{"id":5033,"date":"2025-11-26T07:00:29","date_gmt":"2025-11-26T06:00:29","guid":{"rendered":"https:\/\/blogs.uni-bremen.de\/wissenswert\/?p=5033"},"modified":"2025-11-25T09:53:32","modified_gmt":"2025-11-25T08:53:32","slug":"von-der-datenbasis-zum-forschungsprojekt-wie-ein-blended-learning-ansatz-quantitative-methodenlehre-lebendig-macht","status":"publish","type":"post","link":"https:\/\/blogs.uni-bremen.de\/wissenswert\/lehren-und-lernen\/fachspezifisches-infomaterial\/von-der-datenbasis-zum-forschungsprojekt-wie-ein-blended-learning-ansatz-quantitative-methodenlehre-lebendig-macht\/","title":{"rendered":"Von der Datenbasis zum Forschungsprojekt: Wie ein Blended Learning-Ansatz Quantitative Methodenlehre lebendig macht"},"content":{"rendered":"\n

von Julie Direnga \u2014 Bild: \u00a9 Patrick Zerrer, Midjourney \/ Universit\u00e4t Bremen<\/p>\n\n\n\n

Wie gelingt es Lehrenden, quantitative Methoden nicht als trockene Theorie, sondern als lebendiges Werkzeug f\u00fcr eigenst\u00e4ndiges Forschen zu vermitteln? Und wie kann Digitalisierung dabei helfen? Die Antwort k\u00f6nnte in einem innovativen, multimedialen Online-Lehrbuch und einem Blended Learning-Ansatz liegen.<\/strong><\/p>\n\n\n\n

Das Lehr-\/Lernmaterial begleitet die Lehrveranstaltung Einf\u00fchrung in quantitative Forschungsdesigns und Datenanalyse <\/em>im Bachelorstudiengang Kommunikations- und Medienwissenschaften an der Universit\u00e4t Bremen. Entstanden in einem Innovation Lab<\/a> am Zentrum f\u00fcr Medien, Kommunikation- und Informationsforschung, gef\u00f6rdert durch das Projekt SKILL-UB<\/a> der Universit\u00e4t Bremen, ist es mehr als Kursmaterial: Es ist ein modulares, praxisorientiertes Lernkonzept, das forschendes Lernen erm\u00f6glicht und das auch Lehrende aus anderen Studieng\u00e4ngen auf die eigene Lehrveranstaltung \u00fcbertragen k\u00f6nnen.<\/p>\n\n\n\n

Der Kerngedanke ist klar: Praktisches Lernen, fundierte Theorie und eigenst\u00e4ndiges Forschen sollen Hand in Hand gehen. Ziel ist es, dass Studierende am Ende des Semesters in der Lage sind, eigenst\u00e4ndig quantitative Forschungsdesigns mit der Programmiersprache R<\/em> umzusetzen \u2013 von der Dateneingabe \u00fcber die Datenanalyse bis hin zur Interpretation der Ergebnisse.<\/p>\n\n\n\n

Das Online-Lehrbuch <\/h2>\n\n\n\n

Das Material ist in zwei zentrale Phasen gegliedert:<\/p>\n\n\n\n

Phase 1<\/th>Phase 2<\/th><\/tr><\/thead>
Zun\u00e4chst wird mit dem Data Bootcamp<\/strong> die technische Basis gelegt. Hier erlernen die Studierenden die Grundlagen von R<\/em> und der Programmierumgebung RStudio<\/em>.<\/ins> Sie lesen Datens\u00e4tze ein, strukturieren und bearbeiten sie. Die Inhalte sind dabei so aufbereitet, dass auch Studierende ohne Vorkenntnisse in der Programmierung Schritt f\u00fcr Schritt sicher werden.<\/td>Anschlie\u00dfend werden statistische Analysen<\/strong> eingef\u00fchrt und schrittweise die Umsetzung eines eigenen Forschungsprojekts vorbereitet. Dabei werden Themen wie Hypothesenbildung, Umgang mit verschiedenen Datenstrukturen, Mittelwertvergleiche (t-Test, Varianzanalyse), Korrelationen, Regression und Faktorenanalyse behandelt. Jedes Kapitel verbindet eine theoretische Einf\u00fchrung mit einer praktischen Umsetzung in R \u2013 inklusive farblich hervorgehobener Codebl\u00f6cke, die direkt kopiert werden k\u00f6nnen. <\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Ein besonderer Mehrwert liegt in der multimedialen Aufbereitung:<\/p>\n\n\n\n

\n
\n
\n

Jedes Kapitel enth\u00e4lt ein kurzes Einf\u00fchrungsvideo<\/strong>, das den Lernstoff anschaulich vermittelt. (Bilder: alle Bildschirmaufnahmen aus dem Online-Lehrbuch)<\/p><\/div>

\"Das<\/div><\/div><\/div>\n<\/div><\/div>\n<\/div><\/div>\n\n\n\n
\n
\n

Die Code-Beispiele sind mit interaktiven Erkl\u00e4rungen<\/strong> versehen: Durch Mouse-over (Hovern) \u00fcber den Zeilennummern erscheinen Hinweise zu einzelnen Befehlen \u2013 ideal f\u00fcr selbstst\u00e4ndiges Lernen und schnelles Nachvollziehen.<\/p><\/div>

