Suchergebnisse: 533
Aufbauend auf der Vorlesung Statistik für Fortgeschrittene I werden wir folgende Verfahren behandeln: Meta-Analysen, Konfirmatorische Faktorenanalyse, Strukturgleichungsmodelle, Propensity-Score Methoden. Die praktische Umsetzung der Verfahren wird in den Seminaren zur Vorlesung mit der Statistik-Software R eingeübt. Darüber hinaus werden regelmäßig Übungsaufgaben verteilt. Die Lösung dieser Übungsaufgaben sowie die Beantwortung von Fragen zur Vorlesung sind Gegenstand wöchentlich stattfindender Tutorien.
- Lehrende/r: Sarah Humberg
- Lehrende/r: Katrin Jansen
- Lehrende/r: Steffen Nestler
- Lehrende/r: Richard Rau
- Lehrende/r: Marie Salditt
„Inzidenzwert” kommt mittlerweile jedem Schulkind problemlos über die Lippen und wie keine andere Häufigkeitsauszählung bestimmt sie im Moment unser aller Leben. Mag dabei die Berechnungsgrundlage noch nachvollziehbar sein, fällt die Interpretation solcher Zahlen oft schwer – vor allem wenn eine zweite Variable wie Geschlecht, Alter oder Länderunterschiede hinzukommen.
In diesen Kurs geht es darum, vermeintlich einfache Statistiken (etwa Häufigkeitsauszählungen, Mittelwertvergleichen oder Kreuztabellen) zu lesen und zu interpretieren, wie sie in vielfältiger Form in Forschungsberichten, amtlicher Statistik oder der Presse zu finden sind. Dabei sollen vermeintliche Selbstverständlichkeiten hinterfragt, auf die Tücken statistischer Standards wie „Mittelwert” oder „Repräsentativität” eingegangen, ein Gespür für Tricksereien und Bewältigungsstrategien für komplexe Statistiken entwickelt werden.
Themen sind unter anderem:
- Darstellungsformen und Manipulation von Statistiken
- Qualität von Umfragen (Methoden, Stichprobengrößen, Analyseverfahren)
- Amtliche Statistik: Blick auf Sozialstruktur von Gesellschaften
- Messung von Bildung
- Befragungsklassiker zur Messung von Xenophobie, Materialismus oder Kapitalausstattung
- Statistiken in wissenschaftlichen Artikeln
Dieser Kurs ersetzt keinen Statistik-Kurs.
Vorkenntnisse in statistischen Methoden (etwas durch den Besuch von Statistik I und II) sind empfohlen.
- Lehrende/r: Marko Heyse
und Wirtschaftsstatistik auch in diesem Sommersemester wieder das Seminar „Statistical
Literacy - Statistische Fehlanwendungen und Konsequenzen“ an. Erstmalig unternehmen
wir eine Exkursion zur Universität Hamburg, mit welcher das Seminar
in Kooperation angeboten wird (Die Fahrtkosten und ein Teil der Übernachtungskosten
werden voraussichtlich übernommen). Im Rahmen dieser Kooperation findet ein begleiteter
Peer Review Prozess unter den Studierenden statt, um aktuelle wissenschaftliche
Praxis auch für Bachelor- und Masterstudierende erlebbar zu machen.
Inhalt:
Ziel des Seminars ist es, eine wissenschaftliche Veröffentlichung oder die Medienaufarbeitung
einer Veröffentlichung hinsichtlich der darin genutzen statistischen Methoden
und Interpretationen durchzuarbeiten. Besonderer Schwerpunkt soll dabei auf mögliche
Fehler in der Methodenwahl, Ausführung und Interpretation gelegt werden. Dabei
kann es sich beispielsweise um die Verwechslung von Kausalität und Korrelation, fehlende
Signifikanzniveaus, Bias bei Antworten oder Confounding (fehlende Berücksichtigung
von möglichen Einflussgrößen) handeln.
- 1.) 12.04, 10-12Uhr: Blockveranstaltung zur Einführung und Materialbereitstellung (via Zoom)
2.) 12.04: Verbindliche Anmeldung und Präferenzabgabe zu den Themen (18.00 Uhr)
3.) 13.04: Themenvergabe (12.00 Uhr) und Beginn der Einlesezeit
5.) 26.04: Beginn der offiziellen Schreibzeit
6.) 31.05: Abgabe Seminararbeit (24 Werktage Bearbeitungszeit) (18.00 Uhr)
7.) 02.06: Erhalt einer anderen Seminararbeit für das Review-Verfahren (12.00 Uhr)
8.) 14.06: Abgabe Review einer anderen Seminararbeit (12.00 Uhr)
9.) 24.06: Abgabe Präsentationsfolien (12.00 Uhr)
10.) 25.-26.06: Abschlussveranstaltung mit Präsentationen via Zoom oder in Hamburg (Anwesenheit wird erwartet)
Form der Prüfungsleistung:
1.) Anfertigung einer Seminararbeit
2.) Anfertigung eines kurzen Gutachtens/Feedbacks zu einer anderen Seminararbeit
3.) Präsentation der Seminararbeit
4.) Moderation des eigenen Präsentationsblocks
Vorläufige Themenliste:
- „Kaffee trinken verlängert das Leben“
- „Paare, die in „wir“-Form sprechen, sind glücklicher“
- „Pessimisten leben länger“
- „Schwangere haben mehr Autounfälle“
- Auswirkungen von Alkoholkonsum auf die Gesundheit
- „Oscar-Gewinner leben länger“
- „Linkshänder haben eine kürzere Lebenserwartung als Rechtshänder “
- „Mittelmeer-Diät schützt vor Herzinfarkt und Schlaganfall “
- Der p-Wert und seine Beziehung zu statistischen Signifikanz
- Studiendesigns - Verzerrungen und ihre Ursachen
- ...
