Master's Thesis - Cheatsheet

Quantitative Forschungsmethoden

Definition:

Quantitative Forschungsmethoden verwenden numerische Daten und statistische Techniken zur Analyse psychologischer Phänomene und Hypothesen.

Details:

• Datenerhebung: Fragebögen, Experimente, Beobachtungen mit standardisierten Messungen
• Datenanalyse: Deskriptive Statistik, Inferenzstatistik
• Hypothesentestung: T-Tests, ANOVA, Regressionen
• Datenvisualisierung: Diagramme, Tabellen
• Reliabilität: Konsistenz der Messergebnisse
• Validität: Gültigkeit der Schlussfolgerungen

Qualitative Forschungsmethoden

Definition:

Qualitative Forschungsmethoden: nicht-numerische Analyse, um Verständnis von Phänomenen zu gewinnen.

Details:

• Methoden: Interviews, Beobachtungen, Fokusgruppen
• Datenart: Text, Bilder, Videos
• Analyse: Thematische Analyse, Interpretative Phänomenologische Analyse (IPA), Grounded Theory
• Ziel: Tiefes Verständnis von menschlichem Verhalten und Erlebnissen
• Vorteile: Flexibilität, Tiefe, Kontextualisierung
• Nachteile: Zeitaufwendig, Subjektivität, Generalisierbarkeit

Aufbau einer Literaturübersicht

Definition:

Strukturierte Darstellung des aktuellen Stands der Forschung zu einem bestimmten Thema.

Details:

• Einleitung: Ziel und Umfang der Literaturübersicht
• Relevante Literatur suchen und auswählen
• Kritische Analyse und Synthese der Literatur
• Chronologische oder thematische Gliederung
• Lücken und Kontroversen aufzeigen
• Schlussfolgerungen und weiterführende Forschungsvorschläge

Deskriptive Statistik

Definition:

Deskriptive Statistik beschreibt und analysiert Daten durch numerische und grafische Methoden, ohne Schlussfolgerungen über eine größere Population zu ziehen.

Details:

• Maßzahlen der zentralen Tendenz: Mittelwert (\(\bar{x}\)), Median, Modus
• Streuungsmaße: Varianz (\[s^2\]), Standardabweichung (\(s\)), Spannweite, Quartile
• Grafische Darstellungen: Histogramme, Boxplots, Streudiagramme
• Zusammenhänge: Korrelation (\(r\)), Kovarianz

Inferenzstatistik

Definition:

Inferenzstatistik ermöglicht das Treffen von Schlussfolgerungen über eine Population anhand einer Stichprobe.

Details:

• Hypothesentest: Nullhypothese (\text{H}_0) vs. Alternativhypothese (\text{H}_1)
• Signifikanzniveau (\text{α}): Typischerweise 0,05 oder 0,01
• Teststatistik: Berechnung und Vergleich mit kritischem Wert
• P-Wert: Gibt die Wahrscheinlichkeit an, dass das beobachtete Ergebnis unter der Annahme der \text{H}_0 auftritt
• Konfidenzintervalle: Bereich, in dem der wahre Populationsparameter mit einer bestimmten Wahrscheinlichkeit liegt
• Fehlerarten: \text{Typ-I-Fehler} (\text{α}) und \text{Typ-II-Fehler} (\text{β})

Strukturierung wissenschaftlicher Texte

Definition:

Wissenschaftliche Texte sollten klar und logisch strukturiert sein.

Details:

• Einleitung: Einführung in das Thema, Forschungsstand, Fragestellung, Zielsetzung
• Theorieteil: Definitionen, Modelle, Hypothesen
• Methode: Untersuchungsdesign, Stichprobe, Materialien, Ablauf, Datenanalyse
• Ergebnisse: Darstellung der Ergebnisse (Tabellen, Diagramme, Texte)
• Diskussion: Interpretation der Ergebnisse, Bezüge zur Theorie, Limitationen, Ausblick
• Fazit/Schluss: Zusammenfassung der wichtigsten Punkte, Beantwortung der Forschungsfrage, Implikationen
• Literaturverzeichnis: Alle zitierten Quellen nach einem einheitlichen Zitationsstil
• Anhang: Ergänzende Materialien (z.B. Fragebögen, zusätzliche Analysen)

Zeitmanagement im Forschungsprojekt

Definition:

Zeitaufwand schätzen, Aufgaben priorisieren, Meilensteine setzen.

Details:

• Gesamtprojekt in Phasen einteilen
• Deadlines und Zwischenziele festlegen
• Pufferzeiten einplanen
• Regelmäßige Fortschrittskontrollen
• Tools wie Gantt-Diagramme oder To-Do-Listen verwenden

Datenvisualisierung mit SPSS oder R

Definition:

Visualisierung von Daten mittels statistischer Software zur Verdeutlichung von Mustern und Zusammenhängen.

Details:

• SPSS: Einfach zu bedienen, weniger flexibel, vorgefertigte Diagramme.
• R: Höhere Flexibilität, erweiterte grafische Möglichkeiten, skriptbasiert (ggplot2).
• Typische Diagramme: Balkendiagramme, Streudiagramme, Boxplots, Histogramme.
• Nutzung von \textit{ggplot2} in R für erweiterte Grafiken: ggplot(data, aes(x, y)) + geom_point()
• Exportieren von Grafiken: PDF, PNG, JPEG.