http://methpsy.elearning.psych.tu-dresden.de/mediawiki/api.php?action=feedcontributions&user=Wehner&feedformat=atom
eLearning - Methoden der Psychologie - TU Dresden - Benutzerbeiträge [de]
2024-03-28T09:23:36Z
Benutzerbeiträge
MediaWiki 1.38.2
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Simulationen&diff=4801
Simulationen
2020-05-11T14:33:10Z
<p>Wehner: </p>
<hr />
<div>__NOTOC__<br />
<br />
Dieses E-Learning Angebot stellt in den Themenbereichen [[Simulationen - Statistische Grundbegriffe und Grundlagen multivariater Verfahren|"Statistische Grundbegriffe und Grundlagen multivariater Verfahren"]] sowie [[Simulationen - Kognitive Modellierung|"Kognitive Modellierung"]] nicht nur Informationstexte sondern auch interaktive Simulationen zur Verfügung. Durch Anklicken eines Logos gelangen Sie zu der jeweiligen Übersichtsseite, welche den Zugang zu allen Simulationen des Themenbereichs ermöglicht. Die einzelnen Simulationen erreichen Sie außerdem durch Anklicken der entsprechenden Links in den Informationstexten.<br />
<br />
<br />
Die Simulationen ermöglichen es Ihnen selbst Erfahrungen mit verschiedenen Konzepten zu sammeln und eine Intuition für zentrale Zusammenhänge zu entwickeln. Zudem stehen innerhalb der Anwendungen konkrete Experimentierszenarien zur Verfügung, welche den Einstieg erleichtern sollen und ein systematisches Erkunden wichtiger Konzepte unterstützen. <br />
<br />
<br />
[[Datei:Statistik_Puzzle_neu.jpg|link=https://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php/Simulationen_-_Statistische_Grundbegriffe_und_Grundlagen_multivariater_Verfahren|700 px]] <span style="color: white"> kkk </span><span style="color: white"> kkk </span>[[Datei:Puzzle_Modellierung.PNG|link=https://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php/Simulationen_-_Kognitive_Modellierung|500 px]]<br />
<br />
<br />
<br />
Wir wünschen Ihnen viel Spaß und Erfolg beim Anschauen, Entdecken und Ausprobieren!</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Simulationen&diff=4800
Simulationen
2020-05-11T14:33:00Z
<p>Wehner: </p>
<hr />
<div>__NOTOC__<br />
<br />
Dieses E-Learning Angebot stellt in den Themenbereichen [[Simulationen - Statistische Grundbegriffe und Grundlagen multivariater Verfahren|"Statistische Grundbegriffe und Grundlagen multivariater Verfahren"]] sowie [[Simulationen - Kognitive Modellierung|"Kognitive Modellierung"]] nicht nur Informationstexte sondern auch interaktive Simulationen zur Verfügung. Durch Anklicken eines Logos gelangen Sie zu der jeweiligen Übersichtsseite, welche den Zugang zu allen Simulationen des Themenbereichs ermöglicht. Die einzelnen Simulationen erreichen Sie außerdem durch Anklicken der entsprechenden Links in den Informationstexten.<br />
<br />
<br />
Die Simulationen ermöglichen es Ihnen selbst Erfahrungen mit verschiedenen Konzepten zu sammeln und eine Intuition für zentrale Zusammenhänge zu entwickeln. Zudem stehen innerhalb der Anwendungen konkrete Experimentierszenarien zur Verfügung, welche den Einstieg erleichtern sollen und ein systematisches Erkunden wichtiger Konzepte unterstützen. <br />
<br />
<br />
[[Datei:Statistik_Puzzle_neu.jpg|link=https://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php/Simulationen_-_Statistische_Grundbegriffe_und_Grundlagen_multivariater_Verfahren|550 px]] <span style="color: white"> kkk </span><span style="color: white"> kkk </span>[[Datei:Puzzle_Modellierung.PNG|link=https://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php/Simulationen_-_Kognitive_Modellierung|500 px]]<br />
<br />
<br />
<br />
Wir wünschen Ihnen viel Spaß und Erfolg beim Anschauen, Entdecken und Ausprobieren!</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Statistische_Grundbegriffe_und_Grundlagen_multivariater_Verfahren&diff=4799
Statistische Grundbegriffe und Grundlagen multivariater Verfahren
2020-05-11T14:32:34Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Statistik|Hauptseite}}<br />
<br />
Herzlich Willkommen im Themenbereich „Statistische Grundbegriffe und Grundlagen multivariater Verfahren“ dieses E-Learning-Moduls!<br />
<br />
Statistische Methoden stellen eine wichtige Grundlage der empirischen Wissenschaft Psychologie dar. Sie ermöglichen eine objektive Arbeitsweise und somit das Treffen von zuverlässigen Aussagen über untersuchte reale Phänomene. Das Wissen über statistische Methoden der Psychologie ermöglicht beispielsweise Entscheidungen darüber, welches Verfahren zur Analyse einer bestimmten Fragestellung geeignet ist und wie die Zuverlässigkeit sowie die Relevanz der erzielten Ergebnisse zu beurteilen sind. <br />
<br />
<br />
Auf den folgenden Seiten stehen Ihnen einführende Informationstexte zu zentralen Grundbegriffen der Statistik und wichtigen multivariaten Verfahren zur Verfügung, welche mit [[Videos|Lehrvideos]] und [[Simulationen|interaktiven Simulationen]] verzahnt sind. Diese Videos und Simulationen ermöglichen es Ihnen, Ihr Wissen zu vertiefen und das Gelernte direkt praktisch auszuprobieren. In den Einführungstexten finden Sie außerdem Informationen zu weiterführender Literatur. <br />
<br />
Dieses Elearning-Angebot entstand im Rahmen einer Kooperation zwischen der [https://tu-dresden.de/mn/psychologie/ifap/methpsy TU Dresden (Fakultät Psychologie)] und der [http://f-s.hszg.de/studienangebot/bachelor-kommunikationspsychologie.html Hochschule Zittau / Görlitz (Fakultät Sozialwissenschaften)] (gefördert vom Hochschuldidaktischen Zentrum Sachsen - LiT.Förderung).<br />
<br />
[[Datei:Statistik_Puzzle_neu.jpg|center|900 px]]<br />
<br />
Der Abschnitt „Grundbegriffe der Statistik“ dieses Moduls stellt zunächst einige zentrale Begriffe und statistische Methoden vor, deren Kenntnis zum Verständnis der Ergebnisse empirischer Untersuchungen und komplexerer statistischer Verfahren unverzichtbar ist. Dazu gehören die grundlegenden Konzepte des [[Der p-Wert|p-Wertes]], des [[Entstehung des Standardfehlers|Standardfehlers]], der [[Die t-Verteilung|t-Verteilung]], der [[Die F-Verteilung|F-Verteilung]], der [[Teststärke]], der [[Stichprobenumfangsplanung]] und des [[Konfidenzintervalle|Konfidenzintervalls]]. Des Weiteren wird in diesem Abschnitt auf [[Resampling-Verfahren]] wie [[Bootstrapping]] und den [[Permutationstest]] eingegangen sowie das Prinzip von [[Robustheitsuntersuchungen]] und [[Power-Vergleiche|Power-Vergleichen]] dargestellt. <br />
<br />
Der Abschnitt [[Grundlagen multivariater Verfahren|„Grundlagen multivariater Verfahren“]] bietet einen Einblick in einige wesentliche statistische Methode zur Analyse multivariater Daten. Dazu gehören die [[Korrelationsanalyse]], die [[Einfache lineare Regression|einfache]] und [[Multiple lineare Regression|multiple]] lineare Regressionsanalyse sowie die [[Faktorenanalyse]]. <br />
<br />
<br />
Wir wünschen Ihnen viel Spaß und Erfolg beim Lesen, Anschauen, Entdecken und Ausprobieren!</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Statistische_Grundbegriffe_und_Grundlagen_multivariater_Verfahren&diff=4798
Statistische Grundbegriffe und Grundlagen multivariater Verfahren
2020-05-11T14:32:24Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Statistik|Hauptseite}}<br />
<br />
Herzlich Willkommen im Themenbereich „Statistische Grundbegriffe und Grundlagen multivariater Verfahren“ dieses E-Learning-Moduls!<br />
<br />
Statistische Methoden stellen eine wichtige Grundlage der empirischen Wissenschaft Psychologie dar. Sie ermöglichen eine objektive Arbeitsweise und somit das Treffen von zuverlässigen Aussagen über untersuchte reale Phänomene. Das Wissen über statistische Methoden der Psychologie ermöglicht beispielsweise Entscheidungen darüber, welches Verfahren zur Analyse einer bestimmten Fragestellung geeignet ist und wie die Zuverlässigkeit sowie die Relevanz der erzielten Ergebnisse zu beurteilen sind. <br />
<br />
<br />
Auf den folgenden Seiten stehen Ihnen einführende Informationstexte zu zentralen Grundbegriffen der Statistik und wichtigen multivariaten Verfahren zur Verfügung, welche mit [[Videos|Lehrvideos]] und [[Simulationen|interaktiven Simulationen]] verzahnt sind. Diese Videos und Simulationen ermöglichen es Ihnen, Ihr Wissen zu vertiefen und das Gelernte direkt praktisch auszuprobieren. In den Einführungstexten finden Sie außerdem Informationen zu weiterführender Literatur. <br />
<br />
Dieses Elearning-Angebot entstand im Rahmen einer Kooperation zwischen der [https://tu-dresden.de/mn/psychologie/ifap/methpsy TU Dresden (Fakultät Psychologie)] und der [http://f-s.hszg.de/studienangebot/bachelor-kommunikationspsychologie.html Hochschule Zittau / Görlitz (Fakultät Sozialwissenschaften)] (gefördert vom Hochschuldidaktischen Zentrum Sachsen - LiT.Förderung).<br />
<br />
<br />
[[Datei:Statistik_Puzzle_neu.jpg|center|900 px]]<br />
<br />
<br />
Der Abschnitt „Grundbegriffe der Statistik“ dieses Moduls stellt zunächst einige zentrale Begriffe und statistische Methoden vor, deren Kenntnis zum Verständnis der Ergebnisse empirischer Untersuchungen und komplexerer statistischer Verfahren unverzichtbar ist. Dazu gehören die grundlegenden Konzepte des [[Der p-Wert|p-Wertes]], des [[Entstehung des Standardfehlers|Standardfehlers]], der [[Die t-Verteilung|t-Verteilung]], der [[Die F-Verteilung|F-Verteilung]], der [[Teststärke]], der [[Stichprobenumfangsplanung]] und des [[Konfidenzintervalle|Konfidenzintervalls]]. Des Weiteren wird in diesem Abschnitt auf [[Resampling-Verfahren]] wie [[Bootstrapping]] und den [[Permutationstest]] eingegangen sowie das Prinzip von [[Robustheitsuntersuchungen]] und [[Power-Vergleiche|Power-Vergleichen]] dargestellt. <br />
<br />
Der Abschnitt [[Grundlagen multivariater Verfahren|„Grundlagen multivariater Verfahren“]] bietet einen Einblick in einige wesentliche statistische Methode zur Analyse multivariater Daten. Dazu gehören die [[Korrelationsanalyse]], die [[Einfache lineare Regression|einfache]] und [[Multiple lineare Regression|multiple]] lineare Regressionsanalyse sowie die [[Faktorenanalyse]]. <br />
<br />
<br />
Wir wünschen Ihnen viel Spaß und Erfolg beim Lesen, Anschauen, Entdecken und Ausprobieren!</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Statistische_Grundbegriffe_und_Grundlagen_multivariater_Verfahren&diff=4797
Statistische Grundbegriffe und Grundlagen multivariater Verfahren
2020-05-11T14:32:17Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Statistik|Hauptseite}}<br />
<br />
Herzlich Willkommen im Themenbereich „Statistische Grundbegriffe und Grundlagen multivariater Verfahren“ dieses E-Learning-Moduls!<br />
<br />
Statistische Methoden stellen eine wichtige Grundlage der empirischen Wissenschaft Psychologie dar. Sie ermöglichen eine objektive Arbeitsweise und somit das Treffen von zuverlässigen Aussagen über untersuchte reale Phänomene. Das Wissen über statistische Methoden der Psychologie ermöglicht beispielsweise Entscheidungen darüber, welches Verfahren zur Analyse einer bestimmten Fragestellung geeignet ist und wie die Zuverlässigkeit sowie die Relevanz der erzielten Ergebnisse zu beurteilen sind. <br />
<br />
<br />
Auf den folgenden Seiten stehen Ihnen einführende Informationstexte zu zentralen Grundbegriffen der Statistik und wichtigen multivariaten Verfahren zur Verfügung, welche mit [[Videos|Lehrvideos]] und [[Simulationen|interaktiven Simulationen]] verzahnt sind. Diese Videos und Simulationen ermöglichen es Ihnen, Ihr Wissen zu vertiefen und das Gelernte direkt praktisch auszuprobieren. In den Einführungstexten finden Sie außerdem Informationen zu weiterführender Literatur. <br />
<br />
Dieses Elearning-Angebot entstand im Rahmen einer Kooperation zwischen der [https://tu-dresden.de/mn/psychologie/ifap/methpsy TU Dresden (Fakultät Psychologie)] und der [http://f-s.hszg.de/studienangebot/bachelor-kommunikationspsychologie.html Hochschule Zittau / Görlitz (Fakultät Sozialwissenschaften)] (gefördert vom Hochschuldidaktischen Zentrum Sachsen - LiT.Förderung).<br />
<br />
<br />
[[Datei:Statistik_Puzzle_neu.jpg|center|1000 px]]<br />
<br />
<br />
Der Abschnitt „Grundbegriffe der Statistik“ dieses Moduls stellt zunächst einige zentrale Begriffe und statistische Methoden vor, deren Kenntnis zum Verständnis der Ergebnisse empirischer Untersuchungen und komplexerer statistischer Verfahren unverzichtbar ist. Dazu gehören die grundlegenden Konzepte des [[Der p-Wert|p-Wertes]], des [[Entstehung des Standardfehlers|Standardfehlers]], der [[Die t-Verteilung|t-Verteilung]], der [[Die F-Verteilung|F-Verteilung]], der [[Teststärke]], der [[Stichprobenumfangsplanung]] und des [[Konfidenzintervalle|Konfidenzintervalls]]. Des Weiteren wird in diesem Abschnitt auf [[Resampling-Verfahren]] wie [[Bootstrapping]] und den [[Permutationstest]] eingegangen sowie das Prinzip von [[Robustheitsuntersuchungen]] und [[Power-Vergleiche|Power-Vergleichen]] dargestellt. <br />
<br />
Der Abschnitt [[Grundlagen multivariater Verfahren|„Grundlagen multivariater Verfahren“]] bietet einen Einblick in einige wesentliche statistische Methode zur Analyse multivariater Daten. Dazu gehören die [[Korrelationsanalyse]], die [[Einfache lineare Regression|einfache]] und [[Multiple lineare Regression|multiple]] lineare Regressionsanalyse sowie die [[Faktorenanalyse]]. <br />
<br />
<br />
Wir wünschen Ihnen viel Spaß und Erfolg beim Lesen, Anschauen, Entdecken und Ausprobieren!</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Statistische_Grundbegriffe_und_Grundlagen_multivariater_Verfahren&diff=4796
Statistische Grundbegriffe und Grundlagen multivariater Verfahren
2020-05-11T14:32:07Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Statistik|Hauptseite}}<br />
<br />
Herzlich Willkommen im Themenbereich „Statistische Grundbegriffe und Grundlagen multivariater Verfahren“ dieses E-Learning-Moduls!<br />
<br />
Statistische Methoden stellen eine wichtige Grundlage der empirischen Wissenschaft Psychologie dar. Sie ermöglichen eine objektive Arbeitsweise und somit das Treffen von zuverlässigen Aussagen über untersuchte reale Phänomene. Das Wissen über statistische Methoden der Psychologie ermöglicht beispielsweise Entscheidungen darüber, welches Verfahren zur Analyse einer bestimmten Fragestellung geeignet ist und wie die Zuverlässigkeit sowie die Relevanz der erzielten Ergebnisse zu beurteilen sind. <br />
<br />
<br />
Auf den folgenden Seiten stehen Ihnen einführende Informationstexte zu zentralen Grundbegriffen der Statistik und wichtigen multivariaten Verfahren zur Verfügung, welche mit [[Videos|Lehrvideos]] und [[Simulationen|interaktiven Simulationen]] verzahnt sind. Diese Videos und Simulationen ermöglichen es Ihnen, Ihr Wissen zu vertiefen und das Gelernte direkt praktisch auszuprobieren. In den Einführungstexten finden Sie außerdem Informationen zu weiterführender Literatur. <br />
<br />
Dieses Elearning-Angebot entstand im Rahmen einer Kooperation zwischen der [https://tu-dresden.de/mn/psychologie/ifap/methpsy TU Dresden (Fakultät Psychologie)] und der [http://f-s.hszg.de/studienangebot/bachelor-kommunikationspsychologie.html Hochschule Zittau / Görlitz (Fakultät Sozialwissenschaften)] (gefördert vom Hochschuldidaktischen Zentrum Sachsen - LiT.Förderung).<br />
<br />
<br />
[[Datei:Statistik_Puzzle_neu.jpg|center|800 px]]<br />
<br />
<br />
Der Abschnitt „Grundbegriffe der Statistik“ dieses Moduls stellt zunächst einige zentrale Begriffe und statistische Methoden vor, deren Kenntnis zum Verständnis der Ergebnisse empirischer Untersuchungen und komplexerer statistischer Verfahren unverzichtbar ist. Dazu gehören die grundlegenden Konzepte des [[Der p-Wert|p-Wertes]], des [[Entstehung des Standardfehlers|Standardfehlers]], der [[Die t-Verteilung|t-Verteilung]], der [[Die F-Verteilung|F-Verteilung]], der [[Teststärke]], der [[Stichprobenumfangsplanung]] und des [[Konfidenzintervalle|Konfidenzintervalls]]. Des Weiteren wird in diesem Abschnitt auf [[Resampling-Verfahren]] wie [[Bootstrapping]] und den [[Permutationstest]] eingegangen sowie das Prinzip von [[Robustheitsuntersuchungen]] und [[Power-Vergleiche|Power-Vergleichen]] dargestellt. <br />
<br />
Der Abschnitt [[Grundlagen multivariater Verfahren|„Grundlagen multivariater Verfahren“]] bietet einen Einblick in einige wesentliche statistische Methode zur Analyse multivariater Daten. Dazu gehören die [[Korrelationsanalyse]], die [[Einfache lineare Regression|einfache]] und [[Multiple lineare Regression|multiple]] lineare Regressionsanalyse sowie die [[Faktorenanalyse]]. <br />
<br />
<br />
Wir wünschen Ihnen viel Spaß und Erfolg beim Lesen, Anschauen, Entdecken und Ausprobieren!</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Statistische_Grundbegriffe_und_Grundlagen_multivariater_Verfahren&diff=4795
Statistische Grundbegriffe und Grundlagen multivariater Verfahren
2020-05-11T14:31:51Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Statistik|Hauptseite}}<br />
<br />
Herzlich Willkommen im Themenbereich „Statistische Grundbegriffe und Grundlagen multivariater Verfahren“ dieses E-Learning-Moduls!<br />
<br />
Statistische Methoden stellen eine wichtige Grundlage der empirischen Wissenschaft Psychologie dar. Sie ermöglichen eine objektive Arbeitsweise und somit das Treffen von zuverlässigen Aussagen über untersuchte reale Phänomene. Das Wissen über statistische Methoden der Psychologie ermöglicht beispielsweise Entscheidungen darüber, welches Verfahren zur Analyse einer bestimmten Fragestellung geeignet ist und wie die Zuverlässigkeit sowie die Relevanz der erzielten Ergebnisse zu beurteilen sind. <br />
<br />
<br />
Auf den folgenden Seiten stehen Ihnen einführende Informationstexte zu zentralen Grundbegriffen der Statistik und wichtigen multivariaten Verfahren zur Verfügung, welche mit [[Videos|Lehrvideos]] und [[Simulationen|interaktiven Simulationen]] verzahnt sind. Diese Videos und Simulationen ermöglichen es Ihnen, Ihr Wissen zu vertiefen und das Gelernte direkt praktisch auszuprobieren. In den Einführungstexten finden Sie außerdem Informationen zu weiterführender Literatur. <br />
<br />
Dieses Elearning-Angebot entstand im Rahmen einer Kooperation zwischen der [https://tu-dresden.de/mn/psychologie/ifap/methpsy TU Dresden (Fakultät Psychologie)] und der [http://f-s.hszg.de/studienangebot/bachelor-kommunikationspsychologie.html Hochschule Zittau / Görlitz (Fakultät Sozialwissenschaften)] (gefördert vom Hochschuldidaktischen Zentrum Sachsen - LiT.Förderung).<br />
<br />
<br />
<br />
[[Datei:Statistik_Puzzle_neu.jpg|center|800 px]]<br />
