| Studiengang |
Applied Digital Life Sciences |
| Geltende Rechtsordnung |
RPO vom 29. Januar 2008, Studienordnung des Dept. N vom 15. Dez. 2009, Anhang für den Bachelorstudiengang Applied Digital Life Sciences |
| Modultyp |
| |
Pflichtmodul |
X |
Wahlpflichtmodul |
|
Wahlmodul |
|
| Plansemester |
5. Semester |
| Modulverantwortliche/r |
Jürgen Dengler |
| Telefon / E-Mail |
+41 (0)58 934 50 84 / juergen.dengler@zhaw.ch |
| Beteiligte Mitarbeitende und Lehrbeauftragte |
Jürgen Dengler und weitere interne Dozierende |
| Vorausgesetzte Module |
Inhalte aus den Modulen «Statistik und Wahrscheinlichkeit», «Statistische Modellierung und Simulation», «Applied Environmental Statistics» und «Environmental Systems 1» |
| Zu erreichende Kompetenzen |
Fachliche Kompetenzen:
Die Studierenden:
- schätzen sowohl das Potenzial als auch die Grenzen typischer grosser Datensätze in der Ökologie und Umweltwissenschaften und sind in der Lage, ihre Methodik an dieses Rahmenwerk anzupassen.
- sind in der Lage, geeignete fortgeschrittene statistische Methoden auf grosse Datensätze aus verschiedenen Bereichen der Ökologie und Umweltwissenschaften anzuwenden.
- sind in der Lage, die Ergebnisse komplexer Analysen angemessen zu präsentieren und zu interpretieren.
Überfachliche Kompetenzen:
Die Studierenden nutzen eine breite Palette von Quellen, um Lösungen für statistische Probleme zu finden:
|
| Inhalt des Moduls |
- Abrufen und Umgang mit grossen, frei zugänglichen Daten, die für solche statistischen Analysen nützlich sind.
- Angemessener Umgang mit räumlicher Autokorrelation und anderen “Problemen” in Umweltdatensätzen.
- Erstellung von Artenverteilungsmodellen (SDMs).
- Analyse von Bewegungs- und Fotofallendaten von Tieren.
- Ökonometrische Modellierung der Auswirkungen des Klimawandels auf wirtschaftliche Aktivitäten.
- Bayes’sche Statistik
- Einblick in fortgeschrittene statistische Techniken wie Regressionsbaumtechniken (z. B. BRTs), Strukturgleichungsmodelle (SEMs) und Metaanalysen
|
| Anschlussmodule |
“Computational Modelling in Environmental Sciences”, “Spatio-temporal Data Science”, “Probabilistic Modelling” |
| Unterrichtsmethoden |
Flipped Classroom:
- Die Studierenden erhalten einen detaillierten Reader mit theoretischem Hintergrund und Informationen zur Umsetzung in R (und gelegentlich zusätzliches Material), den sie selbstständig lesen. In der Klasse werden diese Themen dann gemeinsam diskutiert und potenziell unklare Aspekte weiter erläutert.
Betreute R-Codierung:
- Es wird einige Präsentationen von Musterlösungen in R im Unterricht geben, aber anschliessend werden die Studierenden an kleineren Übungen arbeiten (wobei Lehrer für Hilfe zur Verfügung stehen).
Hausaufgaben:
- Die Studierenden erhalten Übungen, die sie als Hausaufgaben bearbeiten sollen.
|
| Digitale Lernressourcen |
- Reader
- Praktische Übungen in R mit kommentierten Lösungen
- Wissenschaftliche Artikel zu spezifischen Themen
|
| Unterrichtsgliederung / Gesamtaufwand |
|
| Präsenzverpflichtung im Unterricht |
Präsenz wird stark empfohlen, aber nicht mit Präsenzliste durchgesetzt. |
| Leistungsnachweise |
- Erfahrungsnote (50%)
- Abgesetzte schriftliche Modulendprüfung (50%)
Bei einer geringen Teilnehmerzahl kann die Prüfungsform der Repetitionsprüfung nach Absprache mit der Studiengangleitung durch Dozierende abgeändert werden: z.B. anstatt einer schriftlichen kann eine mündliche Prüfung abgehalten werden. Bitte entsprechende Meldung der geänderten Prüfungsform per E-Mail (ohne Formular) an pruefungsadmin.lsfm@zhaw.ch und Cc. Studiengangleitung. |
| Unterrichtssprache |
Englisch |
| Bemerkungen |
- |