13 Lösungen

13.1 Lösungen: Woche 1

Hausaufgaben

3. Berechnen Sie die Durchschnittsnote aller Module in Kommunikationswissenschaften, die Sie bisher abgeschlossen haben.

summe_gewichtet <- 
  sum(6.0 * 3 + # Einführung Kommunikationswissenschaft & Medienforschung
  5.5 * 3 + # Kernbereich Medienpolitik & Medienökonomie
  5.0 * 3 + # Kernbereich Medieninhalte & Mediennutzung
  6.0 * 3 + # Wissenschaftliches Arbeiten
  5.5 * 3)  # Methoden der empirischen Kommunikationsforschung: Einführung
  

n <- (5 * 3) # oder: 3 + 3 + 3 + 3 + 3

summe_gewichtet / n

[1] 5.6

Ersetzt man hier die 999.999 durch die jeweilige Note, kann man herausfinden, wie sich der Durchschnitt mit den Leistungen in diesem Semester verändern wird.

summe_gewichtet <- 
  sum(6.0 * 3 + # Einführung Kommunikationswissenschaft & Medienforschung
  5.5 * 3 + # Kernbereich Medienpolitik & Medienökonomie
  5.0 * 3 + # Kernbereich Medieninhalte & Mediennutzung
  6.0 * 3 + # Wissenschaftliches Arbeiten
  5.5 * 3 + # Methoden der empirischen Kommunikationsforschung: Einführung
  999.999 * 9 + # Statistik und Datenanalyse: Einführung
  999.999 * 6)  # Basistheorien der Kommunikationswissenschaft
  

n <- (5 * 3) + (1 * 6) + (1 * 9) # oder: 3 + 3 + 3 + 3 + 3 + 6 + 9

summe_gewichtet / n

[1] 502.7995

13.2 Lösungen: Woche 2

Die Lösungen für die «QuartoPlayground»-Übung könnt ihr hier herunterladen.

13.3 Lösungen: Woche 3

keine

13.4 Lösungen: Woche 4

keine

13.5 Lösungen: Woche 5

keine

13.6 Lösungen: Woche 6

keine

13.7 Lösungen: Woche 7

keine

13.8 Lösungen: Woche 8

QuartoPlayground

Die (erweiterte!) Lösung für die «QuartoPlayground»-Übung könnt ihr hier herunterladen.

Lösungen zur Übung 1

library(tidyverse)

DATEN <- readRDS(here::here("data/Stat_Einfuehrung_Befragung.RDS"))

DATEN <- DATEN |> 
   mutate(A201_num = case_when(
    A201 == "BA Major Kommunikationswissenschaft" ~ 1, 
    A201 == "BA Minor Kommunikationswissenschaft" ~ 2, 
    A201 == "MA Kommunikationswissenschaft (mit Auflagen)" ~ 3, 
    A201 == "Andere, und zwar" ~ 4, 
    .default = NA
   )) |> 
  sjlabelled::var_labels(A201_num = "Studienprogramm") |> 
  sjlabelled::set_labels(A201_num, 
    labels = c(
      "Major" = 1, 
      "Minor" = 2, 
      "MA-Auflage" = 3, 
      "andere" = 4))

DATEN  |> 
  tidycomm::knit_frequencies(A201_num)

Tabelle 13.1: Verteilung der Studienprogramme

Studienprogramm	N	Prozent	Valide %	Kum n	Kum %
Major	175	79%	80%	175	80%
Minor	41	19%	19%	216	98%
MA-Auflage	3	1%	1%	219	100%
andere	1	0%	0%	220	100%
—	1	0%	---	221	---
Gesamt	221	100%	100%	—	—

13.9 Lösungen: Woche 9

keine

13.10 Lösungen: Woche 10

keine

13.11 Lösungen: Woche 11

keine

13.12 Lösungen: Woche 12

keine