Index

Digital Psychology Lab

Lecturers

Details

Time and place

Voraussetzungen: Im Vordergrund des Kurses steht die Verarbeitung und Analyse von biopsychologischen Daten in Python im Vordergrund. Daher sind (gute) Kenntnisse der Programmiersprache Python und damit verbundene Programmbibliotheken (NumPy, Pandas, SciPy, Matplotlib, etc.), bzw. das Interesse, sich diese Kenntnisse als Vorbereitung oder im Laufe des Kurses anzueignen, erwünscht.


Wenn Sie Ihr Wissen prüfen oder auffrischen wollen, empfehlen wir Ihnen die folgenden Vorlesungen und Online-Ressourcen: Beachten Sie jedoch, dass einige von ihnen bei vielen Themen über die Anforderungen dieses Kurses hinausgehen!

  • [Udacity Kurs: Introduction to Python]https://www.udacity.com/course/introduction-to-python--ud1110
  • [Stanford Kurs: Introduction to Scientific Python]https://stanford.edu/~schmit/cme193/
  • [SciPy Lecture Notes]https://scipy-lectures.org/intro/index.html
  • [Introduction to Pandas for Data Science]https://www.kdnuggets.com/2020/06/introduction-pandas-data-science.html
  • [American Psychological Association – A brief introduction to Python for psychological science research]https://www.apa.org/science/about/psa/2019/07/python-research
  • [Introduction to Programming for Psychological Scientists

]https://github.com/ContextLab/cs-for-psych
  • [Kursaufzeichnungen Digital Psychology Lab - WS 20/21]https://www.fau.tv/course/id/1803




Anmeldung: Studierende der Medizintechnik melden sich bei Interesse an der Lehrveranstaltung bitte vorab per Email an mad-dipsylab@fau.de an.

Content

Die interdisziplinäre Lehrveranstaltung "Digital Psychology Lab" ist für Studierende der Psychologie und Medizintechnik konzipiert. In Gruppen werden aktuelle Fragestellungen aus den Bereichen der digitalen Gesundheits- und Stressforschung bearbeitet. Ziel dieses forschungsorientierten Kurses ist die Stärkung der Zusammenarbeit zwischen den einzelnen Disziplinen, um gegenseitige Synergieffekte optimal zu nutzen. Die Studierenden sollen ihre individuellen Kompetenzen, die sie während des Studiums erlernt haben, in interdisziplinären Teams einsetzen, um voneinander zu profitieren. Neben der Planung und Durchführung einer Forschungsfrage sowie Analyse der Ergebnisse in Gruppen wird es während des Semesters auch Lehreinheiten der verschiedenen Disziplinen geben (Psychologie: Theoretische Modelle und biologische Grundlagen von Stress, hypothesengeleitete Planung und Durchführung von Experimenten, Erhebung von Biomarkern und deren Auswertung im Labor, Inferenzstatistik; Medizintechnik: Datenanalyse in Python, Erfassung und Verarbeitung von physiologischen Signalen, Grundlagen des maschinellen Lernens). Zudem werden Grundlagen des wissenschaftlichen Arbeitens und des Forschungsdatenmanagements vermittelt. Zu den behandelten Themen gehören unter anderem: - Überblick über aktuelle Themen auf dem Gebiet des maschinellen Lernens und der Datenanalyse für die Stressforschung - Beste Praktiken für Präsentation und Ausarbeitung wissenschaftlicher Ergebnisse - Beste Praktiken für hypothesengeleitete Planung und Durchführung von Experimental- und Feldstudien

Additional information

Expected participants: 30

www: https://www.studon.fau.de/crs3229251_join.html