Syllabus: CMM Grundlagen der Computergestützten Datenanalyse (AQM2134)

Transkript

1 Syllabus: CMM Grundlagen der Computergestützten Datenanalyse (AQM2134) Prof. Dr. Ulrich Föhl Dipl. Psych. Tim Höfling Hochschule Pforzheim / Pforzheim University Kurs: Prüfungsart: Workload: AQM2134 CMM Grundlagen der Computergestützten Datenanalyse Präsentationen und Assessments 3 ECTS Credits (30 Contact hours) Informationen und Kursmaterial: Voraussetzungen: Siehe Lernplattform Deskriptive Statistik (AQM1021) und Inferenzstatistik (AQM2011) Gültigkeit: Sommersemester 2016 Angaben über den Lehrenden: Prof. Dr. Ulrich Föhl Büro: W Kolloquium: Montags, Uhr Tel.: Fax: E Mail: ulrich.foehl@hs pforzheim.de Dipl. Psych Tim Höfling Kolloquium: E mail: Nach Vereinbarung tim.hoefling@hs pforzheim.de

2 2 Kurzbeschreibung: Informationstechnologien ermöglichen den Unternehmen den Zugriff auf wertvolle Markt, Unternehmens und Wettbewerbsdaten. Leider ʺschlummernʺ in vielen Unternehmen diese Informationen in Datenbänken, ohne dass sie systematisch ausgewertet werden. Zunächst scheitert eine systematische Auswertung von Daten bereits an fehlenden Kenntnissen beim Einsatz einer entsprechenden Statistik Software. Die Veranstaltung soll diese Lücke schließen, indem der professionelle Umgang mit der weltweit verbreiteten Statistik Software SPSS gelernt wird. Hierzu werden anhand von Beispielen zunächst die Dateneingabe sowie die Datenmodifikation eingeübt. Im Rahmen der Datenanalyse wird dann in die einfachen Analyseverfahren wie Häufigkeits und Kreuztabellen eingeführt, bevor weitergehende Verfahren zur Überprüfung von bi und multivariaten Beziehungen parametrischer und nichtparametrischer Daten mit SPSS erlernt werden. Alle Themenschwerpunkte des Seminars werden in Gruppenarbeit anhand von Computerübungen selbständig vertieft und umgesetzt. Dabei wird insbesondere auf Anwendungsbezüge und Probleme in der Praxis geachtet. Anschließend werden die Kenntnisse in einem Praxisprojekt umgesetzt. Lernziele: Die Studierenden treffen sichere Entscheidungen über anzuwendende statistische Verfahren bei gegebenen Forschungsfragen; 2. verstehen auch kompliziertere multivariate Analysetechniken; 3. sind in der Lage, die Verfahren in SPSS routiniert umzusetzen und Ergebnisse richtig zu interpretieren 4. verstehen Probleme in Zusammenhang mit empirischen Befragungen und sind in der Lage, Befragungen professionell auszuwerten; 5. können die Ergebnisse zusammenfassend in geeigneter Weise präsentieren. Beitrag des Faches zur Gesamtzielerreichung des Studienganges: Programmziel 1.4 Fachwissen in quantitativen Methoden 2.1 Nutzung von Informationstechnologie 3. Kritisches Denken Beitrag Erlernen einfacher (inferenz )statistischer Analysemethoden (uni und bivariat; multivariate Verfahren) zur Entscheidungsunterstützung in Unternehmen. Dabei wird insbesondere auf die Anwendungsbezüge zur Praxis geachtet. Der gesamte quantitative Forschungsprozess steht dabei im Fokus der Veranstaltung: Von der Operationalisierung einzelner Informationen, über einfache uni und bivariate Analysen bis hin zu multivariaten Analysemethoden werden alle praxisrelevanten Themengebiete abgedeckt. Vertieftes Erlernen einer Statistik Standardsoftware (SPSS) Kritische Bewertung der Potenziale statistischer Verfahren und empirischer Befragungen. Entwicklung eines Problembewusstseins bei der Interpretation von Ergebnissen multivariater Verfahren.