Sollten Sie selber auf irreführende Verwendungen von statistischen Methoden in
Wissenschaft und Medien gestoßen sein, wenden Sie sich gerne mit einem Themenvorschlag
an uns.
- Lehrende/r: Friederike Schmal
- Lehrende/r: Kevin Stabenow
- Lehrende/r: Mark Trede
Bei Interesse an diesem Seminar bitten wir mit den Veranstaltern (Email: lemm@uni-muenster.de) bis zu Beginn des Semesters Kontakt aufzunehmen, da eventuell die Vorbesprechung und Vorträge als Zoom-Konferenz stattfinden.
In dem Seminar werden Grundlagen, Verfahren und Anwendungen des maschinellen Lernens vorgestellt. Vermittelt werden soll insbesondere ein Verständnis für "induktives Lernen", für die Gefahren eines sogenannten „Overfittings” und die Notwendigkeit vorhandene empirische Daten durch „A-Priori-Informationen” oder „Regularisierungen” zu ergänzen. Das Seminar richtet sich insbesondere an Studierende des Faches Physik, ist aber auch für Studierende anderer Fachrichtungen offen.
In Vorträgen behandelt werden können, je nach Interesse und Hintergrund der Teilnehmer, beispielsweise neuronale Netze und Deep-Learning-Architekturen, Entscheidungsbäume und Random Forests bzw. Gradient-Boosting-Verfahren, Methoden der Bayesschen Statistik und Monte-Carlo-Verfahren, gegebenenfalls auch mit entsprechenden Anwendungen in den Programmiersprachen R oder Python, z.B. für die Higgs Boson Machine Learning Challenge oder aus der Bilderkennung.
- Lehrende/r: Jörg Lemm
- Lehrende/r: Christian Wieczerkowski
Inhalt der Vorlesung (4 SWS):
Grundlagen der Wahrscheinlichkeitsrechnung und Statistik, Statistische Beschreibung von Vielteilchensystemen, statistische Ensembles, Verbindung von statistischer Physik und phänomenologischer Thermodynamik, Entropie und Information, thermodynamische Potentiale, klassisches ideales Gas, ideale Quantengase (Fermi- und Bosegas), reale Gase, magnetische Systeme und Phasenübergänge, Statistik und Kinetik von Nichtgleichgewichtssystemen, Transportprozesse.
Übungen (2 SWS):
Selbständige Bearbeitung der wöchentlich gestellten Übungsaufgaben zum Stoff der Vorlesung
Vorbesprechung zu den Übungen in der ersten Vorlesung
- Lehrende/r: Tobias Frohoff-Hülsmann
- Lehrende/r: Uwe Thiele
Seminarinhalt:
- amtliche, topographische Kartographie: Kartengrundlagen, Kartenprojektionen, Karteninterpretation
- offene (Geo-)Daten: Geoportale, Statistikportale
- Datenrecherche, -erfassung/-erhebung: u.a. kritisches Kartieren
- thematische Kartographie: Analyse thematischer Karten, kartographische/graphische Regeln zur Erzeugung thematischer Karten
- Kritische Kartographie
- QGIS
Ziel des Seminars:
- Kritische Auseinandersetzung mit kartographischen Produkten
- Die Teilnehmenden lernen Grundlagenbeschaffung zur eigenständigen Anfertigung thematischer Karten kennen. Dazu werden unterschiedliche offene (Geo-)Datenquellen kritisch bewertet und genutzt. Die Datenerhebungsmethode des Kartierens wird erprobt sowie die kartographische Umsetzung geübt.
Hinweis: Der Fokus des Seminars liegt nicht auf QGIS. QGIS wird nur als ein Werkzeug zur Umsetzung thematischer Karten genutzt. Basisfunktionen dieses GIS werden erarbeitet. Die Übungsarbeiten sind so konzipiert, dass diese auch von Teilnehmenden ohne GIS-Vorkenntnisse bearbeitet werden können.
