Dr. Glena Iten | glena.iten@phlu.ch | Pädagogische Hochschule Luzern

Um latente Merkmale wie Konzeptwissen oder Motivation zu erfassen, brauchen wir geeignete Messmodelle. Die Klassische Testtheorie eignet sich gut für bereits validierte Tests mit kontinuierlichen Antworten. Bei neu entwickelten Tests fokussiert man jedoch auf die Itemebene – die Antworten sind meist dichotom (richtig/falsch) oder ordinal (z. B. Likert-Skala). Für solche diskreten Antwortformate wurde die Item Response Theory (IRT) entwickelt, die logistische Funktionen nutzt. Zentrale Modelle sind das Rasch-Modell für dichotome und das Partial-Credit-Modell für polytome Items.
Genau hier setzt dieser Workshop an: Ziel ist es, die konzeptionellen Grundlagen der IRT kennenzulernen und diese beiden Modelle genauer zu beleuchten. Anhand von realen Datenbeispielen schätzen die Teilnehmenden ein IRT-Modell, interpretieren Item- und Personenparameter und überprüfen zentrale Modellannahmen.
Der Workshop richtet sich an alle Forschenden, die IRT-Methoden in ihrer eigenen Arbeit einsetzen und/oder kritisch einschätzen möchten – ohne dabei in mathematische Herleitungen einzutauchen. Vorkenntnisse in R und Grundkenntnisse in Statistik werden empfohlen.

Voraussetungen & Vorbereitung:

• Grundkenntnisse in R werden vorausgesetzt
• Kenntnisse in Messtheorie (z. B. Reliabilität, latente Variablen) sind von Vorteil, aber keine Bedingung. Wer sich inhaltlich vorab auffrischen möchte, findet in Döring (2023) eine zugängliche Übersicht über zentrale Forschungsmethoden und deren Begriffe:
  https://link.springer.com/book/10.1007/978-3-662-64762-2

Dr. Nils Nolte | nils.nolte@uni-due.de | Universität Duisburg-Essen

Dieser Workshop bietet einen ersten Einstieg in die praktische Berechnung von Pfad- und Strukturgleichungsmodellen in R mittels des lavaan-Pakets. Mit dieser großen Familie von Modellen lassen sich zahlreiche unterschiedliche Arten von Fragestellungen beantworten: Von Mediationsanalysen als Erweiterung „normaler“ Regressionen über konfirmatorische Faktorenanalysen im Rahmen der Testkonstruktion bis hin zu komplexen Zusammenhangsgeflechten latenter Variablen in „klassischen“ Strukturgleichungsmodellen. Teilnehmende des Workshops werden die Grundlagen der Spezifikation unterschiedlicher Modelle kennenlernen und wie man ihre Qualität beurteilen sowie verschiedene Modelle miteinander vergleichen kann.

Für die Teilnahme werden grundlegende Kenntnisse in R benötigt. Theoretische Grundkenntnisse zu (multiplen) Regressionen und explorativen Faktorenanalysen sind hilfreich, um die gemeinsamen theoretischen Konzepte übertragen zu können. Um die begleitenden praktischen Übungen mitmachen zu können, ist zudem ein Laptop mit installiertem R und RStudio erforderlich.

Voraussetungen & Vorbereitung:

• Laptop mit installiertem R und RStudio
• Grundkenntnisse in R sind notwendig
• Grundkenntnisse zu (multiplen) Regressionen und explorativer Faktorenanalyse sind hilfreich

Dr. Sebastian Trentepohl | sebastian.trentepohl@rub.de | Ruhr-Universität Bochum

Viele Forschungsfragen in den Sozial- und Bildungswissenschaften lassen sich nicht mehr mit einfachen Gruppenvergleichen oder Korrelationen beantworten. Stattdessen stehen häufig Zusammenhänge zwischen mehreren Variablen sowie mögliche Wirkmechanismen im Mittelpunkt. Dieser Workshop richtet sich an fortgeschrittene Forschende mit grundlegenden Kenntnissen in SPSS und ersten Erfahrungen in der quantitativen Datenanalyse (z. B. Korrelation, Regression). Anhand eines Beispieldatensatzes werden ausgewählte Verfahren der statistischen Datenanalyse in SPSS vorgestellt und praktisch angewendet. Neben der Datenanalyse selbst werden auch die Auswahl geeigneter Verfahren und die Interpretation sowie das Berichten der Ergebnisse behandelt. Ziel des Workshops ist, Teilnehmende in die Lage zu versetzen, häufig genutzte Analyseverfahren eigenständig auf eigene Forschungsfragen anzuwenden und die Ergebnisse zu interpretieren und zu verschriftlichen.