<br />
<br />
Der Abschnitt „Grundbegriffe der Statistik“ dieses Moduls stellt zunächst einige zentrale Begriffe und statistische Methoden vor, deren Kenntnis zum Verständnis der Ergebnisse empirischer Untersuchungen und komplexerer statistischer Verfahren unverzichtbar ist. Dazu gehören die grundlegenden Konzepte des [[Der p-Wert|p-Wertes]], des [[Entstehung des Standardfehlers|Standardfehlers]], der [[Die t-Verteilung|t-Verteilung]], der [[Die F-Verteilung|F-Verteilung]], der [[Teststärke]], der [[Stichprobenumfangsplanung]] und des [[Konfidenzintervalle|Konfidenzintervalls]]. Des Weiteren wird in diesem Abschnitt auf [[Resampling-Verfahren]] wie [[Bootstrapping]] und den [[Permutationstest]] eingegangen sowie das Prinzip von [[Robustheitsuntersuchungen]] und [[Power-Vergleiche|Power-Vergleichen]] dargestellt. <br />
<br />
Der Abschnitt [[Grundlagen multivariater Verfahren|„Grundlagen multivariater Verfahren“]] bietet einen Einblick in einige wesentliche statistische Methode zur Analyse multivariater Daten. Dazu gehören die [[Korrelationsanalyse]], die [[Einfache lineare Regression|einfache]] und [[Multiple lineare Regression|multiple]] lineare Regressionsanalyse sowie die [[Faktorenanalyse]]. <br />
<br />
<br />
Wir wünschen Ihnen viel Spaß und Erfolg beim Lesen, Anschauen, Entdecken und Ausprobieren!</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Statistische_Grundbegriffe_und_Grundlagen_multivariater_Verfahren&diff=4794
Statistische Grundbegriffe und Grundlagen multivariater Verfahren
2020-05-11T14:31:43Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Statistik|Hauptseite}}<br />
<br />
Herzlich Willkommen im Themenbereich „Statistische Grundbegriffe und Grundlagen multivariater Verfahren“ dieses E-Learning-Moduls!<br />
<br />
Statistische Methoden stellen eine wichtige Grundlage der empirischen Wissenschaft Psychologie dar. Sie ermöglichen eine objektive Arbeitsweise und somit das Treffen von zuverlässigen Aussagen über untersuchte reale Phänomene. Das Wissen über statistische Methoden der Psychologie ermöglicht beispielsweise Entscheidungen darüber, welches Verfahren zur Analyse einer bestimmten Fragestellung geeignet ist und wie die Zuverlässigkeit sowie die Relevanz der erzielten Ergebnisse zu beurteilen sind. <br />
<br />
<br />
Auf den folgenden Seiten stehen Ihnen einführende Informationstexte zu zentralen Grundbegriffen der Statistik und wichtigen multivariaten Verfahren zur Verfügung, welche mit [[Videos|Lehrvideos]] und [[Simulationen|interaktiven Simulationen]] verzahnt sind. Diese Videos und Simulationen ermöglichen es Ihnen, Ihr Wissen zu vertiefen und das Gelernte direkt praktisch auszuprobieren. In den Einführungstexten finden Sie außerdem Informationen zu weiterführender Literatur. <br />
<br />
Dieses Elearning-Angebot entstand im Rahmen einer Kooperation zwischen der [https://tu-dresden.de/mn/psychologie/ifap/methpsy TU Dresden (Fakultät Psychologie)] und der [http://f-s.hszg.de/studienangebot/bachelor-kommunikationspsychologie.html Hochschule Zittau / Görlitz (Fakultät Sozialwissenschaften)] (gefördert vom Hochschuldidaktischen Zentrum Sachsen - LiT.Förderung).<br />
<br />
<br />
<br />
[[Datei:Statistik_Puzzle_neu.jpg|center|600 px]]<br />
<br />
<br />
Der Abschnitt „Grundbegriffe der Statistik“ dieses Moduls stellt zunächst einige zentrale Begriffe und statistische Methoden vor, deren Kenntnis zum Verständnis der Ergebnisse empirischer Untersuchungen und komplexerer statistischer Verfahren unverzichtbar ist. Dazu gehören die grundlegenden Konzepte des [[Der p-Wert|p-Wertes]], des [[Entstehung des Standardfehlers|Standardfehlers]], der [[Die t-Verteilung|t-Verteilung]], der [[Die F-Verteilung|F-Verteilung]], der [[Teststärke]], der [[Stichprobenumfangsplanung]] und des [[Konfidenzintervalle|Konfidenzintervalls]]. Des Weiteren wird in diesem Abschnitt auf [[Resampling-Verfahren]] wie [[Bootstrapping]] und den [[Permutationstest]] eingegangen sowie das Prinzip von [[Robustheitsuntersuchungen]] und [[Power-Vergleiche|Power-Vergleichen]] dargestellt. <br />
<br />
Der Abschnitt [[Grundlagen multivariater Verfahren|„Grundlagen multivariater Verfahren“]] bietet einen Einblick in einige wesentliche statistische Methode zur Analyse multivariater Daten. Dazu gehören die [[Korrelationsanalyse]], die [[Einfache lineare Regression|einfache]] und [[Multiple lineare Regression|multiple]] lineare Regressionsanalyse sowie die [[Faktorenanalyse]]. <br />
<br />
<br />
Wir wünschen Ihnen viel Spaß und Erfolg beim Lesen, Anschauen, Entdecken und Ausprobieren!</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Datei:Statistik_Puzzle_neu.jpg&diff=4793
Datei:Statistik Puzzle neu.jpg
2020-05-11T14:31:27Z
<p>Wehner: </p>
<hr />
<div></div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Stichprobenumfangsplanung&diff=4792
Stichprobenumfangsplanung
2020-04-21T14:09:37Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Statistik_Grundbegriffe|Hauptseite}}<br />
<br />
Die Stichprobenumfangsplanung spielt eine wichtige Rolle bei der Versuchsplanung. Bei der Auswahl des Stichprobenumfangs ist es von Interesse, eine hohe Genauigkeit der Ergebnisse zu erzielen und gleichzeitig den wirtschaftlichen und organisatorischen Aufwand so gering wie möglich zu halten. Diese beiden Ziele stehen sich entgegen und es muss ein Kompromiss zwischen beiden gefunden werden.<br />
<br />
Die Genauigkeit der Ergebnisse wird durch die [[Teststärke]] (1-β) definiert. Wie hoch diese sein sollte, wird anhand von Vorüberlegungen durch den Anwender festgelegt. In der Praxis wird häufig eine Teststärke von 0.8 bzw. 80 % als akzeptabel vertreten. Es wird also eine Wahrscheinlichkeit von 0.2 bzw. 20 % für einen β-Fehler akzeptiert. Diese ist viermal höher als die oft maximal akzeptierte Irrtumswahrscheinlichkeit für einen α-Fehler (0.05). <br />
<br />
Da die Streuung, der Mittelwertsunterschied und das Signifikanzniveau nicht, bzw. nicht ohne Konsequenzen veränderbar sind, stellt die in der Praxis oftmals einzige Stellschraube zur Veränderung der Teststärke der Stichprobenumfang dar. Erhöht man den Stichprobenumfang, verkleinert sich der [[Standardfehler]] des Mittelwertes und es erhöht sich die Teststärke, da die Mittelwertsverteilungen der Alternativ- und der Nullhypothese schmaler werden und dadurch weniger überlappen, d.h. besser voneinander abzugrenzen sind. <br />
<br />
Es wird derjenige Stichprobenumfang ermittelt, der unter gegebenen Signifikanzniveau und Parameterschätzungen eine bestimmte Genauigkeit erzielt. Dieser kann im Fall des Tests auf der Basis der Standardnormalverteilung über die folgende Formel berechnet werden:<br />
<br />
<br />
[[File:1_5_formel_neu.PNG|150px]] <br />
<br />
<br />
z<sub>1-β</sub> und z<sub>1-α</sub> sind die Werte der Standardnormalverteilung für das jeweilige Quantil und lassen sich aus entsprechenden Tabellen ablesen. σ entspricht der Streuung und Δ dem Mittelwertsunterschied.<br />
<br />
<br />
'''''Beispiel'''''<br />
<br />
In einem großen Unternehmen soll zur Verbesserung der Arbeitszufriedenheit ein kostenloses Sport- und Entspannungsprogramm für die Mitarbeiter angeboten werden. Die mittlere Arbeitszufriedenheit in diesem Unternehmen beträgt 25 bei einer Standardabweichung von 6. Damit sich der finanzielle Mehraufwand lohnt, sollte das Programm die Arbeitszufriedenheit um mindestens 2 erhöhen. Zur Finanzierung des Programmes ist eine langfristig geplante Umstrukturierung an mehreren Standorten des Unternehmens vorgesehen, falls sich das Programm als erfolgreich herausstellen sollte. Deswegen wird ein konservativeres Signifikanzniveau von 0.01 festgelegt, um das Risiko von Fehlinvestitionen möglichst gering zu halten. Gleichzeitig soll die Wahrscheinlichkeit ein signifikantes Ergebnis zu finden, wenn auch tatsächlich eine Verbesserung der Arbeitszufriedenheit um 2 Punkte vorliegt, mindestens 80 % betragen. Zur Überprüfung der Wirksamkeit soll dieses testweise für einen Teil der Mitarbeiter angeboten werden. Um bei einer Genauigkeit von mindestens 80 % den Kostenaufwand möglichst gering zu halten, wird eine Stichprobenumfangsplanung durchgeführt. Es wird der Stichprobenumfang gesucht, der bei einem Mittelwertsunterschied von Δ = 2 zwischen den Populationen und einer Streuung von σ = 6 bei einem Signifikanztest mit α = 0.01 in 80 % der Fälle ein signifikantes Ergebnis findet. Bei dieser ergibt sich mit der oben genannten Formel, dass unter den gegebenen Parametern (Δ = 2; σ = 6) und einem Signifikanzniveau von α = 0.01 ein Stichprobenumfang von n = 90 erforderlich ist, um einen tatsächlichen Effekt des Programms mit 80 %-iger Wahrscheinlichkeit zu finden. In Abbildung 1 wird der beschriebene Sachverhalt grafisch dargestellt.<br />
<br />
<br />
[[File:1_5_Stichprobenumfangsplanung.PNG|700px|Abbildung 1: Verteilung der Stichprobenmittelwerte zweier Populationen und Darstellung der Teststärke]]<br />
<br />
<br />
<br />
[[Datei:Videolink_neu.PNG|link=http://141.76.19.82:3838/mediawiki/MUVE_STAT/Videolinks/1_5_Stichprobenumfangsplanung_Link.html<br />
|120px]] <span style="color: white"> kkk </span> Im [http://141.76.19.82:3838/mediawiki/MUVE_STAT/Videolinks/1_5_Stichprobenumfangsplanung_Link.html Video] wird die Stichprobenumfangsplanung näher erläutert.<br />
<br />
[[Datei:Simulationslink_neu2.PNG|link=http://141.76.19.82:3838/mediawiki/MUVE_STAT/Apps/1_5_Stichprobenumfangsplanung/<br />
|120px]] <span style="color: white"> kkk </span> Wie der Stichprobenumfang von Grundgesamtheiten mit unterschiedlichen Parameterwerten die Teststärke beeinflusst, lässt sich in der [http://141.76.19.82:3838/mediawiki/MUVE_STAT/Apps/1_5_Stichprobenumfangsplanung/ interaktiven Simulation] grafisch veranschaulichen.<br />
<br />
<br />
<br />
'''''Weiterführende Literatur'''''<br />
<br />
Bock, J. (1998). ''Bestimmung des Stichprobenumfangs: Für biologische Experimente und kontrollierte klinische Studien''. München: Oldenbourg.<br />
<br />
Cohen, J. (2013). ''Statistical power analysis for the behavioral sciences''. Routledge.<br />
<br />
Rudolf, M., & Kuhlisch, W. (2008). ''Biostatistik: Eine Einführung für Biowissenschaftler'' (Kapitel 9.3). München: Pearson Studium.</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Stichprobenumfangsplanung&diff=4791
Stichprobenumfangsplanung
2020-04-21T14:09:29Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Statistik_Grundbegriffe|Hauptseite}}<br />
<br />
Die Stichprobenumfangsplanung spielt eine wichtige Rolle bei der Versuchsplanung. Bei der Auswahl des Stichprobenumfangs ist es von Interesse, eine hohe Genauigkeit der Ergebnisse zu erzielen und gleichzeitig den wirtschaftlichen und organisatorischen Aufwand so gering wie möglich zu halten. Diese beiden Ziele stehen sich entgegen und es muss ein Kompromiss zwischen beiden gefunden werden.<br />
<br />
Die Genauigkeit der Ergebnisse wird durch die [[Teststärke]] (1-β) definiert. Wie hoch diese sein sollte, wird anhand von Vorüberlegungen durch den Anwender festgelegt. In der Praxis wird häufig eine Teststärke von 0.8 bzw. 80 % als akzeptabel vertreten. Es wird also eine Wahrscheinlichkeit von 0.2 bzw. 20 % für einen β-Fehler akzeptiert. Diese ist viermal höher als die oft maximal akzeptierte Irrtumswahrscheinlichkeit für einen α-Fehler (0.05). <br />
<br />
Da die Streuung, der Mittelwertsunterschied und das Signifikanzniveau nicht, bzw. nicht ohne Konsequenzen veränderbar sind, stellt die in der Praxis oftmals einzige Stellschraube zur Veränderung der Teststärke der Stichprobenumfang dar. Erhöht man den Stichprobenumfang, verkleinert sich der [[Standardfehler]] des Mittelwertes und es erhöht sich die Teststärke, da die Mittelwertsverteilungen der Alternativ- und der Nullhypothese schmaler werden und dadurch weniger überlappen, d.h. besser voneinander abzugrenzen sind. <br />
<br />
Es wird derjenige Stichprobenumfang ermittelt, der unter gegebenen Signifikanzniveau und Parameterschätzungen eine bestimmte Genauigkeit erzielt. Dieser kann im Fall des Tests auf der Basis der Standardnormalverteilung über die folgende Formel berechnet werden:<br />
<br />
[[File:1_5_formel_neu.PNG|150px]] <br />
<br />
<br />
z<sub>1-β</sub> und z<sub>1-α</sub> sind die Werte der Standardnormalverteilung für das jeweilige Quantil und lassen sich aus entsprechenden Tabellen ablesen. σ entspricht der Streuung und Δ dem Mittelwertsunterschied.<br />
<br />
<br />
'''''Beispiel'''''<br />
<br />
In einem großen Unternehmen soll zur Verbesserung der Arbeitszufriedenheit ein kostenloses Sport- und Entspannungsprogramm für die Mitarbeiter angeboten werden. Die mittlere Arbeitszufriedenheit in diesem Unternehmen beträgt 25 bei einer Standardabweichung von 6. Damit sich der finanzielle Mehraufwand lohnt, sollte das Programm die Arbeitszufriedenheit um mindestens 2 erhöhen. Zur Finanzierung des Programmes ist eine langfristig geplante Umstrukturierung an mehreren Standorten des Unternehmens vorgesehen, falls sich das Programm als erfolgreich herausstellen sollte. Deswegen wird ein konservativeres Signifikanzniveau von 0.01 festgelegt, um das Risiko von Fehlinvestitionen möglichst gering zu halten. Gleichzeitig soll die Wahrscheinlichkeit ein signifikantes Ergebnis zu finden, wenn auch tatsächlich eine Verbesserung der Arbeitszufriedenheit um 2 Punkte vorliegt, mindestens 80 % betragen. Zur Überprüfung der Wirksamkeit soll dieses testweise für einen Teil der Mitarbeiter angeboten werden. Um bei einer Genauigkeit von mindestens 80 % den Kostenaufwand möglichst gering zu halten, wird eine Stichprobenumfangsplanung durchgeführt. Es wird der Stichprobenumfang gesucht, der bei einem Mittelwertsunterschied von Δ = 2 zwischen den Populationen und einer Streuung von σ = 6 bei einem Signifikanztest mit α = 0.01 in 80 % der Fälle ein signifikantes Ergebnis findet. Bei dieser ergibt sich mit der oben genannten Formel, dass unter den gegebenen Parametern (Δ = 2; σ = 6) und einem Signifikanzniveau von α = 0.01 ein Stichprobenumfang von n = 90 erforderlich ist, um einen tatsächlichen Effekt des Programms mit 80 %-iger Wahrscheinlichkeit zu finden. In Abbildung 1 wird der beschriebene Sachverhalt grafisch dargestellt.<br />
<br />
<br />
[[File:1_5_Stichprobenumfangsplanung.PNG|700px|Abbildung 1: Verteilung der Stichprobenmittelwerte zweier Populationen und Darstellung der Teststärke]]<br />
<br />
<br />
<br />
[[Datei:Videolink_neu.PNG|link=http://141.76.19.82:3838/mediawiki/MUVE_STAT/Videolinks/1_5_Stichprobenumfangsplanung_Link.html<br />
|120px]] <span style="color: white"> kkk </span> Im [http://141.76.19.82:3838/mediawiki/MUVE_STAT/Videolinks/1_5_Stichprobenumfangsplanung_Link.html Video] wird die Stichprobenumfangsplanung näher erläutert.<br />
<br />
[[Datei:Simulationslink_neu2.PNG|link=http://141.76.19.82:3838/mediawiki/MUVE_STAT/Apps/1_5_Stichprobenumfangsplanung/<br />
|120px]] <span style="color: white"> kkk </span> Wie der Stichprobenumfang von Grundgesamtheiten mit unterschiedlichen Parameterwerten die Teststärke beeinflusst, lässt sich in der [http://141.76.19.82:3838/mediawiki/MUVE_STAT/Apps/1_5_Stichprobenumfangsplanung/ interaktiven Simulation] grafisch veranschaulichen.<br />
<br />
<br />
<br />
'''''Weiterführende Literatur'''''<br />
<br />
Bock, J. (1998). ''Bestimmung des Stichprobenumfangs: Für biologische Experimente und kontrollierte klinische Studien''. München: Oldenbourg.<br />
<br />
Cohen, J. (2013). ''Statistical power analysis for the behavioral sciences''. Routledge.<br />
<br />
Rudolf, M., & Kuhlisch, W. (2008). ''Biostatistik: Eine Einführung für Biowissenschaftler'' (Kapitel 9.3). München: Pearson Studium.</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Stichprobenumfangsplanung&diff=4790
Stichprobenumfangsplanung
2020-04-21T14:08:55Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Statistik_Grundbegriffe|Hauptseite}}<br />
<br />
Die Stichprobenumfangsplanung spielt eine wichtige Rolle bei der Versuchsplanung. Bei der Auswahl des Stichprobenumfangs ist es von Interesse, eine hohe Genauigkeit der Ergebnisse zu erzielen und gleichzeitig den wirtschaftlichen und organisatorischen Aufwand so gering wie möglich zu halten. Diese beiden Ziele stehen sich entgegen und es muss ein Kompromiss zwischen beiden gefunden werden.<br />
<br />
Die Genauigkeit der Ergebnisse wird durch die [[Teststärke]] (1-β) definiert. Wie hoch diese sein sollte, wird anhand von Vorüberlegungen durch den Anwender festgelegt. In der Praxis wird häufig eine Teststärke von 0.8 bzw. 80 % als akzeptabel vertreten. Es wird also eine Wahrscheinlichkeit von 0.2 bzw. 20 % für einen β-Fehler akzeptiert. Diese ist viermal höher als die oft maximal akzeptierte Irrtumswahrscheinlichkeit für einen α-Fehler (0.05). <br />
<br />
Da die Streuung, der Mittelwertsunterschied und das Signifikanzniveau nicht, bzw. nicht ohne Konsequenzen veränderbar sind, stellt die in der Praxis oftmals einzige Stellschraube zur Veränderung der Teststärke der Stichprobenumfang dar. Erhöht man den Stichprobenumfang, verkleinert sich der [[Standardfehler]] des Mittelwertes und es erhöht sich die Teststärke, da die Mittelwertsverteilungen der Alternativ- und der Nullhypothese schmaler werden und dadurch weniger überlappen, d.h. besser voneinander abzugrenzen sind. <br />
<br />
Es wird derjenige Stichprobenumfang ermittelt, der unter gegebenen Signifikanzniveau und Parameterschätzungen eine bestimmte Genauigkeit erzielt. Dieser kann im Fall des Tests auf der Basis der Standardnormalverteilung über die folgende Formel berechnet werden:<br />
<br />
[[File:1_5_Formel_neu.PNG|150px]] <br />
<br />
<br />
z<sub>1-β</sub> und z<sub>1-α</sub> sind die Werte der Standardnormalverteilung für das jeweilige Quantil und lassen sich aus entsprechenden Tabellen ablesen. σ entspricht der Streuung und Δ dem Mittelwertsunterschied.<br />
<br />
<br />
'''''Beispiel'''''<br />
<br />