Da die Inhalte der Veranstaltung aufeinander aufbauen und in Hausaufgaben und gemeinschaftlichen Übungen eingeübt werden, besteht eine Anwesenheitspflicht von 80 % der Sitzungen.
- Lehrende/r: Claudia Schroer
Seminarinhalt:
- amtliche, topographische Kartographie: Kartengrundlagen, Kartenprojektionen, Karteninterpretation
- offene (Geo-)Daten: Geoportale, Statistikportale
- Datenrecherche, -erfassung/-erhebung: u.a. kritisches Kartieren
- thematische Kartographie: Analyse thematischer Karten, kartographische/graphische Regeln zur Erzeugung thematischer Karten
- Kritische Kartographie
- QGIS
Ziel des Seminars:
- Kritische Auseinandersetzung mit kartographischen Produkten
- Die Teilnehmenden lernen Grundlagenbeschaffung zur eigenständigen Anfertigung thematischer Karten kennen. Dazu werden unterschiedliche offene (Geo-)Datenquellen kritisch bewertet und genutzt. Die Datenerhebungsmethode des Kartierens wird erprobt sowie die kartographische Umsetzung geübt.
Hinweis: Der Fokus des Seminars liegt nicht auf QGIS. QGIS wird nur als ein Werkzeug zur Umsetzung thematischer Karten genutzt. Basisfunktionen dieses GIS werden erarbeitet. Die Übungsarbeiten sind so konzipiert, dass diese auch von Teilnehmenden ohne GIS-Vorkenntnisse bearbeitet werden können.
Da die Inhalte der Veranstaltung aufeinander aufbauen und in Hausaufgaben und gemeinschaftlichen Übungen eingeübt werden, besteht eine Anwesenheitspflicht von 80 % der Sitzungen.
- Lehrende/r: Claudia Schroer
|
Die Vorlesung Statistik I dient dazu, die Studierenden mit den Grundlagen deskriptiver Statistik vertraut zu machen. Dazu zählen uni- und bivariate Verteilungen, Lage-, Streuungs- und Konzentrationsmaße, nominale, ordinale und metrische Zusammenhangsmaße sowie die Einführung in die Logik und Berechnung der bivariaten Regression. Die Vermittlung der Grundlagen geschieht wesentlich über die Heranziehung fiktiver und realer Beispieldaten, mithilfe derer politikwissenschaftlich interessante, empirische Fragestellungen und Problematiken veranschaulicht und diskutiert werden.
Parallel zur Vorlesung muss ein begleitendes Tutorium besucht werden, in welchem nicht nur die Inhalte der Vorlesung – sofern notwendig – wiederholt, sondern die VL-Teilnehmer*innen zudem in die Datenerstellung und -analyse mit SPSS eingeführt werden.
Erforderliche Leistungen - Regelmäßige Teilnahme - Bestehen der Abschlussklausur - Erbringen der zu Beginn der VL definierten Studienleistungen
Literaturempfehlungen: - Diaz-Bone, Rainer (2013): Statistik für Soziologen. Konstanz: UKV. - Johnson, Janet und H.T. Reynolds (2009): Political Science Research Methods. Washington: CQ Press. - Behnke, Jochen, Nina Baur und Natalie Behnke (2010): Empirische Methoden der Politikwissenschaft. 2. Auflage. Paderborn: UTB. - Field, Andy (2017): Discovering Statistics Using IBM SPSS Statistics. 5. Auflage. London: Sage. - Pollock, Philip H. (2012): An SPSS companion to political analysis. Washington: CQ Press. |
|
Die Klausur findet am 19.07.2021, 14-16 Uhr, statt. |
- Lehrende/r: Marlene Mauk
Der zweite Teil der zweisemestrigen Vorlesung befasst sich mit Fragen der schließenden Statistik, mit statistischen Schätz- und Testverfahren. Am Ende steht ein Ausblick auf die Möglichkeiten der multivariaten statistischen Analyse. Neben statistischen Fragen im engeren Sinne wird auch die Interpretation statistischer Befunde thematisiert.
Parallel erfolgt eine Einführung in Programme, die für (einfache und komplexere) statistische Analysen geeignet sind.
Die Veranstaltung wird nach diesem Semester mit einer Klausur über den Stoff der Veranstaltung Statistik II abgeschlossen. Die Vorlesung wird durch Tutorien ergänzt.
- Lehrende/r: Christoph Weischer
- Lehrende/r: Fabian Apostel
- Lehrende/r: Susanne Maria Deckwitz
- Lehrende/r: Verena Monschang
- Lehrende/r: Björn Schulte genannt Tillmann
- Lehrende/r: Bernd Wilfling
Aufbauend auf den Lehrinhalten der Veranstaltung „Statistik I“ werden im ersten und zweiten Teil der Vorlesung häufig verwendete regressions- und varianzanalytische Methoden zur Prüfung von Hypothesen aus einer Reihe gängiger Untersuchungsdesigns vorgestellt. Im dritten Teil wird gezeigt, wie sich diese Methoden im sogenannten allgemeinen linearen Modell einordnen lassen und welche weiterführenden Möglichkeiten diese Einordung bietet. Im letzten Teil wird mit der explorativen Faktorenanalyse ein Verfahren vorgestellt, mit dem man untersuchen kann, inwiefern beobachtbare Variablen (z.B. Antworten in einem Fragebogen) auf nicht-beobachtbare Variablen (z.B. psychologische Konstrukte) zurückführbar sind.
