| Kommentar |
Inhalt:
Das Inhaltliche Thema des Kurses ist die Entwicklung von Partizipation an und Identifikation mit der Institution Schule. Das Partizipations-Identifikations-Modell (Finn, 1989) bewertet die Teilnahme an schulischen Aktivitäten und die Identifikation mit Schule als Entwicklungsprozess, der entweder zum Schulabschluss oder zum oder Schulabbruch führt. Der Kurs beschäftigt sich damit, strukturelle Zusammenhänge zwischen Schulzugehörigkeit von Schüler*innen, als Form von Identifikation mit Schule, und institutionellen Rahmenbedingungen sowie Informationen über die Schüler*innen mit Hilfe von Regressionsmodellen darzustellen. Zunächst erfolgt eine Wiederholung und Ergänzung zu Grundkenntnissen der multiplen linearen Regression und eine Einführung in das statistische Programmpaket R.
Die Datengrundlage bilden die Pisa-Daten 2018 aus Deutschland. Einzelne Arbeitsschritte werden jeweils an einem Beispiel demonstriert. Dieses Kursbeispiel wird im Detail besprochen, so dass die einzelnen Schritte der Datenanalyse nachvollziehbar werden. Die Ergebnisdarstellung beruht auf Vorhersagen aus den Modellen und ist daher inhaltlich sehr gut interpretierbar. Wir sprechen im Anschluss an die Einführung in der Kursbeispiel über die Frage was Replikation bzw. Reproduktion bedeutet. Die Prüfungsleistung besteht darin, einige Aspekte des Kursbeispiels zu verändern um so eine eigene Reproduktion bzw. Replikation zu erstellen.
Der Schwerpunkt des Kurses liegt zum einen auf Regressionsdiagnostik und zum anderen auf Replikation bzw. Reproduktion (Peels 2023). Es werden Herangehensweisen vermittelt, die es erlauben, zu untersuchen, inwieweit das Modell den Daten gerecht wird. Dabei werden auch statistische und inhaltliche Interpretationen vertieft, so dass die Studierenden für die korrekte Anwendung dieser Interpretationen sensibilisiert werden. Insgesamt vermittelt der Kurs ein anwendungsorientiertes Verständnis für die multiple lineare Regression und hinterfragt die Aussagekraft bzw. Vertrauenswürdigkeit von statistischen Ergebnissen durch Replikation bzw. Reproduktion (Peels 2023).
Ablauf:
Der Kurs findet 14-tägig statt und umfasst dann 180 Minuten. In dieser Zeit werden zum einen Inhalte vermittelt und zum anderen werden diese Inhalte in Übungen wiederholt.
Der Kurs richtet sich vor allem an Studierende, die Interesse daran haben ihre Methoden-Kenntnisse zu erweitern und statistische Methoden auf einer konzeptuellen Ebene zu hinterfragen. Vorausgesetzt wird ein erstes Verständnis für die Interpretation der multiplen linearen Regression. Der Kurs ist dialogisch ausgerichtet, daher ist auch die Bereitschaft zu einer aktiven Beteiligung eine Voraussetzung für diese Veranstaltung.
Begleitend zu dem Kurs wird 14-tägig ein betreutes Arbeiten am Freitag von 10-12 Uhr im wöchentlichen Wechsel zum Kurs angeboten. Dies dient vor allem der Unterstützung beim Arbeiten mit R bzw. bei der eigenen Analyse. |
| Literatur |
Finn, Jeremy D. (1989). Withdrawing From School. Review of Educational Research, 59(2), 117-142. https://doi.org/10.3102/00346543059002117
Gelman, Andrew; Hill, Jennifer (2006): Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge: Cambridge University Press.
Gelman, Andrew; Hill, Jennifer; Vehtari Aki (2020): Regression and Other Stories. Cambridge: Cambridge University Press.
Janczyk, Markus; Pfister, Roland (2020): Inferenzstatistik verstehen: Von A wie Signifikanztest bis Z wie Konfidenzintervall. 3. Auflage. Berlin, Heidelberg: Springer Spektrum.
Peels Rik, Bouter Lex. Replication and trustworthiness. Account Res. 2023 Feb;30(2):77-87. doi: 10.1080/08989621.2021.1963708. Epub 2021 Aug 8. PMID: 34346793.
Virtanen, Tuome. E., Räikkönen, Eija., Lerkkanen, Marja-Kristiina
Sami., Määttä, Sami., & Vasalampi, Kati (2021). Development of Participation in and Identification With School: Associations With Truancy. The Journal of Early Adolescence, 41(3), 394-423. https://doi.org/10.1177/0272431620919155
Online-Lehrbuch: Applied Statistics with R, https://book.stat420.org/
Online-Lehrbuch: R für empirische Wissenschaften, https://r-empirische-wissenschaften.de/ |
| Bemerkung |
Teilnahmebedingungen:
- Lesen der Basisliteratur für die einzelnen Sitzungen
- Aktive Beteiligung an den Arbeitsgruppen und Diskussionen
- Schriftliche Bearbeitung der gestellten Aufgaben, allein bzw. in Arbeitsgruppen zu den jeweiligen Seminarterminen (Bitte stellen Sie die Hausaufgaben in die jeweiligen Sitzungsordner in Moodle)
- Schriftliche Erstellung des Forschungsberichts in Gruppenarbeit, Einreichtermin: (Erstversuch:) bzw. (Zweitversuch:)
- Der Kurs richtet sich vor allem an Studierende, die Interesse daran haben ihre Methoden-Kenntnisse zu erweitern und statistische Methoden auf einer konzeptuellen Ebene zu hinterfragen. Vorausgesetzt wird ein Grundverständnis für die Interpretation der multiplen linearen Regression. Der Kurs ist dialogisch ausgerichtet, daher ist auch die Bereitschaft zu einer aktiven Beteiligung eine Voraussetzung für diese Veranstaltung
Anmerkung:
Zentral sind in dem Kurs zwei Bücher, die jeweils als Homepage verfügbar sind:
Link REMP: https://r-empirische-wissenschaften.de/buch/index.html
Link ASR: https://book.stat420.org
Es wird ein Tutorium angeboten. Der Besuch ist freiwillig und wird empfohlen. Sie finden dort Unterstützung beim Arbeiten mit R und auch bei statistischen bzw. allgemeinen Fragen. Das Tutorium findet freitags im Methodenlabor von 10-12 Uhr statt, im Wechsel zum Kurs. Es findet 14-tägig statt, Beginn ist der 14.04.24. |
| Leistungsnachweis |
Hausarbeit:
Die Hausarbeit wird in Gruppen von zwei bis drei Personen geschrieben.
Die Studierenden werden während dem Semester darin unterstützt ein geeignetes Modell zu spezifizieren und auszuwerten. Die Zulassung zur Hausarbeit erfolgt durch eine Präsentation am Ende des Semesters. Die Präsentation und das entsprechende Feedback bereiten auf die Hausarbeit vor.
Ersttermin: 27.09.24, Zweittermin: 08.11.24 |
| Lerninhalte |
Inhalt:
Multiple Lineare Regression, Interpretation von Regressionsergebnissen, Vertrauenswürdigkeit von von Regressionsergebnissen, Diagnostik in der Regression, Ergebnisdarstellung in der Regression, Einführung in R, uni- und bivariate Deskription in R
|
