Note: Intro -- Vorwort -- Was ist Data Science? -- Inhaltsverzeichnis -- 1 Statistischer Humor im Unterricht -- 1.1 Einleitung -- 1.2 Methodik -- 1.3 Ressourcen -- 1.3.1 Gemischte Materialen, nach Themen gegliedert -- 1.3.2 Witze -- 1.3.3 Cartoons -- 1.4 Beispielanwendung -- 1.4.1 Beispielhafte Beschreibung einer Unterrichtseinheit zu Linearer Regression -- 1.4.2 Persönliche Erfahrungen -- 1.5 Diskussion und Ausblick -- 1.5.1 Anwendungsmöglichkeiten -- 1.5.2 Chancen des Lehrmaterials -- 1.5.3 Grenzen des Lehrmaterials -- Anhang -- Literatur -- 2 Personalisierte Medizin live erleben -- 2.1 Einleitung -- 2.2 Methodik -- 2.2.1 Lernergebnisse -- 2.2.2 Prüfungsform -- 2.2.3 Lehr-/Lernmethoden -- 2.2.3.1 Modifizierter „Flipped Classroom" in Kombination mit initialem Impulsanteil -- 2.2.3.2 Präsenztermin 1 - Einführungsphase -- 2.2.3.3 Selbststudium Phase 1 -- 2.2.3.4 Präsenztermin 2 -- 2.2.3.5 Selbststudium Phase 2 -- 2.2.3.6 Präsenztermin 3 -- 2.2.3.7 Selbststudium Phase 3 -- 2.2.3.8 Präsenztermin 4 - Abschlusspräsentation -- 2.3 Beispielanwendung -- 2.3.1 Impulsveranstaltungen -- 2.3.2 Selbstlernphasen und Zwischenpräsentationen -- 2.3.3 Medizinische Daten -- 2.3.4 Datenbank -- 2.3.5 ETL-Tool -- 2.3.6 Prüfung -- 2.4 Diskussion und Ausblick -- Anhang -- Literatur -- 3 Herr Herbinger hat ein Herzproblem -- 3.1 Einleitung -- 3.2 Methodik und Struktur des epiLEARNER -- 3.2.1 Interaktive Fallbeispiele -- 3.2.2 Theorieteil -- 3.2.3 Multiple-Choice-Fragen im Klausurformat -- 3.2.4 Implementierung -- 3.2.5 Verfügbarkeit -- 3.3 Beispielanwendung -- 3.4 Diskussion und Ausblick -- Literatur -- 4 Der richtige Mix macht's -- 4.1 Einleitung -- 4.2 Methodik -- 4.3 Beispielsanwendung Modul Deskriptive Statistik -- 4.3.1 Studiengang -- 4.3.2 Ablauf der Veranstaltung -- 4.3.3 Struktur einer Lerneinheit -- 4.3.4 Umsetzung im Lernmanagementsystem Moodle. , 4.4 Diskussion und Ausblick -- Anhang -- Literatur -- 5 Ein (didaktischer) Werkzeugkasten für ein effektives R Training -- 5.1 Einleitung -- 5.2 Zielsetzung und Struktur -- 5.3 Methoden -- 5.3.1 Herausfordernde Einführung -- 5.3.2 Live Demonstration -- 5.3.3 Paketbasierte Verwendung von R -- 5.3.4 Fokussierung auf einen Programmierstil -- 5.3.5 Grammatik statt Vokabular -- 5.3.6 Intuitives Lernen -- 5.4 Diskussion und Ausblick -- Anhang -- Literatur -- 6 Biostatistik trifft auf OMICS -- 6.1 Einleitung -- 6.2 Biostatistische Lernziele und Inhalte des Moduls -- 6.3 Methodische Hilfsmittel bei der Digitalisierung der Lehre -- 6.3.1 Einsatz von eduVote -- 6.3.2 Digitale Bereitstellung von Unterrichtsmaterialien -- 6.3.3 Klausur -- 6.3.4 Verwendung von interaktiven Darstellungen mit Shiny -- 6.3.5 Einsatz von Videokonferenz-Software -- 6.4 Diskussion und Ausblick -- Literatur -- 7 Methoden zur Abwechslung, Auflockerung und Aktivierung in der (Biometrie-)Lehre -- 7.1 Einleitung -- 7.2 Methodik -- 7.2.1 Methode: Landkarte -- 7.2.2 Methode: Interview -- 7.2.3 Methode: Rätselraten -- 7.2.4 Methode: Synchronisieren -- 7.2.5 Methode: Memory -- 7.2.6 Methode: Um die Ecke gedacht -- 7.2.7 Methode: Koffer -- 7.2.8 Methode: Wordcloud -- 7.3 Beispielanwendung -- 7.4 Diskussion und Ausblick -- Anhang -- Literatur -- 8 Spielerisch Daten reinigen -- 8.1 Einleitung -- 8.2 Methodik -- 8.3 Beispielanwendung -- 8.4 Diskussion und Ausblick -- Anhang -- Literatur -- 9 Flipped Classroom mit SAS on Demand -- 9.1 Einleitung -- 9.2 Das Lehrkonzept Flipped Classroom -- 9.3 Beispielanwendung: Flipped Classroom im Biometrie-Unterricht im Studiengang Humanmedizin in Ulm -- 9.3.1 Auswahl der Statistiksoftware -- 9.3.2 Lehrmaterial -- 9.3.3 Vorbereitung der Lehrenden -- 9.3.4 Prüfung -- 9.3.5 Evaluation: Cluster-randomisierter Ansatz -- 9.4 Diskussion und Ausblick -- Anhang. , Literatur -- 10 P-Wert im Geldbeutel? -- 10.1 Einleitung -- 10.2 Methodik -- 10.2.1 Benötigtes Material -- 10.2.2 Vorausgesetztes Vorwissen der Studierenden -- 10.2.3 Einführung in die Unterrichtseinheit -- 10.2.4 Durchführung der Unterrichtseinheit -- 10.2.5 Auswertung der Unterrichtseinheit -- 10.3 Diskussion und Ausblick -- Literatur -- 11 Biomathe kann begeistern! -- 11.1 Einleitung -- 11.2 Methodik -- 11.2.1 Biomathematik im Grundstudium -- 11.2.2 Biomathematik im Hauptstudium -- 11.2.3 Epidemiologie im Hauptstudium -- 11.2.4 Sonstige Veranstaltungen -- 11.2.5 Lehrmaterialien -- 11.3 Diskussion und Ausblick -- 11.3.1 Lehrende und Studierende -- 11.3.2 Schlussfolgerungen -- Literatur -- 12 Einsatz von Audience Response Systemen in der Lehre -- 12.1 Einleitung -- 12.2 Methodik -- 12.2.1 Vergleich verschiedener ARS -- 12.2.2 Mentimeter -- 12.2.3 Stellen von „guten" Fragen -- 12.3 Beispielanwendung -- 12.3.1 Test mit Live-Daten der Studierenden -- 12.3.2 Einordnung der Nachweisstufen von evidenzbasierter Medizin -- 12.3.3 Schätzung des positiv prädiktiven Werts der Mammographie -- 12.3.4 Quiz zur Überprüfung des erworbenen Wissens -- 12.4 Diskussion und Ausblick -- Anhang -- Literatur.