In einem großen Unternehmen soll zur Verbesserung der Arbeitszufriedenheit ein kostenloses Sport- und Entspannungsprogramm für die Mitarbeiter angeboten werden. Die mittlere Arbeitszufriedenheit in diesem Unternehmen beträgt 25 bei einer Standardabweichung von 6. Damit sich der finanzielle Mehraufwand lohnt, sollte das Programm die Arbeitszufriedenheit um mindestens 2 erhöhen. Zur Finanzierung des Programmes ist eine langfristig geplante Umstrukturierung an mehreren Standorten des Unternehmens vorgesehen, falls sich das Programm als erfolgreich herausstellen sollte. Deswegen wird ein konservativeres Signifikanzniveau von 0.01 festgelegt, um das Risiko von Fehlinvestitionen möglichst gering zu halten. Gleichzeitig soll die Wahrscheinlichkeit ein signifikantes Ergebnis zu finden, wenn auch tatsächlich eine Verbesserung der Arbeitszufriedenheit um 2 Punkte vorliegt, mindestens 80 % betragen. Zur Überprüfung der Wirksamkeit soll dieses testweise für einen Teil der Mitarbeiter angeboten werden. Um bei einer Genauigkeit von mindestens 80 % den Kostenaufwand möglichst gering zu halten, wird eine Stichprobenumfangsplanung durchgeführt. Es wird der Stichprobenumfang gesucht, der bei einem Mittelwertsunterschied von Δ = 2 zwischen den Populationen und einer Streuung von σ = 6 bei einem Signifikanztest mit α = 0.01 in 80 % der Fälle ein signifikantes Ergebnis findet. Bei dieser ergibt sich mit der oben genannten Formel, dass unter den gegebenen Parametern (Δ = 2; σ = 6) und einem Signifikanzniveau von α = 0.01 ein Stichprobenumfang von n = 90 erforderlich ist, um einen tatsächlichen Effekt des Programms mit 80 %-iger Wahrscheinlichkeit zu finden. In Abbildung 1 wird der beschriebene Sachverhalt grafisch dargestellt.<br />
<br />
<br />
[[File:1_5_Stichprobenumfangsplanung.PNG|700px|Abbildung 1: Verteilung der Stichprobenmittelwerte zweier Populationen und Darstellung der Teststärke]]<br />
<br />
<br />
<br />
[[Datei:Videolink_neu.PNG|link=http://141.76.19.82:3838/mediawiki/MUVE_STAT/Videolinks/1_5_Stichprobenumfangsplanung_Link.html<br />
|120px]] <span style="color: white"> kkk </span> Im [http://141.76.19.82:3838/mediawiki/MUVE_STAT/Videolinks/1_5_Stichprobenumfangsplanung_Link.html Video] wird die Stichprobenumfangsplanung näher erläutert.<br />
<br />
[[Datei:Simulationslink_neu2.PNG|link=http://141.76.19.82:3838/mediawiki/MUVE_STAT/Apps/1_5_Stichprobenumfangsplanung/<br />
|120px]] <span style="color: white"> kkk </span> Wie der Stichprobenumfang von Grundgesamtheiten mit unterschiedlichen Parameterwerten die Teststärke beeinflusst, lässt sich in der [http://141.76.19.82:3838/mediawiki/MUVE_STAT/Apps/1_5_Stichprobenumfangsplanung/ interaktiven Simulation] grafisch veranschaulichen.<br />
<br />
<br />
<br />
'''''Weiterführende Literatur'''''<br />
<br />
Bock, J. (1998). ''Bestimmung des Stichprobenumfangs: Für biologische Experimente und kontrollierte klinische Studien''. München: Oldenbourg.<br />
<br />
Cohen, J. (2013). ''Statistical power analysis for the behavioral sciences''. Routledge.<br />
<br />
Rudolf, M., & Kuhlisch, W. (2008). ''Biostatistik: Eine Einführung für Biowissenschaftler'' (Kapitel 9.3). München: Pearson Studium.</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Datei:1_5_formel_neu.PNG&diff=4789
Datei:1 5 formel neu.PNG
2020-04-21T14:08:23Z
<p>Wehner: </p>
<hr />
<div></div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Stichprobenumfangsplanung&diff=4788
Stichprobenumfangsplanung
2020-04-21T14:08:02Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Statistik_Grundbegriffe|Hauptseite}}<br />
<br />
Die Stichprobenumfangsplanung spielt eine wichtige Rolle bei der Versuchsplanung. Bei der Auswahl des Stichprobenumfangs ist es von Interesse, eine hohe Genauigkeit der Ergebnisse zu erzielen und gleichzeitig den wirtschaftlichen und organisatorischen Aufwand so gering wie möglich zu halten. Diese beiden Ziele stehen sich entgegen und es muss ein Kompromiss zwischen beiden gefunden werden.<br />
<br />
Die Genauigkeit der Ergebnisse wird durch die [[Teststärke]] (1-β) definiert. Wie hoch diese sein sollte, wird anhand von Vorüberlegungen durch den Anwender festgelegt. In der Praxis wird häufig eine Teststärke von 0.8 bzw. 80 % als akzeptabel vertreten. Es wird also eine Wahrscheinlichkeit von 0.2 bzw. 20 % für einen β-Fehler akzeptiert. Diese ist viermal höher als die oft maximal akzeptierte Irrtumswahrscheinlichkeit für einen α-Fehler (0.05). <br />
<br />
Da die Streuung, der Mittelwertsunterschied und das Signifikanzniveau nicht, bzw. nicht ohne Konsequenzen veränderbar sind, stellt die in der Praxis oftmals einzige Stellschraube zur Veränderung der Teststärke der Stichprobenumfang dar. Erhöht man den Stichprobenumfang, verkleinert sich der [[Standardfehler]] des Mittelwertes und es erhöht sich die Teststärke, da die Mittelwertsverteilungen der Alternativ- und der Nullhypothese schmaler werden und dadurch weniger überlappen, d.h. besser voneinander abzugrenzen sind. <br />
<br />
Es wird derjenige Stichprobenumfang ermittelt, der unter gegebenen Signifikanzniveau und Parameterschätzungen eine bestimmte Genauigkeit erzielt. Dieser kann im Fall des Tests auf der Basis der Standardnormalverteilung über die folgende Formel berechnet werden:<br />
<br />
[[File:1_5_Stichprobenumfangsplanung_Formel.PNG|150px]] <br />
<br />
<br />
z<sub>1-β</sub> und z<sub>1-α</sub> sind die Werte der Standardnormalverteilung für das jeweilige Quantil und lassen sich aus entsprechenden Tabellen ablesen. σ entspricht der Streuung und Δ dem Mittelwertsunterschied.<br />
<br />
<br />
'''''Beispiel'''''<br />
<br />
In einem großen Unternehmen soll zur Verbesserung der Arbeitszufriedenheit ein kostenloses Sport- und Entspannungsprogramm für die Mitarbeiter angeboten werden. Die mittlere Arbeitszufriedenheit in diesem Unternehmen beträgt 25 bei einer Standardabweichung von 6. Damit sich der finanzielle Mehraufwand lohnt, sollte das Programm die Arbeitszufriedenheit um mindestens 2 erhöhen. Zur Finanzierung des Programmes ist eine langfristig geplante Umstrukturierung an mehreren Standorten des Unternehmens vorgesehen, falls sich das Programm als erfolgreich herausstellen sollte. Deswegen wird ein konservativeres Signifikanzniveau von 0.01 festgelegt, um das Risiko von Fehlinvestitionen möglichst gering zu halten. Gleichzeitig soll die Wahrscheinlichkeit ein signifikantes Ergebnis zu finden, wenn auch tatsächlich eine Verbesserung der Arbeitszufriedenheit um 2 Punkte vorliegt, mindestens 80 % betragen. Zur Überprüfung der Wirksamkeit soll dieses testweise für einen Teil der Mitarbeiter angeboten werden. Um bei einer Genauigkeit von mindestens 80 % den Kostenaufwand möglichst gering zu halten, wird eine Stichprobenumfangsplanung durchgeführt. Es wird der Stichprobenumfang gesucht, der bei einem Mittelwertsunterschied von Δ = 2 zwischen den Populationen und einer Streuung von σ = 6 bei einem Signifikanztest mit α = 0.01 in 80 % der Fälle ein signifikantes Ergebnis findet. Bei dieser ergibt sich mit der oben genannten Formel, dass unter den gegebenen Parametern (Δ = 2; σ = 6) und einem Signifikanzniveau von α = 0.01 ein Stichprobenumfang von n = 90 erforderlich ist, um einen tatsächlichen Effekt des Programms mit 80 %-iger Wahrscheinlichkeit zu finden. In Abbildung 1 wird der beschriebene Sachverhalt grafisch dargestellt.<br />
<br />
<br />
[[File:1_5_Stichprobenumfangsplanung.PNG|700px|Abbildung 1: Verteilung der Stichprobenmittelwerte zweier Populationen und Darstellung der Teststärke]]<br />
<br />
<br />
<br />
[[Datei:Videolink_neu.PNG|link=http://141.76.19.82:3838/mediawiki/MUVE_STAT/Videolinks/1_5_Stichprobenumfangsplanung_Link.html<br />
|120px]] <span style="color: white"> kkk </span> Im [http://141.76.19.82:3838/mediawiki/MUVE_STAT/Videolinks/1_5_Stichprobenumfangsplanung_Link.html Video] wird die Stichprobenumfangsplanung näher erläutert.<br />
<br />
[[Datei:Simulationslink_neu2.PNG|link=http://141.76.19.82:3838/mediawiki/MUVE_STAT/Apps/1_5_Stichprobenumfangsplanung/<br />
|120px]] <span style="color: white"> kkk </span> Wie der Stichprobenumfang von Grundgesamtheiten mit unterschiedlichen Parameterwerten die Teststärke beeinflusst, lässt sich in der [http://141.76.19.82:3838/mediawiki/MUVE_STAT/Apps/1_5_Stichprobenumfangsplanung/ interaktiven Simulation] grafisch veranschaulichen.<br />
<br />
<br />
<br />
'''''Weiterführende Literatur'''''<br />
<br />
Bock, J. (1998). ''Bestimmung des Stichprobenumfangs: Für biologische Experimente und kontrollierte klinische Studien''. München: Oldenbourg.<br />
<br />
Cohen, J. (2013). ''Statistical power analysis for the behavioral sciences''. Routledge.<br />
<br />
Rudolf, M., & Kuhlisch, W. (2008). ''Biostatistik: Eine Einführung für Biowissenschaftler'' (Kapitel 9.3). München: Pearson Studium.</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Datei:1_5_Stichprobenumfangsplanung_Formel.PNG&diff=4787
Datei:1 5 Stichprobenumfangsplanung Formel.PNG
2020-04-21T14:06:36Z
<p>Wehner: Wehner lud eine neue Version von Datei:1 5 Stichprobenumfangsplanung Formel.PNG hoch</p>
<hr />
<div></div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Quantitativer_Modellvergleich&diff=4786
Quantitativer Modellvergleich
2020-04-04T12:57:14Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Modellvergleich|Kognitive Modellierung|Hauptseite}}<br />
Quantitative Modellvergleiche ermitteln die Vorhersagegüte verschiedener Modelle, indem sie den Fit zwischen den empirisch erhobenen und den auf den Modellen basierenden simulierten Daten bestimmen und somit die Vorhersagegüte verschiedener Modelle vergleichen. <br />
<br />
Möchte man einen quantitativen Modellvergleich durchführen, ist zunächst die Bestimmung der optimalen Parameterwerte für die entsprechenden Modelle notwendig. Ohne diesen Schritt kann beispielsweise aufgrund ungünstiger Parameterschätzwerte die Vorhersagefähigkeit des Modells als gering eingeschätzt werden, was zu einer fehlerhaften Modellauswahl führen kann. Die Ermittlung der optimalen Parameterwerte erfolgt bei einfachen statistischen Modellen direkt aus den empirischen Daten. Liegen komplexere Modelle vor, welche eine analytische Parameterwertberechnung nicht ermöglichen, kann ein [[Algorithmen|Fittingalgorithmus]] verwendet werden. Dieser passt die Modellparameter bis zum Erreichen eines angemessenen Fits schrittweise an die gegebenen Daten an. <br />
<br />
Beim Vergleich verschiedener Modelle sollte jedoch nicht nur die Übereinstimmung empirischer und simulierter Daten berücksichtigt werden, sondern auch die Komplexität der jeweiligen Modelle. Diese zeigt sich in der Art und Anzahl wichtiger Annahmen und Parameter des Modells. Das beste Modell versucht dabei eine optimale Balance zwischen Akkuratheit der Vorhersage und Sparsamkeit zu finden. Die Sparsamkeit eines Modells wird bei einem quantitativen Vergleich zumeist durch die Parameteranzahl definiert. Hohe Komplexität und viele freie Parameter können zu verschiedenen [[Problem der freien Parameter|Problemen]] führen. Daher versucht man, die Parameteranzahl zu reduzieren. Erfolgt der Vergleich zweier Modelle mit identischer Vorhersagefähigkeit, wird das Modell mit geringerer Parameteranzahl ausgewählt. Sind zwei Modelle gleich komplex, entscheidet man sich für das Modell mit der höheren Vorhersagefähigkeit. <br />
<br />
In der Realität geht eine erhöhte Vorhersagefähigkeit jedoch in der Regel mit einer größeren Parameteranzahl einher und weniger Parameter reduzieren die Übereinstimmung mit den Daten. Diese Situation macht es schwer, Modelle mit unterschiedlicher Anzahl an Parametern zu vergleichen. Es existiert kein einheitliches Entscheidungskriterium zur Lösung dieses Problems, jedoch gibt es verschiedene Verfahren, die versuchen, eine Balance zwischen möglichst wenig Komplexität und guter Vorhersagefähigkeit zu finden. Man verwendet dazu beispielsweise die Berechnung sogenannter [[Vergleichsmaße]].<br />
<br />
[[Datei:Simulationslink_neu2.PNG|link=http://141.76.19.82:3838/mediawiki/Modellvergleich_Endversion/|120px]] <span style="color: white"> kkk </span>Die Simulation [http://141.76.19.82:3838/mediawiki/Modellvergleich_Endversion/ Modellvergleich] simuliert einen quantitativen Modellvergleich für unterschiedliche Varianten eines [[Sequential Sampling Modelle| Diffusionsmodells]].</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Dynamische_Attraktormodelle&diff=4785
Dynamische Attraktormodelle
2020-04-04T12:55:31Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Mathematische Modelle|Kognitive Modellierung|Hauptseite}}<br />
<br />
Differentialgleichungen werden häufig dafür verwendet, das Verhalten von dynamischen Systemen zu beschreiben. Unter dynamischen Systemen versteht man mathematische Modelle von zeitabhängigen Prozessen, in denen die weitere Entwicklung des Systems vom jeweiligen Anfangszustand abhängt. Mit ihnen kann man bspw. die Bewegung eines Pendels, Klima- oder Populationsveränderungen inklusive Räuber-Beute Interaktionen, aber auch kognitive Prozesse der Wahrnehmung und Entscheidung modellieren.<br />
<br />
Eine spezielle Gruppe von dynamischen Modellen sind '''Attraktormodelle'''. Systeme mit einem Attraktor weisen eine gewisse Anzahl an Zuständen auf, an die sich ein dynamisches System im Laufe der Zeit annähert und dort schließlich verharrt. Nehmen wir an, ein dynamisches System hat genau eine Variable, die sich über die Zeit so verändert, wie es die entsprechende Differentialgleichung beschreibt. Diese Veränderung wird oft über eine sogenannte '''Potentiallandschaft''' oder Energielandschaft dargestellt. So sieht man in dem Beispieldiagramm unten das Veränderungspotential oder die Energie für jeden möglichen Zustand des Systems, also jeden möglichen Wert der Variable. Der aktuelle Zustand der Variable wird in dieser Potentiallandschaft als rote Kugel repräsentiert. Die Potentiallandschaft selbst gleicht einer Berg-Tal Landschaft und beschreibt, wie sich der aktuelle Zustand laut der Differentialgleichung ändern wird. Intuitiv gelesen bewegt sich der Ball von den Bergen in das nächstgelegene Tal. Wenn der Ball im Tal angekommen ist, spricht man von einem '''stabilen Systemzustand''' – er hat also kein Änderungspotential mehr, im Gegensatz zu den Bergen, bei welchen ein großes Potential zur Veränderung besteht. Stabile Systemzustände können auch komplexere Muster sein, als nur in einem Zustand zu verharren – also z.B. Zyklen von Zuständen. Da der Ball von den Tälern, also den stabilen Zuständen angezogen wird, nennt man diese Zustände auch '''Attraktoren'''. <br />
<br />
<br />
[[File:Attraktormodelle 01.png|center|400px]]<br />
<br />
<br />
Typische Attraktoren sind also:<br />
* '''Stabile Fixpunkte''': Das System nähert sich - wenn die Zeit gegen unendlich geht - immer stärker einem bestimmten Endzustand an, indem die Dynamik allmählich nachlässt.<br />
* '''Stabile Zyklen''': Hier ist der Endzustand kein einziger Zustand, sondern eine Abfolge immer gleicher Zustände, die sich periodisch abwechseln (Z.B. Räuber-Beute-Modell)<br />
<br />
<br />
Das Gegenteil von einem Attraktor – die Bergespitzen sozusagen - nennt man '''Repellor''', also einen Zustand, von dem sich das System wegbewegt.<br />
<br />
<br />
<br />
== Beispiel: Modell von Tuller et al. (1994) ==<br />
<br />
Ein Beispiel für ein Attraktormodell aus der Psychologie ist das Wahrnehmungsmodell von Tuller und Kollegen. Sie stellten 1994 ein Modell zur Beschreibung der dynamischen Kategorisierung von gesprochenen Wörtern auf um zum Beispiel erklären zu können, unter welchen Umständen man das Wort „say“ oder „stay“ hört. Dabei verwendeten Sie eine spannende Manipulation: wenn man bei dem Wort „say“ zwischen s und a eine Lücke einbaut, dann hört man unter Umständen das Wort „stay“. Je größer die Lücke, desto stärker wir die Wahrnehmung von „stay“, je kleiner, desto eher hört man „say“. Es gibt also Länge der Lücke, bei der die beiden Wahrnehmungen gleich stark sind. Hier setzt das Modell an. Beide Wahrnehmungen sind in dem Modell potentiell stabile Zustände mit jeweils eigenem Attraktor, wie es in der Potentiallandschaft dargestellt ist. <br />
<br />
[[File:Attraktormodelle 02.png|center|600px]]<br />
<br />
<br />
Die Variable '''Phi''' repräsentiert dabei alle möglichen Zustände, die das System einnehmen kann: also unterschiedliche Grade der eindeutigen Interpretation als „say“ (Phi = -1) oder als „stay“ (Phi = 1). Der Startzustand, also der Zustand in dem Moment, wo man den Stimulus hört, ist neutral (Phi = 0, hier als momentaner Zustand wo die rote Kugel liegt). Das Modell beschreibt nun die Dynamik des Kategorisierungsprozesses über die folgende Gleichung (aus der die gezeigte Potentiallandschaft hergeleitet wird):<br />
<br />
[[File:Attraktormodelle 03.png|center|600px]]<br />
<br />
Um die Veränderung des Systemzustands über die Zeit berechnen zu können benötigen wir die Ableitung dieser Funktion:<br />
<br />
[[File:Attraktormodelle 04.png|center|600px]]<br />
<br />
Die Veränderung von Phi über die Zeit können wir dann durch folgende Differentialgleichung beschreiben:<br />
<br />
[[File:Attraktormodelle 05.png|center|600px]]<br />
<br />
<br />
Die Parameter '''k''' und '''s''' sind wesentlich für die Form der Potentiallandschaft: der Parameter k bestimmt, wie stabil die beiden Zustände „say“ und „stay“ relativ zueinander sind. Er spiegelt im obigen Experiment also die Länge der Lücke zwischen den Buchstaben s und a wider. Ist sie kurz, dann ist der Attraktor bei Phi = -1 stärker ausgeprägt, ist sie lang, dann ist der Attraktor bei Phi = 1 stärker ausgeprägt. Der Parameter s bestimmt, wie tief die Attraktoren an sich sind, wie sehr also das System dazu tendiert, den uneindeutigen Input schnell in eine Kategorie einzuteilen, also schnell in einen Attraktor „zu rutschen“. <br />
<br />
<br />
Dieses Modell kann nun nicht nur zur Modellierung der Kategorisierung von „say“ und „stay“ verwendet werden, sondern auch auf alle anderen mehrdeutigen Stimuli angewandt werden, z.B. die '''Wahrnehmung des Neckerwürfels''':<br />
<br />
[[File:Attraktormodelle 06.png|center|400px]]<br />
<br />
<br />
Auch hier können wir zwei stabile Wahrnehmungszustände annehmen, einen „Ich sehe den Würfel von oben“ (links) und einen „Ich sehe den Würfel von unten“ (rechts). Analog zum „say“-„stay“ Beispiel können wir experimentell bestimmte Kanten des Würfels heller oder dunkler machen, was wieder der Parameter k abbilden würde und zu unterschiedlich tiefen Attraktoren führen würde.<br />
<br />
<br />
[[Datei:Simulationslink_neu2.PNG|link=http://141.76.19.82:3838/mediawiki/MathematischeModelle/|120px]] <span style="color: white"> kkk </span>Für ein besseres Verständnis der beiden Parameter steht die Webapp [http://141.76.19.82:3838/mediawiki/MathematischeModelle/ Dynamische Attraktormodelle] zur Verfügung.<br />
<br />
<br />
