In diesem Modul lernen Sie, wie Sie mit Hilfe von Proportionstests die Präferenzen der Benutzer (oder andere Erhebungen) analysieren können. Außerdem werden Sie sich mit R und RStudio vertraut machen. Zu den behandelten Themen gehören unabhängige und abhängige Variablen, Variablentypen, explorative Datenanalyse, p-Werte, asymptotische Tests, exakte Tests, Tests mit einer Stichprobe, Tests mit zwei Stichproben, Chi-Quadrat-Test, G-Test, exakter Test nach Fisher, Binomialtest, Multinomialtest, Post-hoc-Tests und paarweise Vergleiche. Dieses Modul umfasst die Vorlesungsvideos 3-9.

In diesem Modul lernen Sie, wie Sie einen einfachen A/B-Test für eine Website entwerfen und analysieren. Zu den Themen gehören Messfehler, unabhängige Variablen als Faktoren, Faktorniveaus, Faktoren zwischen Probanden, Faktoren innerhalb von Probanden, abhängige Variablen als Antworten, Antworttypen, ausgeglichene Designs und wie man einen t-Test auswertet. Sie werden Ihre erste Varianzanalyse in Form eines t-Tests mit unabhängigen Stichproben durchführen. Dieses Modul umfasst die Vorlesungsvideos 10-11.

In diesem Modul lernen Sie, wie Sie sicherstellen können, dass Ihre Daten durch die Planung von Experimenten valide sind und dass Ihre Analysen valide sind, indem Sie bestimmte Annahmen verstehen und auf sie testen. Zu den Themen gehören die experimentelle Kontrolle, Störfaktoren, ökologische Validität, die drei Annahmen der ANOVA, Datenverteilungen, Residuen, Normalität, Homoskedastizität, parametrische gegenüber nichtparametrischen Tests, der Shapiro-Wilk-Test, der Kolmogorov-Smirnov-Test, der Levene-Test, der Brown-Forsythe-Test und der Mann-Whitney-U-Test. Dieses Modul umfasst die Vorlesungsvideos 12-15.

In diesem Modul lernen Sie etwas über Ein-Faktor-Experimente zwischen Versuchspersonen. Bei dem untersuchten Experiment handelt es sich um eine Studie zur Erledigungszeit von Aufgaben mit verschiedenen Programmiertools zwischen den Versuchspersonen. Sie werden Daten von zweistufigen Faktoren und dreistufigen Faktoren verstehen und analysieren, indem Sie den t-Test für unabhängige Stichproben, den Mann-Whitney-U-Test, die einseitige ANOVA und den Kruskal-Wallis-Test anwenden. Sie werden lernen, wie man einen F-Test auswertet. Sie werden auch Omnibus-Tests verstehen und wissen, wie sie sich auf paarweise Post-hoc-Vergleiche mit Anpassungen für Mehrfachvergleiche beziehen. Dieses Modul umfasst die Vorlesungsvideos 16-18.

In diesem Modul lernen Sie einfaktorielle Experimente innerhalb von Probanden kennen, auch bekannt als Versuchspläne mit wiederholten Messungen. Bei dem untersuchten Experiment handelt es sich um eine Studie mit Probanden, die in einem Smartphone-Kontaktmanager nach Kontakten suchen, einschließlich der Analyse von Zeiten, Fehlern und Bewertungen auf einer Likert-Skala. Sie lernen Strategien zur Vermeidung von Übertragseffekten kennen, darunter vollständiges Counterbalancing, Latin Squares und balancierte Latin Squares. Sie werden Daten von zweistufigen Faktoren und dreistufigen Faktoren verstehen und analysieren, indem Sie den t-Test für gepaarte Stichproben, den Wilcoxon Signed-Rank-Test, die einseitige ANOVA mit wiederholten Messungen und den Friedman-Test anwenden. Dieses Modul umfasst die Vorlesungsvideos 19-23.

In diesem Modul lernen Sie etwas über Experimente mit mehreren Faktoren und faktoriellen ANOVAs. Das untersuchte Experiment ist die Texteingabe auf verschiedenen Smartphone-Tastaturen im Sitzen, Stehen und Gehen. Zu den Themen gehören gemischte faktorielle Designs, Interaktionseffekte, faktorielle ANOVAs und die Aligned Rank Transform als nichtparametrische faktorielle ANOVA. Dieses Modul umfasst die Vorlesungsvideos 24-27.

In diesem Modul lernen Sie die Analyse von nicht-normalen oder nicht-numerischen Antworten für Experimente zwischen den Versuchspersonen mit Hilfe von verallgemeinerten linearen Modellen (GLM) kennen. Wir werden drei frühere Experimente wiederholen und sie mit verallgemeinerten Modellen analysieren. Die Themen umfassen einen Überblick über Antwortverteilungen, nominale logistische Regression, ordinale logistische Regression und Poisson-Regression. Dieses Modul umfasst die Vorlesungsvideos 28-29.

In diesem Modul lernen Sie Modelle mit gemischten Effekten kennen, insbesondere lineare gemischte Modelle (LMM) und verallgemeinerte lineare gemischte Modelle (GLMM). Wir werden unser früheres Experiment zur Texteingabe auf Smartphones wiederholen, aber dieses Mal werden wir jeden einzelnen Messversuch in die Analyse einbeziehen. Außerdem werden wir alle in diesem Kurs behandelten Analysen wiederholen. Dieses Modul umfasst die Vorlesungsvideos 30-33.