Fachgruppentagung 2025
Die 17. Fachgruppentagung wird im September 2025 in Berlin (Steffi Pohl, Michael Eid & Manuel Voelkle) stattfinden. Weitere Informationen und genaue Details folgen in Kürze.
Jungmitglieder-Retreat
Das 2. Jungmitglieder-Retreat fand vom 05.-07. Oktober 2022 an der Universität Kassel (Florian Scharf) statt. Mehr Informationen und Anmeldung unter: www.dgps.de/fachgruppen/methoden-evaluation/nachwuchsfoerderung/
Fachgruppentagung 2023
Die 16. Fachgruppentagung fand vom 11.-15. September 2023 in Konstanz (Fridtjof Nussbeck & Ulf Reips) statt.
Weiterbildungsangebote
Die Fachgruppe weist hier auf regelmäßige Weiterbildungsangebote an Instituten hin.
Universität Tübingen:
Regelmäßig finden am Methodenzentrum der Universität Tübingen Weiterbildungen im Rahmen von Workshops während der Fall und Spring School statt. Die interdisziplinären Workshops addressieren insbesondere Forscherinnen und Forscher aus dem Bereich der Methodenlehre und dem Data Science und beinhalten fortgeschrittene Themen u.a. zu Machine Learning, Latent Variable Modeling und Mixed Methods. Weitere Informationen finden Sie hier: Webseite
Universität Zürich
Ein regelmäßiges Angebot von einführenden und fortgeschrittenen Kurse zur statistischen Datenanalyse und Programmierung mit der open-source Software R:
Universität Koblenz-Landau
Ein regelmäßiges Angebot an Workshops zu R sowie zu Multilevelanalyse und Strukturgleichungsmodellen:
https://www.uni-koblenz-landau.de/de/methodenzentrum/fortbildung
Institut für Qualitätsentwicklung im Bildungswesen
https://www.iqb.hu-berlin.de/fdz/workshops
Weiter weisen wir auf die nachfolgenden Kolleginnen und Kollegen hin, die bezüglich Weiterbildungsangeboten angesprochen werden können.
Prof. Dr. Michael Eid (Freie Universität Berlin)
Lineare Strukturgleichungsmodelle, Veränderungsmessung mit latenten Variablen, Multitrait-Multimethod-Analyse, Auswertung von Multi-Rater-Daten, Latent Class Analyse, Testkonstruktion und-analyse
Dr. Georg Hosoya (Freie Universität Berlin)
Einführung in die Mehrebenenanalyse mit R, Einführung in Bayesianische Methoden mit R und JAGS
Dr. Kristian Kleinke (Fernuniversität Hagen)
Fehlende Werte und Multiple Imputation, Analyse von Paneldaten mit fehlenden Werten, Datenanalyse mit R, Einführung in R
Dr. Rainer Leonhart (Universität Freiburg)
Regressionsanalyse, Varianzanalyse, Strukturgleichungsmodelle, Umgang mit fehlenden Werten, explorative multivariate Verfahren
Dr. Jana Groß Ophoff (PH Freiburg)
Lineare Strukturgleichungsmodelle, Item-Response-Modelle; Software: Mplus, Conquest, R, SPSS
Prof. Dr. Timo von Oertzen (Universität der Bundeswehr München)
Strukturgleichungsmodelle mit Onyx, Optimierung von statistischer Power in Versuchsdesigns
Dr. Thomas Schäfer (ZU Chemnitz)
Forschungsmethodik und Evaluation (Lineare Strukturgleichungsmodelle, Mehrebenenanalysen, Effektgrößen und Konfidenzintervalle, Einführung in SPSS, AMOS, HLM)
Prof. Dr. Margrit Schreier (Jacobs University Bremen)
Qualitative Inhaltsanalyse; Fallauswahl und Verallgemeinerung in der qualitativen Forschung; Einführung in qualitative Forschungsmethoden; Mixed Methods
Prof. Dr. Manuel Völkle (Humboldt Universität zu Berlin)
Strukturgleichungsmodelle, Analyse von Längsschnittdaten
Dr. Till Kaiser (Ruhr-Universität Bochum)
Lineare Strukturgleichungsmodelle, Analyse von Längsschnittdaten, Meherbenenanalysen, Datenanalyse mit Stata/R/SPSS/Mplus
Dipl. Psych. Marcel Miché (Universität Basel)
Datenanalyse mit R (Einführung), professionelle Datenaufbereitung (in R) von Daten einer ESM (experience sampling methodology) Studie, R als Programmiersprache
Dr. Andreas Brandmaier (Max Planck Institute for Human Development & Max PLanck UCL Centre for Computational Psychiatry and Ageing Research - Berlin)
Verfahren des maschinellen Lernens, Strukturgleichungsmodelle (lavaan, OpenMx, Onyx), Veränderungsmessung
Dr. Annika Wilhelmy (Universität Zürich)
Qualitativer Forschungsansatz der Grounded Theory, Einführung in Qualitative Forschungsmethoden
Dr. Jan R. Böhnke (University of Dundee, UK)
Multivariate Verfahren (Querschnitt, Längsschnitt, Mehrebenendaten); Item Response Modelle; Siumulationsstudien (z.B. für statistische Power in Forschungsdesigns, Validierung von Ergebnissen komplexer Modelle) Software: R, Mplus, Stata