LFU:online

Die Studierenden erwerben Kenntnisse über Schlüsselkonzepte der Open Science und Meta-Science, darunter Transparenz, Reproduzierbarkeit, Replizierbarkeit, Robustheit, Generalisierbarkeit, Publikationsbias, fragwürdige Forschungspraktiken und die Freiheitsgrade von Forschenden. Sie lernen, die Glaubwürdigkeit veröffentlichter Verhaltensforschung zu bewerten und zu erkennen, wie Open-Science-Praktiken die Qualität und den Nutzen empirischer Ergebnisse verbessern können.

Der Kurs führt anhand von Beispielen aus der Verhaltensökonomie, der Urteils- und Entscheidungsforschung, der Sozialpsychologie und der Verhaltensfinanzierung in Open Science und Meta-Science ein. Zu den Kernthemen gehören die Glaubwürdigkeitskrise, Replikation und Robustheit, fragwürdige Forschungspraktiken, P-Hacking, HARKing, Publikationsbias, Vorregistrierung, Registered Reports, offene Daten, offener Code, offene Materialien und die Einhaltung von Zeitschriftenrichtlinien.

Jede Sitzung kombiniert eine kurze Vorlesung mit einem praktischen Seminar-Hackathon. Die Vorlesung führt in das Thema ein, liefert Beispiele und demonstriert relevante Werkzeuge oder Arbeitsabläufe. Das Seminar ist der gemeinsamen Arbeit an realen wissenschaftlichen Materialien gewidmet, darunter das Codieren von Artikeln, das Verfeinern von Codebüchern, das Prüfen offener Materialien und das Interpretieren sich abzeichnender Muster.

Die Bewertung basiert auf zwei Teamprojekten zur Meta-Wissenschaftskodierung. Projekt 1 zählt 45 % der Endnote und konzentriert sich auf ein kleineres, strukturiertes Audit von Transparenz- und Forschungspraxisindikatoren. Projekt 2 zählt 55 % und erfordert ein umfangreicheres oder komplexeres Kodierungsprojekt mit einem OSF-konformen Bericht, einem Codebuch, einem kodierten Datensatz und einer reproduzierbaren Zusammenfassung.

Der Kurs greift auf Literatur zu Open Science, Reproduzierbarkeit, Replikation und wissenschaftlicher Reform zurück, darunter Arbeiten zur Replikationskrise, fragwürdigen Forschungspraktiken, Präregistrierung, Registered Reports, offenen Daten und Materialien, Publikationsbias, statistischer Power und Ansätzen mit vielen Analysten und Designs. Die Lektüre umfasst Primärforschungsartikel, Übersichtsartikel, methodische Arbeiten und ausgewählte, leicht zugängliche Kommentare oder Fallstudien.

Positive Modulnoten gemäß § 8 Abs. 1 Z 1–3

Vorkenntnisse in Metawissenschaft, OSF, R/RMarkdown oder Programmierung sind nicht erforderlich. Grundkenntnisse empirischer Forschungsmethoden und Statistik in der Verhaltens-, Wirtschafts-, Finanz- oder Sozialforschung sind hilfreich.

Studierende sollten bereit sein, empirische Artikel zu lesen, in Teams zu arbeiten, sich mit methodischer Unsicherheit auseinanderzusetzen und Vorlagen sowie KI-gestützte Tools für transparente Forschungspraxis zu nutzen.

Dies ist ein praxisorientierter, projektbasierter Kurs. Die Studierenden sollten sich darauf einstellen, in Gruppen an realen wissenschaftlichen Materialien zu arbeiten und mit Unklarheiten in veröffentlichten Artikeln, Open-Science-Dokumentationen und Kodierungsentscheidungen konfrontiert zu werden. Ziel ist es, nicht nur Open Science kennenzulernen, sondern auch glaubwürdige, transparente und reproduzierbare Forschungsmethoden anzuwenden.