Symbolbild: Texte aus einem Wörterbuch ausschnittsweise auch auf eine CD gedruckt
Foto: Jan-Peter Kasper (Universität Jena)
Bachelorpropädeutikum
Informationen über die Gestaltung des Bachelorpropädeutikums an der Professur für Psychologische Methodenlehre finden Sie in diesem Dokument: Propädeutikum zur Bachelorarbeitpdf, 178 kb.
Bachelorarbeitsthemen
Die folgenden Bachelorarbeitsthemen werden von der Professur für Psychologische Methodenlehre momentan angeboten (weitere oder eigene Themen auf Anfrage):
| Thema | Beschreibung | Interesse? Melden Sie sich bei: | Weitere Betreuer |
|---|---|---|---|
| nonorthogonale ANOVA mit Messwiederholung | Varianzanalysen (ANOVA) mit Messwiederholungen werden häufig eingesetzt, um Mittelwertsunterschiede zwischen verschiedenen Gruppen über die Zeit hinsichtlich ihrer Signifikanz zu testen und Aussagen zu Haupt- bzw. Interaktionseffekten treffen zu können. Dabei finden sich vier verschiedene Methoden, um diese Prüfung durchzuführen (Typ I - IV). Die richtige Auswahl spielt insbesondere in nonorthogonalen Forschungsdesigns eine Rolle, in denen es z.B. keine randomisierte Gruppenzuweisung gab und einzelnen Zellen ungleich stark besetzt sind. Häufig sind den Anwendern der Varianzanalyse diese zum Teil gravierenden Unterschiede in den Methoden gar nicht bewusst und sie folgen in ihren Analysen den jeweiligen (unterschiedlichen) Voreinstellungen der gängigen Statistikprogramme. In einer Bachelor-/Masaterarbeit sollen die Auswirkungen einer unbedachten ANOVA-Auswahl auf die Effektschätzungen mit Hilfe einer Simulationsstudie untersucht werden. Eine Veranschaulichung z.B. mit Hilfe einer Shiny-App wäre eine optionale Ergänzung der Arbeit. Dabei könnte auf bestehende Vorarbeiten zu diesem Thema aufgebaut werden. |
Linda Gräfe | |
| Daumenregeln für die Verwendung der nonorthogonalen Varianzanalyse | Varianzanalysen (ANOVA) werden häufig eingesetzt, um Mittelwertsunterschiede zwischen verschiedenen Gruppen hinsichtlich ihrer Signifikanz zu testen und Aussagen zu Haupt- bzw. Interaktionseffekten treffen zu können. Dabei finden sich vier verschiedene Methoden, um diese Prüfung durchzuführen (Typ I - IV). Die richtige Auswahl spielt insbesondere in nonorthogonalen Forschungsdesigns eine Rolle, in denen es z.B. keine randomisierte Gruppenzuweisung gab und einzelnen Zellen ungleich stark besetzt sind. Häufig sind den Anwendern der Varianzanalyse diese zum Teil gravierenden Unterschiede in den Methoden gar nicht bewusst und sie folgen in ihren Analysen den jeweiligen (unterschiedlichen) Voreinstellungen der gängigen Statistikprogramme. Daumenregeln, ab wann die Nonorthogonalität tatsächlich problematisch wird, fehlen bisher. In einer Bachelorarbeit soll mit Hilfe einer Simulationsstudie untersucht werden, welche Faktoren einen Einfluss auf die ANOVA-Ergebnisse haben, wenn ein nonorthogonales Design vorliegt. |
Linda Gräfe | |
|
Evaluation von Affektskalen |
Der aktuelle Affekt beeinflusst das eigene affektive Erleben sowie Verhaltensweisen in nachfolgenden Situationen. Um den aktuellen Affekt zu erfassen, können verschiedene Antwortskalen eingesetzt werden. Während erste Unterschiede zwischen analogen (z. B Schieberegler) und diskreten Skalen (z. B. fünf Antwortkategorien) berichtet wurden, gibt es wenig Wissen darüber, welche Unterschiede sich im Antwortverhalten zwischen diskreten Antwortskalen zeigen. Unterschieden werden können unipolare Antwortskalen (z. B. Affekt „glücklich“: trifft gar nicht zu – trifft voll zu), bipolare Antwortskalen mit ausschließlicher Bezeichnung der Endpunkte (z. B. entspannt – angespannt, auf einer siebenstufigen Antwortskala ohne Bezeichnung der Zwischenkategorien) und bipolare Antwortskalen mit Bezeichnung aller Antwortkategorien (z. B. sehr unwohl – unwohl – etwas unwohl – weder noch – etwas wohl – wohl – sehr wohl, auf einer siebenstufigen Antwortskala). In der vorliegenden Arbeit soll selbständig eine kleine Erhebung durchgeführt werden (experience sampling Methode über eine Smartphone-App), bei der die gleichen Items mit unterschiedlichen Antwortskalen dargeboten werden. Unterschiede in der Beantwortung der Items in Abhängigkeit vom Antwortformat werden analysiert und diskutiert. |
