Zurück
| Semester | Frühjahrsemester 2023 |
| Angebotsmuster | einmalig |
| Dozierende | Lukas Franz Litzellachner (lukasfranz.litzellachner@unibas.ch) |
| Inhalt | Das gesamte Seminar wird auf vier Teile aufgeteilt stattfinden, mit einem Teil pro Semester. Diese Teile werden zwar aufeinander aufbauen, jedoch wird eine Einführung zu Beginn jeder Einheit gegeben, die es neuen Teilnehmer*innen ermöglichen soll, dem Lehrstoff zu folgen. Die Vorlesungen werden auf Deutsch abgehalten, Methoden und Resultate sollen jedoch auf Englisch präsentiert werden. Die statistischen Teile verwenden R als Analysesoftware. Der Inhalt der einzelnen Einheiten baut sich wie folgt auf: 1. Einführung in die Längsschnittforschung (FS 2021). Diese Einheit vermittelt die Grundlagen des Designs von Längsschnittstudien. Gelehrt werden Methoden der Datenverknüpfung, zu berücksichtigende Besonderheiten bei der Rekrutierung von Versuchspersonen, die statistische Klassifizierung von Variablen in der Längsschnittforschung, Bedingungen der Kausalität, und wie gewählte Methoden und Stichprobenentwicklung korrekt in einem APA Manuskript berichtet werden sollen. Teilnehmer*innen werden im Zuge dieser Einheit ein eigenes Studiendesign entwerfen und mit der Gruppe diskutieren. 2. Datenanalyse in der Längsschnittforschung 1 (HS 2021). Diese Einheit beschäftigt sich mit Multilevel Modellen in der longitudinalen Datenanalyse. Wiederholt werden longitudinale Klassifizierungen von Variablen, theoretische Bedingungen der Kausalität, und eine Auffrischung der Grundlagen von linearen Modellen und ordinary least-squares Regression. Schließlich lernen Teilnehmer*innen die Grundlagen des individual growth curve modelling, wie diese Modelle genützt werden können um (kausale) Hypothesen zu testen, und wie Ergebnisse nach APA Standard berichtet werden sollen. Teilnehmer*innen werden in Gruppen eingeteilt um einen (fiktiven) Datensatz zu analysieren und präsentieren. 3. Datenanalyse in der Längsschnittforschung 2 (FS 2022). Diese Einheit beschäftigt sich mit Structural Equation Modelling in der longitudinalen Datenanalyse. Wiederholt werden longitudinale Klassifizierungen von Variablen, theoretische Bedingungen der Kausalität, und eine Auffrischung der Grundlagen von linearen Modellen und die Grundlagen des Structural Equation Modelling. Darüber hinaus lernen Teilnehmer*innen die Logik hinter latent growth curve Modellen, wie diese Modelle genützt werden können um (kausale) Hypothesen zu testen, und wie Ergebnisse nach APA Standard berichtet werden sollen. Teilnehmer*innen werden in Gruppen eingeteilt um einen (fiktiven) Datensatz zu analysieren und präsentieren. 4. Weiterführende Methoden der Datenanalyse in der Längsschnittforschung (FS 2023). Diese Einheit vertieft das Wissen aus den beiden vorangehenden Teilen und präsentiert fortgeschrittene Methoden. Teilnehmer*innen lernen Gemeinsamkeiten und wichtige Unterschiede zwischen Multilevel Modelling und Structural Equation Modelling die ihnen helfen sollen den idealen analytischen Ansatz für ihren spezifischen Datensatz zu wählen. Nach Wunsch und Zeit werden hier komplexere Modelle behandelt, so wie Modelle mit mehreren outcome Variablen, oder Modelle für die (longitudinale) Analyse von Kongruenz-Effekten (e.g., "Sind Kinder glücklicher deren Persönlichkeit ihrem Lehrer ähnelt?"). Für diese fortgeschrittene Lehrveranstaltung sind Teilnehmer*innen angehalten ihren eigenen Datensatz mitzubringen und das erworbene Wissen darauf anzuwenden. |
