n.MA.ENR.ReMe.17HS (Research Methods) 
Modul: Research Methods
Diese Information wurde generiert am: 29.11.2022
Nr.
n.MA.ENR.ReMe.17HS
Bezeichnung
Research Methods
Credits
15

Beschreibung

Version: 4.0 gültig ab 01.08.2022
Studiengang
Degree Program
MSc in Environment and Natural Resources
Arbeitsaufwand
Workload
450 Stunden (175 h Kontaktlektionen, 275 h Selbststudium)
Modulleitung
Module Coordinator
Patrick Laube
Dozierende
Lecturers
Patrick Laube und weitere ReferentInnen
Eingangskompetenzen
Entry Requirements
Die Studierenden sind in der Lage,
  • die Grundbegriffe der Statistik anzuwenden (Datentypen, Stichprobe, Grundgesamtheit).
  • Grundzüge der beschreibenden Statistik zu erläutern.
  • Statistische Tests, (nicht) parametrische Tests (t, chi2, ANOVA) auszuführen.
  • Einfache Varianzanalyse und Regression durchzuführen.
  • Daten mit R einzulesen und graphisch darzustellen (Histogramm, Boxplot, Barplot, Plot, Piechart)
Ausgangskompetenzen
Learning Outcome and Competences
Die Studierenden erarbeiten sich vertiefte Methodenkompetenzen für die analytische Betrachtung der Zusammenhänge im Gesamtsystem natürlicher Ressourcen, je nach methodischem Profil mit einer naturwissenschaftlichen oder einer sozio-ökonomischen Perspektive.

Die Studierenden werden befähigt,
  • in einem Forschungsprojekt eigene Forschungsfragen zu formulieren.
  • geeignete methodische Ansätze zu recherchieren und auf ihre Eignung für das gegebene Projekt zu prüfen.
  • ein geeignetes Forschungsdesign zu entwerfen, um die benötigten Daten für den methodischen Ansatz zu erfassen oder zu beschaffen.
  • die gewählten Analysemethoden kompetent anzuwenden.
  • die erarbeiteten Resultate kritisch zu diskutieren und zu einer Synthese zu verdichten.
  • die durchgeführten Arbeiten zu dokumentieren und zu publizieren.

Dazu erarbeiten sich die Studierenden vertiefte Anwendungskompetenzen in der Programmiersprache R für statistische Berechnungen und Grafiken sowie für ausgewählte ergänzende Softwarewerkzeuge.
Inhalte
Module Content
Die Inhalte des Moduls orientieren sich an den drei Phasen einer wissenschaftlichen Studie:
  • Forschungsdesign und Datenerhebung, resp. Datenbeschaffung
  • Analyse
  • Synthese, Validierung und Dokumentation
Das Modul vermittelt übergreifende Methodenkompetenzen in den Bereichen:
  • Forschungs- und Studiendesign
  • Datenaufbereitung und Daten(vor-)verarbeitung mit R
  • Ausgewählte Methoden der explorativen Datenanalyse und der Informationsvisualisierung
  • Vertiefte Anwendungskompetenzen in der induktiven und in der multivariaten Statistik
  • Systemdynamik und komplexe Systeme
Im naturwissenschaftlichen Profil werden folgende Methodenkompetenzen vertieft:
  • Entwurf eines Forschungs- und Samplingdesigns in der Ökologie
  • Planung, Durchführung und Protokollierung von Laborexperimente
  • Geodatenerfassung mit Nahbereichs-Fernerkundung
  • Beschaffung und Verwendung nicht selbst erhobener Umweltdaten
  • Multikriterienanalyse
  • Konzepte und Anwendungen der Geostatistik
  • Datenqualität (Verifizierung, Validierung, Unsicherheit, Fehlerfortpflanzung)
Im sozialwissenschaftlichen Profil werden folgende Methodenkompetenzen vertieft:
  • Entwurf eines Forschungsdesigns in quantitativer und qualitativer Sozialforschung, Formulierung sozialwissenschaftlicher Fragestellungen, Stichprobenauswahl
  • Datenerfassung in der quantitativen Sozialforschung (Befragung, Beobachtung, Verhaltensspuren), Operationalisierung, Fragebogengestaltung, Datenbereinigung und -aufbereitung
  • Datenerfassung in der qualitativen Sozialforschung, resp. mit qualitativen Interview- und Beobachtungsmethoden (narrative Interviews, leitfadengestützte Interviews, Methode des Lauten Denkens, teilnehmende Beobachtung, Fokusgruppendiskussionen)
  • Kenntnisse in Analysemethoden der qualitativen Sozialforschung (Grounded Theory, Kodieren)
  • Mixed Methods–Ansatz: Kombination qualitativer und quantitativer Erhebungsmethoden
Lehr-/Lernmethoden
Teaching / Learning Methods
Vorlesungen, Übungen, "flipped classroom", interdisziplinäre Fallstudien
Leistungsnachweis
Assessment of Learning
Outcome
Der Leistungsnachweis setzt sich folgendermassen zusammen:
  • Eintrittstest zum Repetitionsblock (Note), Gewichtung 10 %
  • Schriftliche Prüfung/Theorieprüfung (Note), Gewichtung 30 %
  • Praktische Prüfung (Note), Gewichtung 30 %
  • Fallstudie (Gruppenarbeit) (Note), Gewichtung 30 %
Bibliographie
Bibliography
  • Crawley, Michael J. (2014). Statistics - An introduction using R. Wiley, 354 Seiten, ISBN-13: 978-1118941096.
  • Wickham, H., & Grolemund, G. (2016). R for data science: import, tidy, transform, visualize, and model data.  O'Reilly Media, 492 Seiten, ISBN-13: 978-1491910399.
  • Grolemund, G. (2014). Hands-On Programming with R: Write Your Own Functions and Simulations . O'Reilly Media, 247 Seiten, ISBN-13: 978-1449359010.
Unterrichtssprache
Language
Deutsch. Unterlagen in Deutsch, Lehrmittel (Software) mehrheitlich in Englisch
Bemerkungen
Comments
-

Hinweis