Am Ende jeder Vorlesung werden Übungsaufgaben zur Verfügung gestellt, deren Lösungen im begleitenden Tutorium besprochen werden.
- Lehrende/r: Theresa Eckes
- Lehrende/r: Sarah Humberg
- Lehrende/r: Steffen Nestler
- Lehrende/r: Jana Pförtner
- Lehrende/r: Marie Salditt
- Lehrende/r: Florian Scharf
Tutorien zur Vorlesung Statistik II Prof. Dr. Weischer!
Die Plätze werden in der ersten Vorlesung vergeben. Bitte nicht zu den Tutorien in HIS LSF anmelden.
- Lehrende/r: Laura Höh
- Lehrende/r: Phil Kortenjan
- Lehrende/r: Christoph Weischer
- Lehrende/r: Marlene Mauk
- Lehrende/r: Carolin Albrecht
- Lehrende/r: Cosima Heinen
- Lehrende/r: Steffen Nestler
- Lehrende/r: Florian Scharf
- Lehrende/r: Rebecca Lena Seggewiß
- Lehrende/r: Lars Behrmann
- Lehrende/r: Lisa-Marie Blankenhaus
- Lehrende/r: Katja Judith Nickel
- Lehrende/r: Marie Antonia Osterbrink
- Lehrende/r: Josef Schneewind
- Lehrende/r: Evgenia Steinepreis
How to use statistical tools to develop causal understanding of systems? How to shape statistical models to the requirements of a research question? What can be learned from comparing models? This course aims to provide some interesting insights about these questions.
In the lecture part (2h per week), you will learn about how to use statistical tools to answer research questions, how probability can be understood using Bayesian statistics, how to design and fit regression models - starting from simple models with one predictor, continuing with generalized linear models, which do not assume normal distributed residuals, and multilevel models to pool information across instances - and how to consider causal knowledge about processes in statistical modeling.
The main goal is to give insights and intuition about how to practically perform statistical analyses. Therefore computer code in R and examples are emphasized over mathematical formula, without neglecting the underlying mathematical intuition. In the exercise part (1h per week, assisted self (or group-)working on exercises) you can get own practical experience (and credit points for the course) via weekly exercises.
The course is intended primarily for master students who already attended an introductory course in statistics, have basic R knowledge, and want to get additional insights in how to apply statistics.
Lecture materials will be provided via learnweb.
- Lehrende/r: Henning Teickner
Eine Anmeldung in HISLSF dient der Organisation der Vorlesung und sollte nach Möglichkeit vorgenommen werden. Die Teilnahme an der Veranstaltung sowie die Verbuchung Ihrer Leistungen in QISPOS ist jedoch auch ohne vorherige Anmeldung via HISLSF möglich.
Diese Veranstaltung ist ein Element des Moduls Forschungsmethoden und wird als Vorlesung mit (freiwillig zu besuchendem) Tutorium durchgeführt. Ziel ist die Fähigkeit zur Beschreibung von Daten durch deskriptive statistische Kennwerte (Häufigkeitsverteilungen, Lage- und Streuungsmaße) und Analyseverfahren (Kontingenz- und Korrelationsanalyse, einfache Regressionsanalyse). Das (theoretische) Verständnis der Verfahren und die Interpretation der Ergebnisse stehen neben der praktischen, problemorientierten Datenanalyse im Mittelpunkt.
- Lehrende/r: Lars Behrmann
- Lehrende/r: Josef Schneewind
- Lehrende/r: Stefanie van Ophuysen
Eine Anmeldung in HISLSF dient der Organisation der Vorlesung und sollte nach Möglichkeit vorgenommen werden. Die Teilnahme an der Veranstaltung sowie die Verbuchung Ihrer Leistungen in QISPOS ist jedoch auch ohne vorherige Anmeldung via HISLSF möglich.
Diese Veranstaltung ist ein Element des Moduls Forschungsmethoden und wird als Vorlesung mit (freiwillig zu besuchendem) Tutorium durchgeführt. Gegenstand sind die Grundlagen der Wahrscheinlichkeitsrechnung und inferenzstatistische Schätz- und Testverfahren. Aufbauend auf eine Einführung in die Wahrscheinlichkeitsrechnung (Wahrscheinlichkeitsbegriff, diskrete und stetige Zufallsvariablen und ihre Verteilungen) werden die Ideen der statistischen Schätztheorie und der Testtheorie vorgestellt. Das (theoretische) Verständnis der Verfahren und die Interpretation der Ergebnisse stehen im Mittelpunkt der Veranstaltung.
