Der Kurs wurde erstmals im Sommersemester 2023 an der Europa-Universität Viadrina für Bachelor-Studierende ohne Vorkenntnisse in quantitativer Forschung unterrichtet. Die verfügbaren Lehr- und Lernmaterialien werden noch erweitert. Alle Materialien dürfen gemäß der Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA) Lizenz verwendet werden.
Lehrkonzept
Im Gegensatz zu traditionellen Statistik-Lehrveranstaltungen wird stärker auf interaktive Elemente und projektbezogenes Lernen gesetzt. Dazu dient insbesondere die Entwicklung eines kleinen individuellen Forschungsprojekts durch die Studierenden, das sich durch das Semester bis zur Abschlussprüfung zieht.
Mit dem Thema ‘Europäische Gesellschaften im Wandel’ erhält der Kurs auch eine inhaltliche Komponente. So können sich die Studierenden eigenständig eine Fragestellung erarbeiten, die sie im Rahmen des Kurses beantworten möchten. Durch die Präsentationen am Ende des Semesters erhalten die Studierenden die Gelegenheit, das Präsentieren und Feedback geben zu üben, lernen aber auch inhaltlich aus den Forschungsprojekten der anderen Studierenden.
Unterrichtsablauf
Jede Sitzung beginnt mit einem Quiz indem die Kernbegriffe der letzten Stunde wiederholt, angewandt und – bei Wissenslücken – noch einmal erklärt werden.
Alle Sitzungen bestehen aus einer Mischung von theoretischem Input und praktischen Anteilen: Gruppenarbeiten, Übungsaufgaben und Diskussionen. Die Studierenden werden dabei immer wieder aufgefordert, sich aktiv einzubringen und Fragen zu stellen.
Übungsaufgaben werden während der Stunde begonnen und in einigen Fällen im Anschluss als Hausaufgabe beendet. Zu den Übungsaufgaben gibt es Lösungen, es bietet sich aber an auch ein optionales kurzes Tutorat anzubieten - z.B. in der ‘akademischen Viertelstunde’ vor Unterrichtsbeginn.
Lernziele
Ziel des Kurses ist es Studierenden das Verständnis statistischer Analysen zu ermöglichen, ebenso wie sie an die eigenständige Analyse quantitativer Daten heranzuführen, z.B. im Rahmen von Seminar- oder Abschlussarbeiten. Dazu behandelt der Kurs Forschungsdesign und Fragen der Datenqualität ebenso wie Methoden der empirischen Datenanalyse mit der open source Programmiersprache R. Dabei sind praktische Übungen und die Umsetzung eines eigenen Projekts ein zentraler Bestandteil des Kurses: Studierende lernen Statistik mit Forschung statt für eine potenzielle zukünftige Forschung.
Als konkrete Lernziele erlernen Studierende im Kurs
- statistische Konzepte zu definieren und statistische Messwerte zu interpretieren
- quantitative Analysemethoden zur Beantwortung vorgegebener Forschungsfragen auf Umfragedaten anzuwenden (z.B. im Rahmen von angewandten Seminararbeiten)
- die Programmiersprache R zu nutzen (z.B. im Rahmen von angewandten Seminararbeiten)
- die Auswahl statistischer Kennwerte zu begründen und zu kritisieren (z.B. Wahl zwischen verschiedenen Mittelwerten)
- eigenständig Forschungsdesigns mit Umfragedaten zu entwickeln (z.B. zur Vorbereitung von Seminar- und Abschlussarbeiten)
Zielgruppe: Interdisziplinäre Studierende ohne Vorkenntnisse in Statistik oder Programmieren.
Bewertung und Feedback an Studierende
Die Abgaben im Semester sind bereits Teil des finalen Leistungsnachweises und werden auf die Länge der Abschlussarbeit ‘angerechnet’. Um Notendruck zu verringern und die Möglichkeit zur offenen Diskussion von Problemen und Verständnisschwierigkeiten zu schaffen werden die Abgaben während des Semesters nicht benotet, erhalten aber ausführliches Feedback (z.B. zur Plausibilität der ausgewählten Fragestellung, zu Problemen in der Interpretation).
Darüberhinaus geben Studierende einander an mehreren Punkten im Semester Peer-Feedback: In der Sitzung zu Forschungsdesign erhalten die Studierenden die Gelegenheit ihr Forschungsdesign miteinander zu besprechen, bevor sie es einreichen. Durch die Präsentationen am Ende des Semesters mit Diskussion durch andere Teilnehmende lernen die Studierenden einander Feedback zu geben.
Bewertet wird die finale Hausarbeit nach Kriterien entlang der Lernziele:
- Forschungsdesign (0-10 Punkte)
- Korrekte Verwendung statistischer Konzepte (0-5 Punkte)
- Anwendung und Interpretation statistischer Methoden (0-10)
- Begründung der gewählten Analyseform (0-5 Punkte)
- Abgabe von replizierbarem R-Code, ggf. mit Datensatz (0-5 Punkte)
Begleitende Literatur
Der Kurs nutzt ein begleitendes Buch, Llaudet und Imai (2023), als ‘Kurslektüre’ für die meisten Sitzungen. Das Buch versteht sich als ‘friendly introduction to the statistical concepts and programming skills needed to conduct and evaluate social scientific studies’ (Quelle). Es ist also speziell für Studierende ohne statistische Vorkenntnisse geschrieben.
Neben der Zugänglichkeit wurde das Buch gewählt, weil es ebenfalls einen angewandten Zugang wählt (also auch begleitende Übungen in R enthält und im Text erklärt) und passende ‘cheatsheets’ enthält, mit denen Studierende eigenständig die wichtigsten Begriffe erarbeiten und wiederholen können.
In der optionalen Lektüre sind passende deutschsprachige Texte ausgewiesen (z.B. Tausendpfund (2018), Gehring und Weins (2010)), auf die Lehrende gegebenenfalls ausweichen können. Diese Texte sind allerdings oft etwas anspruchsvoller bezüglich der statistischen Vorkenntnisse oder enthalten keine angewandten Übungen. In diesem Fall empfiehlt sich die Begleitung mit einem auf R fokussierten Buch - z.B. Gehrau, Maubach, und Fujarski (2022), Grolemund (2014), Wickham und Grolemund (2017) oder Navarro (2018). Auch bei der Nutzung von Llaudet und Imai (2023) können die deutsprachigen Texte als Vertiefung genutzt werden.
Optionale begleitende Maßnahmen
Die folgenden Maßnahmen begleiten den Kurs, sind aber optional.
Regelmäßiges Feedback
Begleitend zum Kurs haben die Studierenden alle drei Wochen die Möglichkeit über die ‘Feedback-Box’, ein von der Fachhochschule Potsdam entwickeltes Open-Source-Plugin für Moodle, anonym Rückmeldung zur Veranstaltung zu geben.
Videoaufzeichnungen
Die technischeren Sitzungen können durch Videos begleitet werden. Dies empfiehlt sich besonders für die Sitzungen zur Einführung in R, die viele Studierende später erneut ansehen, um die Programmierung zu wiederholen. Solche Videos können auch als ‘Flipped Classroom’ genutzt werden, indem Studierende die Videos vor der Sitzung ansehen und die Sitzung dann für Fragen und Diskussionen nutzen.
Weitere Tools zum R lernen
Zum Selbststudium wird Studierenden die Verwendung der Statistik-Software swirl nahegelegt mit der direkt in R spielerisch das programmieren mit R erlernt und geübt werden kann.