10.1 WN Gesundheits- und Sozialwissenschaftliche Perspektive auf Datenerhebung und Datenauswertung

Aus gesundheits- und sozialwissenschaftlicher Sicht sind Datenerhebung und -analyse entscheidende Bestandteile der Forschung und werden zum Verständnis verschiedener gesundheitlicher und sozialer Phänomene eingesetzt. Die Datenanalyse kann in den Gesundheits- und Sozialwissenschaften aufgrund der Komplexität der Daten und der verschiedenen Faktoren, die sich auf die Gesundheitsergebnisse auswirken können, eine Herausforderung darstellen. Um diese Herausforderungen zu bewältigen, müssen die Forscher geeignete statistische Methoden anwenden und mögliche Verzerrungen und Störvariablen in ihrer Analyse berücksichtigen. Darüber hinaus ist es zentral zu erkennen, dass der Prozess der Datenerhebung und -analyse durch die Berufsperspektive des Forschers, seinen kulturellen Hintergrund und seine persönlichen Überzeugungen beeinflusst werden kann. Daher ist ein transparenter, strenger und objektiver Ansatz von entscheidender Bedeutung, um die Vertrauenswürdigkeit der Daten und der Analyse zu gewährleisten. In diesem Selbstlernmodul geht es auch um die Risikokommunikation. Das, ist der Prozess des Austauschs von Informationen und statistische Angaben über Risiken zwischen Einzelpersonen, Gruppen und Organisationen. Im Kontext der Gesundheits- und Sozialwissenschaften spielt die Risikokommunikation eine entscheidende Rolle bei der Information von Einzelpersonen und Gemeinschaften über potenzielle Gesundheitsrisiken und die Massnahmen, die zu deren Minderung ergriffen werden können. Insgesamt ist eine wirksame Risikokommunikation ein komplexer und multidisziplinärer Prozess, bei dem es darum geht, das Risiko, die Zielgruppe und den Kontext zu verstehen und die Botschaft entsprechend anzupassen.

Das Wissensnugget wird in Moodle über H5P bearbeitet: https://moodle.ost.ch/mod/h5pactivity/view.php?id=500663

Metadaten
Version
Bloomsche Taxonomy	K2 - verstehen K3 - anwenden K4 - analysieren K6 - beurteilen
Sprache	Deutsch
Anzahl Lektionen	4
Art des Unterrichts	Vorlesung Übung (ohne Labor/Werkstätte)
Voraussetzungen	Grundlagen der Statistik und quantitativen Forschungsmethoden.
Vorbereitungen, Bedingungen	–
Lernziele	Die Studierenden können … informierte Skepsis von Kritisieren und Beschreiben unterscheiden. Daten und Argumente hinsichtlich ihrer Relevanz für die Fragestellung diskutieren. dieselben Begriffe in unterschiedlichen Disziplinen in Kontrast setzen. Auffälligkeiten in Daten, Visualisierungen und Argumenten gegenüberstellen. Ergebnisse hinterfragen und durch einen Perspektivenwechsel alternative Erklärungen finden alternative Erklärungen gegeneinander abwägen. gängige Visualisierungen beschreiben und in Bezug zu deren Implikationen für Schlussfolgerungen und Fehlinterpretationen setzen Unterschiede und Gemeinsamkeiten unterschiedlicher Diagramme gegenüberstellen Grundlagen der Verteilungen, Skalen- bzw. Datenniveaus differenzieren psychometrische Grundlagen aus Logik der Psychologie und Gesundheitswissenschaften einordnen und beurteilen Das Interactive Book ermöglicht eine Eigenüberprüfung für die Studierende auf Basis von bis zu 33 möglicher Punkte.
Autor	Josef Huber
Co-Autor:innen
Original-Studiengang	Kein . Semester
Dateien
Zip-Datei	2759 (Typ: application/zip)

Der Lerninhalt ist schwierig!/The learning content is difficult!

Der Lerninhalt ist praxisorientiert!/The learning content is practice-orientated!

Das Material unterstützt mich!/The learning material supports me!