Dort ist es möglich den dynamischen Prozess einer perzeptuellen Entscheidung („Welche Seite des Neckerwürfels sehe ich vorne?“) über eine Animation zu beobachten und durch Manipulation diverser Parameter zu beeinflussen, zum Beispiel wie sehr Rauschen den Prozess beeinflusst und wie einfach eine Wahrnehmung durch eine Störung des Prozesses (Perturbation) beeinflusst werden kann.<br />
<br />
<br />
<br />
== Eigenschaften dynamischer Modelle ==<br />
<br />
Am Beispiel des Modells von Tuller et al. können wir viele typische Eigenschaften dynamischer Modelle erkennen:<br />
<br />
<br />
'''Multistabilität''': Es existieren mehrere Attraktoren mit unterschiedlichen Attraktorbecken gleichzeitig, d.h., mehrere Endzustände sind je nach Ausgangszustand möglich. <br />
<br />
<br />
'''Bifurkation''': Darunter versteht man eine qualitative Zustandsänderung eines nichtlinearen Systems unter dem Einfluss eines Parameters. Ein nichtlineares System hat einen Output (z.B. eine Wahrnehmung oder ein Verhalten), das nicht immer proportional zum Input (z.B. einem Reiz) ist - im Gegensatz zu einem linearen System. Das bedeutet, dass eine Vergrößerung des Inputs mal zu mehr und mal zu weniger Output führt. Daher können diese Systeme ihr Verhalten also sehr stark ändern, obwohl sich der Input nur minimal verändert hat . <br />
<br />
Wenn wir z.B. k (den Input) schrittweise erhöhen, im Experiment mit dem Necker-Würfel also die rechten vorderen Kanten des Würfels weniger sichtbar machen, dann verschiebt sich das Gewicht der beiden Attraktoren so, dass der linke Attraktor (Wahrnehmung: „Neckerwürfel von unten“) im Vergleich zum rechten (Wahrnehmung: „Neckerwürfel von oben“) immer stärker wird. Bei einer bestimmten Ausprägung von k (der relativen Sichtbarkeit der verschiedenen Würfelkanten) führt nun jede noch so minimale weitere Änderung des Parameters (also z.B. eine weitere minimale Ausblendung der Würfelkanten) dazu, dass es nur noch ein statt zwei Attraktorbecken gibt (es könnte nur noch eine Richtung des Würfels gesehen werden). Dieser Übergang von einem (multistabilen) System mit 2 Attraktoren zu einem monostabilen System mit nur einem Attraktor bezeichnet man als Bifurkation – ebenso wie die Gegenrichtung, wenn aus einem monostabilen System ein bistabiles System wird.<br />
<br />
[[File:Attraktormodelle 07.png|center|600px]]<br />
<br />
Das spannende an der Bifurkation ist, dass hier die Nichtlinearität des Systems zum Tragen kommt. Im Vergleich zu den vorherigen Parameterveränderungen, können wir also mit der gleichen Schrittweite das System jetzt in seiner Qualität (ein statt zwei Attraktoren) deutlich verändern. Die Auswirkungen dieser Nichtlinearität und der dadurch entstehenden Bifurkationen spiegelt sich als Verhalten in der sogenannten Hysterese wider.<br />
<br />
<br />
'''Hysterese''' charakterisiert ein Systemverhalten, bei dem die Ausgangsgröße (z.B. Wahrnehmung oder Verhalten) nicht allein von der Eingangsgröße (z.B. dem Reiz) abhängt, sondern auch vom vorherigen Zustand der Ausgangsgröße (z.B. der Wahrnehmung im letzten Moment). Das System kann also in Abhängigkeit seiner ''Vorgeschichte'' bei gleicher Eingangsgröße mehrere Zustände einnehmen – dies nennt man auch Pfadabhängigkeit; man könnte auch sagen es besitzt ein „Gedächtnis“. <br />
<br />
In unserem Beispiel könnten wir im Experiment den Neckerwürfel zunächst mit gleich starken Kanten präsentieren (im Modell k = 0, siehe Abbildung), sodass keine Interpretation sich durchsetzt (der Systemzustand Phi also in der Mitte verharrt). Anschließend könnten wir die oberen rechten Kanten abschwächen (k = 0.4), sodass die „Neckerwürfel von unten“-Interpretation die Überhand gewinnt (d.h. Phi zum linken Attraktor strebt). In einem linearen System würde nun ein Rückgängigmachen dieser Parameteränderung (zurück zu k = 0 bzw. gleich starke Würfelkanten) auch zu einer Rückkehr des Systemzustands zum Anfangszustand führen (also Phi = 0). Da bei nichtlinearen Systemen aber die Vorgeschichte eine zentrale Rolle spielt, kann diese Änderung nicht einfach wieder durch k rückgängig gemacht werden, wie man im untersten Teil der Abbildung sieht. Stattdessen bewegt sich Phi nur minimal zum leicht verschobenen linken Attraktor und die Interpretation „Neckerwürfel von unten“ bleibt trotz mehrdeutiger Präsentation (k = 0) erhalten. Wir können in diesem System also für k = 0 zwei (und in Abhängigkeit des Zeitverlaufs viele weitere) Systemzustände beobachten, auch wenn alle anderen Parameter des Modells konstant gehalten werden.<br />
<br />
[[File:Attraktormodelle 08.png|center|500px]]<br />
<br />
== Nützliche Links ==<br />
<br />
Eine sehr anschauliche Einführung in dynamische Attraktormodelle mit vielen Möglichkeiten zum Ausprobieren bietet die [https://ncase.me/attractors/ Seite] des Videospiel-Designers Nicky Case</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Sequential_Sampling_Modelle&diff=4784
Sequential Sampling Modelle
2020-04-04T12:53:30Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Statistische Modelle|Kognitive Modellierung|Hauptseite}}<br />
Sequential Sampling Modelle stellen einfache „psychologische“ Modelle zur Simulation von Entscheidungsprozessen dar, welche die Ansammlung von Evidenz über mehrere Zeitschritte bis zum Erreichen einer Entscheidungsschwelle, welche das Ausführen einer Reaktion zur Folge hat, beschreiben. Sie basieren auf der Grundannahme, dass Menschen Entscheidungen treffen, indem sie nach und nach Informationen sammeln, bis eine bestimmte Schwelle erreicht ist. Die Akkumulation von Informationen findet dabei nicht strikt linear statt, sondern ist von Rauschen überlagert.<br />
<br />
Sequential Sampling Modelle sind [[Probabilistische Modelle|'''''probabilistische Modelle''''']], weshalb deren Output auch dann variieren kann, wenn das System mehrmals mit dem gleichen Input ausgeführt wird. Den Gegenpart dazu stellen deterministische Modelle dar, die sich dadurch auszeichnen, dass sich der Output bei gleichem Input nicht unterscheidet. Theoretiker betrachten probabilistische im Vergleich zu deterministischen Modellen als die besseren Beschreibungen für Befunde aus der Neurowissenschaft und Psychologie, da sie deren Messwerte, welche auch bei einfachsten Aufgaben viele Variationen beinhalten, akkurater reflektieren. <br />
<br />
Ein Sequential Sampling lässt sich vereinfacht durch die folgende Formel beschreiben:<br />
<br />
<br />
[[Datei:Sequential_Sampling_Modelle_1.png]]<br />
<br />
x(t) … Entscheidungszustand zum Zeitpunkt t<br />
<br />
A … Evidenz (positiv / negativ)<br />
<br />
n … Noise (Rauschen / Fehler)<br />
<br />
<br />
Grundlage des Modells bildet eine Entscheidungsvariable x, welche den aktuellen Systemzustand wiederspiegelt und somit die bis zu einem Zeitpunkt angesammelte Evidenz für eine Option erfasst. Während des Prozesses der Entscheidungsfindung werden unter mehr oder weniger stark vorhandenem Rauschen zunehmend Informationen gesammelt, welche die Entscheidungsvariable stärker in Richtung einer der beiden Antworten bewegen. Sobald x eine der Schranken (= threshold) überschritten hat, wird die Entscheidung getroffen und der Evidenzakkumulationsprozess ist für diesen Durchlauf beendet.<br />
<br />
Das am häufigsten verwendete Sequential Sampling Modell ist das '''''Drift Diffusion Modell''''', dessen Evidenzakkumulationsprozess von mehreren Parametern beeinflusst wird, welche im Folgenden vorgestellt werden. <br />
<br />
[[Datei:Sequential_Sampling_Modelle_2.png|600px]]<br />
<br />
<br />
== Modellparameter des Drift Diffusion Modells ==<br />
<br />
Verschiedene Modellparameter haben Einfluss auf die Ergebnisse des modellierten Evidenzakkumulationsprozesses. Die am häufigsten verwendeten Parameter stellen der Driftparameter v, der Schrankenabstand a, der Entscheidungsbias z, und die non-decision time to dar.<br />
<br />
* '''''Driftrate v'''''<br />
<br />
: Die Driftrate des Modells repräsentiert die mittlere Geschwindigkeit der Evidenzverarbeitung (Information pro Zeiteinheit) bzw. wie schnell sich der Akkumulationsprozess pro Zeiteinheit einer bestimmten Schwelle annähert. Eine positive Driftrate besagt, dass die Informationen für Option 1 schneller kodiert werden. Eine negative Driftrate zeigt, dass die Informationen für Option 2 schneller kodiert werden.<br />
<br />
* '''''Schrankenabstand a'''''<br />
<br />
: Eine Entscheidungsreaktion entsteht durch das Überschreiten einer festen Grenze der angesammelten Evidenz für eine Option. Liegen die Schranken eng beieinander, reichen wenige (zufällige) Einflüsse aus, um eine Entscheidung zu treffen. Sind sie weiter voneinander entfernt, wird mehr Evidenz benötigt. Damit soll im Modell der Fall simuliert werden, dass Probanden versuchen Fehler zu vermeiden und eine sichere Entscheidung treffen möchten. <br />
<br />
* '''''Entscheidungsbias z'''''<br />
<br />
: Der Bias z, welcher die Antworttendenz beschreibt, ergibt sich aus dem Verhältnis des Startwertes von x zur Position der Schranken. Er beschreibt, ob durch Priming o.ä. bereits zu Trialbeginn eine Antworttendenz in eine Richtung vorliegt.<br />
<br />
* '''''Non-decision time to'''''<br />
<br />
: Die non-decision time to repräsentiert Prozesse, die während einer Entscheidung stattfinden, aber nicht zum eigentlichen Entscheidungsprozess gehören (sogenannte non-decisional processes), wie beispielsweise die Zeit für die motorische Ausführung einer Reaktion. Die geschätzte Dauer dieser Prozesse wird zur eigentlichen Zeit des Entscheidungsprozesses addiert und führt somit zu einer Verschiebung der Reaktionszeitverteilung.<br />
<br />
Betrachtet man verschiedene Drift Diffusion Modelle findet sich teilweise zudem die Angabe weiterer Parameter. Das Diffusionsmodell (fast-dm) von Voss, Rothermund, Gast und Wentura (2013) postuliert beispielsweise einen zusätzlichen Parameter d, welcher einen Offset zwischen to für die untere und to für die obere Option beschreibt. Dies geht auf den Effekt zurück, dass fehlerhafte Entscheidungen häufig impulsiver getroffen werden als korrekte Antworten.<br />
<br />
<br />
[[Datei:Simulationslink_neu2.PNG|link=http://141.76.19.82:3838/mediawiki/Statistische_Modelle_Endversion/<br />
|120px]] <span style="color: white"> kkk </span> Die eigenständige Exploration der Parametereinflüsse dieses Modells ist zudem im Rahmen der Simulation [http://141.76.19.82:3838/mediawiki/Statistische_Modelle_Endversion/ Statistische Modelle] möglich.<br />
<br />
<br />
== Modell ohne Evidenz ==<br />
<br />
In Situationen, in denen keine Evidenz für eine der beiden Optionen vorhanden ist, spiegelt der Evidenzakkumulationsprozess nur zufälliges normalverteiltes Rauschen wieder, welches aber im Laufe der Zeit trotzdem zum Überschreiten einer Schwelle und somit einer Antwortreaktion führt.<br />
<br />
Bildet man zu jedem Zeitschritt den Durchschnitt der Werte aller Random Walks (= Darstellungen der Evidenzakkumulation während eines einzelnen Trials), so entsprechen diese Durchschnittswerte für v = 0 dem Startwert des Entscheidungszustands. Die Varianz zwischen den Random Walks erhöht sich jedoch mit jedem weiteren Zeitschritt.<br />
<br />
<br />
== Vorteile und Anwendung ==<br />
<br />
Durch die Betrachtung einer ausreichend großen Menge an Trials erlaubt das Drift Diffusion Modell die Darstellung und Modellierung einer gut fittenden Reaktionszeitverteilung mit differenzierten Parametern. Damit ist die Modellierung des zeitlichen Ablaufs der Entscheidungsfindung möglich. <br />
<br />
Es wird zudem zur Untersuchung von Bedingungs- und Gruppenunterschieden sowie in der weiterführenden Datenanalyse verwendet.<br />
<br />
Eine damit zu untersuchende Fragestellung könnte beispielsweise lauten: „Treffen alte Menschen Entscheidungen langsamer als jüngere Personen oder sind sie nur vorsichtiger in ihrer Wahl?“ Lassen sich die Unterschiede der Reaktionszeitverteilungen zwischen beiden Gruppen stärker durch einen unterschiedlichen Drift v erklären, ist es wahrscheinlicher, dass die Informationsaufnahmegeschwindigkeit jüngerer Menschen höher ist als die der älteren Probanden. Eine bessere Erklärung der unterschiedlichen Verteilungen durch verschiedene Schrankenabstände liefert hingegen Evidenz dafür, dass ältere Menschen mehr Evidenz für die Wahl einer Entscheidung benötigen und somit vorsichtiger sind. Eine ähnliche Fragestellung untersuchte beispielsweise die Studie von Ratcliff et al. (2000), welche für ältere Probanden höhere Werte fand.</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Verteilungsmodelle&diff=4783
Verteilungsmodelle
2020-04-04T12:52:06Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Statistische Modelle|Kognitive Modellierung|Hauptseite}}<br />
<br />
__INHALTSVERZEICHNIS__<br />
<br />
<br />
Die Verteilungen vieler empirischer Variablen können mit Hilfe von statistischen Verteilungsmodellen näherungsweise beschrieben werden. Diese Modelle erlauben die Ermittlung charakteristischer Verteilungsmerkmale wie zum Beispiel des Erwartungswertes, der Varianz oder Prozentanteile bestimmter Wertebereiche (= Perzentile) und geben einen Überblick darüber, wie die empirischen Daten aussehen müssten, wenn deren Verteilung bestimmte Merkmale erfüllt. <br />
<br />
[[Datei:Simulationslink_neu2.PNG|link=http://141.76.19.82:3838/mediawiki/Statistische_Modelle_Endversion/|120px]] <span style="color: white"> kkk </span> Einen Überblick über verschiedene Verteilungsmodelle erhalten Sie im Rahmen der Simulation [http://141.76.19.82:3838/mediawiki/Statistische_Modelle_Endversion/ Statistische Modelle].<br />
<br />
Innerhalb der psychologischen Forschung kommen unterschiedliche Verteilungsmodelle beim Umgang mit z.B. Reaktionszeiten, Fehlerraten, IQ-Punkten etc. zum Einsatz. Sie sind der Verwendung einfacher statistischer Kenngrößen wie dem Mittelwert überlegen, da dieser insbesondere bei asymmetrischen und multimodalen Verteilungen zu fehlgeleiteten Schlussfolgerungen und Interpretationen führen kann. So ist es möglich, dass zwei unterschiedliche Verteilungen beispielsweise identische Mittelwerte und Standardabweichungen besitzen, sich aber aufgrund ihrer Schiefe stark unterscheiden.<br />
<br />
Verteilungsmodelle liefern somit mehr Informationen und werden deshalb zum Auffinden der besten Beschreibung der Daten, der Untersuchung von Bedingungs- und Gruppenunterschieden sowie in der weiteren Analyse verwendet. Damit ermöglichen sie ein tieferes Verständnis der Datenstruktur.<br />
<br />
Verteilungsmodelle beschreibt man mittels der sogenannten '''''Verteilungsfunktion f(x)'''''. Diese gibt an, wie groß die Wahrscheinlichkeit ist, dass eine Zufallsvariable (z.B. Reaktionszeit, IQ, …) einen Wert gleich oder kleiner als x annimmt. Sie besitzt somit einen positiven Wertebereich im Intervall [0,1] und ist monoton steigend.<br />
<br />
Um einen visuellen Eindruck der Verteilung zu erhalten, nutzt man die '''''Dichtefunktion''''', welche die Ableitung der Verteilungsfunktion darstellt. Sie gibt an, in welchen Teilen des Definitionsbereichs der Zufallsvariablen die Werte am häufigsten vorkommen. Die Werte der Dichtefunktion sind ebenfalls alle positiv, können jedoch auch größer als 1 sein. Möchte man anhand der Dichtefunktion die Wahrscheinlichkeit bestimmen, dass eine Zufallsvariable einen Wert innerhalb eines bestimmten Intervalls [a, b] aufweist, berechnet man hierzu die Fläche unterhalb der Kurve zwischen den Grenzen a und b. Das so ermittelte Ergebnis entspricht der Differenz der Werte der Verteilungsfunktion an den Stellen b und a. Die Gesamtfläche unterhalb der Dichtefunktion hat immer einen Wert von 1, da die Wahrscheinlichkeit, dass eine Zufallsvariable irgendeinen Wert innerhalb ihres Definitionsbereichs aufweist, ebenfalls 1 beträgt.<br />
<br />
Das bekannteste Verteilungsmodell stellt die Normalverteilung dar. Diese ist beispielsweise zur Beschreibung der IQ-Werte innerhalb einer Population sehr gut geeignet, kann aufgrund ihrer Symmetrieeigenschaft jedoch z.B. nur schlecht für Reaktionszeitverteilungen verwendet werden. In solchen Fällen ist es möglich, mit anderen Verteilungsmodellen einen besseren Fit der Daten zu erreichen. Im Fall der Reaktionszeitverteilung könnte man beispielsweise auf eine Gammaverteilung zurückgreifen.<br />
<br />
<br />
== Normalverteilung ==<br />
<br />
Die Normalverteilung ist das bekannteste und am weitesten verbreitete Verteilungsmodell, da die Werte vieler Variablen, die in der Psychologie oder den Sozialwissenschaften erhoben werden, normalverteilt sind. Dazu gehören unter anderem Körpergröße und Gewicht, IQ, aber auch Abweichungen der Messwerte vom Erwartungswert in vielen natur-, wirtschafts- und ingenieurwissenschaftlichen Untersuchungen. <br />
<br />
Man spricht von einer Normalverteilung, wenn eine stetige Zufallsvariable mit Erwartungswert &mu; und Varianz &sigma² (- &infin; < &mu; < &infin;, &sigma;² > 0) die folgende Dichtefunktion besitzt:<br />
<br />
::[[Datei:Verteilungsmodelle_1_neu.png]]<br />
<br />
Die Dichtefunktion dieser Verteilung wird in der folgenden Abbildung für verschiedene Erwartungswerte &mu; und Varianzen &sigma;² dargestellt:<br />
<br />
[[Datei:Verteilungsmodelle_2.png|600px]]<br />
<br />
Der Graph der Normalverteilung ist glockenförmig und achsensymmetrisch, wobei der Parameter μ den Mittelwert der Verteilung darstellt, das heißt, die Werte der Zufallsvariablen konzentrieren sich in der Mitte der Verteilung und treten mit größerem Abstand zu dieser immer seltener auf.<br />
<br />
Die blaue Linie entspricht dabei der Dichtefunktion der Standardnormalverteilung. Diese ist durch den Erwartungswert &mu; = 0 und die Varianz &sigma;² = 1 definiert.<br />
<br />
Einen Vorteil der Normalverteilung stellt die einfache Schätzung der zwei Parameter &mu; und &sigma; aus den empirischen Daten dar:<br />
<br />
::[[Datei:Verteilungsmodelle_3_1.png]] , [[Datei:Verteilungsmodelle_3_2.png]]<br />
<br />
Unabhängig von &mu; und &sigma; ist die Verteilung nicht schief, d.h. sie ist symmetrisch.<br />
<br />
Aufgrund ihrer Eigenschaften lässt sich die Normalverteilung jedoch nicht auf alle Daten anwenden, da Merkmale wie die Schiefe der Verteilung oder Ausreißerwerte nicht dargestellt werden können und somit kein guter Fit für entsprechende Daten erzielt werden kann. In solchen Fällen sollten andere Verteilungsmodelle verwendet werden.<br />
<br />
<br />
== Ex-Gauß Verteilung ==<br />
<br />
Die Ex-Gauß Verteilung stellt eine Konvolution oder Faltung (= mathematische Kombination) der Normal- und Exponentialverteilung dar. Sie liefert eine sehr gute Möglichkeit zur Schätzung von Reaktionszeiten und dient beispielsweise der Darstellung von Zellteilungsprozessen oder der Verdopplung der DNA. <br />