| Lernziele | 1) Die Teilnehmer*innen sind in der Lage zu erkennen, welche Forschungsfragen die Notwendigkeit von Längsschnittstudien implizieren. Des weiteren können die Teilnehmer*innen selbstständig Längsschnittsstudien entwerfen und richtig in Manuskriptform berichten. 2) Die Teilnehmer*innen wissen was Mutlilevel Modelling im Kontext von Längsschnittforschung beinhaltet, und können die Ergebnisse von individual growth curve models interpretieren und in Manuskriptform berichten. 3) Die Teilnehmer*innen wissen was Structural Equation Modelling im Kontext von Längsschnittforschung beinhaltet, und können die Ergebnisse von latent growth curve models interpretieren und in Manuskriptform berichten. 4) Die Teilnehmer*innen wissen um gemeinsamkeiten und unterschiede zwischen Multilevel Modelling und Structural Equation Models und können anhand der Datenstruktur entscheiden welcher Ansatz zu bevorzugen ist. |
| Literatur | Core Literature: Grimm, K. J., Ram, N., & Estabrook, R. (2016). Growth Modeling: Structural Equation and Multilevel Modeling Approaches (Methodology in the Social Sciences). Guilford Press Supplementary Literature: Curran, P. J., McGinley, J. S., Serrano, D., & Burfeind, C. (2012). A Multivariate Growth Curve Model for Three-Level Data. In H. M. Cooper, P. M. Camic, D. L. Long, A. T. Panter, D. Rindskopf, & K. J. Sher (Eds.), APA handbook of research methods in psychology: Data analysis and research publication (3rd ed., pp. 335-358). American Psychological Association. https://doi.org/10.1037/13621-000 Duckworth, A. L., Tsukayama, E., & May, H. (2010). Establishing Causality Using Longitudinal Hierarchical Linear Modeling: An Illustration Predicting Acheivement From Self-Control. Social Psychological and Personality Science, 1(4), 311-317. https://doi.org/10.1177/1948550609359707 Musca, S. C., Kamiejski, R., Nugier, A., Méot, A., Abdelatif, E., & Brauer, M. (2011). Data with hierarchical structure: Impact of intraclass correlation and sample size on Type-I error. Frontiers in Psychology, 2, 1-6. https://doi.org/10.3389/fpsyg.2011.00074 |
| Bemerkungen | Samstag 15.04.2023 von 09:15-17:00 Uhr ONLINE Samstag 22.04.2023 von 09.15-17:00 Uhr FHNW Campus Muttenz, Raum 12.W.08 |
| Weblink | https://bildungswissenschaften.unibas.ch |
| Teilnahmebedingungen | Immatrikuliert im Doktorat Bildungswissenschaften. Studierende anderer Studiengänge wenden sich bei Interesse bitte zuerst an: bildungswissenschaften@unibas.ch. |
| Unterrichtssprache | Deutsch |
| Einsatz digitaler Medien | kein spezifischer Einsatz |
| Intervall | Wochentag | Zeit | Raum |
|---|
| Bemerkungen | Samstag 15.04.2023 von 09:15-17:00 Uhr ONLINE Samstag 22.04.2023 von 09.15-17:00 Uhr FHNW Campus Muttenz, Raum 12.W.08 |
Keine Einzeltermine verfügbar, bitte informieren Sie sich direkt bei den Dozierenden.
| Module |
Doktorat Bildungswissenschaften: Empfehlungen (Doktoratsstudium - Institut für Bildungswissenschaften) |
| Leistungsüberprüfung | Lehrveranst.-begleitend |
| Hinweise zur Leistungsüberprüfung | Zum Bestehen sind Anwesenheit (oder einmalige entschuldigte Abwesenheit) und die Abgabe der zusätzlichen weiterführenden Übungen erforderlich. |
| An-/Abmeldung zur Leistungsüberprüfung | Anmelden: Belegen; Abmelden: Dozierende |
| Wiederholungsprüfung | keine Wiederholungsprüfung |
| Skala | Pass / Fail |
| Wiederholtes Belegen | nicht wiederholbar |
| Zuständige Fakultät | Institut für Bildungswissenschaften, bildungswissenschaften@unibas.ch |
| Anbietende Organisationseinheit | Institut für Bildungswissenschaften |