Sommersemester 2025
Im Kurs werden eigene Experimente zu einem selbstgewählten Thema von der Entwicklung der Forschungsfrage bis hin zur Darstellung der Ergebnisse praktisch eingeübt.
Der Kurs ist als inverted classroom konzipiert, d.h. die Studierenden eignen sich allein oder in der Gruppe die Inhalte an, die Sitzungen dienen vornehmlich dem Austausch untereinander und mit mir.
Themenvorschlag dieses Semester: Irgendwas mit generativer KI (Text, Bild, etc.)
Koch, T., Peter, C., & Müller, P. (2019). Das Experiment in der Kommunikations- und Medienwissenschaft. Grundlagen, Durchführung und Auswertung experimenteller Forschung. Wiesbaden: Springer VS.
Stellen Sie kurz sich und Ihren Themenvorschlag vor!
Gruppen bilden (4-5 Personen, ungern weniger)
E-Mail schreiben, wer in der Gruppe für welches Thema zuständig ist
Studien mit verwandten Themen recherchieren
Notebook (bzw. Tablet mit Tastatur) mitbringen
ggf. RStudio und R installieren
males = rnorm(n = 1e6, m = 180, sd = 10)
females = rnorm(n = 1e6, m = 166, sd = 10)
t.test(females, males)
Welch Two Sample t-test
data: females and males
t = -990.74, df = 2e+06, p-value < 2.2e-16
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-14.03807 -13.98264
sample estimates:
mean of x mean of y
165.9903 180.0007 | agent_age | agent_experience | agent_gender | scenario_condition | scenario_message | answer_friendly |
|---|---|---|---|---|---|
| 60 | loves texting and knows all the emojis. | man | annoyed with matching emojis | Kim, make sure you buy and bring a pack of coffee. 😒☕ | 1 |
| 60 | loves texting and knows all the emojis. | man | friendly with matching emojis | Hey Kim, could you vacuum the living room? 🧹😊 You’re a star! | 4 |
| 40 | just learned how to use Whatsapp | woman | annoyed without emojis | Kim, don’t forget to wash the dishes. | 2 |
iv
Quelle: Koch et al. (2019)
Quelle: Wang & Sundar (2022)
Komrey, Roose & Strübing, 2016
Quelle: Koch et al. (2019)
Quelle: Koch et al. (2019)
Quelle: https://measuringu.com/between-within/
| participant_id | treatment | outcome |
|---|---|---|
| 1 | A | 4 |
| 2 | B | 1 |
| 3 | C | 3 |
| 4 | A | 1 |
lm(outcome ~ treatment, data = d)
| participant_id | treatment | outcome |
|---|---|---|
| 1 | A | 1 |
| 1 | B | 2 |
| 1 | C | 5 |
| 2 | A | 5 |
lme4::lmer(outcome ~ treatment + (treatment | participant_id), data = d)
einfach zu planen und umzusetzen
einfach auszuwerten
keine Reihenfolgeeffekte etc.
große Stichprobe erforderlich
Aufwand Rekrutierung vs. Ertrag
mehr statistische Power
ggf. höhere Generalisierbarkeit
etwas mehr Aufwand in der Umsetzung
etwas schwierigere Auswertung
ggf. Reihenfolgeeffekte
Es sind auch gemischte und/oder unvollständige Designs (within + between Faktoren) möglich.
| Gruppe | Treatment_1 | Treatment_2 | Treatment_3 |
|---|---|---|---|
| 1 | A | B | C |
| 2 | B | C | A |
| 3 | C | A | B |
generative Sprachmodelle zur Texterstellung, z.B.,
https://ki-chat.uni-mainz.de
generative Sprachmodelle zur Erstellung und direkten Bearbeitung von Mockups, z.B.
https://gemini.google/overview/canvas
generative multimodale Modelle zur Bilderstellung, z.B.
https://chatgpt.com/
Schritt 1: Konstrukte präzise definieren oder Arbeitsdefinition entwickeln, ggf. Dimensionen herausarbeiten (Konstruktexplikation)
Schritt 2: Messungen recherchieren auf deutsch oder englisch, Tipp: zunächst Suchbegriffe identifizieren (siehe: “Jingle-jangle problem” und “Toothbrush problem”)
Schritt 3: Übersicht aller Messungen erstellen und nach Güte evaluieren
Schritt 4: Für Messung entscheiden, ggf. übersetzen/an Gegenstand anpassen/ auf 1-3 Items kürzen (inbs. für within-subjects Design)
Skalen-Sammlungen z.B.: Sammlung sozialwissenschaftlicher Skalen der GESIS, Skalenhandbuch Kommunikationswissenschaft
gruppe) mit k Ausprägungen (Anzahl Faktorenkombinationen/Pseudogruppen)IV01 anlegen.urnDraw('gruppe', 'IV01');if (value('IV01_01') == 1) {
html('Stimulus 1A');
} elseif (value('IV01_01') == 2) {
html('Stimulus 1B');
}Gleiche Schritte wie oben, aber für jede Messwiederholung:
Variablen sollten dann so heißen: BLOCK_i_j, wobei i die Stimulusseite ist, j die Itemnummer
vorzugsweise ein Variablenblock mit demselben Response-Format, alternativ mehrere (unterschiedliche Kürzel vorn)
<img src="sport_0_1.jpg"/>
<video playsinline controls controlsList="nodownload" style="max-width: 100%;">
<source src="sport_0_1.mp4" type="video/mp4" />
</video>| CASE | gruppe | seite | bedingung | item_1 | item_2 | item_3 |
|---|---|---|---|---|---|---|
| 101 | 1 | 1 | A | 5 | 4 | 3 |
| 101 | 1 | 2 | B | 2 | 5 | 1 |
| 103 | 2 | 1 | B | 4 | 3 | 5 |
| gruppe | seite | ki_ursprung | ki_markierung |
|---|---|---|---|
| 1 | 1 | 1 | 1 |
| 1 | 2 | 1 | 0 |
| 1 | 3 | 0 | 1 |
| 1 | 4 | 0 | 0 |
| 2 | 1 | 0 | 0 |
gruppe) und die Stimulusseite (seite), in den weiteren Spalten stehen die Versuchsbedingen, Thema, o.ä.| CASE | gruppe | seite | bedingung | item_1 | item_2 | item_3 | ki_ursprung | ki_markierung |
|---|---|---|---|---|---|---|---|---|
| 101 | 1 | 1 | A | 5 | 4 | 3 | 1 | 1 |
| 101 | 1 | 2 | B | 2 | 5 | 1 | 1 | 0 |
| 103 | 2 | 1 | B | 4 | 3 | 5 | 0 | 0 |
lm(y ~ bedingung)lmer(y ~ bedingung + (1|CASE)