- Lehrende/r: Kathrin Barz
- Lehrende/r: Stefanie van Ophuysen
Eine Anmeldung in HISLSF dient der Organisation der Vorlesung und sollte nach Möglichkeit vorgenommen werden. Die Teilnahme an der Veranstaltung sowie die Verbuchung Ihrer Leistungen in QISPOS ist jedoch auch ohne vorherige Anmeldung via HISLSF möglich.
Diese Veranstaltung ist ein Element des Moduls Forschungsmethoden und wird für BA EW als Vorlesung in Kombination mit der Statistik I Vorlesung durchgeführt.
Ziel des methodischen Teils ist die Fähigkeit zum Lesen empirischer Untersuchungen. Als Inhalte werden behandelt: Wissenschaftstheorie, Forschungslogik, Begriffe und Theoriebildung, Hypothesen, Operationalisierung, Forschungsdesigns, quantitative und qualitative Methoden der Datengewinnung.
- Lehrende/r: Lars Behrmann
Ob es die ansprechende und ausdrucksstarke Präsentation von Zahlen ist, die Prognose von Entwicklung auf Basis erhobener Daten oder die Ermittlung des Marketingerfolges – nicht nur, aber gerade auch im Umfeld von Start-Ups sind grundlegende Kenntnisse ökonometrischer und statistischer Verfahren eine wesentliche Voraussetzung für eine erfolgreiche unternehmerische Tätigkeit.
In der Veranstaltung werden auf leicht zugängliche Art und Weise die notwendigen Grundlagen vermittelt, um Daten einerseits zielorientiert visualisieren zu können und andererseits notwendige Methoden und Verfahren problemorientiert einsetzen zu können, um so Zusammenhänge zu erkennen und auszudrücken.
Dabei liegt der Schwerpunkt nicht in der Mathematik, sondern in der praktischen Anwendbarkeit und Interpretation der Ergebnisse der eingesetzten Methoden.
- Lehrende/r: Marc Stallony
- Lehrende/r: Volkert Paulsen
Inhaltliche Schwerpunkte:
* Erste Schritte in R-Studio
- Datentypen, Objekte & Funktionen
- Daten einlesen
- Pakete
* Datenmanagement
* Deskriptive Statistik
- Lagemasse, Streumasse, Tabellen & Grafiken
* Wahrscheinlichkeitstheorie, Konfidenzintervalle
* Testverfahren
- Korrelation, Z-Test & t-Test
- Lehrende/r: Michael Bollwerk
- Lehrende/r: Theresa Eckes
- Lehrende/r: Steffen Thomas Filz
- Lehrende/r: Sarah Humberg
- Lehrende/r: Jana Pförtner
- Lehrende/r: Florian Scharf
Registration
The course is limited to a maximum of 30 participants. If more than 30 people want to attend the course, the course leaders will make a selection. Interested students have to upload a current CV, a short letter of motivation and a transcript of records (documents can be in English or German) on the respective application website by November 8th (23:59) at the latest. In case students have not performed any examinations during their master studies so far, they are invited to send their bachelor transcript. Students for whom the course is mandatory will be preferred. This applies in particular to master students in Information Systems with the selection of the Track Marketing, for whom up to 15 places are reserved.
Content and learning objectives
The module covers aspects for developing and designing value-adding relationships between customers and companies. Thereby, conceptual and methodical basics of customer relationship management (CRM/Customer Management) and direct marketing (DiMa) are presented. During the course students deal with current topics, concepts, and instruments of customer management and work on those in detail in a group assignment, which they present in front of the class and an expert panel. The participants receive a comprehensive overview of the planning, management, implementation, and controlling of customer relationship and direct marketing activities. In addition, the participants acquire knowledge, experience, and impulses in the three key competencies for successful CRM and DiMa: Expertise, statistics competence, and IT/data competence. The module consists of three teaching and learning formats (lectures, speed research, case study) and follows an interactive approach.
The following topics are, among others, covered in the course:
- Introduction, overview, basics, and methods of CRM and DiMa
- Concepts and tools of CRM and DiMa (customer experience management, journey mapping, lift, RFM, CLV, campaign control, personas, segmentation, CHAID etc.)
- Interaction of customer management and direct marketing
- Scope, management and controlling in CRM and DiMa
The aim of the course is to give students a profound and progressive understanding of customer relationship management and direct marketing. Thereby, it focuses on opportunities and challenges in data-driven companies.
Acquired skills
Professional skills:
- Students are able to evaluate customers using a variety of methods (customer lifetime value (CLV), recency, frequency, monetary value (RFM)).
- Students are able to plan and conduct direct marketing campaigns.
- Students learn how to handle data available in companies (legal, methodical, strategic).