Miriam Jähne | |
|
Heterogenität in Längsschnittsdaten |
Der Begriff der Heterogenität bezeichnet Unterschiede zwischen Personen(gruppen), welche dazu führen, dass je Personen(gruppe) unterschiedliche Ergebnisse resultieren. Entsprechend gewinnt die Berücksichtigung der Heterogenität von Personen seit Jahren an Bedeutung. Nicht zuletzt sind Schwierigkeiten der Replikation von früheren Forschungsergebnissen anhand einer vergleichbaren Stichprobe (z. B. die Ergebnisse sollen an einer neuen, vergleichbaren Stichprobe wiedergefunden werden) oder die Generalisierung früherer Forschungsergebnisse auf eine größere Stichprobe (z. B. die Ergebnisse sollen auf eine breitere Stichprobe als die zuvor genutzte erweitert werden) auf die fehlende Berücksichtigung von Heterogenität zwischen Personen zurückzuführen. |
Miriam Jähne | |
| Speziesismus | Speziesismus ist ein Konstrukt aus der Ethik und beschreibt eine Ideologie, nach der die Leben und Erfahrungen von Tieren als unterlegen oder weniger wertvoll als die von Menschen eingeschätzt werden, weil sie einer anderen Spezies angehören. Es stellt sich die Frage wie dieses Konstrukt in der Psychologie behandelt wird. Welche Instrumente gibt es zur Erfassung? In welcher Sprache gibt es diese Instrumente? Wie sehen die psychometrischen Eigenschaften aus? uvm. Als Bachelorarbeit würde eine umfassende Literaturarbeit angefertigt werden, die diese und weitere Fragen beantworten soll. |
Lukas Knitter | |
| Anomalien in Dark Triad Bifaktormodellen | Eid et al. (2017) erklären, dass das klassische, orthogonale Bifaktormodell nur auf Daten gefitted werden darf, die bestimmte Voraussetzungen erfüllen. Fragebogendaten, wie sie in der Psychologie üblich sind,erfüllen diese Voraussetzungen häufig nicht. Werden solche Daten dennoch mit diesem Modell gefitted, kommt es häufig zu sogenannten Anomalien, Resultate die entweder der Konzeptualisierung des Bifaktormodells (z.B. Ladungen <= 0) oder generellen matheamtischen Grundlagen (negative Varianzen) widersprechen. Dennoch erfreut sich das klassische Bifaktormodell in den letzten Jahren einer wachsenden Beliebtheit. Unter anderem werden auch die Persönlichkeitsmerkmale der Dark Triad häufig mit diesem Modell gefitted. Im Rahmen der Bachelorarbeit soll eine systematische Literaturrecherche durchgeführt werden, um in Erfahrung zu bringen wie oft es zu Anomalien kommt, wenn Daten der etablierten Dark Triad Instrumente (Short Dark Triad, Dirty Dozen) mit einem klassischen, orthogonalen Bifaktormodell gefitted werden. |
Lukas Knitter | |
| Systematische Literaturrecherche zu Identifikationsproblemen bei Extended Bifactor Modelle | Konfirmatorische Faktormodelle mit generellen und spezifischen Faktoren (z.B. Bifactor Modelle, hierarchische Faktormodelle, oder G-Faktormodelle) erfreuen sich hoher Beliebtheit in der psychologischen Forschung und Praxis. Insbesondere werden Bifactor Modelle zur Analyse von multidimensionalen Daten in der Psychologie (z.B. in der Intelligenzforschung) eingesetzt. Ein wesentliches Ziel bei der Anwendung von Bifactor Modellen liegt darin, die generellen und spezifischen Faktoren als Prädiktoren (unabhängige Variablen) zur Vorhersage von externe Kriteriumsvariablen (abhängige Variablen) zu verwenden. Hierbei kommt es allerdings häufig zu Identifikationsproblemen (d.h. Nicht-Schätzbarkeit des Modells sowie der Modellparameter). In der Bachelor-Arbeit soll eine systematische Literaturrecherche zu diesem Thema durchgeführt werden. Hierbei soll ebenfalls nach relevanten Lösungsansätzen gesucht werden, die mglw. in der Literatur vorgeschlagen werden. |
