IZeF

Nachwuchsförderung des IZeFs: Methodenworkshops

Im Rahmen der Nachwuchsförderung des IZeFs finden ca. einmal pro Semester Methodenworkshops statt. Diese Workshops stehen insbesondere den Teilnehmer*innen der weiteren Maßnahmen der Nachwuchsförderung des IZeFs, darüber hinaus jedoch auch weiteren Interessierten offen.

Die vergangenen beiden Workshops wurden gemeinsam mit der Graduiertenschule der Humanwissenschaftlichen Fakultät durchgeführt.

Für weitere Informationen kontaktieren Sie uns gerne!


Workshop zum Thema Missing Data: 21. Juli 2017

Missing values in data collections can occur for many different reasons, and even well-designed and properly conducted studies will not always be able to avoid the issue of missing values. Certain items in a questionnaire may be overlooked, skipped or answered incorrectly, measurements might not be performed or recorded exactly, and participants in longitudinal studies may drop out of the research program before they have completed all waves of data collection.
Missing data — especially if missingness occurs due to some systematic (i.e., non-random) and unobservable cause — poses a serious risk that the sample might lose its representative function and can lead to distorted results. Consequently, incorrect conclusions could be drawn from the data.
This one-day workshop will offer an overview of how to evaluate and understand missing data and will give practical advice on different approaches to handling missing data.

Weitere Informationen und Hinweise zur Anmeldung hier.

 


Workshop zum Thema Multilevel Analysis: 02. Juni 2017

In the behavioural sciences data is often naturally clustered on multiple hierarchically nested levels.
Such dependencies are a clear violation of the assumption of independent measurements, because measurements within student 1 will be more alike than a random selection of measurements from other students and students within a university will be more alike compared to a random sample of students from other universities, etc.
This poses a problem for most classical statistical models, such as multiple regression and analysis of variance based on the general linear model. The models introduced in the workshop go by many different names: Mixed effect models, multilevel models, hierarchical regression, but they share the same basic features: They allow clustering of scores at different aggregate levels of the data, which, in many cases, leads to more realistic statistical models.
The main focus of the workshop will be hands-on experience with data analysis using the R statistical computing environment. No special background knowledge is required to participate.

Weitere Informationen und Hinweise zur Anmeldung hier .

 


Workshop zur IRT-Skalierung II: 09. Dezember 2016

Dieser Workshop war für Fortgeschrittene zum Thema IRT-Skalierung und Rasch-Modell angelegt und baute auf dem "Workshop zur IRT-Skalierung I" auf. Die Grundlagen wurden nur kurz wiederholt, da im Mittelpunkt das individuelle Bearbeiten eigener Daten mit der Unterstützung durch den Referenten, sowie die Bearbeitung individueller Schwierigkeiten mit den vorhandenen Datensätzen stand. Inhaltlich wurden darüber hinaus folgende Aspekte thematisiert:

  • verschiedene IRT-Modelle
  • Rasch-Homogenität
  • Richt- und Schwellenwerte
  • Umgang mit unerwarteten Ergebnissen

Workshop zur IRT-Skalierung I: 21. Juli 2016

Neben einer allgemeinen Einführung in die IRT-Skalierung und das Rasch-Modell, wurden anhand von Beispieldaten Modelle berechnet und interpretiert. Insbesondere wurden folgende Inhalte thematisiert:

  • Parial Credit-Modell
  • Interpretation der Ausgabe-Grafiken
  • Zusammenspiel der Eigenschafen im Rasch-Modell
  • Rasch-Modell in Längsschnitt-Analysen

Anwendungsorientierte Einführung in die IRT: 02. - 03. Februar 2015

Der zweitägige Workshop begann mit einer Einführung in die IRT-Skalierung und das Rasch-Modell. Dabei wurden weitere Modelle, wie etwa das Parial Credit-Modell, berücksichtigt. Am zweiten Tag er- und bearbeiteten die Teilnehmer*innen Skalierungen an individuellen Beispieldatensätzen.