Applied data analysis for psychology using the open-source software R [Data Analysis using R]

Dozent/in:

Alexander Pastukhov

Angaben:

Seminar, 2 SWS, ECTS: 3

Termine:

Mo, 12:00 - 14:00, M3N/-1.19

Voraussetzungen / Organisatorisches:

No programming background necessary, basic knowledge on statistical analysis is advantages but not strictly necessary. For Ba / Ma Psychology only!

Inhalt:

An introductory hands-on course that shows how to use R to analyze a typical psychophysical and social psychology research data. The course will walk you through all the analysis stages from importing a raw data to compiling a nice looking final report that automatically incorporates all the figures and statistics. If description below looks intimidating, do not despair! R wraps all these steps into simple easy-to-understand procedures.

Learning Goals: This introductory course into R, will teach you everything you need to know; how to import the data, preprocess it, summarize it, plot it, analyze it and create a visually appealing final report. At the end, you will able to preprocess, analyze, and plot data for you Bachelor/Master/PhD thesis.

Course Method: This seminar assumes no prior knowledge on your part. We will start with basic concepts of variables and functions and proceed to advanced topics. The course will introduce different ways to perform typical data analysis tasks. You can bring your own data but you do not have to.

Grading: In the course, you will complete numerous practical exercises. Completing 80% of them is required to pass the course.

Empfohlene Literatur:

Course syllables are available online: https://alexander-pastukhov.github.io/data-analysis-using-r-for-psychology/
"R for Data Science" by Garrett Grolemund and Hadley Wickham available freely at http://r4ds.had.co.nz/

Schlagwörter:

statistical analysis, data science, statistics

Bayesian Statistics [Statistical Rethinking]

Dozent/in:

Alexander Pastukhov

Angaben:

Seminar, 2 SWS, ECTS: 3

Termine:

Mo, 10:00 - 12:00, M3/-1.13

Voraussetzungen / Organisatorisches:

Some Bachelor level knowledge R is beneficial, but no prior knowledge beyond high school algebra is required. For Ba / Ma Psychology only!

Inhalt:

In this seminar, you build your understanding of (Bayesian) statistics from ground up (we start with a concept of probability as counting). It focuses on a linear model design that underpins all classic statistical test: t-test, ANOVA, rm ANOVA, ANCOVA, MANOVA, Pearson correlation, etc. You will learn about their simple common structure, understand how to design such models by hand (much simpler than you think), and, most importantly how to interpret and evaluate these models (much harder than you think) using causal calculus tools and information criteria.

Learning Goals: In this seminar, you will learn how to build a statistical model from the ground up with the goal of being able to build a customized model for any statistical problem and analysis. After this course you will understand that a linear regression, a T-test, an ANOVA, or an ANOCOVA all refer to the same simple linear model that you can build yourself. The aim is to make sure that you will know exactly what your analysis does and why you are doing it in this way.

Course Method: This seminar assumes no prior knowledge on your part. We will start with a basic concept of probability-as-counting and proceed to understanding what statistical models are and how to build them. Over the course of the seminar, we will gradually move forward to more advanced topics learning how to handle various types of data, identify spurious associations, infer causality, evaluate models, or perform power analysis. Forming a book club we will read Statistical Rethinking by Richard McElrath. It is an excellent introductory statistics book that explain even most intimidating topics very clearly, links all seemingly discrepant topics together, and has plenty of examples in R. We will read one chapter every week, practice build models, and discuss the topics and questions during the seminar.

Empfohlene Literatur:

"Statistical Rethinking: A Bayesian Course with Examples in R and Stan" by Richard McElreath https://www.oreilly.com/library/view/statistical-rethinking/9781482253481/

Schlagwörter:

statistics, bayesian statistics

KogSys-KogInf-Psy: Grundlagen der Kognitiven Informatik

Dozent/in:

Ute Schmid

Angaben:

Seminar

Termine:

Mo, 10:00 - 12:00, WE5/05.003

Voraussetzungen / Organisatorisches:

Der Kurs ist ebenfalls wählbar für Masterstudierende mit FÜM Kognitive Systeme in der nicht-konsekutiven Variante.

