Suchergebnisse: 533
Dies ist der Learnwebkurs für die Tutorien der Vorlesung Statistik 2 bei Lars Behrmann und Stephanie van Ophuysen. Hier findet ihr alle Materialien aus den Tutorien inkl. Übungsaufgaben.
- Lehrende/r: Lars Behrmann
- Lehrende/r: Lara Focken
- Lehrende/r: Alina Hennig
- Lehrende/r: Stefanie van Ophuysen
- Lehrende/r: Lena Masch
Diese Veranstaltung führt in die wichtigsten Begriffe und Themen der Testtheorie und Testkonstruktion ein. Dabei werden neben den Methoden der Itemanalysen (deskriptive Statistiken, Trennschärfen, explorative Faktorenanalysen), die Klassische Testtheorie und Item-Response-Modelle (Probabilistische Testtheorie) behandelt.
In der Vorlesung werden einige mathematische Grundlagenkenntnisse genutzt, die in den Vorlesungen Statistik I und II vermittelt wurden (z.B. Berechnung und Interpretation von Mittelwerten, Varianzen, Korrelationen, Konfidenzintervallen). Nebenfachstudierende, die diese Vorlesungen nicht besucht haben, müssen die benötigten Inhalte selbstständig aufarbeiten
- Lehrende/r: Mitja Back
- Lehrende/r: Niclas Stephen Kuper
- Lehrende/r: Julian Scharbert
Dies ist der Learnweb-Kurs des Tutoriums zur Vorlesung Statistik I (Deskriptive Statistik und Wahrscheinlichkeitstheorie) im B.Sc. Psychologie. Im Tutorium besprechen wir die Lösungen zu den Übungsaufgaben aus der Vorlesung und ihr dürft uns alle eure Fragen stellen :).
Wir freuen uns auf die Zeit mit euch!
Eure Tutor*innen
- Lehrende/r: Ramona Heim
- Lehrende/r: Lena Neuenkamp
Soziologische Fragestellungen lassen sich nur selten monokausal erklären, so dass es unverzichtbar ist, zumindest die Grundlagen multivariater Analyseverfahren zu beherrschen. Dafür werden in dem Kurs sowohl die theoretischen und mathematischen Hintergründe der Verfahren erklärt, aber auch anhand von Statistikprogrammen wie SPSS und aktuellen Beispielen aus Fachaufsätzen die Verfahren angewendet, interpretiert und hinterfragt. Abhängig von dem Vorwissen der Kursteilnehmer/innen werden exemplarisch multivariate Verfahren (z.B. Regressions-, Cluster- oder Faktorenanalyse) detailliert behandelt. Grundkenntnisse in SPSS oder einem vergleichbaren Statistikprogramm sind für den Kurs hilfreich, aber keine Voraussetzung. Der Kurs wird mit einer statistischen Anwendung zu einer Fragestellung abgeschlossen, die mittels multivariater Verfahren gelöst werden soll.
- Lehrende/r: Marko Heyse
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.
Als Prüfungsleistung wird eine Klausur angeboten.
- 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. Ziel ist die Fähigkeit zur Beschreibung von Daten durch deskriptive statistische Kennwerte (Häufigkeitsverteilungen, Lage- und Streuungsmaße) und Analyseverfahren (Mittelwertvergleiche, Kontingenz- und Korrelationsanalyse, einfache Regressionsanalyse). Das (theoretische) Verständnis der Verfahren und die Interpretation der Ergebnisse stehen neben der praktischen, problemorientierten Datenanalyse im Mittelpunkt.
Als Prüfungsleistung wird eine Klausur angeboten; als Studienleistung wird die regelmäßige Bearbeitung von Übungszetteln angeboten
- 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. Aufbauend auf einer Einführung in die Wahrscheinlichkeitsrechnung (Wahrscheinlichkeitsbegriff, diskrete und stetige Zufallsvariablen und ihre Verteilungen) werden die Ideen des statistischen Schätzens und Testens erarbeitet. Das (theoretische) Verständnis der Verfahren und die Interpretation der Ergebnisse stehen im Mittelpunkt der Veranstaltung.
Als Prüfungsleistung wird eine Klausur angeboten; als Studienleistung wird ggf. die regelmäßige Bearbeitung von Übungszetteln angeboten
- Lehrende/r: Lars Behrmann
- Lehrende/r: Stefanie van Ophuysen
Die Zahl der Teilnehmerinnen und Teilnehmer ist auf 35 begrenzt, die Anmeldung erfolgt nur über HISLSF, die endgültige Platzvergabe in der ersten Sitzung. Die Teilnahme an der ersten konstituierenden Sitzung wird erwartet.
