Fachgebiet
Arbeitspsychologie und Arbeitspädagogik
Technische Universität Berlin - Fakultät IV
Institut für Wirtschaftsinformatik und Quantitative Methoden
Dr. Rainer Alexander
(geb. Oesterreich)
Privatdozent
u. Akademischer Rat i.R.
dr.rainer.oesterreich@gmail.com
Mobile
0049-0151-555-02314
Büro
Berlin: TU-Sekretariat MAR 5-7 – Marchstr. 23 – D
10587 Berlin
Angebote
zur Durchführung von nach Bedarf zusammengestellten Inhouse-Schulungen
Angebote
richten sich an
Forschungsinstitutionen wie z.B. universitäre Abteilungen, Arbeitsgruppen,
Forschungsprojekte.
Ablauf der
Schulung/Workshops
Im
Workshop wird die Erarbeitung der
Inhalte direkt an die Demonstration und das Einüben der Bedienung von EDV-Programmen (z.B.
Excel, SPSS, AMOS, HLM) gekoppelt. Dabei werden Beispiel-Datensätze ausgewertet,
die auf den Teilnehmer-CDs bereitgestellt sind. Auch die Auswertung von
eigenen Daten der Teilnehmer kann im Rahmen der Schulung geübt werden. Die
EDV-Bedienung (am eigenen Teilnehmer-PC/-Laptop) ist dabei kein zusätzliches
Lernprogramm, sondern ein didaktisches Hilfsmittel im Verlauf des
Kenntniserwerbs.
Die Anzahl der teilnehmenden Personen sollte in der Regel 15 nicht
überschreiten.
Eine
Vorbereitung zu den
Workshop-Inhalten ist nicht
erforderlich, für besonders Interessierte können Hinweise gegeben werden.
(Alle thematisch einschlägigen Lehrbücher werden im Workshop vorgestellt und
liegen zur Ansicht aus.)
Unten sind
Module aufgelistet,
aus denen jeweils gewünschte ausgewählt
werden können
Das Honorar beträgt pro
Schulungstag (ca. 9:00-17:00) 2500 € + Reisekosten
Referenzen
Institutionen
in denen, mit je mind. 2Tage Umfang, bisher Schulungen/Workshops durchgeführt
wurden
Universität
Flensburg (Prof. Dr. Marianne Resch)
Universität
Hamburg (Prof. Dr. Eva Bamberg)
Universität
Innsbruck (Prof. Dr. Wolfgang Weber)
VBG-Verwaltungs-Berufsgenossenschaft,
Hamburg (Dr. Susanne Roscher)
Staatssekretariat für Wirtschaft (seco) in Zürich, Ressort Grundlagen Arbeit + Gesundheit (Dr. Maggie Graf)
Fachhochschule
Nordwestschweiz (Prof. Dr. Andreas Krause, Prof. Dr. Adrian Schwaninger)
Module
Inhouse-Schulung
zu klassischen Erhebungs- und
Auswertungsmethoden
im
Bereich der Arbeits- und Gesundheitsforschung
Umfang 2 Tage
a. Einführung: Mittelwerte, Standardabweichung
(Varianz), Standardisierung (z-Transformation), Pearson-Korrelation und
Regression, Begriff „Scheinkorrrelation“
b. Reliabilität: Cronbach’s
Alpha, Grundgedanke, Itemselektion, Testlänge,
Verständnis eines
AMOS-Ausdrucks zur KFA
c. Signifikanztest-Theorie: Nullhypothese, Alternativhypothese, Alpha-Fehler, Beta-Fehler,
Test-Power, Stichprobengröße, Mehrfachtestung und Alpha-Adjustierung
d. Signifikanztests zu univariaten
Fragestellungen: Auswertung von Häufigkeitsdaten mit Chi²,
T-Tests, einfaktorielle Varianzanalyse
e. Kritik der post-hoc Signifikanzsuche: Zufalls-Signifikanz, Methoden der Signifikanz-Suche, zum Publication Bias
