Lehrende/r: Bernhard Both; José Carlos Garcia Alanis; Jan Göttmann; Prof. Dr. Anna-Lena Schubert
Veranstaltungsart: Seminar
Anzeige im Stundenplan: 02.132.6110
Unterrichtssprache: Deutsch
Min. | Max. Teilnehmerzahl: 1 | 81
Prioritätsschema: Senatsrichtlinie zzgl. Bevorzugung höherer Fachsemester Zulassung gemäß Richtlinie über den Zugang zu teilnahmebeschränkten Lehrveranstaltungen vom 07. März 2007. Nähere Informationen hierzu entnehmen Sie bitte www.info.jogustine.uni-mainz.de/senatsrichtlinieÜber die Senatsrichtlinie hinaus werden bei der Platzvergabe für diese Veranstaltung Studierende höherer Fachsemester bevorzugt berücksichtigt.
Voraussetzungen / Organisatorisches: Bitte beachten Sie unbedingt, dass Sie drei unterschiedliche Schwerpunkte wählen können:
Inhalt: Kognitive Modellierung (Kurs 1): Mathematische Modelle kognitiver Prozesse sind ein machtvolles Werkzeug, um spezifische kognitive Prozesse wie beispielsweise Verarbeitungsgeschwindigkeit, exekutive Funktionen oder Arbeitsgedächtniskapazität genauer abzubilden. Die mathematische Formalisierung dieser Prozesse ermöglicht es, verbale Theorien in empirisch testbare Modelle zu überführen, die eine Ableitung und Überprüfung spezifischer Hypothesen und Vorhersagen über bspw. experimentelle Effekte ermöglichen. Ein Beispiel für ein sehr erfolgreich angewandtes Modell in der kognitiven Forschung ist das Diffusionsmodell, welches die Verarbeitungsgeschwindigkeit von einfachen Wahlreaktionszeitaufgaben modelliert. Das Seminar wird einen Überblick über die theoretischen Grundlagen und gängigen Modelle zur mathematischen Modellierung verschiedener Arbeitsgedächtnisprozesse geben. Im praktischen Teil des Seminars werden Anhand unterschiedlicher kognitiver Modelle wie des Diffusionsmodells die Modellimplementierung in R / STAN, die Schätzung anhand empirischer Daten sowie die Bewertung und Interpretation der geschätzten Modellparameter eingeübt. Das Seminar wird von einem Softwaretutorium begleitet, in dem die Studierenden die Grundlagen des Umgangs mit der Statistiksoftware R sowie die Datenaufbereitung im tidyverse erlernen werden. Aufbauend auf diesen Grundkenntnissen werden im Tutorium Übungsaufgaben des Seminars besprochen und vertieft. Bitte melden Sie sich daher auch für das begleitende Tutorium an! Multi-Level-Modelle (Kurs 2): Multi-Level- oder Mehrebenen-Modelle ermöglichen es, Daten zu analysieren, die sich hierarchisch übergeordneten Einheiten zuordnen lassen. Hier wird häufig von „genesteten“ oder „hierarchisch strukturierten Daten“ gesprochen. Beispiele dafür sind Kinder in Familien, Mitarbeiter:innen in Abteilungen oder Patient:innen in Kliniken. Ein typisches Merkmal von hierarchisch strukturieren Daten ist, dass Daten innerhalb einer Gruppe ähnlicher zueinander sind als zu Daten anderer Gruppen (dadurch ergeben sich klassenbezogene Performanznunterschiede oder individuelle Therapieverläufe). Ein Vorteil von Multi-Level Modelle ist, dass sie ebendiese Ählichkeitsmuster berücksichtigen können. Somit können sie dafür eingesetzt werden, bessere (realitätsnähere) Aussagen über den Effekt einer Maßnahme oder über die Beziehung zwischen Prädiktoren und Outcomes zu treffen. Am Ende des Seminars sollten Sie folgende Fragen beantworten können: Was sind hierarchisch strukturierte Daten und wie können diese erkannt werden? Welche Konsequenzen (in Sinne einer Modellspezifikation) bringen hierarchisch strukturierte Daten mit sich? Wie können Multi-Level Modelle in R spezifiziert werden und welche Arten von Modellen gibt es? Wie sind die Ergebnisse eines Multilevel-Modells zu interpretieren? Das Seminar wird von einem Softwaretutorium begleitet, in dem die Studierenden die Grundlagen des Umgangs mit der Statistiksoftware R sowie die Datenaufbereitung im tidyverse erlernen werden. Aufbauend auf diesen Grundkenntnissen werden im Tutorium Übungsaufgaben des Seminars besprochen und vertieft. Bitte melden Sie sich daher auch für das begleitende Tutorium an! Open Science (Kurs 3): Die Psychologie und andere Disziplinen sind in den vergangen Jahren hart von der Replikationskrise getroffen worden. Aber was genau ist eigentlich passiert? Mit welchen Krisen hat die (psychologische) Wissenschaft aktuell zu kämpfen und welche Lösungsansätze gibt es? In diesem Seminar befassen wir uns mit methodischen Problemen, aktuellen methodischen Entwicklungen zur Verbesserung der Qualitätssicherung in der Wissenschaft und Open Science. Das Seminar wird von einem Softwaretutorium begleitet, in dem die Studierenden die Grundlagen des Umgangs mit der Statistiksoftware R sowie die Datenaufbereitung im tidyverse erlernen werden. Aufbauend auf diesen Grundkenntnissen werden im Tutorium Übungsaufgaben des Seminars besprochen und vertieft. Bitte melden Sie sich daher auch für das begleitende Tutorium an!
Zusätzliche Informationen: Sollten Sie feststellen, dass Sie später nicht dem passenden Tutorium zugeordnet wurden, ist das kein Problem. Sie können sich zu Beginn des Wintersemesters selbstständig für den richtigen Kurs anmelden. Alle Informationen erhalten Sie dazu von Ihrer Kursleitung.
Seminar: Fortgeschrittene statistische Methoden II (Vertiefung) 1
Jan Göttmann
Di, 25. Okt. 2022 [12:15]-Di, 7. Feb. 2023 [13:45]
Seminar: Fortgeschrittene statistische Methoden II (Vertiefung) 2
Bernhard Both; José Carlos Garcia Alanis
Mo, 24. Okt. 2022 [10:15]-Mo, 6. Feb. 2023 [11:45]
Seminar: Fortgeschrittene statistische Methoden II (Vertiefung) 3
Prof. Dr. Anna-Lena Schubert
Mi, 26. Okt. 2022 [08:15]-Mi, 8. Feb. 2023 [09:45]