Soft skills and key qualifications:
- Cooperation and collaboration: Some of the tasks consist of group work.
- Presentation techniques: the tasks must be presented in front of the course.
- Communication skills: fast capturing, processing, and preparing of content as well as the ad hoc presentation and discussion of it within the scope of the Speed Research Day.
Anmeldung
Der Kurs ist auf eine maximale Teilnehmeranzahl von 30 Personen begrenzt. Sollten mehr als 30 Personen an dem Kurs teilnehmen wollen, werden die Kursverantwortlichen eine Auswahl vornehmen. Für eine Berücksichtigung müssen ein aktueller Lebenslauf, ein kurzes Motivationsschreiben sowie ein aktueller Notenauszug (Dokumente können auf Englisch oder Deutsch sein) bis spätestens zum 08. November (23:59) auf der entsprechenden Bewerbungsseite hochgeladen werden. Studierende, die noch keine Masterprüfung absolviert haben, sind dazu angehalten, ihr Bachelorzeugnis einzureichen. Alle Studierende, für die der Kurs verpflichtend ist, werden bevorzugt. Dies trifft insbesondere auf Studierende des Masters in Information Systems mit Auswahl des Domain Tracks Marketing zu, für die bis zu 15 Plätze reserviert sind.
Inhalte und Lernziele
Dieses Modul behandelt Aspekte zur Entwicklung und Gestaltung wertschöpfender Beziehungen zwischen Kunden und Unternehmen. Dabei werden konzeptionelle und methodische Grundlagen des Customer Relationship Management (CRM/Kundenmanagement) und des Direktmarketing (DiMa) vorgestellt. Des Weiteren werden ausgewählte aktuelle Themen, Konzepte und Instrumente vertiefend behandelt und in Gruppenarbeit eine Fallstudie bearbeitet sowie vor dem Kurs und einem Expertengremium vorgestellt. Die Teilnehmer erhalten einen umfassender Überblick über die Planung, das Management, die Implementierung und das Controlling von Kundenbeziehungen und Direktmarketingaktivitäten. Darüber hinaus erwerben die Teilnehmer Wissen, Erfahrung und Impulse in den drei Schlüsselkompetenzen für erfolgreiches CRM und DiMa: Fachkompetenz, Statistikkompetenz und IT/Data-Kompetenz. Das Modul besteht aus drei Lehr- und Lernformaten (Vorträge; Speed Research; Fallstudie) und verfolgt einen interaktiven Ansatz.
Folgende Themen werden unter anderem im Rahmen des Kurses behandelt:
- Einführung, Überblick, Grundlagen und Methoden des CRM und des DiMa
- Konzepte und Instrumente des CRM und im DiMa (Customer Experience Management, Journey Mapping, Lift, RFM, CLV, Kampagnensteuerung, Personas, Segmentierung, CHAID etc.)
- Zusammenspiel von Kundenmanagement und Direktmarketing
- Rahmen, Management und Controlling im CRM und DiMa
Ziel des Kurses ist es, Studierenden ein tiefgreifendes und fortschrittliches Verständnis von Kundenbeziehungsmanagement und Direktmarketing zu vermitteln. Dabei werden Chancen und Herausforderungen in datengetriebenen Unternehmen fokussiert.
Erworbene Kompetenzen
Fachliche Kompetenzen:
- Studenten sind in der Lage Kunden anhand verschiedener Methoden zu bewerten (Customer Lifetime Value (CLV), Recency, Frequency, Monetary Value (RFM))
- Studenten sind in der Lage Direktmarketing-Kampagnen zu planen und durchzuführen.
- Studenten erlernen den Umgang mit in Unternehmen verfügbaren Daten (rechtlich, methodisch, strategisch).
Soft Skills und Schlüsselqualifikationen:
- Kooperation und Zusammenarbeit: ein Teil der Aufgaben besteht aus Gruppenarbeit.
- Präsentationstechniken: die Aufgaben müssen vor dem Kurs präsentiert werden.
- Kommunikationsfähigkeit: schnelles erfassen, verarbeiten und aufarbeiten von Inhalten sowie das ad hoc vortragen und diskutieren derselben im Rahmen des Speed Research Days.
- Lehrende/r: Michael Gerke
- Lehrende/r: Manfred Krafft
- Lehrende/r: Christina Okoutsidou
- Lehrende/r: Svetlana Gurevich
- Lehrende/r: Oliver Kamps
Auf 16 Studierende begrenzte Teilnehmerzahl, Anmeldung erforderlich.
Diese Veranstaltung wird als digitale Lehrveranstaltung angeboten.
Die Veranstaltung bietet eine theoretisch fundierte aber dennoch praxisnahe Einführung in die Konstruktionsprinzipien psychometrischer Instrumente. Die Studierenden lernen die Grundlagen der klassischen Testtheorie kennen. Auf diesen Erkenntnissen aufbauend werden wir gemeinsam ein psychometrisches Instrument konstruieren. Mit diesem werden die Studierenden eigene Daten erheben, mit denen das Instrument anschließend auf seine wissenschaftliche Güte hin überprüft wird.
