• Prof. Dr. Benjamin Bernschütz

• Prof. Dr. Benjamin Bernschütz
• Dr. Sang-Min Park

Keine

Keine

Anwendung von empirischen Forschungsmethoden.

• Datenerhebung
  • Beobachtung
  • Befragung
  • Inhaltsanalyse
• Entwicklung und Umsetzung eines kleinen empirischen Forschungsprojekts
• Grundlagen der qualitativen Forschung
  • Systematische Literaturanalyse
  • Interviews

Fachkompetenzen

Die Studierenden

• erkennen naheliegende Anwendungsfälle von Datenanalyse in der Veranstaltungsforschung.
• können zu einfachen Datenmodellen passende Hypothesen und Variablen bestimmen.
• können grundsätzliche Regeln zur Einhaltung des Datenschutzes benennen und einhalten.
• können grundlegende Methoden zur Beseitigung von Datenproblemen beschreiben.
• können Maßnahmen zur Sicherstellung von Robustheit und Güte beschreiben und anwenden.
• können eine Vielzahl empirischer Methoden und deren Ergebnisse beschreiben.
• können Bausteine expliziter Kommunikation von Daten-Analysen beschreiben.
• verstehen grundlegend einfache Diagramme der empirischen Forschung.
• können komplexe Analyseprozesse auf der Basis von schriftlichen oder mündlichen Erklärungen verstehen und nachvollziehen.
• können für bestehende Literatur Daten aus unterschiedlichen Quellen beschaffen und kombinieren.
• können potenzielle Schwachstellen bei der Daten-Analyse und Kommunikation hierzu erkennen.

Methodenkompetenzen (fachlich & überfachlich)

Die Studierenden können

• komplexe Bezugsrahmen mit teils verschachtelten Elementen, indirekten oder nichtlinearen Beziehungen spezifizieren.
• aus Bezugsrahmen messbare Objekte und Hypothesen über deren Zusammenhänge ableiten.
• ein Datenprojekt planen, das in Einzelarbeit oder in einer Kleingruppe bearbeitet wird.
• einen theoretischen Bezugsrahmen in ein geeignetes Datenmodell überführen.
• die Qualität verschiedener Datenquellen beurteilen.
• eigenständige Datenerhebungen konzipieren und sie selbst durchführen oder extern beauftragen.
• Probleme beim korrekten Einlesen von Daten verschiedener Formate in statistische Anwendungen lösen.
• neue Datensätze durch Verknüpfung vorhandener Datenquellen erstellen.
• auf Basis einer Fragestellung und der Daten angemessene Analyseverfahren identifizieren und auswählen.
• Datenmodelle geeignet spezifizieren und auf Schwächen prüfen.
• Datenanalysen vollständig reproduzierbar dokumentieren.
• Daten so visualisieren, dass genau das relevante Wissen übermittelt wird.
• prüfen, ob explizite Interpretationen aus den Ergebnissen ableitbar sind.
• grundlegend einfache Diagramme kritisch hinterfragen.
• verschiedene statistische Kennzahlen interpretieren.
• systematische Literaturrecherchen durchführen.
• Datenquellen und Datenbeschaffung bestehender Literatur nachvollziehen.
• grundlegende Gebiete der Veranstaltungsforschung identifizieren, in denen datengetriebenes Handeln vorteilhaft wäre.
• grundlegende Entscheidungen treffen, welche auf den Ergebnissen einer Datenanalyse basieren.
• grundlegend die Wirksamkeit von Entscheidungen und Maßnahmen auf Basis von Datenanalysen einschätzen.

Sozialkompetenzen

Die Studierenden können das benötigte Wissen, um eine Aufgabenstellung mittels Datenanalyse zu lösen in einem interdisziplinären Team kommunizieren.

Selbstkompetenzen

Die Studierenden

• sind bereit, die Grenzen der Aussagekraft von Datenanalysen zu akzeptieren.
• sind bereit, Entscheidungen hinsichtlich der zu messenden Informationen zu treffen und Informationsverluste bei der Messung abzuwägen.
• sind bereit, sich im Rahmen eines Datenprojekts an Datenschutz und -sicherheit und ethischen Grundsätzen zu orientieren.
• erkennen den Wert von informationeller Selbstbestimmung.
• sind bereit, Informationsverluste durch die Datenauswahl abzuwägen.
• zeigen Verständnis dafür, dass Datenbeschaffung stets mit subjektiven Entscheidungen verbunden ist, die transparent dokumentiert werden muss.
• nehmen bei Datenprojekten Objektivität als Grundhaltung ein.
• sind bereit, aufwändige Aufbereitungsschritte durchzuführen, um den relativen Wert von Daten zu erhöhen.
• demonstrieren eine skeptische Grundhaltung bei der Datenanalyse.
• sind bereit, Objektivität bei der Darstellung von Daten zu sichern.
• sind bereit, Schlussfolgerungen und Beschreibungen zu hinterfragen.

• 4 CrP
• Arbeitsaufwand 120 Std.
• Präsenzzeit 60 Std.
• Selbststudium 60 Std.

• 4 SWS
• Seminar
• Digital gestütztes / Mediengestütztes Lernen

• Eventmanagement und -technik (B.Sc. 2022) - 6. - 120. Semester

Keine

Nein

Bonuspunkte werden gemäß § 9 (4) der Allgemeinen Bestimmungen vergeben. Art und Weise der Zusatzleistungen wird den Studierenden zu Veranstaltungsbeginn rechtzeitig und in geeigneter Art und Weise mitgeteilt.

Portfolio

Medienmix. Literatur wird zu Semesterbeginn rechtzeitig und in geeigneter Weise bekannt gegeben.