Lernen Forschende weniger, wenn eine KI Teile der Datenanalyse übernimmt? Ausgehend von Harald Dragans „Rad, das sich nie fertig dreht“ zeigt ein Beitrag im neuen Blog von kondeor.ai, an welchen Stellen Forschende selbst kompetent bleiben müssen: bei der Forschungsfrage, bei den Skalenniveaus der Variablen, bei den Hypothesen und bei einer ganzen Reihe von Punkten in Zusammenhang mit der Datenanalyse. Mein Fazit aus 30 Jahren Praxis und Lehre: Der Zugang zum Lernen und zur Durchführung der Datenanalyse verschiebt sich vom „Wie muss ich es machen?“ zum „Was kann ich (alles) machen?“.
Weiterlesen →
Studierende
Wie viele Befragte braucht eine Studie? Das lässt sich nicht pauschal sagen, wohl aber vorab berechnen. In diesem Gastbeitrag im Blog von Daniela Keller zeige ich am Beispiel einer Bachelorarbeit, wie eine Power-Analyse die Fallzahl begründet. Für den Vergleich zweier Gruppen mit mittlerem Effekt braucht man 64 Personen pro Gruppe, also 128 insgesamt. Mit ursprünglich angedachten 60 Fragebögen läge die Power nur bei etwa 48 Prozent. Der Beitrag erklärt außerdem die Stellschrauben (Effektgröße, Signifikanzniveau, Power), die Genauigkeitsplanung für Anteile und Mittelwerte sowie typische Stolpersteine. Dazu gehören die Planung von Ausfällen und das Vorgehen bei mehreren Hypothesen. Der Stichprobenrechner in kondeor.ai nimmt Dir die Berechnung ab.
Zum Originalbeitrag →