Voraussetungen & Vorbereitung:

• Laptop mit installiertem SPSS
• Grundsätzliche Kenntnisse im Umgang mit SPSS sind hilfreich

Prof. Dr. Anke Lindmeier | anke.lindmeier@fau.de | FAU Erlangen-Nürnberg

Erfolgreiche DFG-Anträge gelten als die Königsklasse der nationalen Forschungsförderung. Sie haben Signalwirkung, aber vor allem ermöglichen sie es, unabhängig und selbstgesteuert an relevanten Themen der Grundlagenforschung zu arbeiten. In diesem Workshop erfahren Sie, wie DFG-Einzelprojektanträge strukturiert sind und welche Kriterien bei der Begutachtung welche Rolle spielen. Um die Informationen gleich produktiv zu nutzen, bringen Sie am besten schon eine erste Projektidee mit. Und keine Sorge, die muss nicht perfekt sein, denn das Schreiben von DFG-Anträgen ist eher die Langstrecke. Aber Übungssprints müssen auch sein.

Voraussetungen & Vorbereitung:

• Der Workshop richtet sich an Personen mit DFG-Antragsberechtigung (mind. Post-Doc) und Docs in der Endphase der Promotion (weniger als 6 Monate bis Promotion), die einen Antrag auf eine Sachbeihilfe (Einzelprojekt) im genannten Fachbereich anvisieren.
• Idealerweise notieren Sie sich schon im Vorfeld ein paar Stichpunkte zu einer möglichen Projektidee (z.B. theoretische Bezugspunkte, Forschungslücke, Forschungsfragen, geplantes Design, ca. 1 Seite).
• Grundinformationen zum Förderinstrument finden Sie hier.
• Aufkommende Fragen, spezifische Beratungsbedarfe oder auch Ihre ersten Projektideen können Sie mir bis eine Woche vor dem Workshop (19.7.2026) per E-Mail zukommen lassen. Dann kann ich spezifischer auf Ihr Anliegen eingehen.

Dr. Martin Schastak | m.schastak@dipf.de | DIPF & MAXQDA Professional Trainer

In diesem Workshop steht die Auswertung qualitativer Daten mithilfe der Qualitativen Inhaltsanalyse unter Einsatz KI-gestützter Funktionen von MAXQDA im Fokus. Dabei orientieren wir uns am Workflow der Strukturierenden Qualitativen Inhaltsanalyse nach Kuckartz & Rädiker (2024) und lernen ausgewählte KI-Funktionen von MAXQDA anhand von Beispieldaten kennen, erproben diese und reflektieren ihren Einsatz kritisch. Der Workshop umfasst insbesondere Demonstrationen der Funktionen einschließlich der Diskussion dieser sowie kurze Hands-on-Übungen mit Beispieldaten (Interviewdaten) und/oder Ihren eigenen Daten (sofern Sie für diese auch das Einverständnis haben, die Daten mit DSGVO-konformen KI-Funktionen zu prozessieren).

Die Teilnehmer*innen erhalten für die Dauer des Workshops eine temporäre Lizenz für MAXQDA. Diese ermöglicht es, das Programm auch über den Workshop hinaus für einen begrenzten Zeitraum in seinem vollen Funktionsumfang weiter zu explorieren. Bitte installieren Sie sich vor dem Workshop MAXQDA (https://www.maxqda.com/de/download). Die Aktivierung mit dem temporären Lizenzschlüssel erfolgt im Seminar.

Voraussetungen & Vorbereitung:

• Vorausgesetzt werden basale Kenntnisse der Qualitativen Inhaltsanalyse oder anderer kategorienbasierter Verfahren (z. B. der Grounded Theory).
• Grundlegende Kenntnisse in der Anwendung von MAXQDA, dessen Aufbau und Basisfunktionen (Dokumente importieren, Codes erstellen, kodieren) sind hilfreich, aber keine Voraussetzung für die Teilnahme.