3 3 4. Ethisches Bewusstsein 5. Kommunikationsfähigkeit 6. Teamfähigkeit 7.2 Anwendung von Wissen zu psycholog. Inhalten und Methoden 7.3 Kritische Reflexion von Ergebnissen und Erarbeitung psycholog. fundierter Lösungen Auswertung quantitativer Studien zur Entscheidungsunterstützung unter folgenden Grundsätzen: (1) Die Ergebnisse müssen fair, objektiv und neutral dargestellt werden, (2) Präsentationen müssen sowohl die gewünschten als auch die nicht gewünschten Ergebnisse dokumentieren, (3) Es dürfen keine unangemessenen/unzulässige Verfahren verwendet werden, nur um passende Ergebnisse zu erhalten, (4) Datenbereinigung muss nachvollziehbar dargestellt und begründet werden. Es darf keine Datenbereinigung zum Zwecke der Erzeugung plausibler Ergebnisse geben, (5) Datenmaterial über Menschen soll nicht ohne Wissen und Zustimmung der betroffenen Person erhoben werden. Schriftliche Ausarbeitungen zu statistischen Themen Mündliche Ergebnispräsentation des Datenanalyseprojekts durch die Teilnehmer Computerübungen in Gruppen sowie gemeinsame Datenanalyse im Rahmen des Datenanalyseprojekts; gemeinsame Bearbeitung von schriftlichen Hausaufgaben Anwendung von Kenntnissen zu quantitativen Erhebungs und Auswertemethoden im Rahmen des Datenanalyseprojekts Kritische Bewertung der empirischen Ergebnisse sowie der genutzten Erhebungsmethoden des durchgeführten Datenanalyseprojekts und Einbettung der Ergebnisse in psychologische Erklärungsansätze Inhalt: 1. Einführung 2. Arbeiten mit SPSS und deskriptive Statistik 3. Univariate Tests 4. Varianzanalyse 5. Regressionsanalyse 6. Faktorenanalyse 7. Clusteranalyse 8. Datenanalyseprojekt

4 4 Lehr und Lernkonzept Bei der Veranstaltung handelt es sich um ein Seminar, in das Computerübungen integriert sind. Der Erfolg seminaristischer Veranstaltungen hängt maßgeblich von der Mitarbeit der Studierenden ab. Die Studierenden werden zunächst in Gruppen/Teams eingeteilt. Diese Gruppeneinteilung gilt für das gesamte Semester. Im Lauf des Semesters bearbeiten die Studierenden in Form kurzer Hausarbeiten Statistikaufgaben und werten einen Datensatz aus; die Ergebnisse werden im Rahmen von Gruppenpräsentationen am Ende des Semesters vorgestellt. Das Seminar besteht aus zwei Teilen: 1. Teil: Statistische Methoden: Der Dozent gibt Ihnen zu den einzelnen statistischen Verfahren eine kurze Einführung. Danach werden die Methoden in Gruppenarbeit geübt. Zur Vertiefung Ihrer Kenntnisse bearbeiten Sie in der ersten Seminarhälfte zwei Aufgabenstellungen schriftlich zu Hause, die Sie dem Dozenten zu bestimmten Terminen zusenden (siehe Skript). Ergänzend zu den Einführungen im Rahmen der Seminarsitzungen sollten Sie dazu die einzelnen Verfahren auch nochmal genauer in einem der genannten Lehrbücher anschauen. 2. Teil: In einem zweiten Teil werten Sie in Teams einen Datensatz hinsichtlich einer vorgegebenen Fragestellung aus. Vor der Auswertung sind die Fragestellungen und erste Auswertungsideen im Rahmen einer ca. 5 minütigen Präsentation vorzustellen und schriftlich in einem kurzen Exposé zusammenzufassen. Es sollen möglichst auch multivariate Analysemethoden zum Einsatz kommen. Die Ergebnisse der Auswertung sind danach gruppenweise in einer 25 minütigen Endpräsentation vorzustellen.

5 5 Termine Die Themen für das Datenanalyseprojekt werden später festgelegt Nr Datum Thema Verantwortlich / Organisatorisches und Einführung Föhl/Höfling / Datenhandling Höfling / Univariate Tests (Kap. 3, S.47 70) Höfling / Varianzanalyse 1 (Kap. 4, nur S und S ) Föhl / Varianzanalyse 2 (Kap. 4, nur S ) Föhl / Regressionsanalyse (Kap. 5 nur S ; S ; S ; S ; S ) / Explorative Faktorenanalyse (Kap. 7, S , ohne supporting technique) Föhl Höfling / Clusteranalyse (Kap. 9, S ; S ) Höfling , 13.45h (beide Gruppen) Einführung Datenanalyseprojekt Föhl / Kurzpräsentationen Datenanalyseprojekt (Konzept) Alle Gruppen/Föhl / Datenanalyse (Arbeit in Kleingruppen, Gruppen 1 3) TN freiwillig/höfling / Datenanalyse (Arbeit in Kleingruppen, Gruppen 4 7) TN freiwillig/höfling / Endpräsentationen Teil 1 Gruppen 1 3/ Föhl/Höfling / Endpräsentationen Teil 2 Gruppen 4 7/ Föhl/Höfling / Verlegt auf Buchkapitel beziehen sich auf Janssens et al. (2008) Literatur Hauptlehrbuch Janssens, W., Wijnen, K., Pelsmacker de, P., Kenvove van, P.: Marketing Research with SPSS, Essex, Pearson Education ISBN: Begleitliteratur Malhotra, N. K: Marketing Research. An Applied Approach, 6th Global Edition, Pearson ISBN 10: ; ISBN 13: Bühl, A.: SPSS 17. Einführung in die moderne Datenanalyse unter Windows, 11. überarbeitete Auflage, München ISBN: Cleff, T.: Deskriptive Statistik und moderne Datenanalyse. Eine computergestützte Einführung in Excel, PASW (SPSS) und Stata, 2. erw. und überarb. Auflage, Wiesbaden 2011 (ISBN: ).