\"Das<\/div><\/div><\/div>\n<\/div><\/div>\n<\/div><\/div>\n\n\n\n
\n
\n

Alle Skripte k\u00f6nnen als Ganzes kopiert<\/strong> werden \u2013 einfach per Klick auf das Clipboard-Symbol. Alternativ stehen die vollst\u00e4ndigen Kapitel auch als bearbeitbare Dokumente zum Download<\/strong> zur Verf\u00fcgung \u2013 perfekt f\u00fcr die eigene Nutzung oder als Vorlage f\u00fcr eigene Kurse.<\/p><\/div>

\"Das<\/div><\/div><\/div>\n<\/div><\/div>\n<\/div><\/div>\n<\/div><\/div>
<\/div>
<\/div>
<\/div><\/div>\n\n\n\n

Praktische Umsetzung: Nutzung des Online-Materials in der Lehrveranstaltung<\/h2>\n\n\n\n

Die Abbildung unten veranschaulicht die strukturierte und nahtlose Einbindung der Inhalte des Online-Lehrbuchs in die Methoden-Seminare. Das Semester beginnt mit dem Data Boot Camp<\/strong>, einer kompakten Einf\u00fchrung im Block von zwei Mal sechs Stunden, in der Studierende grundlegende Kompetenzen im Zugriff auf und Umgang mit digitalen Daten mittels der Programmiersprache R <\/em>erwerben. Anschlie\u00dfend folgt eine Selbstlernphase<\/strong>, in der die Studierenden die Inhalte interaktiv \u00fcber die Online-Bausteine vertiefen \u2013 unterst\u00fctzt durch Videos, interaktive Code-Beispiele und Erkl\u00e4rungen. Der erfolgreiche Abschluss dieser Phase wird durch das Erlangen des sogenannten R<\/em>-F\u00fchrerscheins <\/strong>markiert, ein Test in Form einer Studienleistung, der ein gewisses Grundwissen f\u00fcr die nachfolgenden Gruppenprojekte sicherstellen soll. Parallel dazu findet eine Kick-off-Sitzung zur Gruppenbildung statt, die die Zusammenarbeit vor dem eigentlichen Projektbeginn f\u00f6rdert. In der anschlie\u00dfenden Phase der forschungspraktischen \u00dcbungen<\/strong> arbeiten die Studierenden in Kleingruppen an einem gemeinsamen Projekt, wobei sie ihre F\u00e4higkeiten im Datenmanagement, der Analyse und der kritischen Reflexion von Daten weiterentwickeln. Der H\u00f6hepunkt ist die Poster-Session<\/strong>, in der die Gruppen ihre Projekte pr\u00e4sentieren und reflektieren. <\/p>\n\n\n\n

\"Die\n\t\t\t\n\t\t\t\t\n\t\t\t<\/svg>\n\t\t<\/button>
Zeitliche Einteilung und Inhalte der drei Phasen im Methoden-Seminar (Bild: \u00a9 Catharina Berg und Julie Direnga\/Uni Bremen)<\/figcaption><\/figure>\n\n\n\n

W\u00e4hrend des Semesters werden die auf Forschungspraxis ausgelegten Seminare durch die begleitende Vorlesung<\/strong> Einf\u00fchrung in quantitative Forschungsdesigns und Datenanalyse <\/em>theoretisch <\/em>erg\u00e4nzt. So entsteht ein geschlossenes, praxisnahes Lerngef\u00fcge, das digitale Selbstlernkomponenten mit fachlichem Austausch und kollaborativem Lernen verbindet. <\/p>\n\n\n\n

Nachmachen explizit erlaubt! <\/h2>\n\n\n\n

Dieses Modell ist ein Good Practice-Beispiel f\u00fcr gelungenes Blended Learning: Theorie und Praxis, Selbstst\u00e4ndigkeit und Kooperation, digitale Ressourcen und pers\u00f6nlicher Austausch \u2013 alles im Einklang. Wenn Sie sich fragen, wie Sie Ihren eigenen Methoden-Kurs noch st\u00e4rker praxisnah gestalten k\u00f6nnten oder ob es m\u00f6glich ist, auch in Ihren Veranstaltungen eine solche Lernkultur zu schaffen, in der Studierende nicht nur lernen, sondern forschen, dann lohnt es sich, tiefer einzusteigen. <\/p>\n\n\n\n

Schauen Sie doch gleich mal rein<\/strong><\/h3><\/div>

Online-Lehrbuch zur Einf\u00fchrung in quantitative Forschungsdesigns und Datenanalyse<\/em> von Hannah-Marie B\u00fcttner, Stephanie Geise, Thomas Leleko, Michael Linke, Katharina Maubach, Lena Otto, Cornelius Puschmann und Patrick Zerrer, lizensiert unter Lizenz CC-BY-SA 4.0<\/p>

Zum Online-Lehrbuch<\/span><\/a><\/div><\/div><\/div>\n\n\n\n

Das gesamte Material ist unter einer Creative Commons Attribution-ShareAlike 4.0 International-Lizenz<\/strong> (CC BY-SA 4.0) ver\u00f6ffentlicht. Das bedeutet: Sie k\u00f6nnen die Inhalte frei nutzen, anpassen und weitergeben \u2013 vorausgesetzt, Sie geben die Urheber:innen an und teilen darauf basierende Neu- oder Weiterentwicklungen unter der gleichen Lizenz.<\/p>\n\n\n\n

Weiterf\u00fchrende Artikel<\/h2>\n\n\n\n
\n
\n

Die Illustrationen f\u00fcr den Kurs wurden u.a. mithilfe von Midjourney generiert.<\/p>\n\n\n\n

\n
Wie bild\u00adgenerierende KI die uni­ver­si­t\u00e4re\u00a0Lehre bereichern\u00a0kann\u00a0<\/a><\/blockquote>