<br />
Man spricht von einer Ex-Gauß Verteilung, wenn eine stetige Zufallsvariable die folgende Dichtefunktion mit den drei Parametern &mu;, &sigma; und &lambda; besitzt (&sigma;² > 0, &lambda;² > 0):<br />
<br />
::[[Datei:Verteilungsmodelle_4.png]]<br />
<br />
Die komplementäre Fehlerfunktion ist:<br />
<br />
::[[Datei:Verteilungsmodelle_5.png]]<br />
<br />
Die Dichtefunktion der Ex-Gauß Verteilung wird in der folgenden Abbildung dargestellt:<br />
<br />
[[Datei:Verteilungsmodelle_6.png|600px]]<br />
<br />
Der Parameter &lambda; ist als &lambda; > 0 definiert. Er stellt die exponentielle Komponente der Verteilung dar. Wie man in der Abbildung erkennen kann, ist die Ähnlichkeit der Ex-Gauß Verteilung und Normalverteilung abhängig vom Wert des Parameters &lambda;. Je stärker sich dieser Parameter dem Wert Null annähert, desto mehr gleicht die Dichtefunktion dem Graphen der Normalverteilung.<br />
<br />
Mittelwert, Varianz und Schiefe lassen sich folgendermaßen ermitteln:<br />
<br />
::{|<br />
| Mittelwert<br />
| [[Datei:Verteilungsmodelle_7.png]]<br />
|-<br />
| Varianz<br />
| [[Datei:Verteilungsmodelle_8.png]]<br />
|-<br />
| Schiefe<br />
| [[Datei:Verteilungsmodelle_9.png]]<br />
|}<br />
<br />
<br />
== Gammaverteilung ==<br />
<br />
Die Gammaverteilung ist ein Verteilungsmodell im Bereich der positiven reellen Zahlen. Es handelt sich um eine Gammaverteilung, wenn die Zufallsvariable die folgende Dichtefunktion f(x) mit den Parametern b > 0 und p > 0 besitzt:<br />
<br />
::[[Datei:Verteilungsmodelle_10_1.PNG]]<br />
<br />
mit der Gammafunktion &Gamma;(x)<br />
<br />
::[[Datei:Verteilungsmodelle_10_2.png]]<br />
<br />
Die folgende Abbildung stellt die Dichtefunktion der Gammafunktion dar:<br />
<br />
[[Datei:Verteilungsmodelle_11.png|600px]]<br />
<br />
Erwartungswert, Varianz und Schiefe der Verteilung lassen sich durch die Wahl entsprechender Parameterwerte folgendermaßen ermitteln:<br />
<br />
::[[Datei:Verteilungsmodelle_12.PNG]]<br />
<br />
Für p > 1 besitzt der Graph der Verteilung ein Maximum an der Stelle xmax = (p-1)/b. Wählt man den Parameterwert p = 1, erhält man eine Exponentialverteilung mit dem exponentiellen Parameter &lambda; = b.<br />
<br />
Einsatzmöglichkeiten der Gammaverteilung finden sich beispielsweise bei Reaktionszeitverteilungen sowie bei der Beschreibung der zufälligen Zeitdauer zwischen Ereignissen wie Unfällen.<br />
<br />
<br />
== Shifted-Wald Verteilung ==<br />
<br />
Die Shifted-Wald Verteilung eignet sich aufgrund ihrer Eigenschaften sehr gut zur Beschreibung von Reaktionszeitdaten psychologischer Experimente. Sie besitzt drei Parameter und stellt eine um den Parameter &theta; auf der Abszissenachse verschobene Waldverteilung (= inverse Normalverteilung) dar.<br />
<br />
Sie ist durch die folgende Dichtefunktion mit den Parametern &gamma;, &delta; und &theta; für x > &theta; definiert:<br />
<br />
::[[Datei:Verteilungsmodelle_13.png]]<br />
<br />
Die folgende Abbildung stellt die Dichtefunktion der Shifted-Wald Verteilung dar:<br />
<br />
[[Datei:Verteilungsmodelle_14.png|600px]]<br />
<br />
Erwartungswert und Varianz der Verteilung sind folgendermaßen zu ermitteln:<br />
<br />
::[[Datei:Verteilungsmodelle_15.PNG]]<br />
<br />
Der Parameter &gamma; variiert dabei die Streuung der Verteilung um den Modalwert, der Parameter &delta; beeinflusst, wie viele Werte sich im rechten Teil der Verteilung befinden und der Parameter &theta; legt den Onset der Verteilung fest.<br />
<br />
<br />
== Weibullverteilung ==<br />
<br />
Die Weibullverteilung ist ein Verteilungsmodell im Bereich der positiven reellen Zahlen. Man spricht von einer Weibullverteilung, wenn die Zufallsvariable die folgende Dichtefunktion f(x) mit den Parametern k > 0 und &lambda; > 0 besitzt:<br />
<br />
::[[Datei:Verteilungsmodelle_16.png]]<br />
<br />
Die folgende Abbildung stellt die Dichtefunktion der Weibullverteilung dar:<br />
<br />
[[Datei:Verteilungsmodelle_17.png|600px]]<br />
<br />
Der Parameter k wird als Formparameter bezeichnet und der Parameter &lambda; entspricht dem Skalen- oder Skalierungsparameter. Werden für diese Parameter bestimmte Werte ausgewählt, ähnelt die Verteilung einer Normal-, Exponential- oder anderen asymmetrischen Verteilung:<br />
<br />
{|<br />
| k = 1<br />
| &rarr; <br />
| Exponentialverteilung<br />
|-<br />
| k &asymp; 3.602<br />
| &rarr; <br />
| Verteilung mit verschwindender Schiefe (ähnlich Normalverteilung)<br />
|}<br />
<br />
Erwartungswert, Varianz und Schiefe der Verteilung lassen sich folgendermaßen ermitteln (Mittelwert &mu; = E(X) und Standardabweichung [[Datei:Verteilungsmodelle_18.png]]):<br />
<br />
::{|<br />
| Erwartungswert<br />
| <br />
| [[Datei:Verteilungsmodelle_20.png]]<br />
|-<br />
| Varianz<br />
| <br />
| [[Datei:Verteilungsmodelle_21.png]]<br />
|-<br />
| Schiefe<br />
| <br />
| [[Datei:Verteilungsmodelle_22.png]]<br />
|}<br />
<br />
Dazu benötigt man die Gammafunktion &Gamma;(x), welche auch der Gammaverteilung zugrunde liegt:<br />
<br />
::[[Datei:Verteilungsmodelle_10_2.png]]<br />
<br />
Die Weibullverteilung eignet sich gut zur Beschreibung von Daten, bei welchen keine negativen Werte auftreten und deren Verteilungen nicht symmetrisch sind. Sie wird beispielsweise zur Modellierung von Windgeschwindigkeiten und für Lebensdaueruntersuchungen verwendet.</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Impressum&diff=4782
Impressum
2020-03-18T17:19:08Z
<p>Wehner: </p>
<hr />
<div>__NOTOC__ <br />
<br />
Die Website https://methpsy.elearning.psych.tu-dresden.de/ einschließlich aller Unterseiten ist ein Objekt der Professur Methoden der Psychologie und kognitive Modellierung der Fakultät Psychologie der TU Dresden. <br />
<br />
<br />
TU Dresden<br>Fakultät Psychologie<br>Professur Methoden der Psychologie<br>01062 Dresden<br />
<br />
<br />
'''Inhaber der Professur:''' [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br />
<br />
<br />
Das E-Learning Modul entwickelte sich im Laufe der Zeit über verschiedene Projektphasen stetig weiter. Es umfasst sowohl Inhalte zur Methodenlehre und Versuchsplanung der Psychologie, der kognitiven Modellierung sowie zu statistischen Grundbegriffen und Grundlagen multivariater Verfahren. Bei Anmerkungen, Vorschlägen oder Beschwerden (z.B. Fehlermeldungen) zu dieser Plattform und ihrem Inhalt, sowie Wünschen für zukünftige thematische Ergänzungen (etwa einzelne Artikel) kontaktieren Sie uns bitte über [mailto:elearning@web.de elearning@web.de].<br />
<br />
<br />
== Inhaltsbereich Methoden der Psychologie und Versuchsplanung ==<br />
<br><br />
'''Gefördert von:''' Multimediafonds der TU Dresden 2008/2009 und 2014/2015<br />
<br />
<br />
'''Inhaltliche Verantwortung''': [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br />
<br />
'''Initiatorin:''' Prof. em. Bärbel Bergmann<br />
<br />
'''Koordination und inhaltliche Beratung:''' [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br />
<br />
'''Inhaltliche und technische Beratung:''' [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br />
<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter 2008/2009'''''<br />
* Malgorzata Górniak<br />
* Johanna Petzold<br />
* Kristina Schäfer<br />
* Nele Weßels<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter 2014/2015'''''<br />
* Micha Englisch<br />
* Diana Ewert-Altenhain<br />
* Maren Klein<br />
* Paulina Lemper<br />
* Carolin Scholl<br />
* Johannes Steffen<br />
<br />
<br />
== Inhaltsbereich Kognitive Modellierung ==<br />
<br><br />
'''Gefördert von:''' Multimediafonds der TU Dresden 2017/2018<br />
<br />
<br />
'''Inhaltliche Verantwortung''': [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br />
<br />
'''Inhaltliche und technische Beratung:''' [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br />
<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter, TU Dresden'''''<br />
* Maria Reichert<br />
* Theo Schäfer<br />
* Peggy Wehner<br />
<br />
<br />
== Inhaltsbereich Statistik ==<br />
<br><br />
'''Gefördert von:''' Hochschuldidaktisches Zentrum Sachsen, LiT Förderung 2019/2020<br />
<br />
<br />
<br />
'''Inhaltliche Verantwortung:''' [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br />
<br />
<br />
Verbundprojekt TU Dresden (Fakultät Psychologie) und Hochschule Zittau / Görlitz (Fakultät Sozialwissenschaften)<br />
<br />
'''Projektleitung:''' [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum] und [mailto:Maja.Dshemuchadse@hszg.de Prof. Dr. Maja Dshemuchadse]<br />
<br />
'''Projektkoordination:''' [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br />
<br />
'''Inhaltliche und technische Beratung:''' [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br />
<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter, TU Dresden'''''<br />
* Marlon Esmeyer<br />
* Judith Herbers<br />
* Maria Reichert<br />
* Peggy Wehner<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter, Hochschule Zittau / Görlitz'''''<br />
* Dorothea Rolf<br />
* Philipp Maurer<br />
<br />
<br />
<br />
© Professur Methoden der Psychologie und kognitive Modellierung, Fakultät Psychologie der TU Dresden, alle Rechte vorbehalten.<br />
Jegliche Vervielfältigung oder Weiterverbreitung oder Weiterverarbeitung in jedem Medium als Ganzes oder in Teilen bedarf der Zustimmung der Professur Methoden der Psychologie und kognitive Modellierung, Fakultät Psychologie der TU Dresden.<br />
<br />
<br />
'''Haftungshinweis'''<br />
<br />
Wir übernehmen keine Haftung für die Inhalte externer Links. Für den Inhalt der verlinkten Seiten sind ausschließlich deren Betreiber verantwortlich.</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Impressum&diff=4781
Impressum
2020-03-18T17:18:41Z
<p>Wehner: </p>
<hr />
<div>__NOTOC__ <br />
<br />
Die Website https://methpsy.elearning.psych.tu-dresden.de/ einschließlich aller Unterseiten ist ein Objekt der Professur Methoden der Psychologie und kognitive Modellierung der Fakultät Psychologie der TU Dresden. <br />
<br />
<br />
TU Dresden<br>Fakultät Psychologie<br>Professur Methoden der Psychologie<br>01062 Dresden<br />
<br />
<br />
'''Inhaber der Professur:''' [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br />
<br />
<br />
Das E-Learning Modul entwickelte sich im Laufe der Zeit über verschiedene Projektphasen stetig weiter. Es umfasst sowohl Inhalte zur Methodenlehre und Versuchsplanung der Psychologie, der kognitiven Modellierung sowie zu statistischen Grundbegriffen und Grundlagen multivariater Verfahren. Bei Anmerkungen, Vorschlägen oder Beschwerden (z.B. Fehlermeldungen) zu dieser Plattform und ihrem Inhalt, sowie Wünschen für zukünftige thematische Ergänzungen (etwa einzelne Artikel) kontaktieren Sie uns bitte über [mailto:elearning@web.de elearning@web.de].<br />
<br />
<br />
== Inhaltsbereich Methoden der Psychologie und Versuchsplanung ==<br />
<br><br />
'''Gefördert von:''' Multimediafonds der TU Dresden 2008/2009 und 2014/2015<br />
<br />
<br />
'''Inhaltliche Verantwortung''': [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br />
<br />
'''Initiatorin:''' Prof. em. Bärbel Bergmann<br />
<br />
'''Koordination und inhaltliche Beratung:''' [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br />
<br />
'''Inhaltliche und technische Beratung:''' [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br />
<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter 2008/2009'''''<br />
* Malgorzata Górniak<br />
* Johanna Petzold<br />
* Kristina Schäfer<br />
* Nele Weßels<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter 2014/2015'''''<br />
* Micha Englisch<br />
* Diana Ewert-Altenhain<br />
* Maren Klein<br />
* Paulina Lemper<br />
* Carolin Scholl<br />
* Johannes Steffen<br />
<br />
<br />
== Inhaltsbereich Kognitive Modellierung ==<br />
<br><br />
'''Gefördert von:''' Multimediafonds der TU Dresden 2017/2018<br />
<br />
<br />
'''Inhaltliche Verantwortung''': [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br />
<br />
'''Inhaltliche und technische Beratung:''' [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br />
<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter, TU Dresden'''''<br />
* Maria Reichert<br />
* Theo Schäfer<br />
* Peggy Wehner<br />
<br />
<br />
== Inhaltsbereich Statistik ==<br />
<br><br />
'''Gefördert von:''' Hochschuldidaktisches Zentrum Sachsen, LiT Förderung 2019/2020<br />
<br />
<br />
<br />
'''Inhaltliche Verantwortung:''' [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br />
<br />
Verbundprojekt TU Dresden (Fakultät Psychologie) und Hochschule Zittau / Görlitz (Fakultät Sozialwissenschaften)<br />
<br />
'''Projektleitung:''' [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum] und [mailto:Maja.Dshemuchadse@hszg.de Prof. Dr. Maja Dshemuchadse]<br />
<br />
'''Projektkoordination:''' [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br />
<br />
'''Inhaltliche und technische Beratung:''' [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br />
<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter, TU Dresden'''''<br />
* Marlon Esmeyer<br />
* Judith Herbers<br />
* Maria Reichert<br />
* Peggy Wehner<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter, Hochschule Zittau / Görlitz'''''<br />
* Dorothea Rolf<br />
* Philipp Maurer<br />
<br />
<br />
<br />
© Professur Methoden der Psychologie und kognitive Modellierung, Fakultät Psychologie der TU Dresden, alle Rechte vorbehalten.<br />
Jegliche Vervielfältigung oder Weiterverbreitung oder Weiterverarbeitung in jedem Medium als Ganzes oder in Teilen bedarf der Zustimmung der Professur Methoden der Psychologie und kognitive Modellierung, Fakultät Psychologie der TU Dresden.<br />
<br />
<br />
'''Haftungshinweis'''<br />
<br />
Wir übernehmen keine Haftung für die Inhalte externer Links. Für den Inhalt der verlinkten Seiten sind ausschließlich deren Betreiber verantwortlich.</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Impressum&diff=4780
Impressum
2020-03-18T17:18:09Z
<p>Wehner: </p>
<hr />
<div>__NOTOC__ <br />
<br />
Die Website https://methpsy.elearning.psych.tu-dresden.de/ einschließlich aller Unterseiten ist ein Objekt der Professur Methoden der Psychologie und kognitive Modellierung der Fakultät Psychologie der TU Dresden. <br />
<br />
<br />
TU Dresden<br>Fakultät Psychologie<br>Professur Methoden der Psychologie<br>01062 Dresden<br />
<br />
<br />
'''Inhaber der Professur:''' [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br />
<br />
<br />
Das E-Learning Modul entwickelte sich im Laufe der Zeit über verschiedene Projektphasen stetig weiter. Es umfasst sowohl Inhalte zur Methodenlehre und Versuchsplanung der Psychologie, der kognitiven Modellierung sowie zu statistischen Grundbegriffen und Grundlagen multivariater Verfahren. Bei Anmerkungen, Vorschlägen oder Beschwerden (z.B. Fehlermeldungen) zu dieser Plattform und ihrem Inhalt, sowie Wünschen für zukünftige thematische Ergänzungen (etwa einzelne Artikel) kontaktieren Sie uns bitte über [mailto:elearning@web.de elearning@web.de].<br />
<br />
<br />
== Inhaltsbereich Methoden der Psychologie und Versuchsplanung ==<br />
<br><br />
'''Gefördert von:''' Multimediafonds der TU Dresden 2008/2009 und 2014/2015<br />
<br />
<br />
'''Inhaltliche Verantwortung''': [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br />
<br />
'''Initiatorin:''' Prof. em. Bärbel Bergmann<br />
<br />
'''Koordination und inhaltliche Beratung:''' [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br />
<br />
'''Inhaltliche und technische Beratung:''' [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br />
<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter 2008/2009'''''<br />
* Malgorzata Górniak<br />
* Johanna Petzold<br />
* Kristina Schäfer<br />
* Nele Weßels<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter 2014/2015'''''<br />
* Micha Englisch<br />
* Diana Ewert-Altenhain<br />
* Maren Klein<br />
* Paulina Lemper<br />
* Carolin Scholl<br />
* Johannes Steffen<br />
<br />
<br />
== Inhaltsbereich Kognitive Modellierung ==<br />
<br><br />
'''Gefördert von:''' Multimediafonds der TU Dresden 2017/2018<br />
<br />
<br />
'''Inhaltliche Verantwortung''': [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br />
<br />
'''Inhaltliche und technische Beratung:''' [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br />
<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter, TU Dresden'''''<br />
* Maria Reichert<br />
* Theo Schäfer<br />
* Peggy Wehner<br />
<br />
<br />
== Inhaltsbereich Statistik ==<br />
<br><br />
'''Gefördert von:''' Hochschuldidaktisches Zentrum Sachsen, LiT Förderung 2019/2020<br />
<br />
<br />
<br />
'''Inhaltliche Verantwortung:''' [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br />
<br />
Verbundprojekt TU Dresden (Fakultät Psychologie) und Hochschule Zittau / Görlitz (Fakultät Sozialwissenschaften)<br />
'''Projektleitung:''' [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum] und [mailto:Maja.Dshemuchadse@hszg.de Prof. Dr. Maja Dshemuchadse]<br />
<br />
'''Projektkoordination:''' [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br />
<br />
'''Inhaltliche und technische Beratung:''' [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br />
<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter, TU Dresden'''''<br />
* Marlon Esmeyer<br />
* Judith Herbers<br />
* Maria Reichert<br />
* Peggy Wehner<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter, Hochschule Zittau / Görlitz'''''<br />
* Dorothea Rolf<br />
* Philipp Maurer<br />
<br />
<br />
<br />
© Professur Methoden der Psychologie und kognitive Modellierung, Fakultät Psychologie der TU Dresden, alle Rechte vorbehalten.<br />
Jegliche Vervielfältigung oder Weiterverbreitung oder Weiterverarbeitung in jedem Medium als Ganzes oder in Teilen bedarf der Zustimmung der Professur Methoden der Psychologie und kognitive Modellierung, Fakultät Psychologie der TU Dresden.<br />
<br />
<br />
'''Haftungshinweis'''<br />
<br />
Wir übernehmen keine Haftung für die Inhalte externer Links. Für den Inhalt der verlinkten Seiten sind ausschließlich deren Betreiber verantwortlich.</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Impressum&diff=4779
Impressum
2020-03-18T17:17:20Z
<p>Wehner: </p>