f. Regressionsrechnung:
Partialkorrelation, Multiple Regression, Beta-Gewichte, multiple Korrelation
g. Längsschnitt-Daten (Messwiederholung): Übersicht zu Intentionen und Methoden
der Auswertung
h. Moderator- und Mediator-Variablen:
Modelle und Prüfverfahren
i. Effektstärke: Effekt-Arten,
Beurteilung von Effektstärken
Module Inhouse-Schulung
zu neueren statistischen
Auswertungsmethoden
im Bereich der Arbeits- und Gesundheitsforschung
Umfang A 2 Tage, B 2 Tage
A1.1 Als
Auffrischung: Multiple Regression
Zur Wiederholung: Verständnis der
Korrelation, die Regressionsgerade, r² als Varianzaufklärung, Skalentransformationen
und Korrelationsrechnung. Grundgedanke der multiplen Regression, unstandardisierte und standardisierte Beta-Gewichte,
multiple Korrelation R², schrittweise multiple Regression, hierarchische
multiple Regression, Moderator- und Mediator-Variablen,
evtl. logistische multiple
Regression.
A1.2 – A 2.1
Strukturgleichungsmodelle (SEM) mit AMOS
A1.2
Grundgedanke, Nutzung des EDV-Programms AMOS, Pfadanalyse, Begriffe,
Bedeutung der Pfadkoeffizienten, Kausalitätsprüfung in Längsschnittstudien,
Grundlagen der Modell-Schätzung und von Fit-Kriterien. Konfirmatorische
Faktorenanalyse, Strukturmodell und Messmodell.
<<Evtl.
Einschub: Modelle zu eigenen Daten der Teilnehmer(innen)>>
A2.1 Hinweise
auf Post Hoc Modell-Modifikationen, Modellvergleiche und Gruppenvergleiche.
Empfehlungen
zur SEM-Literatur, SEM-Beispiele aus Publikationen, Kritikpunkte zu SEM.
<<Evtl.
zusätzlich Exkurse: Freiheitsgrade, Determiniertheit, Rekursivität, Übersicht
zu Fit-Indizes, Bootstrapping>>
A2.2
Meta-Analysen
Studiensuche
und Kennzeichnung, Studienqualität und Studienauswahl, Effektstärke-Arten und
Zusammenführung. Beurteilung des publication bias, Darstellung von Metaanalysen.
Checkliste zur
Qualität von Ergebnisdarstellungen aus Metaanalysen
B1.2 – B 2.1
Multilevel Modelle (MLM) mit HLM
B2.1
Grundgedanke, Nutzung des EDV-Programms HLM, Gruppierte Daten und
HLM-Datenmatrix, die Hauptreihe der 2-Ebenen-Modelle und ihre Hypothesenstruktur, Ergebnisinterpretation, Maße der
Varianzaufklärung, Modellvergleiche, Modellsuche und exploratorische Analyse.
<<Evtl. Einschub: Modelle zu
eigenen Daten der Teilnehmer(innen)>>
B2.1 Auswertung
von Längsschnitt-Studien mit MLM, 3-Ebenen-Modelle, Zentrierung und
Standardisierung von Variablen, erforderliche Stichprobengrößen Verteilungsvoraussetzungen
für MLM.
Empfehlungen
zur MLM-Literatur, MLM-Beispiele aus Publikationen, Kritikpunkte zu MLM.
<<Evtl.
zusätzliche Exkurse: Vorgehen bei der Modell-Schätzung, Signifikanztest-Arten,
Power-Berechnungen, Residuen und „vorhergesagte“ Werte>>
B2.2 Missing Data Imputation
Ursachen
für Missing Data , Überprüfung der Eigenarten von Missings, Umgangsweisen mit Missing
Data, Imputationsarten, multiple Imputation, Auswertung von Datensätzen mit imputierten Missing Data.
|