Informationen über die Gestaltung des Bachelorpropädeutikums am Lehrstuhl für Methodenlehre und Evaluationsforschung finden Sie in diesem Dokument: Propädeutikum zur Bachelorarbeit
Die folgenden Bachelorarbeitsthemen werden vom Lehrstuhl für Methodenlehre und Evaluationsforschung momentan angeboten (weitere oder eigene Themen auf Anfrage):
| Thema | Beschreibung | Interesse? Melden Sie sich bei: | Weitere Betreuer |
|---|---|---|---|
| Literaturrecherche zur Verwendung Bayesianischer Entscheidungstheorie in Simulationsstudien | Eine Literaturschau, bei der untersucht werden soll, welche, und in welchem Ausmaß, bayesianische Entscheidungstheorie (d.h. die Berechnung von Utility/Loss functions, die die gesamt Posterior-Verteilung verwenden) bisher in Simulationsstudien mit Bayes verwendet wurden. Fokus sind informationstheoretische Maße, also WAIC und LOO-CV als Schätzer für die erwartete logarithmierte Vorhersageverteilung, aber auch andere Utility/Loss Funktionen, wie insbesondere Klassifizierungen, sind interessant. | Maximilian Bee | Tobias Koch |
| Simulationsstudie zu Regularisierungsverfahren in Strukturgleichungsmodellen | Strukturgleichungsmodelle erlauben die Abbildung von zunehmend komplexeren Zusammenhängen mit einer großen Anzahl von möglichen Variablen. Mit der Komplexität geht dabei jedoch teilweise ein Verlust an Interpretierbarkeit des Gesamtmodells einher. Genauso macht ein komplexes Modell mit gutem Fit nicht zwangsläufig optimale Vorhersagen für neue Daten. Regularisierungsverfahren sind eine attraktive Möglichkeit, die Komplexität dieser Modelle zu reduzieren. Im Idealfall erreicht man bessere Interpretierbarkeit und Prädiktionsgenauigkeit ohne dabei wesentliche Variablen zu verwerfen. Im Rahmen dieser Arbeit sollen mittels einer Simulationsstudie verschiedene Regularisierungsansätze und deren Vor- und Nachteile verglichen werden. Grundlage dafür ist ein MIMIC-Modell (Multiple Indicators Multiple Causes). Dieses enthält latente Variablen, die einerseits Effekte auf Indikatoren ausüben und andererseits von manifesten Variablen beeinflusst werden. | Benedikt Friemelt | Christian Bloszies |
| Hypothesen in Varianzanalysen - Was ist hier eigentlich die Frage? | Varianzanalysen (ANOVA) werden häufig eingesetzt, um Mittelwertsunterschiede zwischen verschiedenen Gruppen hinsichtlich ihrer Signifikanz zu testen und Aussagen zu Haupt- bzw. Interaktionseffekten treffen zu können. Dabei finden sich vier verschiedene Methoden, um diese Prüfung durchzuführen (Typ I - IV). Je nach ausgewählter Methode, werden Interaktionen verschiedener Faktoren berücksichtigt oder nicht. Außerdem unterscheidet sich die Reihenfolge der getesteten Effekte. Die richtige Auswahl spielt insbesondere in nonorthogonalen Forschungsdesigns eine Rolle, in denen es z.B. keine randomisierte Gruppenzuweisung gab und einzelnen Zellen ungleich stark besetzt sind. Häufig sind den Anwendern der Varianzanalyse diese zum Teil gravierenden Unterschiede in den Methoden gar nicht bewusst und sie folgen in ihren Analysen den jeweiligen (unterschiedlichen) Voreinstellungen der gängigen Statistikprogramme. In einer Bachelorarbeit soll die Anwendungspraxis der ANOVA anhand von bereits veröffentlichten Arbeiten eines psychologischen Forschungsfeldes Ihrer Wahl genauer betrachtet werden. Dabei soll gegenübergestellt werden, welche Hypothesen die Autoren eigentlich überprüfen wollten und welche Hypothesen tatsächlich überprüft wurden. | Linda Gräfe | Prof. Rolf Steyer |
