Hochschullehrende als MOOC-Lehrende: Typen und Herausforderungen
Einführung in ausgewählte multivariate Verfahren
1. Und was kann
man mit Daten
noch machen?
(Vertiefung:
Multivariate Analysen)
Dr. Sandra Schön
Modul „Bildungswissenschaftliche Forschungsmethoden“
Lehrgang Hochschuldidaktik T3C
Quelle:
Defini+onen
orien+eren
sich
an
der
Wikipedia,
Stand
15.10.15,
URL
zur
Lizenz:
hAp://crea+vecommons.org/licenses/by-‐sa/3.0/legalcode
3. Multivariate Verfahren
• ... beziehen mehr als zwei Variablen bei
einer Auswertung ein.
• Kennt Ihr multivariate Verfahren?
4. Regressionsanalyse
Wenn Zusammenhänge zwischen einer oder
mehren unabhängigen Variablen und einer
abhängigen Variable beschrieben werden
sollen bzw. die abhängige Variable
„prognostiziert“ werden soll.
5. Regressionsanalyse
Szenario:
Mit
Hilfe
von
Geburtenrate,
Lebenserwartung,
Geburtenrate,
Kindersterblichkeit
sowie
Sterblichkeit
soll
das
Bevölkerungswachstum
vorhergesagt
werden.
Quelle:
Wikibooks
„Regressionsanalyse“
URL
zur
Lizenz:
hAps://crea+vecommons.org/
licenses/by-‐sa/2.0/
6. Regressionsanalyse
Das
Ergebnis
der
Regressionsanalyse
ergibt
in
diesem
Fall
die
Formel
Mit
einem
Bes+mmtheitsmaß
von
0,7
Quelle:
Wikibooks„Regressionsanalyse“
URL
zur
Lizenz:
hAps://crea+vecommons.org/
licenses/by-‐sa/2.0/
10. Clusteranalyse
Bei mehr als drei Variablen kann man nur
noch schwer visualisieren.
Inzwischen wurden zahlreiche
Vorgehensweisen entwickelt, um in Daten
Cluster zu entdecken.
13. Faktorenanalyse
Verschieden Variablen sollen zu „latenten
Variablen“ (den Faktoren) zusammengefasst
werden.
Der wohl bekannteste Anwendungsfall:
Das Fünf-Faktoren-Modell der Persönlichkeit
15. Faktorenanalyse
Zum Beispiel könnte dann herauskommen, dass
folgende Merkmale Teil eines Faktors sind.
– Höhe des Taschengelds
– Besitz eines Handys
– Hat eigenen Schreibtisch
– ...
Oder:
– Dauer des Schulwegs
– Benutzung öffentlicher Verkehr
– Länge des Schulwegs
16. Entscheidungsbaumverfahren
Die Daten werden so aufbereitet, dass mit
möglichst wenig Abfragen von Variablen
(oder auch ggf. nach anderen Kriterien) eine
Variable „vorhergesagt“ werden kann.
17. Entscheidungsbaumverfahren
ID
Familiäre
Schwierig
keiten
Zahl
der
Kinder
Zahl
der
Arbeitsstu
nden
Alter
Kurs-‐
abbruch
1
1
3
30
55
1
2
1
1
30
45
0
3
0
0
38
38
1
4
0
2
20
49
1
Fik+ve
Zahlen
(AusschniA),
klar
18. Entscheidungsbaumverfahren
Familiäre
Schwierig-‐
keiten
nicht
vorhanden
Zahl
der
Arbeits-‐
stunden
unter
20
Alter
Kurs-‐
abbruch
Kein
Kurs-‐
abbruch
unter
58
Jahren
59
und
mehr
Jahre
Zahl
der
Arbeits-‐
stunden
21
und
mehr
Familiäre
Schwierig-‐
keiten
vorhanden
Kurs-‐
abbruch
Kein
Kurs-‐
abbruch