|
|
Code: |
305900 |
|
Modul: |
Angewandte Informatik |
|
Module title: |
Applied Computer Science |
|
Version: |
1.0 (09/2024) |
| letzte Änderung: |
23.01.2026 |
Modulverantwortliche/r: |
Prof. Dr.-Ing. Prenzel, Anna
A.Prenzel@hszg.de |
|
| Modul läuft im: | WiSe (Wintersemester) |
| Niveaustufe: | Bachelor/Diplom |
| Dauer des Moduls: | 1 Semester |
| Lehrsprache: | Deutsch |
| Lehrort: | Zittau |
|
| ECTS-Punkte: |
5 |
| Gesamtworkload in h |
150 |
|
| Präsenzzeit |
gesamt SWS |
davon |
| 4 |
1
Vorlesung |
3
Seminar/Übung |
0
Praktikum |
0
Weiteres |
|
Selbststudienzeit
in h |
gesamt |
davon |
105
|
70
Vorb. LV |
25
Vorb. Prüfung |
10
Sonstiges |
|
| Prüfung(en) |
| Prüfung: | Prüfungsleistung als Beleg (PB) |
- |
100.0% |
|
| Lehr- und Lernformen: | Die Lehrinhalte des Moduls werden in Vorlesungen und Seminaren mit praktischen Übungen vermittelt. |
|
| Lehrinhalte: |
Inhaltliche und formale Gestaltung wissenschaftlicher Arbeiten
- Gliederung wissenschaftlicher Arbeiten (IMRaD-Schema)
- Formatierung wissenschaftlicher Arbeiten nach APA7-Richtlinien
- Gestaltung von Literaturverweisen und Literaturverzeichnissen nach APA7-Richtlinien
- Umgang mit lizenzierten Werken, Einführung in Create-Commons-Lizenzen
Anwendung professioneller Textverarbeitungssysteme
- Microsoft Word: u.a. Gestaltung des Seitenlayouts, Einsatz von Formatvorlagen, automatischer Nummerierung, Verzeichnissen und Querverweisen
- LaTeX: Dokumenterstellung, mathematische Formeln, Tabellen, Abbildungen und automatisierte Literaturverzeichnisse (BibTex)
- Erstellung hochauflösender Zeichnungen (z.B. mit draw.io)
- Nutzung von Kollaborationsplattformen (z.B. Nextcloud)
Anwendung von Tabellenkalkulationssystemen und anderen Systemen zur Datenauswertung
- Microsoft Excel: Anwendung von Formeln und Funktionen, tabellarische Auswertungen mit Summen- und Zählfunktionen, statistische Analysen (Mittelwert, Standardabweichung, Korrelation, Regression,...), Diagramme und Pivot-Tabellen
- QtiPlot: Erstellen von Funktionsplots, Wachstumskurven und Histogrammen, Regressionsanalyse
Datenauswertung mit Python
- Programmiergrundlagen (Variablen, Schleifen, Bedingungen)
- Import von CSV-Dateien
- Datenauswertung mit der pandas-Bibliothek (DataFrame)
- Datenvisualisierung mit der matplotlib-Bibliothek
- Arbeit mit verschiedenen Editoren, wie z.B. Visual Studio Code oder Jupyter Notebook
|
| Lernergebnisse/Kompetenzen: |
| Fachkompetenzen: |
Nach erfolgreicher Teilnahme am Modul sind die Studierenden in der Lage,
- professionelle Dokumente mit Microsoft Word und LaTeX zu erstellen
- wissenschaftliche Texte gemäß den APA7-Richtlinien zu verfassen
- Excel und andere Tabellenkalkulationsprogramme für Berechnungen und statistische Auswertungen einzusetzen
- wissenschaftliche Daten grafisch zu visualisieren
- einfache Datenauswertungen mit Python zu programmieren
|
| Fachübergreifende Kompetenzen: |
Nach erfolgreicher Teilnahme am Modul sind die Studierenden in der Lage,
- ihre wissenschaftliche Arbeit nach den geltenden Richtlinien zu dokumentieren und wissenschaftliche Veröffentlichungen anzufertigen
- ihre in Experimenten gesammelten Daten statistisch auszuwerten und grafisch darzustellen
- passende Softwarewerkzeuge für die Unterstützung ihrer wissenschaftlichen Arbeit auszuwählen und sich einzuarbeiten
- selbständig zu arbeiten
- sich selbständig neues Wissen zu erarbeiten und sich dafür die benötigten Ressourcen (u.a. auch Software-Dokumentationen) zu erschließen
- den eigenen Arbeitsprozess effektiv zu organisieren
- konstruktiv in einer Gruppe Ergebnisse zu erarbeiten und Maßnahmen und/oder Strategien zu entwickeln
- flexibel auf Veränderungen reagieren zu können/sich neuen Anforderungen anzupassen
|
|
| Notwendige Voraussetzungen für die Teilnahme: |
keine |
|
| Literatur: |
Publication Manual of the American Psychological Association, Seventh Edition (2020) |
