• Vanhove Jan

Diese Lehrveranstaltung hat zum Ziel, den Teilnehmenden grundlegende Kenntnisse bei der Aufbereitung und statistischen Analyse quantitativer Forschungsdaten mit der Gratis-Software R zu vermitteln. Zum Inhalt gehören folgende Themen:

(1) Datensätze organisieren, transformieren und abfragen.
(2) Variablen und ihre Zusammenhänge grafisch und numerisch beschreiben.
(3) Informationen anhand von Zufallsstichproben schätzen und die Unsicherheit dieser Schätzungen bestimmen.
(4) Das allgemeine lineare Modell.
(5) Die Logik sowie der Sinn und Unsinn von Signifikanztests.
(6) Forschungstransparenz und Reproduzierbarkeit von Analysen.

Sowohl theoretischere als auch praktischere Aufgaben werden in der Form von Hausaufgaben angeboten.

Nach dem Absolvieren dieser Veranstaltung sollten die Studierenden erstens im Stande sein, ihre eigenen Forschungsdaten sinnvoll zu formattieren und mithilfe von R in ein analysierbares Format zu bringen. Sie sollten auch informative Grafiken gestalten können und wissen, was man aus dem Output von geläufigen statistischen Verfahren (z.B. Regressionsmodellen) herleiten kann und was eben nicht. Vor allem sollten sie besser im Stande sein, ihre eigenen Erkenntnissinteressen zu identifizieren ('Was will ich aus diesen Daten eigentlich lernen?') und sich selbstständig die für ihre eigenen Projekte relevante Methoden anzueignen.

Ende Semester findet eine Prüfung statt. Die Modalitäten werden in der ersten Unterrichtsstunde bekannt gegeben.

Ein kostenloses Skript sowie eine Sammlung von Datensätzen für die Beispiele und Übungen wird den Studierenden anfangs Semester zur Verfügung gestellt. 

Wem es sonst langweilig ist, der kann sich bis dahin eines der folgenden Bücher zur Brust nehmen:

* Winter, Bodo. Statistics for linguists: An introduction using R. Routledge.
* Healy, Kieran. Data visualization: A practical introduction. Verfügbar unter https://socviz.co/. [Gute Einführung in R und Datenvisualisierung]