6 6 Kursmaterialien Syllabus Folien zu Einführung und statistischen Einzelthemen Aufgabenstellungen für Hausaufgaben (2 Aufgabenblöcke) Folien zum Datenanalyseprojekt Datensätze für Übungsaufgaben SPSS Syntax für spezifische Analysen Verhaltensregeln und wissenschaftliches Ehrverständnis: Lesen Sie ausführlich den Syllabus. Im Kurs selber setzen wir auf Interesse am Thema, gegenseitigen Respekt und Vertrauen, Fairness, Pünktlichkeit, Stetigkeit, Engagement und Leistungsbereitschaft. Ein großer Teil der Arbeit ist in Ihren Arbeitsgruppen zu leisten. Beachten Sie in der Gruppe dabei folgende Grundsätze: Respekt voreinander, übernehmen Sie Verantwortung für Ziele und Aufgaben, gehen Sie höflich miteinander um. Bei Problemen innerhalb der Gruppe bezüglich der Zusammenarbeit nehmen Sie bitte frühzeitig Kontakt mit den Dozenten auf. Der Arbeitserfolg hängt zudem auch von der Zusammenarbeit zwischen den einzelnen Gruppen ab. Gruppen sollten sich auch untereinander in ihrer Arbeit unterstützen. Beachten Sie auch hier die oben genannten Grundsätze der Zusammenarbeit. Kommen Sie pünktlich zur Veranstaltung, gehen Sie nicht früher und erledigen Sie alle sonstigen Belange, die nichts mit der Vorlesung zu tun haben (z.b. Telefonieren, SMS versenden etc.), in der Pause. Eine Abwesenheit ist im Voraus per Mail zu entschuldigen. Mehr als zwei Fehltermine sind nicht möglich! Der Prüfer behält sich vor, bei mehr als zwei Fehlstunden den Kurs insgesamt mit nicht bestanden zu bewerten. Zwei Verspätungen werde wie eine Fehlstunde gewertet. Die genannten Termine für alle Aufgaben sind einzuhalten. Es ist selbstverständlich und gewünscht, dass in der Veranstaltung jederzeit inhaltliche Fragen gestellt werden. Dies dient neben Ihrem Verständnisfortschritt auch den Lehrenden bei ihrer Einschätzung des Kenntnisstandes der Studierenden, um mögliche Themenfelder nochmals zu vertiefen und die Lerngeschwindigkeit ggfs. anzupassen. Fragen Sie bitte direkt in der Veranstaltung oder in der nächsten Vorlesung. Selbstverständnis als Lehrende Wir wollen unseren Teil dazu beitragen, dass Sie einen erfolgreichen Lernfortschritt realisieren und ein Verständnis für die praktische Bedeutung der Lerninhalte bekommen. Verständnisfragen sollten möglichst gleich während der Veranstaltung gestellt werden. Ebenso sind Ihre Kommentare, die dem Lernfortschritt aller dienen, herzlich willkommen. Unser Ziel ist es, dass Sie die Veranstaltung erfolgreich abschließen können, allerdings liegt der wesentliche Teil der Arbeit bei Ihnen. Regelungen zum Leistungsnachweis Der Leistungsnachweis ergibt sich gemäß folgender Aufteilung: Statistikaufgaben: 35% Exposé zur Datenanalyse und Kurzpräsentation 15% Abschlusspräsentation zum Datenanalyseprojekt 50% Für die Bewertung gelten zudem folgende Regeln: Jede einzelne Teilleistung muss mit einer Note von 4,0 oder besser bestanden werden.

7 7 Bei der Abschlusspräsentation werden eine Gruppen und eine individuelle Note vergeben. Beide werden bei der Berechnung der Teilleistungsnote gleich gewichtet. Der Prüfer behält sich vor, bei mehr als zwei Fehlstunden den Kurs insgesamt mit nicht bestanden zu bewerten. Folgendes Bewertungsschema wird angewendet: ʹSehr gutʹ bedeutet herausragende Leistung, die weit über dem Durchschnitt liegt. ʹGutʹ bedeutet gute Leistung, die über dem Durchschnitt liegt. ʹBefriedigendʹ bedeutet durchschnittliche Leistung, welche durchaus Mängel aufweist, jedoch den Anforderungen grundsätzlich entspricht. ʹAusreichendʹ bedeutet unterdurchschnittliche Leistung mit auffälligen Mängeln. Mangelhaftʹ bedeutet nicht akzeptable Leistung, welche den Anforderungen nicht mehr entspricht. Details und Aufgabenstellungen zu den einzelnen Leistungsnachweisen finden Sie im Skript.