<hr />
<div>__NOTOC__ <br />
<br />
Die Website https://methpsy.elearning.psych.tu-dresden.de/ einschließlich aller Unterseiten ist ein Objekt der Professur Methoden der Psychologie und kognitive Modellierung der Fakultät Psychologie der TU Dresden. <br />
<br />
<br />
TU Dresden<br>Fakultät Psychologie<br>Professur Methoden der Psychologie<br>01062 Dresden<br />
<br />
<br />
'''Inhaber der Professur:''' [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br />
<br />
<br />
Das E-Learning Modul entwickelte sich im Laufe der Zeit über verschiedene Projektphasen stetig weiter. Es umfasst sowohl Inhalte zur Methodenlehre und Versuchsplanung der Psychologie, der kognitiven Modellierung sowie zu statistischen Grundbegriffen und Grundlagen multivariater Verfahren. Bei Anmerkungen, Vorschlägen oder Beschwerden (z.B. Fehlermeldungen) zu dieser Plattform und ihrem Inhalt, sowie Wünschen für zukünftige thematische Ergänzungen (etwa einzelne Artikel) kontaktieren Sie uns bitte über [mailto:elearning@web.de elearning@web.de].<br />
<br />
<br />
== Inhaltsbereich Methoden der Psychologie und Versuchsplanung ==<br />
<br><br />
'''Gefördert von:''' Multimediafonds der TU Dresden 2008/2009 und 2014/2015<br />
<br />
<br />
'''Inhaltliche Verantwortung''': [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br />
<br />
'''Initiatorin:''' Prof. em. Bärbel Bergmann<br />
<br />
'''Koordination und inhaltliche Beratung:''' [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br />
<br />
'''Inhaltliche und technische Beratung:''' [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br />
<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter 2008/2009'''''<br />
* Malgorzata Górniak<br />
* Johanna Petzold<br />
* Kristina Schäfer<br />
* Nele Weßels<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter 2014/2015'''''<br />
* Micha Englisch<br />
* Diana Ewert-Altenhain<br />
* Maren Klein<br />
* Paulina Lemper<br />
* Carolin Scholl<br />
* Johannes Steffen<br />
<br />
<br />
== Inhaltsbereich Kognitive Modellierung ==<br />
<br><br />
'''Gefördert von:''' Multimediafonds der TU Dresden 2017/2018<br />
<br />
<br />
'''Inhaltliche Verantwortung''': [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br />
<br />
'''Inhaltliche und technische Beratung:''' [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br />
<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter, TU Dresden'''''<br />
* Maria Reichert<br />
* Theo Schäfer<br />
* Peggy Wehner<br />
<br />
<br />
== Inhaltsbereich Statistik ==<br />
<br><br />
'''Gefördert von:''' Hochschuldidaktisches Zentrum Sachsen, LiT Förderung 2019/2020<br />
<br />
<br />
<br />
Verbundprojekt TU Dresden (Fakultät Psychologie) und Hochschule Zittau / Görlitz (Fakultät Sozialwissenschaften)<br />
<br />
'''Inhaltliche Verantwortung:''' [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br />
<br />
'''Projektleitung:''' [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum] und [mailto:Maja.Dshemuchadse@hszg.de Prof. Dr. Maja Dshemuchadse]<br />
<br />
'''Projektkoordination:''' [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br />
<br />
'''Inhaltliche und technische Beratung:''' [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br />
<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter, TU Dresden'''''<br />
* Marlon Esmeyer<br />
* Judith Herbers<br />
* Maria Reichert<br />
* Peggy Wehner<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter, Hochschule Zittau / Görlitz'''''<br />
* Dorothea Rolf<br />
* Philipp Maurer<br />
<br />
<br />
<br />
© Professur Methoden der Psychologie und kognitive Modellierung, Fakultät Psychologie der TU Dresden, alle Rechte vorbehalten.<br />
Jegliche Vervielfältigung oder Weiterverbreitung oder Weiterverarbeitung in jedem Medium als Ganzes oder in Teilen bedarf der Zustimmung der Professur Methoden der Psychologie und kognitive Modellierung, Fakultät Psychologie der TU Dresden.<br />
<br />
<br />
'''Haftungshinweis'''<br />
<br />
Wir übernehmen keine Haftung für die Inhalte externer Links. Für den Inhalt der verlinkten Seiten sind ausschließlich deren Betreiber verantwortlich.</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Impressum&diff=4778
Impressum
2020-03-18T17:16:42Z
<p>Wehner: </p>
<hr />
<div>__NOTOC__ <br />
<br />
Die Website https://methpsy.elearning.psych.tu-dresden.de/ einschließlich aller Unterseiten ist ein Objekt der Professur Methoden der Psychologie und kognitive Modellierung der Fakultät Psychologie der TU Dresden. <br />
<br />
<br />
TU Dresden<br>Fakultät Psychologie<br>Professur Methoden der Psychologie<br>01062 Dresden<br />
<br />
<br />
'''Inhaber der Professur:''' [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br />
<br />
<br />
Das E-Learning Modul entwickelte sich im Laufe der Zeit über verschiedene Projektphasen stetig weiter. Es umfasst sowohl Inhalte zur Methodenlehre und Versuchsplanung der Psychologie, der kognitiven Modellierung sowie zu statistischen Grundbegriffen und Grundlagen multivariater Verfahren. Bei Anmerkungen, Vorschlägen oder Beschwerden (z.B. Fehlermeldungen) zu dieser Plattform und ihrem Inhalt, sowie Wünschen für zukünftige thematische Ergänzungen (etwa einzelne Artikel) kontaktieren Sie uns bitte über [mailto:elearning@web.de elearning@web.de].<br />
<br />
<br />
== Inhaltsbereich Methoden der Psychologie und Versuchsplanung ==<br />
<br><br />
'''Gefördert von:''' Multimediafonds der TU Dresden 2008/2009 und 2014/2015<br />
<br />
<br />
'''Inhaltliche Verantwortung''': [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br />
<br />
'''Initiatorin:''' Prof. em. Bärbel Bergmann<br />
<br />
'''Koordination und inhaltliche Beratung:''' [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br />
<br />
'''Inhaltliche und technische Beratung:''' [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br />
<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter 2008/2009'''''<br />
* Malgorzata Górniak<br />
* Johanna Petzold<br />
* Kristina Schäfer<br />
* Nele Weßels<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter 2014/2015'''''<br />
* Micha Englisch<br />
* Diana Ewert-Altenhain<br />
* Maren Klein<br />
* Paulina Lemper<br />
* Carolin Scholl<br />
* Johannes Steffen<br />
<br />
<br />
== Inhaltsbereich Kognitive Modellierung ==<br />
<br><br />
'''Gefördert von:''' Multimediafonds der TU Dresden 2017/2018<br />
<br />
<br />
'''Inhaltliche Verantwortung''': [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br />
<br />
'''Inhaltliche und technische Beratung:''' [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br />
<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter, TU Dresden'''''<br />
* Maria Reichert<br />
* Theo Schäfer<br />
* Peggy Wehner<br />
<br />
<br />
== Inhaltsbereich Statistik ==<br />
<br><br />
'''Gefördert von:''' Hochschuldidaktisches Zentrum Sachsen, LiT Förderung 2019/2020<br />
<br />
<br />
<br />
Verbundprojekt TU Dresden (Fakultät Psychologie) und Hochschule Zittau / Görlitz (Fakultät Sozialwissenschaften)<br />
<br />
'''Inhaltliche Verantwortung und Projektkoordination:''' [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br />
<br />
'''Projektleitung:''' [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum] und [mailto:Maja.Dshemuchadse@hszg.de Prof. Dr. Maja Dshemuchadse]<br />
<br />
'''Projektkoordination:''' [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br />
<br />
'''Inhaltliche und technische Beratung:''' [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br />
<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter, TU Dresden'''''<br />
* Marlon Esmeyer<br />
* Judith Herbers<br />
* Maria Reichert<br />
* Peggy Wehner<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter, Hochschule Zittau / Görlitz'''''<br />
* Dorothea Rolf<br />
* Philipp Maurer<br />
<br />
<br />
<br />
© Professur Methoden der Psychologie und kognitive Modellierung, Fakultät Psychologie der TU Dresden, alle Rechte vorbehalten.<br />
Jegliche Vervielfältigung oder Weiterverbreitung oder Weiterverarbeitung in jedem Medium als Ganzes oder in Teilen bedarf der Zustimmung der Professur Methoden der Psychologie und kognitive Modellierung, Fakultät Psychologie der TU Dresden.<br />
<br />
<br />
'''Haftungshinweis'''<br />
<br />
Wir übernehmen keine Haftung für die Inhalte externer Links. Für den Inhalt der verlinkten Seiten sind ausschließlich deren Betreiber verantwortlich.</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Impressum&diff=4777
Impressum
2020-03-18T17:16:00Z
<p>Wehner: </p>
<hr />
<div>__NOTOC__ <br />
<br />
Die Website https://methpsy.elearning.psych.tu-dresden.de/ einschließlich aller Unterseiten ist ein Objekt der Professur Methoden der Psychologie und kognitive Modellierung der Fakultät Psychologie der TU Dresden. <br />
<br />
<br />
TU Dresden<br>Fakultät Psychologie<br>Professur Methoden der Psychologie<br>01062 Dresden<br />
<br />
<br />
'''Inhaber der Professur:''' [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br />
<br />
<br />
Das E-Learning Modul entwickelte sich im Laufe der Zeit über verschiedene Projektphasen stetig weiter. Es umfasst sowohl Inhalte zur Methodenlehre und Versuchsplanung der Psychologie, der kognitiven Modellierung sowie zu statistischen Grundbegriffen und Grundlagen multivariater Verfahren. Bei Anmerkungen, Vorschlägen oder Beschwerden (z.B. Fehlermeldungen) zu dieser Plattform und ihrem Inhalt, sowie Wünschen für zukünftige thematische Ergänzungen (etwa einzelne Artikel) kontaktieren Sie uns bitte über [mailto:elearning@web.de elearning@web.de].<br />
<br />
<br />
== Inhaltsbereich Methoden der Psychologie und Versuchsplanung ==<br />
<br><br />
'''Gefördert von:''' Multimediafonds der TU Dresden 2008/2009 und 2014/2015<br />
<br />
<br />
'''Inhaltliche Verantwortung''': [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br />
<br />
'''Initiatorin:''' Prof. em. Bärbel Bergmann<br />
<br />
'''Koordination und inhaltliche Beratung:''' [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br />
<br />
'''Inhaltliche und technische Beratung:''' [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br />
<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter 2008/2009'''''<br />
* Malgorzata Górniak<br />
* Johanna Petzold<br />
* Kristina Schäfer<br />
* Nele Weßels<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter 2014/2015'''''<br />
* Micha Englisch<br />
* Diana Ewert-Altenhain<br />
* Maren Klein<br />
* Paulina Lemper<br />
* Carolin Scholl<br />
* Johannes Steffen<br />
<br />
<br />
== Inhaltsbereich Kognitive Modellierung ==<br />
<br><br />
'''Gefördert von:''' Multimediafonds der TU Dresden 2017/2018<br />
<br />
<br />
'''Inhaltliche Verantwortung''': [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br />
<br />
'''Inhaltliche und technische Beratung:''' [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br />
<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter, TU Dresden'''''<br />
* Maria Reichert<br />
* Theo Schäfer<br />
* Peggy Wehner<br />
<br />
<br />
== Inhaltsbereich Statistik ==<br />
<br><br />
'''Gefördert von:''' Hochschuldidaktisches Zentrum Sachsen, LiT Förderung 2019/2020<br />
<br />
<br />
<br />
Verbundprojekt TU Dresden (Fakultät Psychologie) und Hochschule Zittau / Görlitz (Fakultät Sozialwissenschaften)<br />
'''Inhaltliche Verantwortung und Projektkoordination:''' [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br />
<br />
'''Projektleitung:''' [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum] und [mailto:Maja.Dshemuchadse@hszg.de Prof. Dr. Maja Dshemuchadse]<br />
<br />
'''Projektkoordination:''' [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br />
<br />
'''Inhaltliche und technische Beratung:''' [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br />
<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter, TU Dresden'''''<br />
* Marlon Esmeyer<br />
* Judith Herbers<br />
* Maria Reichert<br />
* Peggy Wehner<br />
<br />
'''''Studentische Mitarbeiterinnen und Mitarbeiter, Hochschule Zittau / Görlitz'''''<br />
* Dorothea Rolf<br />
* Philipp Maurer<br />
<br />
<br />
<br />
© Professur Methoden der Psychologie und kognitive Modellierung, Fakultät Psychologie der TU Dresden, alle Rechte vorbehalten.<br />
Jegliche Vervielfältigung oder Weiterverbreitung oder Weiterverarbeitung in jedem Medium als Ganzes oder in Teilen bedarf der Zustimmung der Professur Methoden der Psychologie und kognitive Modellierung, Fakultät Psychologie der TU Dresden.<br />
<br />
<br />
'''Haftungshinweis'''<br />
<br />
Wir übernehmen keine Haftung für die Inhalte externer Links. Für den Inhalt der verlinkten Seiten sind ausschließlich deren Betreiber verantwortlich.</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Robustheits-_und_Power-Vergleiche&diff=4776
Robustheits- und Power-Vergleiche
2020-03-18T17:10:23Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Statistik_Grundbegriffe|Hauptseite}}<br />
<br />
Robustheits- und Power-Vergleiche beschäftigen sich mit den Ergebnissen von verschiedenen Signifikanztests in Abhängigkeit der vorliegenden Untersuchungssituation. <br />
<br />
Mit Robustheitsuntersuchungen kann analysiert werden, ob ein bestimmter statistischer Test trotz verletzter Voraussetzungen korrekte Ergebnisse erzielt und somit anwendbar ist. Ein Test ist dann robust, wenn die Wahrscheinlichkeit für einen Fehler 1. Art ein gegebenes Signifikanzniveau α nicht überschreitet. Mit Power-Vergleiche kann man durch Simulationen eine Schätzung der Wahrscheinlichkeit erhalten, dass bestimmte statistische Tests unter gegebenen Parametern die Nullhypothese korrekterweise ablehnen. <br />
<br />
* [[Robustheitsuntersuchungen]]<br />
* [[Power-Vergleiche]]</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Resampling-Verfahren&diff=4775
Resampling-Verfahren
2020-03-18T17:10:02Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Statistik_Grundbegriffe|Hauptseite}}<br />
<br />
Parametrische Tests wie beispielsweise der t-Test basieren auf bestimmten Voraussetzungen wie z.B. einer Normalverteilung der Modellfehler. Oft kann jedoch keine Aussage über die vorliegende Verteilung getroffen werden. Die Ergebnisse eines parametrischen Tests sind somit nicht zuverlässig interpretierbar. <br />
<br />
Eine Lösung für dieses Problem bietet die Anwendung eines Resampling-Verfahrens. Ein Resampling-Verfahren basiert auf dem Monte-Carlo Prinzip, d.h. das Problem der fehlenden Verteilungsannahme wird numerisch gelöst. Dazu simuliert man die Nullhypothesenverteilung anhand der vorhandenen Daten. <br />
<br />
Man unterscheidet verschiedene Arten von Resampling-Verfahren, dazu gehören zum Beispiel:<br />
<br />
* [[Bootstrapping]]<br />
* [[Permutationstest|Permutationstests]]</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Stichprobenumfangsplanungen&diff=4774
Stichprobenumfangsplanungen
2020-03-18T17:09:37Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Statistik_Grundbegriffe|Hauptseite}}<br />
<br />
Die Stichprobenumfangsplanung spielt eine wichtige Rolle bei der Versuchsplanung. Es soll dabei eine möglichst hohe Genauigkeit der Ergebnisse erzielt werden, für deren Bestimmung die Teststärke eine zentrale Größe ist. Gleichzeitig soll jedoch der wirtschaftliche und organisatorische Aufwand der Untersuchung so gering wie möglich sein. Um einen möglichst guten Kompromiss zwischen beiden gegensätzlichen Zielen zu finden, werden Stichprobenumfangsplanungen zur Ermittlung der optimalen Stichprobengröße eingesetzt. <br />
<br />
Die Konzepte der Teststärke und der Stichprobenumfangsplanung sollen in den folgenden Artikeln genauer erläutert werden. <br />
<br />
* [[Teststärke]]<br />
* [[Stichprobenumfangsplanung]]</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Grundlagen_von_Signifikanztests&diff=4773
Grundlagen von Signifikanztests
2020-03-18T17:08:25Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Statistik_Grundbegriffe|Hauptseite}}<br />
<br />
Ein statistischer Test ermittelt, wie wahrscheinlich es unter Gültigkeit der Nullhypothese ist, den in einer Stichprobe berechneten Schätzwert oder einen der Nullhypothese noch mehr widersprechenden Wert zu erhalten. Die ermittelte Wahrscheinlichkeit wird als p-Wert bezeichnet. Je geringer der p-Wert ist, desto eher kann die Nullhypothese abgelehnt werden. In Abhängigkeit der vorliegenden Untersuchungssituation werden verschiedene Signifikanztests (t-Test, F-Test, …) angewandt. <br />
<br />
In den folgenden Artikeln sollen sowohl das eben beschriebene Konzept des p-Wertes sowie weitere Grundlagen von Signifikanztests beschrieben werden. Dazu gehört die Entstehung des Standardfehlers, welcher eine zentrale statistische Kenngröße und wichtige Grundlage vieler statistischer Tests ist, die t-Verteilung und die F-Verteilung (Wahrscheinlichkeitsverteilungen, die in der Teststatistik im Rahmen unterschiedlicher Signifikanztests eine wichtige Rolle spielen) sowie Konfidenzintervalle. Ein Konfidenzintervall bezeichnet ein Intervall möglicher Parameterausprägungen, in dem sich ein untersuchter Populationsparameter mit der Wahrscheinlichkeit des Konfidenzniveaus (1-α) befindet. <br />
<br />
* [[Der p-Wert]]<br />
* [[Entstehung des Standardfehlers]]<br />
* [[Die t-Verteilung]]<br />
* [[Die F-Verteilung]]<br />
* [[Konfidenzintervalle]]</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Grundbegriffe_der_Statistik&diff=4772
Grundbegriffe der Statistik
2020-03-18T17:04:26Z
<p>Wehner: </p>
<hr />
<div>{{Nav|Navigation|Statistik_Grundbegriffe|Hauptseite}}<br />
<br />
Die Artikel dieses Abschnittes stellen einige zentrale Grundbegriffe und Methoden der Statistik vor, deren Kenntnis zum Verständnis der Ergebnisse empirischer Untersuchungen und komplexer statistischer Verfahren unverzichtbar ist.<br />
<br />
== Grundlagen von Signifikanztests ==<br />
<br />