Voraussetzung für den erfolgreichen Besuch der Veranstaltung sind forschungsmethodische und statistische Kenntnisse, wie sie an der WWU im Bachelor der Erziehungswissenschaft vermittelt werden (VLn Forschungsmethoden, Statistik I und II). Das Seminar ist als erster Teil einer zweiteiligen Veranstaltung zur Vorbereitung auf eine quantitativ-empirische Masterarbeit konzipiert. Teil zwei findet im kommenden Semester statt und wird verschiedene Auswertungsstrategien für die erhobenen Daten sowie die Verschriftlichung einer empirischen Arbeit thematisieren. Wenngleich grundsätzlich auch die Möglichkeit besteht, nur einen der beiden Kursteile zu besuchen, wird die Teilnahme an beiden Semestern dringend empfohlen. Insgesamt bereitet das Seminar auf die Bearbeitung einer empirischen, erziehungswissenschaftlichen Masterarbeit vor.
- Lehrende/r: Lars Behrmann
Die Vorlesung gibt zunächst eine Einführung in die wissenschaftsphilosophischen Grundlagen der Psychologie (Wissenschaftstheorie, Kausalität). Danach werden wir uns anhand der typischen Stadien bei der Planung, Durchführung und (statistischen) Auswertung einer quantitativen psychologischen Untersuchung mit zentralen Prinzipien der Operationalisierung von (unabhängigen und abhängigen) Variablen, der Kontrolle von Störvariablen, Prinzipien der Versuchsplanung, wichtige Versuchsdesigns, Teststärke (statistische Power) und Interpretation empirischer Befunde beschäftigen. Die Vorlesungsinhalte stehen in inhaltlichem Bezug zu den Veranstaltungen des Statistik I-Moduls und bilden die Grundlage für das im Statistik II-Modul folgende Empirisch-Experimentelle Praktikum.
- Lehrende/r: Steffen Nestler
Die zweiteilige Lehrveranstaltung (VL-Seminar mit Lektürekurs) versteht sich als Einführung in Arbeitsweisen, Untersuchungsgegenstände, und Themenfelder des Faches. Was ist Kultur? Wie kann man sie erforschen? Wo liegen die Potenziale und Grenzen dieses Konzepts? Welche Probleme und Perspektiven ergeben sich bei der Klassifizierung eines empirischen Gegenstandes als Kultur? Wie hat sich der Umgang mit diesen Fragen im Fach entwickelt? Was sind aktuelle methodische, analytische, theoretische Herangehensweisen und Forschungsthemen? Wir werden im ersten Teil der Lehrveranstaltung einen Überblick zur Fachentwicklung der Volkskunde im Gefüge der anthropologischen Disziplinen seit dem 18./19. Jahrhundert erarbeiten. Dabei geht es zum einen um Eckdaten der Institutionalisierung volkskundlicher Interessen zuerst durch beschreibende Statistik und Sammlungsinitiativen, dann durch Vereine und in Museen und schließlich an Universitäten. Dabei wird auch ein wissenshistorisch und politisch erweitertes und erkenntnistheoretisch informiertes Verständnis von Wissenschaft einschließlich ihrer jeweiligen Methoden der Erhebung und Auswertung von Daten im Sinne einer historischen Wissensforschung erarbeitet, das die Vernetztheit und Bedingtheit volkskundlichen Wissens verstehbar macht. Diese Kenntnis mündet nicht in einer positivistischen Fachdefinition, vielmehr ist sie ein wichtiges Reflexionsinstrument jeder Forschungstätigkeit und eine unerlässliche Grundlage für die interdisziplinäre und internationale Sprechfähigkeit der AbsolventInnen. Im zweiten Teil der Lehrveranstaltung erarbeiten wir auf der Grundlage von empirischen Studien exemplarisch mehrere Forschungsfelder (z.B. materielle und visuelle Kultur, Museum und Sammlung). Auch hier ermöglicht ein Rückblick auf Klassiker wie auf Verworfenes und Wiederentdecktes ein historisch situiertes Fachverständnis; aktuellste Beiträge aus der internationalen Forschungsdiskussion zu jedem Themenfeld informieren über weitergehende Perspektiven. In der geforderten schriftlichen Prüfungsleistung soll nicht Vorliegendes zusammengefasst, sondern ein eigenes wissenschaftliches Interesse formuliert werden: Welches Thema interessiert mich? Wie ist der aktuelle Forschungsstand? Was sind relevante Fragestellungen, Begriffe und Ergebnisse? Wie könnten eigene Forschung, z.B.in der Masterarbeit, dazu aussehen?
