ACHTUNG: Diese Veranstaltung wird im Flipped-Classroom-Format durchgeführt. Das bedeutet, dass die Studierenden die aufgezeichneten Vorlesungssitzungen zu Hause anschauen und dann für die von Prof. Treib geleitete Präsenz-Tutoriumsveranstaltung in den Hörsaal kommen. Für die Termine bedeutet das, dass die Präsenz-Tutoriumsveranstaltung am Mi 14-16 Uhr (eigentlich: Termin der Vorlesung) durchgeführt wird.

Diese Veranstaltung zielt darauf ab, die im Rahmen der Statistik-Grundausbildung kennengelernten Verfahren der quantitativen Datenanalyse am Beispiel ausgewählter politikwissenschaftlicher Fragestellungen und frei verfügbarer Daten in der Praxis anzuwenden. Die Veranstaltung setzt Kenntnisse der deskriptiven und der Inferenzstatistik voraus.

Inhaltlich dreht sich die Veranstaltung um die Analyse von verschiedenen Formen der Staatstätigkeit. In der vergleichenden Policy-Forschung beschäftigt sich ein wichtiger Forschungszweig mit der ländervergleichenden Analyse von politischen Programmen. In der Vorlesung werden zunächst verschiedene Ansätze zur ländervergleichenden Messung von Staatstätigkeit kritisch diskutiert (Staatsausgaben, Zahl von Gesetzen, inhaltliche Experteneinschätzungen über Gesetzgebung, Outcome-Variablen). Dann wenden wir uns unterschiedlichen statistischen Herangehensweisen zur Untersuchung dieser Daten zu. Dabei geht es einerseits um strukturentdeckende Verfahren wie insbesondere die Cluster-Analyse. Andererseits diskutieren wir die Besonderheiten der gepoolten Zeitreihenanalyse als Methode der zur Erklärung von Staatstätigkeit. Schließlich diskutieren wir unterschiedliche theoretische Ansätze der vergleichenden Staatstätigkeitsforschung, etwa die Literatur zu den drei Welten des Wohlfahrtskapitalismus oder zu den Spielarten des Kapitalismus, die Parteiendifferenzthese, die Machtressourcentheorie, den Vetospieleransatz oder die Diskussion über den Einfluss von Globalisierung auf die Handlungsfähigkeit des Nationalstaates.

Leistungsnachweis

Die Vorlesung wird begleitet von einem verpflichtenden Tutorium, in dem die in der Vorlesung vorgestellten Aspekte vertieft werden. Gemäß dem Flipped-Classroom-Modell bietet der Besuch der Präsenz-Tutoriumsveranstaltung die Möglichkeit, Fragen zu den per Video vermittelten Vorlesungsinhalten zu stellen und die Inhalte der Vorlesung zu vertiefen. Die regelmäßige aktive Teilnahme am Tutorium wird daher 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.

Wenzelburger, Georg/Sebastian Jäckle/Pascal König, 2014: Weiterführende statistische Methoden für Politikwissenschaftler. München: DeGruyter Oldenbourg.

Die Klausur findet am 12.07.2023, 14-16 Uhr statt.
Die Nachschreibeklausur findet am 09.08.2023, 14-16 Uhr, statt.

Kurs im HIS-LSF

Seminarinhalt:

• Topographische Kartographie
• Kritische Kartographieanwendung
• offene (Geo-)Daten: Geoportale, Statistikportale
• Methoden der Datenerhebung, -bewertung, -verarbeitung, -visualisierung

Ziel des Seminars:

1. Kritische Auseinandersetzung mit kartographischen Produkten
2. Kennenlernen von Methoden der Datenerhebung, -bewertung, -verarbeitung, -visualisierung

Da die Inhalte der Veranstaltung aufeinander aufbauen und in Hausaufgaben und gemeinschaftlichen Übungen eingeübt werden, besteht eine Anwesenheitspflicht von 80 % der Sitzungen.

Es findet keine Vorbesprechung statt. Die Teilnahme an der ersten Sitzung (Montag, 03.04.2023, 10-12 h) ist verbindlich. Etwaige freie Plätze werden nach Warteliste und Anwesenheit in der ersten Sitzung verteilt.

Kurs im HIS-LSF

Auf 16 Studierende begrenzte Teilnehmerzahl, Anmeldung erforderlich!