Tobias Koch | Maximilian Bee |
| Literaturreview Modellgütekritierien in der Bayesianischen Statistik | In dieser BA soll in einem systematischen Literaturreview herausgearbeitet werden, wie Modellgütekritieren bzw. -vergleiche in Bayesianischen Analysen in psychologischen Publikationen berichtet und evaluiert werden. Während es für frequentistische Modellvergleiche etablierte Cutoff-Kriterien gibt, sind Modellvergleiche für Bayesianische Analysen in der psychologischen Forschung noch nicht weit verbreitet und genutzt. Die Literaturrecherche betrifft vor allem Modellvergleichskritieren wie Bayesian Information Criterion (BIC), Watanabe-Akaike Information Criterion (WAIC), Leave-One-Out Cross-Validation (LOO-CV), und Bayes-Faktoren. | Fabian Münch | |
| Simulationsstudie zu Messinvarianz in Konfirmatorischen Faktorenanalysen mit frequentistischen vs Bayesianischen Modelltests | In dieser BA / MA soll in einer Simulationsstudie untersucht werden, ob (und wenn ja, warum) es zu unterschiedlichen Ergebnissen beim Testen von Messinvarianz in Strukturgleichungsmodellen über (1) frequentistische Testverfahren wie Likelihood-Ratio-Tests und (2) Bayesianischen Testverfahren wie Leave-One-Out Cross-Valdiation oder Bayes-Faktoren kommt. Der Analyseaufwand kann je nach BA / MA angepasst werden, es sind aber gute R-Kenntnisse erforderlich. | Fabian Münch | |
| Datenanalyse zu selbst gewähltem Thema mit Daten aus dem family panel (pairfam) oder socio-economic panel (SOEP) | In dieser BA / MA können verschiedene Fragestellungen zu Daten aus zwei großen deutschen Panelstudien untersucht werden. Viele Persönlichkeitsmerkmale und andere psychologische Konstrukte werden in einer oder beiden Studien erfasst (z.B. Big 5, Einsamkeit, Bindungsstile, …). Die Fragestellung soll mit einem passenden statistischen Modell (HLM, SEM, …) untersucht werden, dabei liegt der Fokus auf der Modellierung. | Fabian Münch | |
| Einfluss von Verzögerungen im Versuchsaufbau auf Reaktionszeitexperimente | Das Themenfeld der Human-Computer-Interaction (HCI) ist interdisziplinär und kombiniert insbesondere informatische und psychologische Forschung. Im Rahmen des Universitätsprojekts Lehrevaluation (ULe) möchten wir bestmögliche Befragungen anbieten. Dazu gehört es, dass (Online-)Experimente möglichst reproduzierbare und valide Messungen liefern. Dieses Bachelorarbeitsthema soll bereits begonnene Forschungsarbeiten über den Einfluss von ungewollten Verzögerungen in Reaktionszeitstudien fortführen. Ein erstes Experiment hat gezeigt, dass Reaktionszeitstudien relativ robust gegen ungewollte Verzögerungen sind. Jedoch zeigte das Experiment Verbesserungspotential im Versuchsaufbau. Innerhalb der Bachelorarbeit soll das Experiment dahingehend verbessert und mit Probanden durchgeführt werden. Die statistische Auswertung der erhobenen Daten ist Teil der Bachelorarbeit. Grundlegend wird die Bachelorarbeit in einem kleinen Team durchgeführt. |
Thomas Prinz | Linda Gräfe |
