Herbert Schwetz Reihenfolge der Bücher

Die Untersuchung beleuchtet, wie eine beobachtbare nostalgische Strömung das Denken und die Wahrnehmung der Gegenwart beeinflusst. Es werden verschiedene Facetten der Nostalgie analysiert, darunter ihre psychologischen, kulturellen und sozialen Dimensionen. Der Autor diskutiert, wie nostalgische Erinnerungen sowohl als Rückzugsort als auch als Antrieb für Veränderungen in der Gegenwart dienen können. Durch verschiedene Beispiele und theoretische Ansätze wird ein tiefes Verständnis für die komplexe Beziehung zwischen Vergangenheit und Gegenwart vermittelt.

Das Buch analysiert John Hatties Studien und definiert, was guten Unterricht ausmacht. Es bietet praktische Empfehlungen für Lehrer, Schüler und Eltern und regt zur Reflexion über die Schulpraxis an. Weitere Informationen und Videomaterial sind auf der angegebenen Website verfügbar.

John Hattie ist in aller Munde, doch was ist dran an seiner Studie und was ist denn nun wirklich guter Unterricht? Dieses Buch versucht, wesentliche Botschaften aus den Forschungsergebnissen und den Schlussfolgerungen von Hattie herauszufiltern und Empfehlungen für die Schulpraxis und/oder Impulse für die Reflexion darüber zu geben. Ein Buch für Lehrer/-innen, Schüler/-innen und Eltern.

Als anwendungsbezogenes Lehr- und Lernwerk stellt diese Einführung in das quantitativ orientierte Forschen ein ideales Studienmaterial dar. Gut verständlich stehen nicht die Formel oder das mathematische Konzept im Vordergrund, vielmehr werden relevante statistische Begriffe und Konzepte in Form von Alltagstexten, Situationen und Fallbeispielen eingeführt und entwickelt. Die Studierenden werden in das wissenschaftliche Denken und Arbeiten eingeführt, erhalten einen Einblick in ausgewählte Schritte des quantitativ orientierten Forschungsprozesses und lernen elementare Begriffe der Statistik (z. B. Streuungswerte, Mittelwerte, Skalenniveaus, Boxplot, Korrelation, Signifikanz, Phi und Cramer V) kennen. Eine Reihe von Studienaufgaben ermöglicht weiters das Entdecken, Bearbeiten und Vertiefen von Konzepten und Inhalten. In die Analyse ausgewählter Daten mit SPSS 19 wird mit zahlreichen Screenshots eingeführt.

Die in diesem Büchlein dargestellten Modelle stellen nur einen kleinen Ausschnitt aus der Menge der möglichen Anwendungen dar. Besonderes Potential ist in den Modellen mit nominalskalierten Responsevariablen (z. B. Raucher versus Nichtraucher) zu sehen. Besonderes Interesse bei Gesundheitsforschern haben die „cross level interactions models“ hervorgerufen. In diesen Modellen werden Kontextvariable mit individuellen Variablen verknüpft. Mit der Mehrebenenanalyse können auch abhängige Messungen modelliert werden (z. B. abhängige Messung auf Ebene 1, Person auf Ebene 2, Klasse auf Ebene 3 und Schule auf Ebene 4). Die Mehrebenenanalyse geht weit über die Regressionsanalyse hinaus, indem sie es ermöglicht, geclusterte Daten aus sozialen Entitäten zu modellieren. Das Potential von MLWin wird durch die MLWin-Entwicklungsgruppe ständig erhöht und lässt weitere interessante Impulse für Forschung in der Zukunft erwarten.

Wo finde ich eine geeignete Thematik? Wie entwickle ich eine Forschungsfrage? Wie muss ich meine Arbeit strukturieren? Und nach welchen Kriterien wird meine Arbeit beurteilt? Dieses Buch orientiert sich an den in der Scientific Community allgemein akzeptierten Regeln für das Verfassen wissenschaftlicher Arbeiten sowie an den Vorgaben von Universitäten und Fachhochschulen des deutschsprachigen EU-Raumes zum Abfassen von Bachelorarbeiten. Als praktische Hilfestellung für Studierende beantwortet das Buch sämtliche Fragen rund um das Thema Bachelorarbeit, gibt zahlreiche Hinweise zur Textverarbeitung in Word und bietet eine klare Orientierung im kreativen Schreibprozess. Für die 2. Auflage wurde das Buch durchgehend aktualisiert und um das Kapitel 'Präsentieren der Bachelorarbeit ergänzt. Ein Leitfaden für Studierende aller Fachrichtungen!

Als anwendungsbezogenes Lehr- und Lernwerk stellt diese Einführung in das quantitativ orientierte Forschen ein ideales Studienmaterial dar. Gut verständlich stehen nicht bloß Formeln oder das mathematische Konzept im Vordergrund, vielmehr werden relevante statistische Begriffe und Konzepte mithilfe von Alltagstexten, Situationen und Fallbeispielen dargestellt und entwickelt. Die Studierenden werden in das wissenschaftliche Denken und Arbeiten eingeführt, erhalten einen Einblick in ausgewählte Schritte des quantitativ orientierten Forschungsprozesses und lernen elementare Begriffe der Statistik (z. B. Streuungswerte, Mittelwerte, Skalenniveaus, Boxplot, Korrelation, Signifikanz, Cohen‘s d) kennen. Deskriptive Statistik und Inferenzstatistik werden genauso thematisiert wie Korrelationsanalyse, explorative Faktorenanalyse sowie Grundlagen der linearen Regression und vieles mehr. Eine Reihe von Studienaufgaben ermöglicht weiters das Entdecken, Bearbeiten und Vertiefen von Konzepten und Inhalten. In die Analyse ausgewählter Daten mit SPSS wird mit zahlreichen Screenshots eingeführt.

Die in diesem Büchlein dargestellten Modelle stellen nur einen kleinen Ausschnitt aus der Menge der möglichen Anwendungen dar. Besonderes Potential ist in den Modellen mit nominalskalierten Responsevariablen (z. B. Raucher versus Nichtraucher) zu sehen. Besonderes Interesse bei Gesundheitsforschern haben die „cross level interactions models“ hervorgerufen. In diesen Modellen werden Kontextvariable mit individuellen Variablen verknüpft. Mit der Mehrebenenanalyse können auch abhängige Messungen modelliert werden (z. B. abhängige Messung auf Ebene 1, Person auf Ebene 2, Klasse auf Ebene 3 und Schule auf Ebene 4). Subramanian (2004, S. 604) bestätigt das Potential, wenn er Folgendes festhält: „The notions of contextual and compositional sources of variation have general relevance and they are applicable whether the context is administrative (e. g., political boundaries), temporal (e. g., different time periods, or institutional (e. g., schools or hospitals).“ Die Mehrebenenanalyse geht weit über die Regressionsanalyse hinaus, in dem sie es er-möglicht, geclusterte Daten aus sozialen Entitäten zu modellieren. Das Potential von MLWin wird durch die MLWin-Entwicklungsgruppe ständig erhöht und lässt weitere interessante Impulse für Forschung in der Zukunft erwarten.