Master's Thesis - Cheatsheet.pdf

Master's Thesis - Cheatsheet
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, Reg...

© StudySmarter 2024, all rights reserved.

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.
Sign Up

Melde dich kostenlos an, um Zugriff auf das vollständige Dokument zu erhalten

Mit unserer kostenlosen Lernplattform erhältst du Zugang zu Millionen von Dokumenten, Karteikarten und Unterlagen.

Kostenloses Konto erstellen

Du hast bereits ein Konto? Anmelden