Die Teilnahme an der ersten konstituierenden wird erwartet! Ein Nachrücken in die Veranstaltung ist ausschließlich über einen Platz auf der Warteliste oder über Härtefallregelung. Diese Veranstaltung kann nicht außercurricular belegt werden.
Youtube-Videos und -Tutorials werden nicht nur zur Unterhaltung oder der Hilfesuche bei diversen Alltagstätigkeiten genutzt, sondern sind ebenfalls beliebt für spezifische Wissensvermittlung, z.B. in der hochschulischen Bildung. Statistik-Tutorials für Studierende oder Videoanleitungen zur Unterrichtsplanung im Praktikum und Referendariat erreichen hohe fünfstellige Klickzahlen.
Die wissenschaftliche Qualität solcher Videos ist jedoch nicht immer gegeben und sie halten der Überprüfung aus wissenschaftlicher Perspektive nicht immer stand.
In dem Seminar sollen Youtube-Videos und -Tutorials aus dem Bildungsbereich überprüft und eigene „Faktenchecker“-Videos zu (vermeintlichem) Wissen Bildungsmythen und tatsächlichen Bildungsfakten produziert werden.
- Lehrende/r: Kris-Stephen Besa
- Lehrende/r: Sascha Buchholz
- Lehrende/r: Nadja Pernat
- Lehrende/r: Tim Greitemeier
- Lehrende/r: Anne Große Daldrup
- Lehrende/r: Lars Jahnke
- Lehrende/r: Jens Leker
- Lehrende/r: Philipp Niklas Voß
Der Blick in den Methoden-Zauberkasten der Geistes- und Sozialwissenschaften offenbart eine Vielzahl von Konzepten, die im ersten Moment mysteriös erscheinen. Topic Modeling, Deep Learning, Large Language Models, Graph Mining, Agent-Based Simulation, Random Forests, Web Scraping, Application Programming Interfaces und viele weitere Techniken versprechen allesamt eine Automatisierung von Datenerhebung oder Datenanalyse. Einerseits ergeben sich daraus Möglichkeiten zur Bearbeitung etablierter kommunikationswissenschaftlicher Fragestellungen. Andererseits entstehen Impulse für neue Fragestellungen. In jedem Fall ergibt sich der Bedarf, diese Methoden zu validieren.
Im Forschungsseminar werden automatisierte Verfahren der Datenerhebung und -analyse in verschiedenen Projekten erkundet. In der ersten Phase (Sommersemester) werden ausgehend von Methoden und Daten entsprechende theoretische Fragestellungen entwickelt. In der zweiten Phase (Wintersemester) werden die Fragen durch Anwendung der Methoden beantwortet und die Methoden dadurch validiert. Neben der Vermittlung methodischer und forschungspraktischer Kompetenzen besteht ein Ziel darin, die mit dem Alltag verwobenen und mitunter opaken Techniken einer datafizierten Gesellschaft besser zu verstehen und so zu einem aufgeklärten Umgang mit der digitalen Welt beizutragen.
Die Veranstaltung ist thematisch offen – konkrete Themen werden gemeinsam entwickelt. Fixiert ist der Einsatz von computational methods und damit verbunden eine datenhermeneutische Herangehensweise.
Voraussetzung zur Teilnahme ist die Bereitschaft, sich intensiv mit Dingen zu beschäftigen, von denen man vorher noch nie gehört hat oder von denen man nicht dachte, dass man sie je verstehen wird. Es werden keine Methoden- oder Statistikkenntnisse vorausgesetzt – aber Freude am Ausprobieren, Lernen und Vermitteln von Methoden, Statistik und Programmiersprachen. Weiterhin werden die Bereitschaft zu eigenständiger Projektarbeit und die Teilnahme in beiden Semestern vorausgesetzt.
Literaturgrundlage: Jünger, J. & Gärtner, C. (2023). Computational Methods für die Sozial- und Geisteswissenschaften. Springer VS.
- Lehrende/r: Jakob Jünger
Aufbauend auf der Veranstaltung „Computergestützte Datenanalyse I” lernen Sie in dieser Veranstaltung, wie sich die in der Vorlesung „Statistik II” vermittelten Verfahren mithilfe der Statistiksoftware R auf reale Datensätze anwenden lassen.
