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