Registration does not begin until 02.10.2026 at 08:00. It ends on 12.10.2026 at 23:59.

Ein Großteil der empirischen Sozialforschung beschäftigt sich bei der statistischen Analyse von Daten mit der Untersuchung von Kausalzusammenhängen. Dabei geht es darum, die wahren Einflussquellen herauszufinden, die zu einer Veränderung führen, und andere Faktoren ausschließen zu können, die nur scheinbar im Zusammenhang mit dem Ergebnis stehen.

Es dreht sich also um Fragen nach Ursache und Wirkung, wie zum Beispiel:
- Kann eine App mit Klimaszenarien helfen, dass Laien die Auswirkungen von Maßnahmen in der Klimapolitik besser verstehen?
- Hilft Waldbaden zur Behandlung einer Depression? Oder wäre diese sowieso nach einiger Zeit von selbst verschwunden?
- Lernt ein Schulkind mehr, wenn es nach der Grundschule aufs Gymnasium geht, als wenn dasselbe Kind stattdessen auf die Realschule gehen würde?

Bei diesen Fragen geht es darum, die Ursachen und deren Wirkung zu verstehen, um damit Vorhersagen zu treffen und um Interventionen zu entwickeln. Im Kurs werden diese und ähnliche Fragen konzeptuell besprochen und an Beispielen vertieft. Der Kurs gibt dazu einen Überblick über das Konzept der Kausalen Inferenz. Das Ziel ist es, zu verstehen, wie Kausalzusammenhänge erforscht werden können und was es bei der Planung und Auswertung von Studien dabei zu beachten gilt. Dazu werden auch statistische Datenauswertungen beispielhaft besprochen, das konzeptuelle Verständnis steht jedoch im Vordergrund. Vorkenntnisse in Statistik oder Datenanalysesoftware sind nicht erforderlich.

Das Seminar hat zum Ziel, gemeinsam anhand von Materialien und in der Diskussion ein Verständnis des Konzepts "Kausalität" in empirischen, quantitativen Forschungsprojekten zu erwerben und zu erarbeiten, wie kausale Beziehungen erforscht werden können. Fokus ist dabei auf Kausalität in der statistischen Datenanalyse.

Further information on teaching evaluation: https://www.leuphana.de/en/teaching/quality-management/evaluation/course-evaluation.html