| Benutzerfreundlichkeit verschiedener Rating-Repräsentationen | Das Themenfeld der Human-Computer-Interaction (HCI) ist interdisziplinär und kombiniert insbesondere informatische und psychologische Forschung. Im Rahmen des Universitätsprojekts Lehrevaluation (ULe) möchten wir bestmögliche Online-Fragebögen für verschiedenste Befragungen anbieten. Dazu gehört es, Repräsentationen von Items (Fragen) auf den Prüfstand zu stellen. In diesem Bachelorarbeitsthema sollen verschiedene Repräsentationen von Rating-Items auf ihre Benutzerfreundlichkeit, insbesondere auf kleinen Endgeräten, untersucht werden. Dafür ist es notwendig, wissenschaftliche Fragebögen zum Thema Benutzerfreundlichkeit in der Literatur ausfindig zu machen und auf Passung zu kontrollieren. Mit Hilfe eines dann ausgewählten Fragebogens wird eine Befragung durchgeführt. Grundlegend soll untersucht werden, ob Rating-Items in einer horizontalen oder vertikalen Anordnung dargestellt werden sollen. Weiterhin sind für eine vertikale Anordnung verschiedene Darstellungen der "Buttons" möglich: von kreisrund zu Schaltflächen. Die statistische Auswertung der erhobenen Daten ist Teil der Bachelorarbeit. |
Thomas Prinz | Linda Gräfe |
| Lehrveranstaltungsevaluation (LVE): Unterschiede von papierbasierter vs. online durchgeführter Erhebung | An der FSU Jena werden pro Semester etwa 800 Lehrveranstaltungen mit ca. 15.000 Fragebögen evaluiert. Über die letzten 15 Jahre hat sich ein umfangreicher Datensatz angesammelt. Neben den Einschätzungen der Studierenden liegen auch die Selbsteinschätzungen der Dozenten vor. Zusätzlich sind einige potenzielle Kovariaten der Studierenden (Geschlecht, Fachsemester, Studieraufwand) und der Dozenten (Geschlecht, Alter, Fach/Institut, akademischer Grad, Lehrerfahrung, Veranstaltungsform (Vorlesung, Seminar, Übung), Kursgröße) vorhanden. Bei der Lehrveranstaltungsevaluation handelt es sich um ein komplexes Multilevel-Design, das einige Besonderheiten in der Datenstruktur mit sich bringt: (a) Bei der LVE handelt es sich um eine Fremdeinschätzung von mehreren Studenten zu einer Lehrveranstaltung (multiple rater). (b) Studenten geben eine Einschätzung zu einer Lehrveranstaltung ab und sind gleichzeitig in einer höheren Einheit (einem sogenannten Cluster), nämlich einer Lehrveranstaltung, geschachtelt (multilevel setting). (c) Dozenten und Studenten tragen mehrfach zum Datensatz bei: Studenten geben zu mehreren Lehrveranstaltungen eine Einschätzung ab. Ebenso lassen Dozenten mehrerer Lehrveranstaltungen evaluieren (cross-classified multiple membership). Damit wird die Annahme der Unabhängigkeit von Beobachtungen (iid-Annahme, independent and identically distributed) verletzt. (d) Die studentischen Einschätzungen mit dem Instrument PELVE erfolgen auf fünfstufigen Ratingskalen. Die Verteilung der Variablen ist schief und daher kann nicht von normalverteilten, intervallskalierten Variablen ausgegangen werden. Bei der Auswahl der Analyseverfahren sind diese Besonderheiten zu berücksichtigen. Die Datenaufbereitung und -analyse soll in R (insbesondere mit dem Paket lavaan) erfolgen. Neben dem Vergleich des Erhebungsformats (online vs. Papier) sind weitere Fragestellungen möglich: * Wie unterscheidet sich die Einschätzung der Studierenden von der Dozenten-Selbsteinschätzung? * Sind Veranstaltungen mit mehreren Dozenten (Co-Teaching) besser als Veranstaltungen mit einem Dozenten? * Latente Klassenanalyse zur Klassifizierung der Studierenden: Gibt es latente Klassen der Zufriedenheit? * Wie entwickeln sich Dozenten über die Zeit? * Wie verändert sich das Evaluationsverhalten bei demselben Studenten über die Zeit? * Einfluss von Kovariaten (Geschlecht Student, Geschlecht Dozent, Alter des Dozenten, Fachsemester, Studiengang, Kursgröße, Veranstaltungsform etc.) auf die Evaluationsergebnisse Eigene Fragestellungen sind herzlich willkommen. |
Anja Vetterlein | Jan Plötner |
Die folgenden Bachelorarbeitsthemen sind momentan in Bearbeitung:
| Autor | Thema | Beschreibung | Betreuer | Weitere Betreuer |
|---|---|---|---|---|
| Simulationsstudie zu Regularisierungsverfahren in Strukturgleichungsmodellen | Christian Bloszies |