- Lehrende/r: Lioba Keller-Drescher
Die Angst aus den 1970ern vor einer „Überbevölkerung” oder dem dystopischen Narrativ einer „Bevölkerungsbombe” scheint heute vergessen zu sein. Bevölkerungsreduktion und Bevölkerungskontrolle sind in aktuellen Klima- und Entwicklungspolitiken zu Tabuwörtern deklariert worden – es geht vielmehr um reproduktive Rechte, Familienplanung und sexuelle Aufklärung. Gleichzeitig erstarken im Globalen Norden Initiativen und Kampagnen, die den freiwilligen Verzicht auf ein (weiteres) Kind als „grünen Akt” in Zeiten globalen Klimawandels begreifen. In Großbritannien treten Menschen in einen Gebärstreik (#BirthStrike) und fordern so ein Aufwachen der Klimapolitik. Einige Feminist*innen befürchten angesichts dieser Entwicklungen ein Revival sogenannter neomalthusianischer Bevölkerungspolitiken. Sie kritisieren, dass nicht etwa unsere imperiale Lebensweise oder kapitalistische Produktionsverhältnisse, sondern der reproduktive Körper in den Fokus ökologischen Handelns rückt.
Ausgehend von dieser facettenreichen Debatte um Kindergebären in Zeiten globalen Klimawandels werden wir uns im Seminar mit Bevölkerung und intersektionalen Ansätzen in der Bevölkerungsgeographie beschäftigen. Dafür verfolgen wir zunächst entlang einiger historischer Beispiele die unterschiedlichen Facetten globaler Bevölkerungspolitiken. Auch fragen wir, welche Rolle Bevölkerungsstatistiken und Bevölkerungswissenschaften dabei spieeln. Warum sind Bevölkerungspyramiden, Kurven und statistische Daten politisch? Inwiefern reproduzieren bevölkerungsbezogene Daten und Kategorien soziale Ungleichheiten? Wie werden in Bevölkerungsszenarien spekulative Zukünfte produziert und Politiken daran angepasst? Wie werden Leben zu kalkulierbaren statistischen Größen? Daran anknüpfend fragen wir uns, ob Bevölkerungsstatistiken und -politiken auch sozial gerecht sein können. Dafür lernen wir die US-Amerikanischen Kämpfe Schwarzer Frauen* um reproductive justice näher kennen und werfen die Frage auf, inwiefern diese sich mit Forderungen nach Umweltgerechtigkeit verbinden lassen. Am Beispiel des Afrozensus fragen wir uns, wie Lebensrealtiäten jenseits problematischer Kategorien statistisch erfasst werden können.
Obligatorische Vorbesprechung am 28.10.2020 um 18:00Uhr via Zoom (weitere Infos per Mail)
Lektüre zum Einstieg: Schultz, Susanne; Gottschlich, Daniela (2019): Weniger Klimawandel durch weniger Menschen? FARN URL: https://www.nf-farn.de/weniger-klimawandel-weniger-menschen (zuletzt aufgerufen am 24.06.2020).
Murphy, Michelle (2017): The Economization of Life. Duke University Press.
- Lehrende/r: Susanne Hübl
The lecture will start on Monday, 2 November 2020.
HINWEIS: Die Vorlesung beginnt erst am Montag, 2. November 2020.
- Mathematische Grundbegriffe
- Elementare Funktionen
- Trigonometrie
- Vektoren
- Matrizen, lineare Gleichungssysteme
- Komplexe Zahlen
- Elemente der Differentialrechnung
- Elemente der Integralrechnung
- Einblicke in Differentialgleichungen
- Grundzüge der Statistik
- Lehrende/r: Raphael Wittkowski
Soziologische Fragestellungen lassen sich nur selten monokausal untersuchen, so dass es unverzichtbar ist, zumindest die Grundlagen multivariater Analyseverfahren zu beherrschen. Dafür werden in dem Kurs zunächst kurz die theoretischen und mathematischen Hintergründe der Verfahren erklärt, um dann anhand von SPSS und aktuellen Beispielen aus Fachaufsätzen die Verfahren nachzuvollziehen, selbst anzuwenden, zu interpretieren und zu hinterfragen.
Es werden folgende Verfahren detailliert behandelt:
• Regressionsanalyse (linear und logistisch)
• Clusteranalyse
• Korrespondenzanalyse
Grundkenntnisse in SPSS oder einem anderen Statistikprogramm sind für den Kurs natürlich hilfreich, aber keine Voraussetzung für die Teilnahme.
Literaturhinweise:
Backhaus, Klaus et al.: Multivariate Analysemethoden. Eine anwendungsorientierte Einführung. Berlin: Springer Gabler 2019.
Diaz-Bone, Rainer: Statistik für Soziologen. Konstanz: UVK 2017.
Fromm, Sabine: Datenanalyse mit SPSS für Fortgeschrittene 2: Multivariate Verfahren für Querschnittsdaten. Wiesbaden: Springer VS 2012.
- Lehrende/r: Luigi Droste