Übung: Übung 2: "Sozialwissenschaftliche Datenanalyse in R"am 9.+16.5.2025 10-17 Uhr (SOZIOLOGIE & POLSOZ) - Details

Übung: Übung 2: "Sozialwissenschaftliche Datenanalyse in R"am 9.+16.5.2025 10-17 Uhr (SOZIOLOGIE & POLSOZ) - Details

Allgemeine Informationen

Veranstaltungsname Übung: Übung 2: "Sozialwissenschaftliche Datenanalyse in R"am 9.+16.5.2025 10-17 Uhr (SOZIOLOGIE & POLSOZ)
Untertitel Ergänzende Übung: Einführung in die Inferenzstatistik und Regressionsanalyse (M3) (fakultativ)
Semester SoSe 2025
Aktuelle Anzahl der Teilnehmenden 30
erwartete Teilnehmendenzahl 30
Heimateinrichtung Institut für Soziologie
Beteiligte Einrichtungen Institut für Psychologie
Veranstaltungstyp Übung in der Kategorie Offizielle Lehrveranstaltungen
Erster Termin Freitag, 09.05.25, 10:00 - 17:00 Uhr Hörsaal III (R.1.31)[EA 26-27]
Lehrsprache(n) Deutsch
SWS 2

Räume und Zeiten

Raum Hörsaal III (R.1.31)[EA 26-27]

  • Freitag, 09.05.25, 10:00 - 17:00 Uhr
  • Freitag, 16.05.25, 10:00 - 17:00 Uhr

Modulzuordnungen

Kommentar/Beschreibung

Diese praxisorientierte Lehrveranstaltung bietet eine grundlegende Einführung in die Arbeit mit der Statistiksoftware R – einem leistungsstarken Open-Source-Werkzeug zur quantitativen Datenanalyse. Der Workshop richtet sich an Studierende und Forschende der Sozial- und Humanwissenschaften ohne Vorkenntnisse in R oder Programmierung.

Im Zentrum steht der schrittweise Erwerb grundlegender Kompetenzen im Umgang mit R und RStudio. Die Teilnehmenden lernen, wie Daten eingelesen, bearbeitet, visualisiert und analysiert werden können. Anhand von realen Beispieldaten, insbesondere dem ALLBUS-Datensatz, werden zentrale Methoden der Datenaufbereitung, deskriptiven Statistik sowie erste inferenzstatistische Verfahren (wie Korrelationen) vermittelt.

Ziel des Workshops ist es, Teilnehmende in die Lage zu versetzen, eigenständig einfache Datenanalysen in R durchzuführen und die Grundlagen für weiterführende statistische Anwendungen zu legen. Die Veranstaltung kombiniert theoretischen Input mit praktischen Übungen und legt großen Wert auf Reproduzierbarkeit und Transparenz wissenschaftlicher Datenanalysen.