Inhalt:

Grundlagen der Informatik und der Künstlichen Intelligenz - insbesondere Logik und Wissensrepräsentation sowie Suchalgorithmen und Produktionssysteme - werden eingeführt und praktisch vertieft. Darauf aufbauend werden grundlegende Ansätze und Techniken der kognitiven Modellierung eingeführt: Der Produktionssystem-Ansatz ACT-R, Modellierung mit neuronalen Netzen, Analogiemodelle sowie aktuelle Entwicklungen und Anwendungsbereiche.

Zusätzliche Informationen https://www.uni-bamberg.de/kogsys/teaching/courses/kognitive-informatik/ Institution: Lehrstuhl für Allgemeine Psychologie

Empfohlene Literatur:

Schmid, U. (2006). Computermodelle des Denkens und Problemlösens. In J. Funke (Hrsg.), Enzyklopädie der Psychologie, Themenbereich C Theorie und Forschung, Serie II Kognition, Band 8 Denken und Problemlösen Hogrefe.

Praxis der Fragebogenkonstruktion (vhb) [Fragebogen]

Dozent/in:

Uwe C. Fischer

Angaben:

Seminar, 2 SWS, ECTS: 3, Online-Seminar der vhb

Termine:

Online

Voraussetzungen / Organisatorisches:

Dieser Kurs ist ein Angebot der Virtuellen Hochschule Bayern (vhb) und der Universität Bamberg. Um ihn zu belegen, registrieren Sie sich bitte bei der vhb (http://www.vhb.org), die allen Studierenden in Bayern kostenfrei offen steht. Sobald Sie sich dort registriert haben, können Sie den Kurs (in der Rubrik "Schlüsselqualifikationen") belegen. Nach dieser Kursanmeldung erhalten Sie innerhalb weniger Tage eine Begrüßungsmail mit den Zugangsdaten und weiteren Informationen. Wenn Sie auch mehrere Werktage nach den Anmeldung noch nichts erhalten haben, kontrollieren Sie bitte Ihren Spam-Ordner. Falls auch dort keine Info-Mail ist, wenden Sie sich bitte an marius.raab@uni-bamberg.de Studierende, die nicht an der Uni Bamberg immatrikuliert sind, müssen sich zur Nutzung noch an dieser Lernplattform (Virtueller Campus, das moodle der Uni Bamberg) einmalig registrieren. Seminarleistung: a) unbenoteter Teilnahmeschein: bestandener Wissenstest der bis ca. ein Monat vor Ende des Semesters eingereicht werden muss b) benoteter Schein: bestandener Wissenstest & eigenständig erstellter Online-Fragebogen, der benotet wird (Näheres dazu im VC). Bitte beachten Sie die Anmeldefristen der vhb und der Uni Bamberg; Kursanmeldung: 01.10.2022 00:00 Uhr bis 15.12.2022 23:59 Uhr Kursabmeldung: 01.10.2022 00:00 Uhr bis 15.12.2022 23:59 Uhr Kursbearbeitung / Kurslaufzeit: 04.10.2022 bis 14.03.2023 An-/Abmeldung zur dezentralen Prüfung: 16.01.2023, 10:00 Uhr - 30.01.2023, 23:59 Uhr

Inhalt:

Dieser Kurs will die Grundlagen vermitteln, um einen (nach wissenschaftlichen Kriterien) guten Fragebogen zu erstellen und damit verlässliche Daten zu erheben. Themen sind dabei nicht nur die Erstellung selbst, also wie formuliere ich Fragen und wie gestalte ich einen Fragebogen, sondern auch Aspekte des Datenschutzes, Grundlagen der Statistik und der Auswertung sowie die Erstellung eines Online-Fragebogens.