| nonorthogonale ANOVA mit Messwiederholung | Varianzanalysen (ANOVA) mit Messwiederholungen werden häufig eingesetzt, um Mittelwertsunterschiede zwischen verschiedenen Gruppen über die Zeit hinsichtlich ihrer Signifikanz zu testen und Aussagen zu Haupt- bzw. Interaktionseffekten treffen zu können. Dabei finden sich vier verschiedene Methoden, um diese Prüfung durchzuführen (Typ I - IV). Die richtige Auswahl spielt insbesondere in nonorthogonalen Forschungsdesigns eine Rolle, in denen es z.B. keine randomisierte Gruppenzuweisung gab und einzelnen Zellen ungleich stark besetzt sind. Häufig sind den Anwendern der Varianzanalyse diese zum Teil gravierenden Unterschiede in den Methoden gar nicht bewusst und sie folgen in ihren Analysen den jeweiligen (unterschiedlichen) Voreinstellungen der gängigen Statistikprogramme. In einer Bachelor-/Masaterarbeit sollen die Auswirkungen einer unbedachten ANOVA-Auswahl auf die Effektschätzungen mit Hilfe einer Simulationsstudie untersucht werden. Eine Veranschaulichung z.B. mit Hilfe einer Shiny-App wäre eine optionale Ergänzung der Arbeit. Dabei könnte auf bestehende Vorarbeiten zu diesem Thema aufgebaut werden. | Linda Gräfe | |
| Systematische Literaturrecherche zu Identifikationsproblemen bei Extended Bifactor Modelle | Konfirmatorische Faktormodelle mit generellen und spezifischen Faktoren (z.B. Bifactor Modelle, hierarchische Faktormodelle, oder G-Faktormodelle) erfreuen sich hoher Beliebtheit in der psychologischen Forschung und Praxis. Insbesondere werden Bifactor Modelle zur Analyse von multidimensionalen Daten in der Psychologie (z.B. in der Intelligenzforschung) eingesetzt. Ein wesentliches Ziel bei der Anwendung von Bifactor Modellen liegt darin, die generellen und spezifischen Faktoren als Prädiktoren (unabhängige Variablen) zur Vorhersage von externe Kriteriumsvariablen (abhängige Variablen) zu verwenden. Hierbei kommt es allerdings häufig zu Identifikationsproblemen (d.h. Nicht-Schätzbarkeit des Modells sowie der Modellparameter). In der Bachelor-Arbeit soll eine systematische Literaturrecherche zu diesem Thema durchgeführt werden. Hierbei soll ebenfalls nach relevanten Lösungsansätzen gesucht werden, die mglw. in der Literatur vorgeschlagen werden. | Tobias Koch | Maximilian Bee |
| Benutzerfreundlichkeit verschiedener Rating-Repräsentationen | Das Themenfeld der Human-Computer-Interaction (HCI) ist interdisziplinär und kombiniert insbesondere informatische und psychologische Forschung. Im Rahmen des Universitätsprojekts Lehrevaluation (ULe) möchten wir bestmögliche Online-Fragebögen für verschiedenste Befragungen anbieten. Dazu gehört es, Repräsentationen von Items (Fragen) auf den Prüfstand zu stellen. In diesem Bachelorarbeitsthema sollen verschiedene Repräsentationen von Rating-Items auf ihre Benutzerfreundlichkeit, insbesondere auf kleinen Endgeräten, untersucht werden. Dafür ist es notwendig, wissenschaftliche Fragebögen zum Thema Benutzerfreundlichkeit in der Literatur ausfindig zu machen und auf Passung zu kontrollieren. Mit Hilfe eines dann ausgewählten Fragebogens wird eine Befragung durchgeführt. Grundlegend soll untersucht werden, ob Rating-Items in einer horizontalen oder vertikalen Anordnung dargestellt werden sollen. Weiterhin sind für eine vertikale Anordnung verschiedene Darstellungen der "Buttons" möglich: von kreisrund zu Schaltflächen. Die statistische Auswertung der erhobenen Daten ist Teil der Bachelorarbeit. | Thomas Prinz | Linda Gräfe |