Dr. Ronald Staples | ronald.staples@fau.de | FAU Erlangen-Nürnberg

Empirische Sozialforschung macht aus Daten Sinn und rekonstruiert daraus Rückschlüsse auf soziale Wirklichkeit. Üblicherweise übersetzen wir Beobachtungsdaten qua Sprache und verleihen ihnen Bedeutung. LegoSeriousPlay® (LSP) lädt zu einem Perspektivwechsel in diesem Prozess ein. Ursprünglich eine Szenariomethode aus der Organisations- und Changeberatung, kann durch das performative Bauen mit unterschiedlichsten Stecksteinen sowohl ein Forschungsdesign, eine Forschungsfrage als auch die Interpretation von Daten in den Blick genommen werden. Denn neben dem „Denken mit den Händen“ werden die Modelle im Anschluss besprochen. Damit können implizite Zusammenhänge, Annahmen, Kontexte, semantische Räume sichtbar gemacht werden. Kreatives Handeln ist für LSP das Werkzeug, um prospektiv Forschungsprozesse zu entwerfen, Forschungsfragen und ihre Begriffe zu reflektieren sowie eine tätige Interpretation von Beobachtungsdaten vorzunehmen.

Mehrerlei soll mit dem Workshop erreicht werden: Als Erstes sollen die Teilnehmenden mit ihrer Logik und damit zusammenhängend auch mit der Einsatzbreite vertraut gemacht werden. Drei Einsatzfelder von LSP werden im Workshop bearbeitet: 1) Erhebungsmethode in der Bildungsforschung (Rekonstruktion von Deutungsmustern und Beziehungsmustern). 2) Erweiterung des didaktischen Methodenkoffers in der Hochschullehre. 3) Strategiemethode zum Entwerfen von Forschungsdesigns. Nach dem Workshop sollen die Teilnehmenden in der Lage sein, die Reichweite und Einschränkungen von LSP in der empirischen Bildungsforschung einschätzen zu können und sie produktiv in die eigenen Forschungsprozesse zu integrieren.

Voraussetungen & Vorbereitung:

• Grundverständnis für qualitative Methoden und interpretative Verfahren
• Falls es spezifische Forschungsfragen/-themen gibt, von denen Sie denken, dass diese mit LSP bearbeitet werden könnten, teilen Sie sie gerne per E-Mail mit.

PD Dr. Sebastian Röhl | sebastian.roehl@ph-freiburg.de | Pädagogische Hochschule Freiburg

Datensätze in der empirischen Lehr-Lernforschung haben oft eine hierarchische Struktur, wie z.B. Schülerinnen und Schüler, die in Schulklassen gruppiert sind. Da z.B. durch den gemeinsamen Unterricht gleiche Kontextbedingungen vorliegen, muss diese Struktur in statistischen Analysen durch die Verwendung von so genannten „Mehrebenenmodellen“ bzw. „hierarchischen linearen Modellen“ berücksichtigt werden. Ein weiteres Beispiel sind Datensätze mit zeitlichen Wiederholungsmessungen, die viele Messwerte von denselben Personen beinhalten. Im Workshop werden die Modellierung, Berechnung und Interpretation von Mehrebenenmodellen mit dem Paket lme4 in R anhand von Beispieldatensätzen gemeinsam erarbeitet.
Agenda:

• Grundlagen von Mehrebenenmodellen am Beispiel genesteter Daten (Schüler:innen in Klassen oder Schulen)
  • Analyse und Interpretation von Random Intercept und Random Slope Modellen
  • Varianzverteilung
  • Zentrierung von Daten
  • Kompositionseffekte und Berechnung von L2-Variablen
  • Interaktionseffekte
  • Längsschnittliche hierarchische Modelle, Interventionseffekte

Voraussetungen & Vorbereitung:

• Elementares Verständnis einfacher Regressionsanalysen
• Vorerfahrungen der Statistiksoftware R
• Bitte installieren Sie vorab die neuesten Versionen der Software R und RStudio, sowie folgende R-Packages: lme4, lmerTest, merTools, mitml, miceadds, texreg