Data Analytics & Empirical Methods

Einführung und Vertiefung

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

wissenschaftliches Arbeiten und empirische Methoden auf Bachelor-Niveau

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
• univariate und multivariate Datenanalyse
• prädiktive statistische Datenanalyse (Machine Learning) und Methodik der Inferenzstatistik
• Wahrscheinlichkeitstheorie, Informationstheorie, Bayes-Theorem
• System Dynamics & Agent Based Modelling
• Anwendung von Methoden der Datenanalyse
• Darstellung und Visualisierung von Daten

• American Psychological Association (Washington, District of Columbia) (Hrsg.). (2020). Publication manual of the American psychological association (Seventh edition). American Psychological Association.
• Coren, E., & Wang, H. (Hrsg.). (2024). Storytelling to Accelerate Climate Solutions. Springer International Publishing. https://doi.org/10.1007/978-3-031-54790-4
• De Wolf, C., Çetin, S., & Bocken, N. M. P. (Hrsg.). (2024). A Circular Built Environment in the Digital Age. Springer International Publishing. https://doi.org/10.1007/978-3-031-39675-5
• Garg, V., Goel, R., Tiwari, P., & Döngül, E. S. (2024). Handbook of Artificial Intelligence Applications for Industrial Sustainability: Concepts and Practical Examples (1st ed.). CRC Press. https://doi.org/10.1201/9781003348351
• Heath, C., & Starr, K. (2022). Making numbers count: The art and science of communicating numbers (First Avid Reader Press hardcover edition). Avid Reader Press.
• Jamieson, K. H., Kahan, D., & Scheufele, D. A. (2017). The Oxford handbook of the science of science communication. Oxford university press.
• Montgomery, S. L. (2017). The Chicago guide to communicating science (2nd ed). University of Chicago press.
• Viceconti, M., & Emili, L. (Hrsg.). (2024). Toward Good Simulation Practice: Best Practices for the Use of Computational Modelling and Simulation in the Regulatory Process of Biomedical Products. Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-48284-7

Portfolio

Englisch

5

50

2.5

Blended Learning

2

STGL

DEM

Integrierte Lehrveranstaltung

Pflichtfach

keines