| Lehrveranstaltungsevaluation (LVE): Unterschiede von papierbasierter vs. online durchgeführter Erhebung | An der FSU Jena werden pro Semester etwa 800 Lehrveranstaltungen mit ca. 15.000 Fragebögen evaluiert. Über die letzten 15 Jahre hat sich ein umfangreicher Datensatz angesammelt. Neben den Einschätzungen der Studierenden liegen auch die Selbsteinschätzungen der Dozenten vor. Zusätzlich sind einige potenzielle Kovariaten der Studierenden (Geschlecht, Fachsemester, Studieraufwand) und der Dozenten (Geschlecht, Alter, Fach/Institut, akademischer Grad, Lehrerfahrung, Veranstaltungsform (Vorlesung, Seminar, Übung), Kursgröße) vorhanden. Bei der Lehrveranstaltungsevaluation handelt es sich um ein komplexes Multilevel-Design, das einige Besonderheiten in der Datenstruktur mit sich bringt: (a) Bei der LVE handelt es sich um eine Fremdeinschätzung von mehreren Studenten zu einer Lehrveranstaltung (multiple rater). (b) Studenten geben eine Einschätzung zu einer Lehrveranstaltung ab und sind gleichzeitig in einer höheren Einheit (einem sogenannten Cluster), nämlich einer Lehrveranstaltung, geschachtelt (multilevel setting). (c) Dozenten und Studenten tragen mehrfach zum Datensatz bei: Studenten geben zu mehreren Lehrveranstaltungen eine Einschätzung ab. Ebenso lassen Dozenten mehrerer Lehrveranstaltungen evaluieren (cross-classified multiple membership). Damit wird die Annahme der Unabhängigkeit von Beobachtungen (iid-Annahme, independent and identically distributed) verletzt. (d) Die studentischen Einschätzungen mit dem Instrument PELVE erfolgen auf fünfstufigen Ratingskalen. Die Verteilung der Variablen ist schief und daher kann nicht von normalverteilten, intervallskalierten Variablen ausgegangen werden. Bei der Auswahl der Analyseverfahren sind diese Besonderheiten zu berücksichtigen. Die Datenaufbereitung und -analyse soll in R (insbesondere mit dem Paket lavaan) erfolgen. Neben dem Vergleich des Erhebungsformats (online vs. Papier) sind weitere Fragestellungen möglich: * Wie unterscheidet sich die Einschätzung der Studierenden von der Dozenten-Selbsteinschätzung? * Sind Veranstaltungen mit mehreren Dozenten (Co-Teaching) besser als Veranstaltungen mit einem Dozenten? * Latente Klassenanalyse zur Klassifizierung der Studierenden: Gibt es latente Klassen der Zufriedenheit? * Wie entwickeln sich Dozenten über die Zeit? * Wie verändert sich das Evaluationsverhalten bei demselben Studenten über die Zeit? * Einfluss von Kovariaten (Geschlecht Student, Geschlecht Dozent, Alter des Dozenten, Fachsemester, Studiengang, Kursgröße, Veranstaltungsform etc.) auf die Evaluationsergebnisse Eigene Fragestellungen sind herzlich willkommen. | Anja Vetterlein | Jan Plötner |
Derzeit werden (noch) keine Bachelorarbeitsthemen vom Lehrstuhl für Methodenlehre und Evaluationsforschung bearbeitet. Eigene Themen können auf Anfrage bearbeitet werden.
