Modulbeschreibung
Statistische & wissenschaftliche Grundlagen
Kürzel:
Durchführungszeitraum:
ECTS-Credits:
Lernziele:
Das Modul befähigt Studierende, wissenschaftlich fundierte Studiendesigns für summative Nutzertests und vergleichende Untersuchungen wie A/B-Studien zu entwickeln und durchzuführen. Im Zentrum steht der vollständige Forschungsprozess: von der methodisch kontrollierten Erhebung über die deskriptiv- und inferenzstatistische Auswertung quantitativer sowie die systematische Analyse qualitativer Daten bis hin zur Ableitung generalisierbarer Erkenntnisse.
Verantwortliche Person:
Standort (angeboten):
Skriptablage:
Modultyp:
Semester Empfehlung:
- Musterstudienplan Digital Design – Semester 3
- Musterstudienplan Digital Design AI Augmentation – Semester 3
ECTS-Credits pro Kategorie
Modulbewertung
Bewertungsart:
Leistungsbewertung
Während der Prüfungssession:
Zulassungsbedingungen zur Prüfung:
Abschlussbericht muss zur Zulassung der Prüfung abgegeben werden
Während des Semesters:
Projektabschlussbericht
Bewertungsart:
Gewichtung:
30% Projektabschlussbericht
70% Schriftliche Prüfung
Bemerkungen:
Kurse in diesem Modul
Statistische & wiss. Grundlagen
Kürzel:
Semester:
Lernziele:
Fachkompetenzen:
Die Studierenden kennen die Grundlagen wissenschaftlicher Forschungsmethodik und verstehen den Unterschied zwischen deskriptiver und inferenzstatistischer Auswertung sowie zwischen qualitativer und quantitativer Datenanalyse im Kontext summativer Nutzertests und A/B-Studien.
Methodenkompetenzen:
Die Studierenden sind in der Lage, ein wissenschaftlich fundiertes Studiendesign zu entwickeln, inklusive Stichprobendefinition, Erhebungsinstrumenten und Kontrolle von Störvariablen, und können daraus generalisierbare, valide Erkenntnisse ableiten.
Selbstkompetenzen:
Die Studierenden entwickeln eine kritisch-reflektierte Haltung gegenüber Daten und Ergebnissen: Sie lernen, Befunde nicht unkritisch zu übernehmen, sondern deren Aussagekraft, Limitationen und Übertragbarkeit eigenständig zu beurteilen.
Sozialkompetenzen:
Die Studierenden können komplexe Analyseergebnisse und statistische Schlussfolgerungen verständlich aufbereiten und so kommunizieren, dass sie für unterschiedliche Zielgruppen nachvollziehbar und entscheidungsrelevant sind.
Unterrichtssprache:
Bibliographie:
Pflichtliteratur wie Skript, Bücher:
- Jonathan Lazar, Jinjuan Heidi Feng, and Harry Hochheiser. Research Methods in Human-Computer Interaction. John Wiley & Sons, 2017.
- Günther Bourier. Beschreibende Statistik: Praxisorientierte Einführung mit Aufgaben und Lösungen. 2025.
- M. Sachs. Wahrscheinlichkeitsrechnung und Statistik für Ingenieursstudenten an Fachhochschulen. 2013.
- Markus Janczyk, Roland Pfister. Inferenzstatistik verstehen: Von A wie Signifikanztest bis Z wie Konfidenzintervall. 2020.
Kursart:
Durchführung gemäss Stundenplan