Am Ende jeder Seminarsitzung werden Übungsaufgaben zur Verfügung gestellt, deren Lösungen im begleitenden Tutorium besprochen werden.
- Lehrende/r: Nele Johanna Bögemann
- Lehrende/r: Theresa Eckes
- Lehrende/r: Boris Forthmann
- Lehrende/r: Sarah Humberg
Der Kurs hat das Ziel zu lernen, wie quantitative empirische Studien ausgewertet und deren Ergebnisse berichtet. Darüber hinaus soll auch die Fähigkeit vermittelt werden, publizierte empirische Studien kritisch lesen und verstehen zu können. Dazu wird zunächst vorgestellt, wie standardisierte Erhebungen in Datensätze überführt werden. Dann geht es um die Darstellung kategorialer einzelner Variablen in Prozentwerten, Häufigkeitstabellen sowie metrischer Variablen in Mittelwerten und anderen Verteilungsmaßen. Es folgen Überlegungen zur Schätz- und Testtheorie. Am Ende wird es darum gehen, Vergleiche zwischen Teilgruppen und einfache Zusammenhänge zu analysieren. Zusätzlich wird gezeigt, wie die jeweiligen Resultate visualisiert und in einem Projektbericht aufbereitet werden.
In der Vorlesung wird zunächst die mathematische Grundlogik anhand einfacher Beispiele vorgeführt und ‚per Hand‘ ausgerechnet. Zusätzlich wird erklärt, wie die Angaben über R-Studio errechnet und mittels Markdown in einem Projektbericht dargestellt werden. Das Tutorium ergänzt diese Grundlagen durch das Üben von Rechnen mit Papier und Taschenrechner sowie dem Statistikprogramm R-Studio samt Markdown. Dazu geben Tutor:innen praktische Aufgaben vor, die entweder per Hand gerechnet oder am Computer gelöst und über LearnWeb eingereicht werden. Das Tutorium dient nicht als Wiederholung des Vorlesungsstoffs, sondern ist ein eigenständiger Kurs, um selbst einfache Rechnungen sowie den Umgang Statistikprogramm R-Studio zu üben. Planen Sie bitte ausreichend Zeit für die Vor- und Nachbereitung der Veranstaltungen ein. Für die Mitarbeit in der Vorlesung und im Tutorium sollte ein eigener Laptop mitgebracht werden.
Studienleistung:
Individuelle Bearbeitung von Übungsaufgaben im Tutorium
Prüfungsleistung:
Abschlussklausur in der Vorlesung
Basisliteratur:
Gehrau, V., Maubach, K., & Fujarski, S. (2022) Einfache Datenauswertung mit R. Eine Einführung in uni- und bivariate Statistik sowie Datendarstellung mit RStudio und R Markdown. Springer VS.
Zielgruppe des Kurses sind Studierende im zweiten BA-Semester; interessierte ExamenskandidatInnen können an der Vorlesung als GasthörerInnen teilnehmen.
- Lehrende/r: Patrick Dietz
- Lehrende/r: Paula Philine Jung
- Lehrende/r: Jakob Jünger
- Lehrende/r: Jane Luisa Knispel
- Lehrende/r: Henrieke Kotthoff
- Lehrende/r: Greta Catharina Lange
- Lehrende/r: Maximilian Wunschik
Data Science 1

Wirtschaftswissenschaften sind empirische Wissenschaften. Es geht immer um die reale Welt. Damit wir etwas über die reale Welt lernen können, brauchen wir Daten. In dem Modul Data Science 1 lernen Sie, wie man mit Daten arbeitet. Die Kenntnisse aus diesem Modul werden für Sie sowohl im Laufe Ihres Studiums als auch darüber hinaus wertvoll sein. Das gilt nicht nur für Tätigkeiten in der Wissenschaft, sondern auch in der Praxis.
Natürlich ist Data Science ohne den Einsatz von Computern nicht möglich. Sie lernen in diesem Modul, wie man mit Hilfe von Computersoftware Daten vorbereitet, auswertet und schließlich die Ergebnisse präsentiert. Wir verwenden die Computersoftware R und RStudio.
