Sta$s$k

Sta$s$kamDep.LSFM

ÜberblickLehreIASMath/StatMethodikundTools(einigecases)

DepN

Dep.N,Bachelor•  Umwel$ngenieurwesen:R

1.Semester:3Lekt.Mathe2.Semester:2Lekt.Mathe,2Lekt.Stat5.Semester:2Lekt.Datenanalyse

•  LebensmiMeltechnologie:R

1.Semester:3Lekt.Mathe,1Lekt.Sta$s$k2.Semester:3Lekt.Mathe,1Lekt.Sta$s$k

•  Chemie:Excel,Gnuplot,VBA->R

1.Semester:3Lekt.Mathe,Sta$s$kinChemie2.Semester:2Lekt.Mathe,2Lekt.Sta$s$k

•  Biotechnologie:Matlab 1./2.Semester:je3Lekt.Mathe

4.Semester:3Lekt.Sta$s$k

•  FacilityManagement:Excel 1.Semester:2Lekt.Mathe2.Semester:2Lekt.Sta$s$kErhebungsmethoden

Dep.N,Master

•  MSLifeSciences:R•  MSFacilityManagement:SPSS

•  MSLifeSciences:Ver$efungComputa$onalLifeSciencesPython+R+?

Sta$s$kberatung

2010 2011 2012 2013 2014 2015

Entwicklung Statistiksupport N

k C

HF

0

10

20

30

40

50

60

70Projekte andere KSint. Statistikberatung

1013.2

19.7

36.6

41.8

33.9

20.4

Case1:FirstContact

SensibilisierenfürSta$s$k

Bezügeherstellen

Ø Sta$sik=abstrakt,kompliziert,undurchschaubar---->Deusexmacchina.Ø AuchangewandteThemenwie„Umfragen“sindimClassroomo`zu„abstrakt“.

Ø  gedrucktesUmfrageblaMwährendPrüfung.Ø  GehtzurückaufVorschlageiner

StudierendenUI13.

Ø  Ausfüllenobligatorisch->100%Rücklaufbei150Studierenden

Ø  Digitalisierungdauertca.40Minuten

SalvatorePapaloRebekkaMerki(UI14)

Mar$nJoss,MarionFrei(UI14)

Findings

Ø  SelbsteinschätzungderStudierendenzu$ef(gutfürMo$va$on)

Ø  NervositäthatEinflussaufdieErwartung,abernichtklaraufdieeffekEveNote

Ø  LerneffizienznimmtüberdasSemesterab

Ø  LernaufwandungleichNote

Ø  Fähigkeit,ProbeprüfungenzulösenhängtmitNotezusammen

Ø  SchweregradderPrfg.entsprichtErwartungen

Case2:TheundiscoveredCountry

EinführunginR(UI)

EinführunginR(UI)

Mathe

ma$

k1,UI,1.Sem

ester

Case3:IntoDarkness

ModulDatenanalyse(UI)

Datenanalyse,5.SemesterUI

18

Datum

(Richtwert)

Inhalt

16.9. Grundlagen (Desktop, Arbeiten mit R, Operationen, Vektoren, Matrizen)

16.9. Grundlagen (Desktop, Arbeiten mit R, Operationen, Vektoren, Matrizen)

23.9. Import / Export von Daten (von und nach Excel)

Datentypen (metrisch, ordinal, dichotom, Entsprechungen in R)

23.9. beschreibende Statistik (Lage- und Streumasse, Visualisierungen)

14.10. Visualisierungen

fakultativ: Loops („for“), Conditions („if“) und Anwendungen auf Datenhandling

14.10. Visualisierungen

4.11. Statistische Tests 1, Arbeit an Datenanalyse

4.11. Statistische Tests 2, Arbeit an Datenanalyse

18.11. Statistische Tests 3 und erste Fallstudie, Arbeit an Datenanalyse

18.11. 2. Fallstudie, Arbeit an Datenanalyse

2.12. 3. Fallstudie, Arbeit an Datenanalyse

2.12. 4. Fallstudie, Arbeit an Datenanalyse

9.12. 5. Fallstudie, Arbeit an Datenanalyse

9.12. 6. Fallstudie, Arbeit an Datenanalyse

EineLek$on:

Case4:Genera$ons

RKursefürMA/Stud

RKursfürMA/Stud

•  kompleMeronlineKurs(Materialien,inkl.Videos)

•  SpezifischeAngebote(z.B.TageskursfürILGI)

•  WBErhebungsmethodenhMps://moodle.zhaw.ch/course/view.php?id=10595

Case5:Counsel

Sta$s$kberatung

Sta$s$kberatung

•  individuellesCoaching,dasnachhal$gwirkt

•  UnterstützunginF&EProjekten

•  inspirierteSpielwiesefürMitarbeitanPublika$onen

--->typischerAblauf,BeispielDavidHuber(BA,UI).

TestsundVisualisierungen

IASBibliothek„tests_and_visuals.R“fürMacundPC.

Next

Sta$s$kberatungamN

Dr.IvoKaelin

HilfsmiMelDatenanalyse

hMps://moodle.zhaw.ch/course/view.php?id=2842

Studierendeermu$gen