Datenmanagement & Statistik

Lehrinhalte

Gute wissenschaftliche Praxis:
Kriterien von Wissenschaft
Praktische Relevanz & AI
Daten und Informationen
Ethischer Umgang

Quellenstudium:
Quellen suchen
Quellen bewerten
Kritisch lesen
Paraphrasieren, Zitieren und Referenzieren

Wissenschaftliches Schreiben:
Entwicklung einer Argumentation

Wissenschaftliche Sprache:
Formale Gestaltung wissenschaftlicher Arbeiten

Datenquellen:
Datenarten und -produzenten
Primär-, Sekundär-, Registerdaten, Big Data, Open Access, Open Data (Bsp. Arbeitslosigkeit)
Referenzierung

Statistische Methoden in der Datenaufbereitung und -auswertung:
Dimensionen der Betrachtung (Fall, Variable, Wert, Messniveau)
Verteilungen: Häufigkeiten und Parameter
Beziehungen: Unterschieds- und Zusammenhangshypothesen

Präsentation und Visualisierung:
Grundlagen der Visualiserung
Balken- Punkt- und Liniendiagramme

Digitale Tools:
Excel, SPSS/PSPP, R mit Übungen

Studiengang

Bachelorstudiengang Sozial-, Gesundheits- & Public Management