Ob neue Öffnungszeiten, ein verändertes Veranstaltungsformat oder eine interne Umstrukturierung – oft steht die Frage im Raum: Sind beobachtete Veränderungen real oder zufällig? Und welche Anliegen dominieren in den Freitextfeldern von Befragungen?
Dieser Aufbaukurs vertieft die Auswertung quantitativer und qualitativer Daten. Für „echt oder zufällig?” vergleichen Sie zwei Gruppen mit dem Box Plot, der den passenden Signifikanztest gleich mitliefert, und prüfen Zusammenhänge zwischen Kategorien mit dem Sieve-Diagramm. Für Freitexte kommt die Textanalyse-Erweiterung dazu: Kommentare werden nach häufigen Begriffen durchsucht, als Wortwolke sichtbar gemacht und zu Themen gruppiert. Alles läuft lokal auf Ihrem Rechner. Zum Abschluss erhalten Sie denselben Auswertungsweg als kommentierten R- und Python-Code.
Zielgruppe Beschäftigte aus wissenschaftsunterstützenden Bereichen, Verwaltung, Bibliothek, IT, Controlling, Qualitätsentwicklung, Wissenschaftsmanagement und Forschung, die fundierte Aussagen auf Basis quantitativer und qualitativer Daten treffen möchten – insbesondere bei Evaluationen, Befragungen oder Entscheidungsvorlagen Voraussetzungen
Ziele
Nach dem Workshop sind die Teilnehmenden in der Lage,
- Gruppenunterschiede auf Signifikanz zu prüfen und das Ergebnis korrekt zu interpretieren,
- kategoriale Daten in Kreuztabellen auszuwerten und anschaulich darzustellen,
- Freitexte systematisch aufzubereiten, auszuwerten und zu visualisieren,
- wiederkehrende Themen in Freitextantworten zu erkennen,
- managementtaugliche Zusammenfassungen auf Basis der Auswertungen zu erstellen,
- den mitgegebenen R- und Python-Code zu lesen und für eigene Auswertungen anzupassen.
Inhalte
- Echt oder zufällig?: zwei Gruppen mit dem Box Plot vergleichen, der t-Test und p-Wert mitliefert; warum die Effektstärke wichtiger ist als der p-Wert allein
- Kreuztabellen und Kategorien: Zusammenhänge zwischen Merkmalen mit Sieve-Diagramm und Mosaic Display sichtbar machen
- Freitexte auswerten: Kommentare als Textkorpus einlesen, aufbereiten und die häufigsten Begriffe als Wortwolke darstellen (Corpus, Preprocess Text, Word Cloud)
- Themen erkennen: wiederkehrende Themen automatisch gruppieren mit der Themenmodellierung (Topic Modelling, Verfahren LDA)
- Präsentieren und Code zum Mitnehmen: Unsicherheit sichtbar machen und zu Handlungsempfehlungen verdichten; derselbe Weg als kommentierter R- und Python-Code (t-Test, Chi²-Test, Textanalyse)
Methoden
Live-Demonstrationen in Orange, Übungen mit Beispielmaterialien (z. B. Evaluationsergebnisse und echte Freitextkommentare), angeleitete Textanalyse mit realen Kommentaren, moderierter Austausch zu eigenen Anwendungsszenarien. Der begleitende R- und Python-Code wird gemeinsam durchgesehen, sodass der Weg vom visuellen Ablauf zum Skript nachvollziehbar wird.
Hinweise
Die Beispiele orientieren sich an typischen Fragestellungen aus Hochschulverwaltung und -bibliothek. Den vollständigen R- und Python-Code erhalten Sie als kommentierte Dateien zum Mitnehmen.