In dieser Veranstaltung wird in die Arbeit mit der Statistik-Software SPSS praxisnah eingeführt. Dabei stehen Fragen des Datenmanagements und der deskriptiven Auswertung im Mittelpunkt. Ziel der Veranstaltung ist der Erwerb praktischer Fähigkeiten, so dass die Studierenden in der Lage sind, Daten, wie sie beispielsweise bei Fragebogenstudien anfallen, angemessen deskriptiv zu analysieren. Grundlegende Kenntnisse der deskriptiven Statistik, wie sie in Statistik I vermittelt werden, sind erforderlich. Kenntnisse, wie sie in der Veranstaltung Statistik II sind von Vorteil. Je nach Raumsituation ist ein eigener Laptop mit Zugang zum Uni-Netz notwendig.

Es kann über eine Klausur eine Prüfungsleistung erbracht werden.

Kurs im HIS-LSF

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.

Kurs im HIS-LSF

Inhalt der Vorlesung:

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.

Contents of the Lecture:

Calculus of probabilities and statistics, statistical description of many-particle systems, statistical ensembles, connection between statistical physics and phenomenological thermodynamics, entropy and information, thermodynamic potentials, classical ideal gas, ideal quantum gases (Fermi and Bose gas), real gases, magnetic systems and phase transitions, statistics and kinetics of non-equilibrium systems, transport processes

Kurs im HIS-LSF

ACHTUNG - Im Rahmen eines didaktischen Modellversuchs wird die VL Statistik I im SoSe 2023 als flipped classroom-Veranstaltung durchgeführt. Das bedeutet, dass Studierende die aufgezeichnete Vorlesungssitzung zuhause anschauen und dann für das Tutorium - geleitet von Prof. Schlipphak - in Präsenz an der Uni sind. Für die Termine bedeutet das, dass das Großtutorium mit allen Studierenden in Präsenz am Mo 14-16 Uhr (eigentlich: Termin VL) durchgeführt wird. Der bisherige Termin für das Tutorium (Do 14-16) stellt nur den Zeitraum dar, ab dem die aufgezeichnete VL auf Learnweb online gestellt wird.  Studierende können also an dem Termin Do 14-16 Uhr anderweitig Veranstaltungen besuchen.

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 das begleitende Tutorium besucht werden, in welchem nicht nur die Inhalte der Vorlesung – sofern notwendig – wiederholt, sondern die VL-Teilnehmenden zudem in die Datenanalyse von Hand und grundsätzlich mithilfe von SPSS eingeführt werden. Die Aufteilung zwischen VL und Tutorium folgt dabei dem flipped classroom-Modell: Studierende schauen sich die aufgezeichnete VL zuhause an, und können dann im Tutorium ihre durch die VL gewonnenen theoretischen Erkenntnisse praktisch anwenden.

Erforderliche Leistungen

- Regelmäßige Teilnahme in VL UND Tutorium

- Bestehen der Abschlussklausur

- Erbringen der zu Beginn der VL definierten Studienleistungen

Literaturempfehlungen

- Diaz-Bone, Rainer: Statistik für Soziologen. Konstanz: UKV 22013.

- Johnson, Janet / Reynolds, H.T.: Political Science Research Methods. Washington: CQ Press, 2009.

- Behnke, Jochen/Baur, Nina/Behnke, Natalie: Empirische Methoden der Politikwissenschaft. Paderborn: UTB 2006.

- Field, Andy P.: Discovering statistics using IBM SPSS statistics. Los Angeles et al.: Sage 2013.

- Pollock, Philip H.: An SPSS companion to political analysis. Washington: CQ Press 2012.

Die Klausur findet am 03.07.2023, 14-16 Uhr statt.
Die Nachschreibeklausur findet am 21.08.2023, 14-16 Uhr, statt.

Kurs im HIS-LSF

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. Am Ende jeder Vorlesung werden Übungsaufgaben zur Verfügung gestellt, deren Lösungen im begleitenden Tutorium besprochen werden.

Kurs im HIS-LSF

Tutorien zur Vorlesung Statistik II.

Die Plätze werden in der ersten Vorlesung vergeben. Bitte nicht zu den Tutorien in HIS LSF anmelden.

Kurs im HIS-LSF

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.

Als Prüfungsleistung wird eine Klausur angeboten; als Studienleistung wird die regelmäßige Bearbeitung von Übungszetteln angeboten

Kurs im HIS-LSF

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.

Als Inhalte werden behandelt: Wissenschaftstheorie, Forschungslogik, Begriffe und Theoriebildung, Hypothesen, Operationalisierung, Forschungsdesigns, quantitative und qualitative Methoden der Datengewinnung.

Als Prüfungsleistung wird eine Klausur angeboten.

