Praktikum/Praktika

kein