EventoWeb
Zürcher Hochschule für Angewandte Wissenschaften
Menu Home User Menu
Nicht angemeldet Anmelden
[ Deutsch (Schweiz) ]   [ Englisch Englisch ]
[ de ]   [ en en ]
Nicht angemeldet Anmelden
n.BA.UI.Daan.15HS (Datenanalyse) 
Modul: Datenanalyse
Diese Information wurde generiert am: 23.11.2024
Nr.
n.BA.UI.Daan.15HS
Bezeichnung
Datenanalyse
Leitung
Peter Kauf
Credits
2

Beschreibung

Version: 3.0 gültig ab 01.08.2021
Studiengang Umweltingenieurwesen
Zugehörige Kurse / Gewichtung
Kurscode Kursbezeichnung Gewichtung
n.BA.UI.Daan.15HS.V Datenanalyse 100%
     
     
     
     
     
Status Wahlpflichtmodul
*Typus R  Related course/module (Unterstützung des Kerngebiets mit Vermittlung von Vor- oder Zusatzkenntnissen)
Geltende Rechtsordnungen RPO vom 29. Januar 2008, Studienordnung des Dept. N vom 15. Dez. 2009, Anhang für den Bachelorstudiengang Umweltingenieurwesen
Vorausgesetzte Module siehe Modulguide (es werden keine Module oder Kurse vorausgesetzt, sondern Kompetenzen, welche Sie mitbringen)
Anschlussmodule keine
Bemerkungen -
Telefon Modulverantwortliche +41 (0)58 934
E-Mail Modulverantwortliche xkfp@zhaw.ch

*Typus:
C Core course/module (Kerngebiet eines Studienprogrammes)
R Related course/module (Unterstützung des Kerngebiets mit Vermittlung von Vor- oder Zusatzkenntnissen)
M Minor course/module (Wahl- oder Ergänzungskurs/-modul)

Hinweis

Kurs: Datenanalyse
Nr.
n.BA.UI.Daan.15HS.V
Bezeichnung
Datenanalyse
Leitung
Peter Kauf

Beschreibung

Version: 3.0 gültig ab 01.08.2021
Status Wahlpflichtkurs
*Typus R Related course/module (Unterstützung des Kerngebiets mit Vermittlung von Vor- oder Zusatzkenntnissen)
Geltende Rechtsordnungen RPO vom 29. Januar 2008, Studienordnung des Dept. N vom 15. Dez. 2009, Anhang für den Bachelorstudiengang Umweltingenieurwesen
Gesamtarbeitsaufwand  in Lektionen
Semester 5. Semester
Kontaktstudium 4
Begleitetes Selbststudium 24
Autonomes Selbststudium 32
Total Workload 60
Dozierende, Referenten/Innen, Mitarbeitende Peter Kauf
Zu erreichende Kompetenzen Fach- und Methodenkompetenzen
Die Studierenden sind in der Lage,
  • Konzepte der statistischen Datenanalyse kreativ auf ihre eigene Forschungsarbeit anzuwenden
  • Daten und Resultate mit Hilfe von deskriptiver Statistik und Visualisierung zugänglich zu machen
  • aus Daten und Resultaten mittels Inferenzstatistik generalisierende Schlüsse zu ziehen
  • klare Hypothesen für ihre Forschungsvorhaben zu formulieren
  • Resultate sowie statistische Methoden kritisch zu hinterfragen
  • ihre Experimente so zu planen, dass mit den vorhandenen Ressourcen ein maximaler Ertrag erreicht wird (i.B. so, dass zu erwartende Effekte auch tatsächlich signifikant herauskommen)
  • mit R selbständig zu arbeiten, i.B. sich der vorhandenen Hilfsmittel (Google, R-Hilfe) mutig und zuversichtlich zu bedienen.
  • Sachverhalte einerseits klar und gleichzeitig attraktiv formulieren zu können (wissenschaftliches storytelling)
 
Selbstkompetenzen
Die Studierenden sind in der Lage,
  • Frustration und Konfliktsituationen auszuhalten
  • ihre Überlegungen transparent zu formulieren, sowie diese konkret und mutig umzusetzen (reflektiertes "Let's do it")
  • Toleranz gegenüber dem eigenen Unverständnis leben zu können
 
Sozialkompetenzen
Die Studierenden sind in der Lage,
  • Prozesse in Kleingruppen wahrzunehmen und ins Produktive zu führen – auch bei schwierigen Themen.
  • Unverständnis anzusprechen und dieses als momentanen Status produktiv zu akzeptieren.
  • angemessenes Feedback zu geben und Feedback zu empfangen
  • Alle relevanten Beteiligten aktivieren zu können
  • Im Bereich Gruppendynamik Elemente der Sachebene und der psychosozialen Ebene zu unterscheiden (Schwieriges Thema vs. Frustgefühle)
Lerninhalte Statistik und R:
  • Grundlagen (Desktop, Arbeiten mit R, Operationen, Vektoren, Matrizen);
  • Import / Export von Daten (von und nach Excel)
  • Datentypen (metrisch, ordinal, dichotom, Entsprechungen in R)
  • Loops („for“), Conditions („if“) und Anwendungen auf Datenhandling
  • beschreibende Statistik (Lage- und Streumasse, Visualisierungen)
  • Simulation von Daten (für Versuchsaufbauszenarien)
  • typische Diagramme, Customization
  • statistische Tests (parametrisch, nicht-parametrisch)
  • Varianzanalyse (1- und mehrfaktoriell)
  • Regression (einfache und multiple, Darstellungsmethoden)
Wissenschaftliches Arbeiten:
  • Auffinden von passenden Daten aus dem eigenen Forschungsgebiet
  • Formulieren von Hypothesen
  • Wissenschaftliches Storytelling
Unterrichtssprache Deutsch (einige Teile der Unterlagen sind in Englisch)
Präsenzverpflichtung Präsenz wird stark empfohlen, aber nicht mit Präsenzliste durchgesetzt.
Leistungsnachweis Erfahrungsnote 100%: Selbständige schriftliche Arbeit in Form eines wissenschaftlichen Papers. Grundlage bilden (im Idealfall) selbst ausgesuchte Daten aus dem eigenen Forschungsbereich.
Bibliographie keine (Kursunterlagen)
Erforderliche Vorkenntnisse siehe Modulguide
Anschlusskurse -
Bemerkungen -
Telefon Modulverantwortliche +41 (0)58 934
E-Mail Modulverantwortliche xkfp@zhaw.ch

*Typus:
C Core course/module (Kerngebiet eines Studienprogrammes)
R Related course/module (Unterstützung des Kerngebiets mit Vermittlung von Vor- und Zusatzkenntnissen)
M Minor course/module (Wahl- oder Ergänzungskurs/-modul)

Hinweis