Ein statistischer Test ermittelt, wie wahrscheinlich es unter Gültigkeit der Nullhypothese ist, den in einer Stichprobe berechneten Schätzwert oder einen der Nullhypothese noch mehr widersprechenden Wert zu erhalten. Die ermittelte Wahrscheinlichkeit wird als p-Wert bezeichnet. Je geringer der p-Wert ist, desto eher kann die Nullhypothese abgelehnt werden. In Abhängigkeit der vorliegenden Untersuchungssituation werden verschiedene Signifikanztests (t-Test, F-Test, …) angewandt. In den folgenden Artikeln sollen sowohl das eben beschriebene Konzept des p-Wertes sowie weitere Grundlagen von Signifikanztests beschrieben werden. Dazu gehört die Entstehung des Standardfehlers, welcher eine zentrale statistische Kenngröße und wichtige Grundlage vieler statistischer Tests ist, die t-Verteilung und die F-Verteilung (Wahrscheinlichkeitsverteilungen, die in der Teststatistik im Rahmen unterschiedlicher Signifikanztests eine wichtige Rolle spielen) sowie Konfidenzintervalle. Ein Konfidenzintervall bezeichnet ein Intervall möglicher Parameterausprägungen, in dem sich ein untersuchter Populationsparameter mit der Wahrscheinlichkeit des Konfidenzniveaus (1-α) befindet. <br />
<br />
* [[Der p-Wert]]<br />
* [[Entstehung des Standardfehlers]]<br />
* [[Die t-Verteilung]]<br />
* [[Die F-Verteilung]]<br />
* [[Konfidenzintervalle]]<br />
<br />
== Stichprobenumfangsplanungen ==<br />
<br />
Die Stichprobenumfangsplanung spielt eine wichtige Rolle bei der Versuchsplanung. Es soll dabei eine möglichst hohe Genauigkeit der Ergebnisse erzielt werden, für deren Bestimmung die Teststärke eine zentrale Größe ist. Gleichzeitig soll jedoch der wirtschaftliche und organisatorische Aufwand der Untersuchung so gering wie möglich sein. Um einen möglichst guten Kompromiss zwischen beiden gegensätzlichen Zielen zu finden, werden Stichprobenumfangsplanungen zur Ermittlung der optimalen Stichprobengröße eingesetzt. Die Konzepte der Teststärke und der Stichprobenumfangsplanung sollen in den folgenden Artikeln genauer erläutert werden. <br />
<br />
* [[Teststärke]]<br />
* [[Stichprobenumfangsplanung]]<br />
<br />
== Resampling-Verfahren ==<br />
<br />
Parametrische Tests wie beispielsweise der t-Test basieren auf bestimmten Voraussetzungen wie z.B. einer Normalverteilung der Modellfehler. Oft kann jedoch keine Aussage über die vorliegende Verteilung getroffen werden. Die Ergebnisse eines parametrischen Tests sind somit nicht zuverlässig interpretierbar. Eine Lösung für dieses Problem bietet die Anwendung eines Resampling-Verfahrens. Ein Resampling-Verfahren basiert auf dem Monte-Carlo Prinzip, d.h. das Problem der fehlenden Verteilungsannahme wird numerisch gelöst. Dazu simuliert man die Nullhypothesenverteilung anhand der vorhandenen Daten. Man unterscheidet verschiedene Arten von Resampling-Verfahren, dazu gehören zum Beispiel:<br />
<br />
* [[Bootstrapping]]<br />
* [[Permutationstest]]<br />
<br />
== Robustheits- und Power-Vergleiche ==<br />
<br />
Robustheits- und Power-Vergleiche beschäftigen sich mit den Ergebnissen von verschiedenen Signifikanztests in Abhängigkeit der vorliegenden Untersuchungssituation. Mit Robustheitsuntersuchungen kann analysiert werden, ob ein bestimmter statistischer Test trotz verletzter Voraussetzungen korrekte Ergebnisse erzielt und somit anwendbar ist. Ein Test ist dann robust, wenn die Wahrscheinlichkeit für einen Fehler 1. Art ein gegebenes Signifikanzniveau α nicht überschreitet. Mit Power-Vergleiche kann man durch Simulationen eine Schätzung der Wahrscheinlichkeit erhalten, dass bestimmte statistische Tests unter gegebenen Parametern die Nullhypothese korrekterweise ablehnen. <br />
<br />
* [[Robustheitsuntersuchungen]]<br />
* [[Power-Vergleiche]]</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4771
Hauptseite
2020-03-18T17:01:52Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
<br>'''''Inhaltliche Verantwortung'''''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
<br>'''''Inhaltliche und technische Beratung'''''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
<br>'''''Autorinnen und Autoren'''''<br />
{|<br />
{|<br />
|M. Englisch<br />
|<span style="color: white"> kkk </span><br />
|D. Ewert-Altenhain<br />
|-<br />
|M. Gorniak<br />
|<span style="color: white"> kkk </span><br />
|M. Klein<br />
|-<br />
|P. Lemper<br />
|<span style="color: white"> kkk </span><br />
|J. Petzold<br />
|-<br />
|M. Reichert<br />
|<span style="color: white"> kkk </span><br />
|K. Schäfer<br />
|-<br />
|T. Schäfer<br />
|<span style="color: white"> kkk </span><br />
|C. Scholl<br />
|-<br />
|J. Steffen<br />
|<span style="color: white"> kkk </span><br />
|P. Wehner<br />
|-<br />
|N. Weßels<br />
|<span style="color: white"> kkk </span><br />
|<br />
|}<br />
|}<br />
<br />
<br>'''''Technische Unterstützung'''''<br/><br />
* [mailto:Frank.Leonhardt@tu-dresden.de Dipl.-Ing. Frank Leonhardt]<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" der Professur Methoden der Psychologie und kognitive Modellierung der TU Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung mit entsprechenden Übungen zum Einstieg in das Thema psychologische Forschungsmethoden und Versuchsplanung. Die Texte und die Übungsaufgaben sind einerseits als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie gedacht. Andererseits können sie in Master-Studiengängen sowie als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden und Versuchsplanung genutzt werden.<br />
<br />
Im Bereich der fortgeschrittenen Methoden finden Sie Texte, Videos, Apps mit Szenarien sowie Übungsaufgaben zu statistischen Grundbegriffen und zu grundlegenden multivariaten Verfahren. Die Inhalte sind sowohl als Ergänzung zur Statistik-Ausbildung des Bachelorstudiums Psychologie als auch für den Übergang zu Masterprogrammen wie zum Beispiel HPSTS (Human Performance in Socio-Technical Systems) an der TU Dresden konzipiert.<br />
<br />
Spezielles Methodenwissen wird in den Apps, Texten und Übungsaufgaben zur kognitiven Modellierung angeboten, die zur Ergänzung der Methodenausbildung im Master-Programm CAN (Cognitive Affective Neuroscience) an der TU Dresden entwickelt wurden.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4770
Hauptseite
2020-03-18T17:01:10Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
<br>'''''Inhaltliche Verantwortung'''''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
<br>'''''Inhaltliche und technische Beratung'''''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
<br>'''''Autorinnen und Autoren'''''<br />
{|<br />
{|<br />
|M. Englisch<br />
|<span style="color: white"> kkk </span><br />
|D. Ewert-Altenhain<br />
|-<br />
|M. Gorniak<br />
|<span style="color: white"> kkk </span><br />
|M. Klein<br />
|-<br />
|P. Lemper<br />
|<span style="color: white"> kkk </span><br />
|J. Petzold<br />
|-<br />
|M. Reichert<br />
|<span style="color: white"> kkk </span><br />
|K. Schäfer<br />
|-<br />
|T. Schäfer<br />
|<span style="color: white"> kkk </span><br />
|C. Scholl<br />
|-<br />
|J. Steffen<br />
|<span style="color: white"> kkk </span><br />
|P. Wehner<br />
|-<br />
|N. Weßels<br />
|<span style="color: white"> kkk </span><br />
|<br />
|}<br />
|}<br />
<br />
<br>'''''Technische Unterstützung'''''<br/><br />
* [mailto:Frank.Leonhardt@tu-dresden.de Dipl.-Ing. Frank Leonhardt]<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" der Professur Methoden der Psychologie und kognitive Modellierung der TU Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung mit entsprechenden Übungen zum Einstieg in das Thema psychologische Forschungsmethoden und Versuchsplanung. Die Texte und die Übungsaufgaben sind einerseits als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie gedacht. Andererseits können sie in Master-Studiengängen sowie als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden und Versuchsplanung genutzt werden.<br />
<br />
Im Bereich der fortgeschrittenen Methoden finden Sie Texte, Videos, Apps mit Szenarien sowie Übungsaufghaben zu statistischen Grundbegriffen und zu grundlegenden multivariaten Verfahren. Die Inhalte sind sowohl als Ergänzung zur Statistik-Ausbildung des Bachelorstudiums Psychologie als auch für den Übergang zu Masterprogrammen wie zum Beispiel HPSTS (Human Performance in Socio-Technical Systems) an der TU Dresden konzipiert.<br />
<br />
Spezielles Methodenwissen wird in den Apps, Texten und Übungsaufgaben zur kognitiven Modellierung angeboten, die zur Ergänzung der Methodenausbildung im Master-Programm CAN (Cognitive Affective Neuroscience) an der TU Dresden entwickelt wurden.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4769
Hauptseite
2020-03-18T16:59:06Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
<br>'''''Inhaltliche Verantwortung'''''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
<br>'''''Inhaltliche und technische Beratung'''''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
<br>'''''Autorinnen und Autoren'''''<br />
{|<br />
{|<br />
|M. Englisch<br />
|<span style="color: white"> kkk </span><br />
|D. Ewert-Altenhain<br />
|-<br />
|M. Gorniak<br />
|<span style="color: white"> kkk </span><br />
|M. Klein<br />
|-<br />
|P. Lemper<br />
|<span style="color: white"> kkk </span><br />
|J. Petzold<br />
|-<br />
|M. Reichert<br />
|<span style="color: white"> kkk </span><br />
|K. Schäfer<br />
|-<br />
|T. Schäfer<br />
|<span style="color: white"> kkk </span><br />
|C. Scholl<br />
|-<br />
|J. Steffen<br />
|<span style="color: white"> kkk </span><br />
|P. Wehner<br />
|-<br />
|N. Weßels<br />
|<span style="color: white"> kkk </span><br />
|<br />
|}<br />
|}<br />
<br />
<br>'''''Technische Unterstützung'''''<br/><br />
* [mailto:Frank.Leonhardt@tu-dresden.de Dipl.-Ing. Frank Leonhardt]<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" des Lehrstuhls Methoden der Psychologie und kognitive Modellierung der Technischen Universität Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung zum Einstieg in die Themen psychologische Forschungsmethoden, Versuchsplanung, kognitive Modellierung und statistische Grundbegriffe und Grundlagen multivariater Verfahren.<br />
Die Artikel sind sowohl als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie, zum Modul CAN6 des Master Programms Cognitive Affective Neuroscience, als auch als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden, Versuchsplanung und kognitive Modellierung ausgelegt.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4768
Hauptseite
2020-03-18T16:58:52Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
<br>'''''Inhaltliche Verantwortung'''''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
<br>'''''Inhaltliche und technische Beratung'''''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
<br>'''''Autorinnen und Autoren'''''<br />
{|<br />
{|<br />
|M. Englisch<br />
|<span style="color: white"> kkk </span><br />
|D. Ewert-Altenhain<br />
|-<br />
|M. Gorniak<br />
|<span style="color: white"> kkk </span><br />
|M. Klein<br />
|-<br />
|P. Lemper<br />
|<span style="color: white"> kkk </span><br />
|J. Petzold<br />
|-<br />
|M. Reichert<br />
|<span style="color: white"> kkk </span><br />
|K. Schäfer<br />
|-<br />
|T. Schäfer<br />
|<span style="color: white"> kkk </span><br />
|C. Scholl<br />
|-<br />
|J. Steffen<br />
|<span style="color: white"> kkk </span><br />
|P. Wehner<br />
|-<br />
|N. Weßels<br />
|<span style="color: white"> kkk </span><br />
|<br />
|}<br />
|}<br />
<br />
<br>'''''Technische Unterstützung'''''<br/><br />
* [mailto:Frank.Leonhardt@tu-dresden.de Dipl.-Ing. Frank Leonhardt]<br />
<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" des Lehrstuhls Methoden der Psychologie und kognitive Modellierung der Technischen Universität Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung zum Einstieg in die Themen psychologische Forschungsmethoden, Versuchsplanung, kognitive Modellierung und statistische Grundbegriffe und Grundlagen multivariater Verfahren.<br />
Die Artikel sind sowohl als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie, zum Modul CAN6 des Master Programms Cognitive Affective Neuroscience, als auch als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden, Versuchsplanung und kognitive Modellierung ausgelegt.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4767
Hauptseite
2020-03-18T16:58:25Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
<br>'''''Inhaltliche Verantwortung'''''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
<br>'''''Inhaltliche und technische Beratung'''''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
<br>'''''Autorinnen und Autoren'''''<br />
{|<br />
{|<br />
|M. Englisch<br />
|<span style="color: white"> kkk </span><br />
|D. Ewert-Altenhain<br />
|-<br />
|M. Gorniak<br />
|<span style="color: white"> kkk </span><br />
|M. Klein<br />
|-<br />
|P. Lemper<br />
|<span style="color: white"> kkk </span><br />
|J. Petzold<br />
|-<br />
|M. Reichert<br />
|<span style="color: white"> kkk </span><br />
|K. Schäfer<br />
|-<br />
|T. Schäfer<br />
|<span style="color: white"> kkk </span><br />
|C. Scholl<br />
|-<br />
|J. Steffen<br />
|<span style="color: white"> kkk </span><br />
|P. Wehner<br />
|-<br />
|N. Weßels<br />
|<span style="color: white"> kkk </span><br />
|<br />
|}<br />
|}<br />
<br />
<br>'''''Technische Unterstützung'''''<br/><br />
* [mailto:Frank.Leonhardt@tu-dresden.de Dipl.-Ing. Frank Leonhardt]<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" des Lehrstuhls Methoden der Psychologie und kognitive Modellierung der Technischen Universität Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung zum Einstieg in die Themen psychologische Forschungsmethoden, Versuchsplanung, kognitive Modellierung und statistische Grundbegriffe und Grundlagen multivariater Verfahren.<br />
Die Artikel sind sowohl als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie, zum Modul CAN6 des Master Programms Cognitive Affective Neuroscience, als auch als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden, Versuchsplanung und kognitive Modellierung ausgelegt.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4766
Hauptseite
2020-03-18T16:57:24Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
<br>'''''Inhaltliche Verantwortung'''''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
<br>'''''Inhaltliche und technische Beratung'''''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
<br>'''''Autorinnen und Autoren'''''<br />
{|<br />
{|<br />
|> M. Englisch<br />
|<span style="color: white"> kkk </span><br />
|&bull; D. Ewert-Altenhain<br />
|-<br />
|&bull; M. Gorniak<br />
|<span style="color: white"> kkk </span><br />
|&bull; M. Klein<br />
|-<br />
|&bull; P. Lemper<br />
|<span style="color: white"> kkk </span><br />
|&bull; J. Petzold<br />
|-<br />
|&bull; M. Reichert<br />
|<span style="color: white"> kkk </span><br />
|&bull; K. Schäfer<br />
|-<br />
|&bull; T. Schäfer<br />
|<span style="color: white"> kkk </span><br />
|&bull; C. Scholl<br />
|-<br />
|&bull; J. Steffen<br />
|<span style="color: white"> kkk </span><br />
|&bull; P. Wehner<br />
|-<br />
|&bull; N. Weßels<br />
|<span style="color: white"> kkk </span><br />
|<br />
|}<br />
|}<br />
<br />
<br>'''''Technische Unterstützung'''''<br/><br />
* [mailto:Frank.Leonhardt@tu-dresden.de Dipl.-Ing. Frank Leonhardt]<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" des Lehrstuhls Methoden der Psychologie und kognitive Modellierung der Technischen Universität Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung zum Einstieg in die Themen psychologische Forschungsmethoden, Versuchsplanung, kognitive Modellierung und statistische Grundbegriffe und Grundlagen multivariater Verfahren.<br />
Die Artikel sind sowohl als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie, zum Modul CAN6 des Master Programms Cognitive Affective Neuroscience, als auch als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden, Versuchsplanung und kognitive Modellierung ausgelegt.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4765
Hauptseite
2020-03-18T16:56:44Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
<br>'''''Inhaltliche Verantwortung'''''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
<br>'''''Inhaltliche und technische Beratung'''''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
<br>'''''Autorinnen und Autoren'''''<br />
{|<br />
{|<br />
|&bull; M. Englisch<br />
|<span style="color: white"> kkk </span><br />
|&bull; D. Ewert-Altenhain<br />
|-<br />
|&bull; M. Gorniak<br />
|<span style="color: white"> kkk </span><br />
|&bull; M. Klein<br />
|-<br />
|&bull; P. Lemper<br />
|<span style="color: white"> kkk </span><br />
|&bull; J. Petzold<br />
|-<br />
|&bull; M. Reichert<br />
|<span style="color: white"> kkk </span><br />
|&bull; K. Schäfer<br />
|-<br />
|&bull; T. Schäfer<br />
|<span style="color: white"> kkk </span><br />
|&bull; C. Scholl<br />
|-<br />
|&bull; J. Steffen<br />
|<span style="color: white"> kkk </span><br />
|&bull; P. Wehner<br />
|-<br />
|&bull; N. Weßels<br />
|<span style="color: white"> kkk </span><br />
|<br />
|}<br />
|}<br />
<br />
<br>'''''Technische Unterstützung'''''<br/><br />
* [mailto:Frank.Leonhardt@tu-dresden.de Dipl.-Ing. Frank Leonhardt]<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" des Lehrstuhls Methoden der Psychologie und kognitive Modellierung der Technischen Universität Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung zum Einstieg in die Themen psychologische Forschungsmethoden, Versuchsplanung, kognitive Modellierung und statistische Grundbegriffe und Grundlagen multivariater Verfahren.<br />
Die Artikel sind sowohl als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie, zum Modul CAN6 des Master Programms Cognitive Affective Neuroscience, als auch als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden, Versuchsplanung und kognitive Modellierung ausgelegt.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4764
Hauptseite
2020-03-18T16:56:03Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
<br>'''''Inhaltliche Verantwortung'''''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
<br>'''''Inhaltliche und technische Beratung'''''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
<br>'''''Autorinnen und Autoren'''''<br />
{|<br />
{|<br />
|&bull; M. Englisch<br />
|<span style="color: white"> kkk </span><br />
|D. Ewert-Altenhain<br />
|-<br />
|M. Gorniak<br />
|<span style="color: white"> kkk </span><br />
|M. Klein<br />
|-<br />
|P. Lemper<br />
|<span style="color: white"> kkk </span><br />
|J. Petzold<br />
|-<br />
|M. Reichert<br />
|<span style="color: white"> kkk </span><br />
|K. Schäfer<br />
|-<br />
|T. Schäfer<br />
|<span style="color: white"> kkk </span><br />
|C. Scholl<br />
|-<br />
|J. Steffen<br />
|<span style="color: white"> kkk </span><br />
|P. Wehner<br />
|-<br />
|N. Weßels<br />
|<span style="color: white"> kkk </span><br />
|<br />
|}<br />
|}<br />
<br />