Data Science ist aber auch ohne ein fundiertes theoretisches Verständnis über Statistik nicht sinnvoll. Die Abstraktion von konkreten Anwendungen ist nötig, damit man den “Kern” der Methoden herausdestilliert und verstehen kann, was eigentlich bei der Datenanalyse passiert. Dieses abstrakte Wissen ist besonders wertvoll, weil es (im Gegensatz z.B. zu Software-Kenntnissen) nicht veraltet. Sie können es immer wieder in neuen Situationen auf neue Probleme anwenden. Für die von konkreten Anwendungen abstrahierte Behandlung der Datenanalyse braucht man ein gemeinsames Vokabular und ein wenig Mathematik. Beides werden Sie ebenfalls im Laufe dieses Kurses lernen.
- Lehrende/r: Fabian Apostel
- Lehrende/r: Simon Bergmann
- Lehrende/r: Clara Bröcher
- Lehrende/r: Franka Fechte
- Lehrende/r: Jonas Horstmann
- Lehrende/r: Timo Lars Jaster
- Lehrende/r: Carolin Sophie Lueg
- Lehrende/r: Johanna Sophie Mand
- Lehrende/r: Henry Immanuel Joachim Rieckhoff
- Lehrende/r: Samuel Jonas Rühle
- Lehrende/r: Andrea Rüschenschmidt
- Lehrende/r: Ronja Liselotte Schaub
- Lehrende/r: Friederike Schmal
- Lehrende/r: Mawuli Kouami Segnon
- Lehrende/r: Miriam Franziska Serries
- Lehrende/r: Philipp Steffen
- Lehrende/r: Paulina Martha Stolze
- Lehrende/r: Jonas Stunkat
- Lehrende/r: Mark Trede
Der Kurs bietet einen Einstieg in die Arbeit mit der jeweils aktuellen Version des Statistikpakets SPSS. Im Vordergrund stehen dabei die Eingabe und Aufbereitung von Daten, sowie einfache statistische Verfahren. Der Kurs soll Berührungsängste vor statistischer Software abbauen und die Grundlage für die statistische Arbeit im weiteren Studienverlauf bilden.
- Lehrende/r: Thomas Ulbrich
- Lehrende/r: Svetlana Gurevich
- Lehrende/r: Oliver Kamps
- Lehrende/r: Morris Kopelke
- Lehrende/r: Philipp Schange
- Lehrende/r: Hanna Stange
Auf 16 Studierende begrenzte Teilnehmerzahl, Anmeldung erforderlich.
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 Veran-staltung sind forschungsmethodische und statistische Kenntnisse, wie sie an der WWU im Bachelor der Erzie-hungswissenschaft 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. Insgesamt bereitet das Seminar auf die Bearbeitung einer empirischen, erziehungswissenschaftlichen Masterarbeit vor.
- Lehrende/r: Lars Behrmann
In diesem Kurs lernen Studierende die Grundlagen statistischer Datenanalyse in der Anwendung der Statistiksoftware R. Das Seminar bietet einen niedrigschwelligen Einstieg in das Programmieren mit R und die angewandte statistische Datenanalyse zum Thema soziale Ungleichheit. Dies wird erreicht durch einen Fokus auf einstiegsfreundliche Programmieransätze in R und die Anwendung auf Fragestellungen der Ungleichheitsforschung. Am Ende des Seminars werden die Teilnehmenden wichtige Fähigkeiten in der Datenaufbereitung, -analyse und -visualisierung mit R gelernt haben, statistische Grundkenntnisse vertieft und auf die Ungleichheitsforschung angewendet haben.
- Lehrende/r: Nicolas Legewie
Auf 35 Studierende begrenzte Teilnehmerzahl, Anmeldung erforderlich!
Youtube-Videos und -Tutorials werden nicht nur zur Unterhaltung oder der Hilfesuche bei diversen Alltagstätigkeiten genutzt, sondern sind ebenfalls beliebt für spezifische Wissensvermittlung, z.B. in der hochschulischen Bildung. Statistik-Tutorials für Studierende oder Videoanleitungen zur Unterrichtsplanung im Praktikum und Referendariat erreichen hohe fünfstellige Klickzahlen.
Die wissenschaftliche Qualität solcher Videos ist jedoch nicht immer gegeben und sie halten der Überprüfung aus wissenschaftlicher Perspektive nicht immer stand.
In dem Seminar sollen Youtube-Videos und -Tutorials aus dem Bildungsbereich überprüft und eigene „Faktenchecker”-Videos zu (vermeintlichem) Wissen Bildungsmythen und tatsächlichen Bildungsfakten produziert werden.
Hinweis: In diesem Seminar können keine mündlichen MAPs abgelegt werden.
- Lehrende/r: Kris-Stephen Besa
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.
