• Dr. Sang-Min Park

• Dr. Sang-Min Park
• Dr. Katrin Zulauf

Keine

Keine

Fortgeschrittene Anwendungen empirischer Forschungsmethoden.

• Entwicklung und Umsetzung eines fortgeschrittenen empirischen Forschungsprojekts
• Fortgeschrittene Methoden der qualitativen Forschung, z.B. unobtrusive methods

Fachkompetenzen

Die Studierenden

• erkennen ungewöhnliche Anwendungsfälle von Datenanalyse in der Veranstaltungs ?forschung durch kreative Neukombination von bekannten Datenanwendungen.
• können zu komplexen Modellen und Fragestellungen potenzielle Variablen und alternative Hypothesen bestimmen.
• können auf Datenquellen zugreifen, die nur durch komplexe Datenbankabfragen oder über Schnittstellen zu Maschinen erreichbar sind.
• erkennen schnell bei neuartigen Visualisierungen, welche Vor- und Nachteile sich aus der Darstellung ergeben.
• verstehen Terminologie tiefgreifend.
• können implizite Aussagen und Interpretationen erkennen.
• verstehen komplexe Diagramme.

Methodenkompetenzen (fachlich & überfachlich)

Die Studierenden können

• hochgradig komplexe Bezugsrahmen mit einer Vielzahl von komplexen Objekten, dynamischen Beziehungen und Rückkopplungen spezifizieren.
• Methoden des Projektmanagements anwenden, um einen effizienten Ablauf des Datenprojekts zu gewährleisten.
• auf der Basis fundierter Kenntnisse zum Datenschutz die Datenschutzverantwortung für Datenprojekte übernehmen.
• auch beim Einsatz komplexer Datenquellen standardisierte Qualitätssicherungsprozesse einhalten.
• Daten automatisiert aus verschiedenen externen Datenbanken einlesen.
• alle gängigen Probleme der Datenqualität beseitigen.
• fehlende Daten sinnvoll beschaffen.
• komplexe Veränderungen an Datensätzen vornehmen.
• zur Umsetzung von Datenprojekten verschiedene Analyseverfahren kombinieren.
• implizite Aussagen und Interpretationen zueinander sowie in Bezug auf den Sachverhalt abwägen und beurteilen.
• komplexe Diagramme kritisch hinterfragen.
• komplexe Analyseprozesse auf der Basis von schriftlichen oder mündlichen Erklärungen hinterfragen.
• für verschiedene statistische Kennzahlen die Verwendung hinterfragen.
• die Auswirkungen von Datentransformationen auf die Schlussfolgerungen einschätzen.
• Datenquellen und Datenbeschaffung bestehender Literatur kritisch hinterfragen.
• Daten und Schlussfolgerungen hierzu kritisch hinterfragen.
• detailliert die Vor- und Nachteile datengetriebenen Handelns einschätzen und bewerten.
• komplexe Entscheidungen quantifizieren und mit Daten begründen.
• im Detail 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.
• ein Datenprojekt mit mehreren, interdisziplinären Beteiligten und divergierenden Interessen planen und koordinieren.
• Ergebnisse von Datenanalysen so formulieren, dass sie auch von Nicht-Fachleuten verstanden und ohne Fehlschlüsse interpretiert werden können.

Selbstkompetenzen

Die Studierenden

• sind bereit, bestehende Datenanwendungen zu hinterfragen.
• sind bereit, die Grenzen der Aussagekraft von Datenanalysen zu akzeptieren.
• sind bereit, sich im Rahmen von Datenprojekten Fachbegriffe aus verschiedenen Disziplinen anzueignen und die eigene Kommunikation hieran anzupassen.
• sind bereit, die Entwicklung neuer Technologien im Datenmanagement zu verfolgen und sich selbstständig weiterzubilden.
• zeigen Offenheit gegenüber neuartigen Datenquellen.
• sind bereit, Möglichkeiten und Grenzen des Datenprojekts aktiv zu durchdenken und zu kommunizieren.
• sind bereit, in einem iterativen Prozess Datenmodelle anzupassen.
• sind bereit zu akzeptieren, wenn eine Datenanalyse kein sinnvolles Ergebnis liefert oder liefern kann.
• zeigen Bewusstsein darüber, dass die Darstellungsweise von Daten die Schlussfolgerung beeinflussen kann.
• sind bereit, die Bedeutung von Ergebnissen für den Sachverhalt, in den sie gestellt werden, zu hinterfragen.
• sind bereit, implizit kommunizierte Informationen im Subtext zu suchen.

• 6 CrP
• Arbeitsaufwand 180 Std.
• Präsenzzeit 90 Std.
• Selbststudium 90 Std.

• 6 SWS
• Seminaristisches Lernen mit Inverted Classroom
• Präsentationen und Laborübungen

• Strategische Live Kommunikation (M.Sc. 2024) - 1. 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.