<br>'''''Technische Unterstützung'''''<br/><br />
* [mailto:Frank.Leonhardt@tu-dresden.de Dipl.-Ing. Frank Leonhardt]<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" des Lehrstuhls Methoden der Psychologie und kognitive Modellierung der Technischen Universität Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung zum Einstieg in die Themen psychologische Forschungsmethoden, Versuchsplanung, kognitive Modellierung und statistische Grundbegriffe und Grundlagen multivariater Verfahren.<br />
Die Artikel sind sowohl als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie, zum Modul CAN6 des Master Programms Cognitive Affective Neuroscience, als auch als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden, Versuchsplanung und kognitive Modellierung ausgelegt.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4763
Hauptseite
2020-03-18T16:54:54Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
<br>'''''Inhaltliche Verantwortung'''''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
<br>'''''Inhaltliche und technische Beratung'''''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
<br>'''''Autorinnen und Autoren'''''<br />
{|<br />
{|<br />
|M. Englisch<br />
|<span style="color: white"> kkk </span><br />
|D. Ewert-Altenhain<br />
|-<br />
|M. Gorniak<br />
|<span style="color: white"> kkk </span><br />
|M. Klein<br />
|-<br />
|P. Lemper<br />
|<span style="color: white"> kkk </span><br />
|J. Petzold<br />
|-<br />
|M. Reichert<br />
|<span style="color: white"> kkk </span><br />
|K. Schäfer<br />
|-<br />
|T. Schäfer<br />
|<span style="color: white"> kkk </span><br />
|C. Scholl<br />
|-<br />
|J. Steffen<br />
|<span style="color: white"> kkk </span><br />
|P. Wehner<br />
|-<br />
|N. Weßels<br />
|<span style="color: white"> kkk </span><br />
|<br />
|}<br />
|}<br />
<br />
<br>'''''Technische Unterstützung'''''<br/><br />
* [mailto:Frank.Leonhardt@tu-dresden.de Dipl.-Ing. Frank Leonhardt]<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" des Lehrstuhls Methoden der Psychologie und kognitive Modellierung der Technischen Universität Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung zum Einstieg in die Themen psychologische Forschungsmethoden, Versuchsplanung, kognitive Modellierung und statistische Grundbegriffe und Grundlagen multivariater Verfahren.<br />
Die Artikel sind sowohl als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie, zum Modul CAN6 des Master Programms Cognitive Affective Neuroscience, als auch als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden, Versuchsplanung und kognitive Modellierung ausgelegt.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4762
Hauptseite
2020-03-18T16:54:22Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
<br>'''''Inhaltliche Verantwortung'''''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
<br>'''''Inhaltliche und technische Beratung'''''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
<br>'''''Autorinnen und Autoren'''''<br />
{|<br />
{|<br />
|M. Englisch<br />
|<span style="color: white"> kkk </span><br />
|D. Ewert-Altenhain<br />
|-<br />
|M. Gorniak<br />
|<span style="color: white"> kkk </span><br />
|M. Klein<br />
|-<br />
|P. Lemper<br />
|<span style="color: white"> kkk </span><br />
|J. Petzold<br />
|-<br />
|M. Reichert<br />
|<span style="color: white"> kkk </span><br />
|K. Schäfer<br />
|-<br />
|T. Schäfer<br />
|<span style="color: white"> kkk </span><br />
|C. Scholl<br />
|-<br />
|J. Steffen<br />
|<span style="color: white"> kkk </span><br />
|P. Wehner<br />
|-<br />
|N. Weßels<br />
|<span style="color: white"> kkk </span><br />
|<br />
|}<br />
|}<br />
<br />
<br>'''''Technische Unterstützung'''''<br/><br />
* [mailto:Frank.Leonhardt@tu-dresden.de Dipl.-Ing. Frank Leonhardt]<br />
<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" des Lehrstuhls Methoden der Psychologie und kognitive Modellierung der Technischen Universität Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung zum Einstieg in die Themen psychologische Forschungsmethoden, Versuchsplanung, kognitive Modellierung und statistische Grundbegriffe und Grundlagen multivariater Verfahren.<br />
Die Artikel sind sowohl als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie, zum Modul CAN6 des Master Programms Cognitive Affective Neuroscience, als auch als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden, Versuchsplanung und kognitive Modellierung ausgelegt.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4761
Hauptseite
2020-03-18T16:52:48Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
<br>'''''Inhaltliche Verantwortung'''''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
<br>'''''Inhaltliche und technische Beratung'''''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
<br>'''''Autorinnen und Autoren'''''<br />
{|<br />
{|<br />
|M. Englisch<br />
|D. Ewert-Altenhain<br />
|-<br />
|M. Gorniak<br />
|M. Klein<br />
|-<br />
|P. Lemper<br />
|J. Petzold<br />
|-<br />
|M. Reichert<br />
|K. Schäfer<br />
|-<br />
|T. Schäfer<br />
|C. Scholl<br />
|-<br />
|J. Steffen<br />
|P. Wehner<br />
|-<br />
|N. Weßels<br />
|<br />
|}<br />
|}<br />
<br />
<br>'''''Technische Unterstützung'''''<br/><br />
* [mailto:Frank.Leonhardt@tu-dresden.de Dipl.-Ing. Frank Leonhardt]<br />
<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" des Lehrstuhls Methoden der Psychologie und kognitive Modellierung der Technischen Universität Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung zum Einstieg in die Themen psychologische Forschungsmethoden, Versuchsplanung, kognitive Modellierung und statistische Grundbegriffe und Grundlagen multivariater Verfahren.<br />
Die Artikel sind sowohl als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie, zum Modul CAN6 des Master Programms Cognitive Affective Neuroscience, als auch als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden, Versuchsplanung und kognitive Modellierung ausgelegt.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4760
Hauptseite
2020-03-18T16:43:35Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
<br>'''''Inhaltliche Verantwortung'''''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
<br>'''''Inhaltliche und technische Beratung'''''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
<br>'''''Autorinnen und Autoren'''''<br />
{|<br />
* M. Englisch||*D. Ewert-Altenhain<br />
* M. Gorniak<br />
* P. Lemper<br />
* M. Reichert<br />
* T. Schäfer<br />
* J. Steffen<br />
* N. Weßels<br />
|-<br />
* D. Ewert-Altenhain<br />
* M. Klein<br />
* J. Petzold<br />
* K. Schäfer<br />
* C. Scholl<br />
* P. Wehner<br />
|}<br />
<br />
<br>'''''Technische Unterstützung'''''<br/><br />
* [mailto:Frank.Leonhardt@tu-dresden.de Dipl.-Ing. Frank Leonhardt]<br />
<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" des Lehrstuhls Methoden der Psychologie und kognitive Modellierung der Technischen Universität Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung zum Einstieg in die Themen psychologische Forschungsmethoden, Versuchsplanung, kognitive Modellierung und statistische Grundbegriffe und Grundlagen multivariater Verfahren.<br />
Die Artikel sind sowohl als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie, zum Modul CAN6 des Master Programms Cognitive Affective Neuroscience, als auch als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden, Versuchsplanung und kognitive Modellierung ausgelegt.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4759
Hauptseite
2020-03-18T16:42:29Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
<br>'''''Inhaltliche Verantwortung'''''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
<br>'''''Inhaltliche und technische Beratung'''''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
<br>'''''Autorinnen und Autoren'''''<br />
{|<br />
* M. Englisch<br />
* M. Gorniak<br />
* P. Lemper<br />
* M. Reichert<br />
* T. Schäfer<br />
* J. Steffen<br />
* N. Weßels<br />
|-<br />
* D. Ewert-Altenhain<br />
* M. Klein<br />
* J. Petzold<br />
* K. Schäfer<br />
* C. Scholl<br />
* P. Wehner<br />
|}<br />
<br />
<br>'''''Technische Unterstützung'''''<br/><br />
* [mailto:Frank.Leonhardt@tu-dresden.de Dipl.-Ing. Frank Leonhardt]<br />
<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" des Lehrstuhls Methoden der Psychologie und kognitive Modellierung der Technischen Universität Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung zum Einstieg in die Themen psychologische Forschungsmethoden, Versuchsplanung, kognitive Modellierung und statistische Grundbegriffe und Grundlagen multivariater Verfahren.<br />
Die Artikel sind sowohl als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie, zum Modul CAN6 des Master Programms Cognitive Affective Neuroscience, als auch als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden, Versuchsplanung und kognitive Modellierung ausgelegt.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4758
Hauptseite
2020-03-18T16:41:52Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
<br>'''''Inhaltliche Verantwortung'''''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
<br>'''''Inhaltliche und technische Beratung'''''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
<br>'''''Autorinnen und Autoren'''''<br />
{|<br />
* M. Englisch<br />
* M. Gorniak<br />
* P. Lemper<br />
* M. Reichert<br />
* T. Schäfer<br />
* J. Steffen<br />
* N. Weßels<br />
|<br />
* D. Ewert-Altenhain<br />
* M. Klein<br />
* J. Petzold<br />
* K. Schäfer<br />
* C. Scholl<br />
* P. Wehner<br />
|}<br />
<br />
<br>'''''Technische Unterstützung'''''<br/><br />
* [mailto:Frank.Leonhardt@tu-dresden.de Dipl.-Ing. Frank Leonhardt]<br />
<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" des Lehrstuhls Methoden der Psychologie und kognitive Modellierung der Technischen Universität Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung zum Einstieg in die Themen psychologische Forschungsmethoden, Versuchsplanung, kognitive Modellierung und statistische Grundbegriffe und Grundlagen multivariater Verfahren.<br />
Die Artikel sind sowohl als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie, zum Modul CAN6 des Master Programms Cognitive Affective Neuroscience, als auch als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden, Versuchsplanung und kognitive Modellierung ausgelegt.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4757
Hauptseite
2020-03-18T16:38:43Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
<br>'''''Inhaltliche Verantwortung'''''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
<br>'''''Inhaltliche und technische Beratung'''''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
<br>'''''Autorinnen und Autoren'''''<br />
{|<br />
* M. Englisch<br />
* P. Lemper<br />
* T. Schäfer<br />
|<br />
* D. Ewert-Altenhain<br />
* J. Petzold<br />
* C. Scholl<br />
|<br />
* M. Gorniak<br />
* M. Reichert<br />
* J. Steffen<br />
|<br />
* M. Klein<br />
* K. Schäfer<br />
* P. Wehner<br />
|}<br />
<br />
<br>'''''Technische Unterstützung'''''<br/><br />
* [mailto:Frank.Leonhardt@tu-dresden.de Dipl.-Ing. Frank Leonhardt]<br />
<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" des Lehrstuhls Methoden der Psychologie und kognitive Modellierung der Technischen Universität Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung zum Einstieg in die Themen psychologische Forschungsmethoden, Versuchsplanung, kognitive Modellierung und statistische Grundbegriffe und Grundlagen multivariater Verfahren.<br />
Die Artikel sind sowohl als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie, zum Modul CAN6 des Master Programms Cognitive Affective Neuroscience, als auch als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden, Versuchsplanung und kognitive Modellierung ausgelegt.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4756
Hauptseite
2020-03-18T16:34:39Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
<br>'''''Inhaltliche Verantwortung'''''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
<br>'''''Inhaltliche und technische Beratung'''''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
<br>'''''Autorinnen und Autoren'''''<br />
<br />
<br />
<br>'''''Technische Unterstützung'''''<br/><br />
* [mailto:Frank.Leonhardt@tu-dresden.de Dipl.-Ing. Frank Leonhardt]<br />
<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" des Lehrstuhls Methoden der Psychologie und kognitive Modellierung der Technischen Universität Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung zum Einstieg in die Themen psychologische Forschungsmethoden, Versuchsplanung, kognitive Modellierung und statistische Grundbegriffe und Grundlagen multivariater Verfahren.<br />
Die Artikel sind sowohl als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie, zum Modul CAN6 des Master Programms Cognitive Affective Neuroscience, als auch als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden, Versuchsplanung und kognitive Modellierung ausgelegt.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4755
Hauptseite
2020-03-18T16:34:14Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
<br>'''''Inhaltliche Verantwortung'''''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
<br>'''''Inhaltliche und technische Beratung'''''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
<br>'''''Autorinnen und Autoren'''''<br />
<br />
<br />
<br>'''''Technische Unterstützung'''''<br/><br />
* [mailto: Frank.Leonhardt@tu-dresden.de Dipl.-Ing. Frank Leonhardt]<br />
<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" des Lehrstuhls Methoden der Psychologie und kognitive Modellierung der Technischen Universität Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung zum Einstieg in die Themen psychologische Forschungsmethoden, Versuchsplanung, kognitive Modellierung und statistische Grundbegriffe und Grundlagen multivariater Verfahren.<br />
Die Artikel sind sowohl als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie, zum Modul CAN6 des Master Programms Cognitive Affective Neuroscience, als auch als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden, Versuchsplanung und kognitive Modellierung ausgelegt.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4754
Hauptseite
2020-03-18T16:32:26Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
<br>'''Inhaltliche Verantwortung'''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
<br>'''Inhaltliche und technische Beratung'''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
<br>'''Autorinnen und Autoren'''<br />
<br />
<br />
<br>'''Technische Unterstützung'''<br />
Dipl.-Ing. Frank Leonhardt<br />
<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" des Lehrstuhls Methoden der Psychologie und kognitive Modellierung der Technischen Universität Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung zum Einstieg in die Themen psychologische Forschungsmethoden, Versuchsplanung, kognitive Modellierung und statistische Grundbegriffe und Grundlagen multivariater Verfahren.<br />
Die Artikel sind sowohl als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie, zum Modul CAN6 des Master Programms Cognitive Affective Neuroscience, als auch als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden, Versuchsplanung und kognitive Modellierung ausgelegt.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4753
Hauptseite
2020-03-18T16:31:44Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br><br />
<br />
'''Inhaltliche Verantwortung'''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br><br />
<br />
'''Inhaltliche und technische Beratung'''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
'''Autorinnen und Autoren'''<br />
<br />
<br />
'''Technische Unterstützung'''<br />
Dipl.-Ing. Frank Leonhardt<br />
<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" des Lehrstuhls Methoden der Psychologie und kognitive Modellierung der Technischen Universität Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung zum Einstieg in die Themen psychologische Forschungsmethoden, Versuchsplanung, kognitive Modellierung und statistische Grundbegriffe und Grundlagen multivariater Verfahren.<br />
Die Artikel sind sowohl als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie, zum Modul CAN6 des Master Programms Cognitive Affective Neuroscience, als auch als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden, Versuchsplanung und kognitive Modellierung ausgelegt.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner
http://methpsy.elearning.psych.tu-dresden.de/mediawiki/index.php?title=Hauptseite&diff=4752
Hauptseite
2020-03-18T16:31:01Z
<p>Wehner: </p>
<hr />
<div><div class="noprint" style="float:right; border:1px solid;width:320px;background-color:#F5F5F5;padding:10px"><br />
{| cellspacing="0"<br />
'''Ein E-Learning Angebot der Professur Methoden der Psychologie und kognitive Modellierung'''<br />
<br />
'''Inhaltliche Verantwortung'''<br />
* [mailto:Stefan.Scherbaum@psychologie.tu-dresden.de Prof. Dr. Stefan Scherbaum]<br /><br />
* [mailto:Matthias.Rudolf@tu-dresden.de Dr. Matthias Rudolf]<br /><br />
<br />
'''Inhaltliche und technische Beratung'''<br />
* [mailto:Diana.Vogel@tu-dresden.de Diana Vogel]<br /><br />
<br />
'''Autorinnen und Autoren'''<br />
<br />
<br />
'''Technische Unterstützung'''<br />
Dipl.-Ing. Frank Leonhardt<br />
<br />
<br />
|}</div><br />
<br />
Herzlich Willkommen im E-Learning-Modul "Methoden der Psychologie" des Lehrstuhls Methoden der Psychologie und kognitive Modellierung der Technischen Universität Dresden.<br />
<br />
Sie finden hier eine Artikelsammlung zum Einstieg in die Themen psychologische Forschungsmethoden, Versuchsplanung, kognitive Modellierung und statistische Grundbegriffe und Grundlagen multivariater Verfahren.<br />
Die Artikel sind sowohl als begleitende Unterstützung zum Modul M1 "Methoden der Psychologie" des Bachelor-Programms Psychologie, zum Modul CAN6 des Master Programms Cognitive Affective Neuroscience, als auch als generelles Informationsangebot zum Einstieg in die Themen Forschungsmethoden, Versuchsplanung und kognitive Modellierung ausgelegt.<br />
<br />
<br />
Und nun viel Spaß bei der Wissenserweiterung,<br />
<br/>Ihr E-Learning Team<br />
<br />
<br />
[[Datei:Puzzle_Methoden.PNG|center|650px]]<br />
<br />
<br />
<br />
----<br />
<br />
''Als Lernpause oder zur Überprüfung, ob die Begriffskenntnis inzwischen ausreichend ausgeprägt ist, empfehlen wir [[Methoden-Blödelei|dieses]] Schmankerl.''</div>
Wehner