Lehre

aktuelle Prüfungstermine

WiSe 2023/2024

Bachelor

  • PSMETH/Modul 5: 07.03.2024 von 10:00 - 11:30 (Testcenter, 90min.)
  • STAT01/Modul 2: 18.03.2024 von 10:00 - 13:15 (2 Durchgänge, Testcenter, 90min.)
  • STAT02/Modul 6: 22.03.2024 von 10:00 - 11:30 (Testcenter, 90min.)

Master

  • MKOPS1: 14.02.2024 von 15:45 - 17:15 Uhr (Testcenter, 90 min.)
  • MFORME: 10.10.2023 von 11:45 - 13:15 Uhr (Testcenter, 90min.)

 

SoSe 2024 (unter Vorbehalt, erst verbindlich wenn veroeffentlicht auf den Seiten des ZPA)

Bachelor

  • PSMETH/Modul 5: 29.07.2024 von 10:00-11:30 und 11:45-13:15 (Testcenter, 90min., 2 Durchgaenge)
  • STAT01/Modul 2: 23.09.2024 von 10:00-11:30 (Testcenter, 90 min.)
  • STAT02/Modul 6: 27.09.2024 von 10:00-11:30 und 11:45-13:15 (Testcenter, 90 min., 2 Durchgaenge)

Master

  • MKOPS1: 18.07.2024 von 16:30 - 18:00 (Testcenter, 90 min.)
  • MFORME: 05.08.2024 von 11:45 - 13:15 (Testcenter, 90 min.)

 

WiSe 2024/2025 (unter Vorbehalt, erst verbindlich wenn veroeffentlicht auf den Seiten des ZPA)

Bachelor

Master

  • MFORME: 02.10.2024 von 13:00 - 14:30 (Testcenter, 90 min.)

 

aktuelle Lehre

Die Arbeitsgruppe verantwortet derzeit in der Lehre die Bereiche Psychologische Forschungsmethoden sowie Statistik gemäß der Bachelor-Prüfungsordnung 2020. Im Master-Studiengang Psychologie (Prüfungsordnung 2020) beteiligen wir uns mit einem Modul zur Kognitionspsychologie (Psychomotorik und Handlungssteuerung), sowie an den Modulen Angewandte Psychologie sowie Fortgeschrittene Forschungsmethoden (Vorlesung Kognitive Modellierung).

Bachelorprüfungsordnung "Psychologie" 2020:

Modul "Psychologische Forschungsmethoden" im 1. und 2. Semester:

  • Seminar "Computergestützte Datenanalyse mit R" (jeweils Wintersemester): Einführung in die Statistiksoftware R mit praktischen Übungen
  • Vorlesung "Einführung in die Forschungsmethoden" (jeweils Sommersemester): Wissenschaftsbetrieb, Geschichte und Grundlagen der Erkenntnis- und Wissenschaftstheorie einschließlich Empirismus und Rationalismus, Messen und Skalenniveaus, Gütekriterien quantitativer Methoden, Versuchsleitereffekte, Grundlagen der experimentellen Methode, einfaktorielle Designs und mehrfaktorielle Designs mit Interaktionen, Erhebungsmethoden im Rahmen quantitativer Methoden (einschließlich physiologischer Methoden), nicht-experimentelle Designs, Stichprobenziehung, speziellere Methoden (Signalentdeckungstheorie, Simulation/Modellierung), Replikationsproblematik und OpenScience

Modul  "Statistik 1" im 1. Semester:

  • Vorlesung: Deskriptive Statistik, Zusammenhänge und Korrelation, einfache lineare Regression, Wahrscheinlichkeitstheorie (Grundlagen, Zufallsvariablen, Verteilungen), Logik der Inferenzstatistik, Punkt- und Intervallschätzung, t-Tests
  • Übung: begleitende Übung zur Vorlesung, teils Vertiefung theoretischer Aspekte, praktische Umsetzung mit R

Modul  "Statistik 2" im 2. Semester:

  • Vorlesung: Varianzanalyse (ein- und mehrfaktoriell, mit Messwiederholung), fortgeschrittene Regressionstechniken (multiple lineare Regression, nicht-lineare Regression, logistische Regression), Kovarianzanalyse, Allgemeines Lineares Modell, Grundlagen Bayesianischer Statistik, Hauptkomponenten und Faktorenanalyse
  • Übung: begleitende Übung zur Vorlesung, teils Vertiefung theoretischer Aspekte, praktische Umsetzung mit R

 

Masterprüfungsordnung "Psychologie" 2020:

Modul "Kognitionspsychologie I" im 1. und 2. Semester:

  • Vorlesung "Psychomotorik und Handlungssteuerung" (jeweils Wintersemester): Methoden der Handlungspsychologie- und Psychomotorikforschung, klassische Befunde und Probleme, Verhaltenskonflikte, Ideomotorik, Multitasking, 2-Wege Modell der visuellen Informationsverarbeitung, biologische Grundlagen und Störungen der Motorik
  • Verteifungsseminar (jeweils Sommersemester): Vertiefung ausgewählter Themen der Vorlesung

Modul "Fortgeschrittene Forschungsmethoden" im 2. Semester:

  • Vorlesung "Kognitive Modellierung": Grundlagen und Bedeutung mathematischer Modelle in der Kognitionspsychologie, Grundlagen spezifischer Modelle (Diffusionsmodelle, Akkumulatorenmodelle, ...), Simulationen, stochastische Differenz- und Differentialgleichungen, einfache Verfahren zur Optimierung und Parameterschätzung anhand empirischer Daten, praktische Umsetzung mit R,