Projektarbeit - Cheatsheet

Grundlagen der empirischen Forschung

Definition:

Grundprinzipien und Methoden der Datensammlung und -analyse zur Beantwortung von Forschungsfragen.

Details:

• Hypothesenformulierung: Klare und überprüfbare Aussagen.
• Operationalisierung: Konkrete Messbarmachung theoretischer Konstrukte.
• Studiendesign: Planung und Strukturierung der Untersuchung (z.B. Experimente, Umfragen, Beobachtungen).
• Datensammlung: Systematische Erhebung von Daten (quantitativ oder qualitativ).
• Stichprobenziehung: Auswahl der Untersuchungseinheiten (z.B. Zufallsstichprobe).
• Datenanalyse: Mathematische und statistische Verfahren zur Auswertung (z.B. Mittelwertberechnung, Hypothesentests).
• Interpretation: Schlussfolgerungen basierend auf den Analyseergebnissen.
• Validität und Reliabilität: Gütekriterien zur Bewertung der Forschung.
• Ethik: Beachtung ethischer Richtlinien und Datenschutz.

Unterschiede zwischen qualitativen und quantitativen Methoden

Definition:

Qualitative Methoden analysieren nicht-numerische Daten und konzentrieren sich auf tiefes Verständnis, während quantitative Methoden numerische Daten analysieren und statistische Analysen betonen.

Details:

• Qualitative Methoden: Interviews, Beobachtungen, Dokumentenanalyse
• Quantitative Methoden: Umfragen, Experimente, statistische Analysen
• Qualitative Daten: Text, Bilder, Audio
• Quantitative Daten: Zahlen, Statistiken
• Qualitativ: induktiver Ansatz, Theoriebildung
• Quantitativ: deduktiver Ansatz, Hypothesenprüfung
• Qualitativ: kleinere Stichproben, detailreiche Daten
• Quantitativ: größere Stichproben, generalisierbare Daten

Design von Experimenten und Studien

Definition:

Planung und Strukturierung von Experimenten und Studien zur Überprüfung von Hypothesen und Sammlung valider Daten.

Details:

• Unterscheidung zwischen experimentellen und nicht-experimentellen Designs
• Manipulation der unabhängigen Variablen und Messung der abhängigen Variablen
• Randomisierung und Kontrolle von Störvariablen
• Ethische Richtlinien und informierte Zustimmung
• Interne und externe Validität
• Beschreibung der Stichprobe und Rekrutierungsmethoden
• Operationalisierung der Variablen
• Analyseplan und statistische Methoden

Formulierung von Forschungsfragen und Hypothesen

Definition:

Kernaufgabe in der Projektarbeit zur Entwicklung klarer, spezifischer Forschungsfragen und überprüfbarer Hypothesen.

Details:

• Forschungsfrage identifiziert Problembereich und Ziel der Forschung.
• Hypothese: Vorhersage, die aus Theorie abgeleitet und empirisch überprüfbar ist.
• Gute Forschungsfragen: präzise, relevant, forschbar.
• Hypothesenformulierung: verbal oder formelhaft.
• Beispielhypothese: \[ H_0: \text{Es gibt keinen Unterschied zwischen den Gruppen.} \] \[ H_1: \text{Es gibt einen Unterschied zwischen den Gruppen.} \]
• Hypothesenarten: gerichtete (mit Richtung) und ungerichtete (ohne Richtung).
• Operationalisierung: Messbar machen der Variablen.
• Literaturrecherche unterstützt die Formulierung.

Grundlagen der Statistik in der Psychologie

Definition:

Grundlagen der Statistik in der Psychologie beinhalten die grundlegenden Methoden und Modelle zur Analyse und Interpretation von Daten in psychologischen Studien.

Details:

• Stichproben und Populationen: \textbf{Stichprobe} \textit{(sample)}, \textbf{Population} \textit{(population)}
• Deskriptive Statistik: Mittelwert \textit{(mean)}, Median \textit{(median)}, Standardabweichung \textit{(standard deviation)}
• Inferenzstatistik: Hypothesenprüfung, Signifikanzniveau (\textit{\textbf{Alpha}} \textit{(\textit{α})}), p-Wert \textit{(p-value)}
• Verteilungsmodelle: Normalverteilung, t-Verteilung
• Korrelation und Regression: \textbf{Korrelationskoeffizient} \textit{(correlation coefficient)}, lineare Regression
• Statistische Tests: t-Tests, ANOVA \textit{(Analysis of Variance)}

Verwendung statistischer Software (z.B. SPSS, R)

Definition:

Verwendung statistischer Software (z.B. SPSS, R) zur Datenanalyse und Hypothesentests.

Details:

• SPSS: Benutzerfreundlich, vordefinierte statistische Tests, GUI-basierte Bedienung.
• R: Flexibel, umfangreiche Bibliotheken (z.B. ggplot2, dplyr), scripting-basiert.
• Datenaufbereitung: Datenimporte, Datenbereinigung, Umkodierung von Variablen.
• Deskriptive Statistik: Mittelwert, Median, Standardabweichung. Formeln: Mittelwert: \( \bar{x} = \frac{1}{N} \sum_{i=1}^N x_i \), Standardabweichung: \( s = \sqrt{\frac{1}{N-1} \sum_{i=1}^N (x_i - \bar{x})^2} \).
• Hypothesenprüfung: t-Test, ANOVA, Korrelation. Formeln: t-Test: \( t = \frac{\bar{x} - \mu}{s/\sqrt{n}} \), Pearson-Korrelation: \( r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \sum (y_i - \bar{y})^2}} \).
• Visualisierung: Histogramme, Streudiagramme. Formeln: z.B. Histogramm: Anz. Klassen \( k \approx \sqrt{n} \), Klassenbreite \( b = \frac{\text{Spannweite}}{k} \).

Dokumentation und Protokollierung der Forschung

Definition:

Dokumentation und Protokollierung der Forschung sind essentielle Aufgaben zur Nachverfolgbarkeit und Reproduzierbarkeit wissenschaftlicher Arbeiten.

Details:

• Verwendung standardisierter Vorlagen
• Aufzeichnung aller Schritte und Methoden
• Detaillierte Beschreibung der Versuchsanordnung
• Sorgfältige Datenerfassung und -speicherung
• Regelmäßige Updates und Berichte
• Einhaltung ethischer Richtlinien

Verfassen eines Projektberichts

Definition:

Erstellung eines Dokuments, welches die Planung, Durchführung und Ergebnisse eines Projekts in strukturierter Form festhält.

Details:

• Einleitung: Hintergrund, Zielsetzung.
• Theoretischer Rahmen: Literaturübersicht, Hypothesen.
• Methode: Design, Teilnehmer, Verfahren.
• Ergebnisse: Darstellung der Daten, analytische Methoden.
• Diskussion: Interpretation der Ergebnisse, Limitationen, Implikationen.
• Fazit: Zusammenfassung der wichtigsten Punkte.
• Literaturverzeichnis: Alle verwendeten Quellen.
• Anhänge: Zusätzliche Informationen, z.B. Fragebögen.