Kurs im HIS-LSF

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.

Kurs im HIS-LSF

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. We have extended the application deadline to November 23^rd (23:59). 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.
• Analytical skills: understanding and deriving key insights as well as strategies from a Business Case.

Module Prerequisites

Students are recommended to have basic knowledge in Data Science and the use of statistical methods, such as regression analysis. In addition, the ability to use SPSS, R or Python is beneficial. If the given recommendations are not met prior to the attendance of the course, they can be obtained during the semester via self-study (see recommended books).

We suggest Information Systems students to take the course ”Data Analytics 2” before this module.

Recommended readings:

• Hair, Joseph F., William C. Black, Barry J. Babin, and Rolph E. Anderson (2006), Multivariate data analysis, Eight edition, Pearson new international edition. Upper Saddle River, N.J.: Pearson Education.
• Hayes, Andrew F. (2018), Introduction to mediation, moderation, and conditional process analysis. A regression-based approach. Methodology in the social sciences, Second edition. New York, London: The Guilford Press.

Students who can speak German may as well refer to Backhaus et al. (2018, 2015) instead of Hair et al. (2006).

• Backhaus, Klaus, Bernd Erichson, Wulff Plinke, and Rolf Weiber (2018), Multivariate Analysemethoden. Eine anwendungsorientierte Einführung, 15., überarbeitete und aktualisierte Auflage. Berlin, Heidelberg: Springer Gabler.
• ———, ———, and Rolf Weiber (2015), Fortgeschrittene Multivariate Analysemethoden. Eine anwendungsorientierte Einführung, 3., überarbeitete und aktualisierte Auflage. Berlin, Heidelberg: Springer Gabler.

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) auf der entsprechenden Bewerbungsseite hochgeladen werden. Die Bewerbungsfrist wurde bis zum 23. November 2021 (23:59) verlängert. 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.
• Analysefähigkeit: Verstehen und Ableiten wichtiger Erkenntnisse sowie Strategien aus einem Business Case.

Modulbezogene Teilnahmevoraussetzungen:

Studierenden, die den Kurs besuchen möchten, empfehlen wir Grundkenntnisse in Data Science und in der Anwendung statistischer Methoden (wie z.B. Regressionsanalysen). Darüber hinaus sind Kenntnisse in der Anwendung von SPSS, R oder Python von Vorteil. Sollten die genannten Empfehlungen vor dem Besuch der Lehrveranstaltung nicht erfüllt sein, können die Studierenden diese während des Semesters im Selbststudium nacharbeiten (siehe empfohlene Literatur).

Wir empfehlen Studierenden der Wirtschaftsinformatik vor dem Besuch dieser Veranstaltung das Modul „Data Analytics 2” zu belegen.

Empfohlene Literatur:

• Hair, Joseph F., William C. Black, Barry J. Babin, and Rolph E. Anderson (2006), Multivariate data analysis, Eight edition, Pearson new international edition. Upper Saddle River, N.J.: Pearson Education.
• Hayes, Andrew F. (2018), Introduction to mediation, moderation, and conditional process analysis. A regression-based approach. Methodology in the social sciences, Second edition. New York, London: The Guilford Press.
• Backhaus, Klaus, Bernd Erichson, Wulff Plinke, and Rolf Weiber (2018), Multivariate Analysemethoden. Eine anwendungsorientierte Einführung, 15., überarbeitete und aktualisierte Auflage. Berlin, Heidelberg: Springer Gabler.
• ———, ———, and Rolf Weiber (2015), Fortgeschrittene Multivariate Analysemethoden. Eine anwendungsorientierte Einführung, 3., überarbeitete und aktualisierte Auflage. Berlin, Heidelberg: Springer Gabler.

Kurs im HIS-LSF

Die Veranstaltung gliedert sich in drei thematische Blöcke. Im ersten Teil werden Methoden zur Beschreibung psychologischer Daten mittels geeigneter deskriptiver Statistiken vorgestellt. Im zweiten Teil werden Grundlagen aus der Wahrscheinlichkeitsrechnung vermittelt. Im dritten Teil werden daraus die Grundprinzipien statistischer Hypothesentests abgeleitet und es wird eine Reihe von spezifischen Verfahren zur Prüfung von Hypothesen über Regelhaftigkeiten in Daten vorgestellt. Am Ende jeder Vorlesung werden Übungsaufgaben zur Verfügung gestellt, deren Lösungen im vorlesungsbegleitenden Tutorium besprochen werden.

Kurs im HIS-LSF