Statistics & Data Competence

Brief description

  • Grundbegriffe der Statistik wie Variablen, Population, Stichprobe, Lage-/Streuungs-/Konzentrationsmaße, Korrelation
  • Inferenzstatistik
  • Datenquellen, Datengüte und Datenkritik
  • Datenmanagement und -organisation
  • Datenschutz, Datensicherheit
  • Ethik und „Analytical Fairness“ als Grundhaltung
  • Analyseverfahren

Mode of delivery

face to face

Type

compulsory

Recommended or required reading and other learning resources/tools

Auer, E. & Landers, R. (2020). Creating Data-Driven HR Insights: Data Science in HRM. In T. Bondarouk & S. Fisher (Ed.), Encyclopedia of Electronic HRM (pp. 270-275). De Gruyter Oldenbourg. https://doi.org/10.1515/9783110633702-041 //
Lang, M. (Hrsg.) (2023). Datenkompetenz. Carl Hanser Verlag. //
Richter, L., Paier, D., & Reiger, H. (2021). Quantitative Sozialforschung: eine Einführung (2., völlig überarbeitete und erweiterte Auflage.). Facultas

Planned learning activities and teaching methods

Vortrag durch Lektor:innen, Blended Learning gesamt und in Kleingruppen, Ausarbeitung und Präsentation der Gruppenarbeiten, selbstorganisiertes Lernen

Assessment methods and criteria

Schriftliche Endprüfung (70 %): offene Fragestellungen, Berechnungen
Immanente Leistungsbeurteilung (30 %): Einzel- und Gruppenarbeit und Präsentation inklusive bewerteter Teilprüfungen, aktiver Beitrag während der Lehrveranstaltungen.
Inhaltliche Kriterien: Grad der Problemerfassung und Problemcharakterisierung, Komplexität der Lösungen hinsichtlich Fach- und Methodenkompetenz.
Formale Kriterien: Vollständigkeit der Antworten, sprachliche Differenziertheit und Eigenständigkeit der Ergebnisdarstellung.

Prerequisites and co-requisites

Wissenschaftliches Arbeiten und Schreiben

Infos

Degree programme

People & Culture Management (Bachelor)

Cycle

Bachelor

ECTS Credits

3.00

Language of instruction

German

Curriculum

Part-Time

Academic year

2025

Semester

4 SS

Incoming

No

Learning outcome

Nach erfolgreichem Abschluss der Lehrveranstaltung sind die Studierenden in der Lage,

  • den Zyklus der datenbasierten Entscheidungsfindung zu erklären (Fragestellung, Planung, Datenerhebung, Datenanalyse, Interpretation, Entscheidungsfindung und -kommunikation),
  • Grundbegriffe der Statistik wie Variablen, Population, Stichprobe, Mittelwert, Standardabweichung und Korrelation zu erläutern,
  • Daten richtig zu erfassen und zu organisieren, um sie für statistische Analysen vorzubereiten,
  • Datenquellen zu identifizieren und die Qualität der Daten zu bewerten,
  • geeignete statistische Methoden für die Analyse von (Personalmanagement-)Daten zu verstehen,
  • deskriptive Statistik anzuwenden, um Daten zu summarisieren und zu interpretieren,
  • Inferenzstatistik zu nutzen, um Schlussfolgerungen von einer Stichprobe auf die Gesamtpopulation zu ziehen,
  • statistische Software wie SPSS oder Excel für Datenanalyse und statistische Berechnungen zu verwenden,
  • statistische Ergebnisse kritisch zu bewerten und ihre Relevanz (für personalbezogene Fragestellungen) zu beurteilen,
  • statistische Ergebnisse klar und verständlich zu interpretieren und ihre Auswirkungen auf das Personalmanagement zu analysieren und
  • statistische Analysen auf reale Personalmanagement-Daten anzuwenden, um Fragestellungen und Hypothesen zu untersuchen.

Course code

1582-24-01-BB-DE-41