Als Prüfungsleistung wird eine Klausur angeboten.
- Lehrende/r: Saskia Baums
- Lehrende/r: Agnes Vera Rohr
- Lehrende/r: Sina Schürer
- Lehrende/r: Christian Knoth
- Lehrende/r: Edzer Pebesma
- Lehrende/r: Michael Stolz
Ungleichheit
ist ein prominentes ökonomisches Thema, zu dem sich in der medialen
Öffentlichkeit in regelmäßigen Abständen Debatten ergeben. In aller
Regel werden diese (politischen) Diskussionen mit einer Fülle an Daten
und Ungleichheitsmaßen angereichert. Wir nähern uns diesem interessanten
Thema im Sommersemester 2024 mittels eines Seminars. In diesem
empirisch angelegten Seminar wird auf Basis der Daten des
Sozioökonomischen Panels (SOEP) eine empirische Analyse angefertigt. Zur
Bearbeitung der Daten nutzen wir die Statistiksoftware R.
Für die erfolgreiche Teilnahme am Seminar werden 6 ECTS vergeben. Die Prüfungsleistungen sind eine Seminararbeit (ca. 15 Seiten, 60% der Gesamtnote), ein Vortrag zum Arbeitsfortschritt in der dritten Bearbeitungswoche (ca. 15 Minuten, 20% der Gesamtnote), Anfertigung und Kurzvorstellung (3 Min.) eines Posters zur Seminararbeit (20% der Gesamtnote). Das Seminar kann wahlweise auf Deutsch oder Englisch absolviert werden. Die Anmeldung beim Prüfungsamt findet in der vorgezogenen Anmeldephase des Sommersemesters statt.
Es findet eine verpflichtende Auftaktveranstaltung am 04.04.2024 im WiWi Pool 1 statt. Der verpflichtende Seminarabschluss findet am 10.06.2024 ebenfalls in Präsenz statt.
- Lehrende/r: Stella Martin
- Lehrende/r: Kevin Stabenow
- Lehrende/r: Mark Trede
Zuordnung:
Pflichtveranstaltung im ersten Studienabschnitt
Inhalt:
Einführung in die Statistik und die Analysis
Leistungsüberprüfung: Klausur
Sonstiges:
Seminar, bestehend aus Vorlesungs- und Übungsteilen
- Lehrende/r: Paul Wenk
Inhalt
Diese Veranstaltung zielt darauf ab, einen Überblick über praktische Anwendungen der im Rahmen der Methoden- und Statistik-Grundausbildung vermittelten Verfahren der quantitativen und qualitativen Datenerhebung und -analyse zu geben. Dabei nimmt die Vorlesung Bezug auf ausgewählte politikwissenschaftliche Fragestellungen und illustriert am Beispiel konkreter Studien, wie diese Fragestellungen methodisch bearbeitet werden können. Dabei werden die Vor- und Nachteile der jeweils genutzten Datenerhebungs- und Datenauswertungsverfahren diskutiert. Die Veranstaltung setzt Kenntnisse der deskriptiven und der Inferenzstatistik voraus.
Leistungsnachweis
Die Vorlesung wird begleitet von Tutorien, in denen die in der Vorlesung vorgestellten Aspekte in Form von praktischen Übungen vertieft werden. Die regelmäßige aktive Teilnahme an den Vorlesungssitzungen und den Tutorien wird dringend empfohlen. Voraussetzung für den Erwerb eines Leistungsnachweises ist die erfolgreiche Absolvierung einer 90-minütigen Abschlussklausur am Ende des Semesters.
Einführende Literatur
Diaz-Bone, Rainer, 2018: Statistik für Soziologen. 3. Auflage, Stuttgart: Universitätsverlag Konstanz/UTB.
Wagemann, Claudius/Achim Goerres/Markus B. Siewert (Hrsg.), 2021: Handbuch Methoden der Politikwissenschaft. Wiesbaden: Springer VS.
Die Klausur findet am 17.07.2024, 14-16 Uhr, statt.
Die Nachschreibeklausur findet am N.N., N.N., statt.
- Lehrende/r: Oliver Treib
- Lehrende/r: Stefan Roski
- Lehrende/r: Katharina Sichma
Pflichtveranstaltung im 2. Studienabschnitt (7. Sem.) Schwerpunkte: Pharmakokinetik, Testung von Arzneistoffen, Statistik
- Lehrende/r: Frank Begrow
- Lehrende/r: Martina Düfer