@mastersthesis{Pistorius2022,
  type      = {Master Thesis},
  author    = {Pistorius, Elena},
  title     = {Explorative Untersuchung der Eignung qualitativer Datenanalysemethoden f{\"u}r die Identifikation anwendungsfallbezogener relevanter Korrelationen und Gruppierungen in einem divers aufgebauten Datensatz},
  institution = {Angewandte Computer- und Bio­wissen­schaften},
  pages     = {157},
  year      = {2022},
  abstract  = {Im Prozess der Masterarbeit und des vorangegangenen Forschungsmoduls wurden drei verschiedenartige Anbieter*innen von Escape Spielen untersucht. Zu diesem Zweck wurden Vor-Umfragen eingeholt, um Informationen {\"u}ber popul{\"a}re und bekannt Reihen dieser Art zu erkennen. Aufbauend auf diesen Frageb{\"o}gen wurden anschließend drei Anbieter*innen gew{\"a}hlt, welche eine m{\"o}glichst unterschiedliche Herangehensweise an die Umsetzung eines Escape-Raumes mit minimalistischen Mitteln haben. Nachdem diese ausgemacht wurden, konnten die Proband*innen-Gruppen eingeteilt werden, um, basierend auf diesen Konstellationen, verschiedene Boxen der Herausgeber einer Reihe auszuw{\"a}hlen. Auch bei diesen lag ein besonderer Schwerpunkt auf der Vergleichbarkeit, wodurch auf m{\"o}gliche Zusammenh{\"a}nge der Storylines geachtet wurde. Um die folgende Testphase planen zu k{\"o}nnen, musste jede der vierzehn Ausgaben zun{\"a}chst selbst getestet und analysiert werden. Hierzu wurden alle R{\"a}tsel versucht zu l{\"o}sen und zu verstehen, um den Kern der Aufgabenstellung erfassen zu k{\"o}nnen. Zudem wurde ein Zusammenhang zwischen den Karten in Form von Ablauf-Diagrammen ermittelt, wobei festgestellt werden konnte, dass mit zunehmender, ausgeschriebener Schwierigkeit diese breiter werden. Das bedeutet, dass zu R{\"a}tseln, welche als schwerer markiert waren, mehr Karten gegeben wurden. Eine der Herausforderungen lag darin, die ben{\"o}tigten Karten auszumachen. Da diese Methodik jedoch nicht zwingend mit der Art der R{\"a}tsel und den Hindernissen diese zu L{\"o}sen verkn{\"u}pft ist, sondern als unterst{\"u}tzendes Element angesehen werden kann, wurde sie in der vorliegenden Arbeit nicht ber{\"u}cksichtigt. Nachfolgend konnten aufgrund der gewonnenen Erkenntnisse Frageb{\"o}gen erstellt werden, welche sowohl allgemein auf die gesamte Box, als auch speziell auf die einzelnen R{\"a}tsel eingehen. Hierbei wurden klare Ziele gesteckt, welche Informationen erhoben werden sollten. Anhand dieser Strukturierung war es m{\"o}glich eine umfassende Sammlung an sehr verschiedenartigen Fragen zu erstellen, wodurch im Verlauf der Tests eine Vielzahl an Informationen gewonnen werden konnte. Zus{\"a}tzlich zu dieser Erhebung wurden Videodateien w{\"a}hrend des laufenden Tests erstellt, welche eine detailliertere und unabh{\"a}ngigere Betrachtung der Proband*innen erm{\"o}glichen. Nachdem diese Datenerhebungsphase abgeschlossen werden konnte, also alle Boxen verwendet wurden, begann die Vorverarbeitung der Daten. Hierzu wurden zun{\"a}chst die Videodateien gesichtet und strukturiert und die Frageb{\"o}gen in eine einheitliche Form gebracht. Es lagen nach dieser Phase strukturierte Videodateien vor, welche den gesamten Prozess des L{\"o}sens abbildeten, aber auch Dateien zu den einzelnen, definierten R{\"a}tseln. Diese einzelnen R{\"a}tsel wurden weitergehend kategorisiert und in ein vergleichbares Schema eingeordnet. Diese einzelnen R{\"a}tselvideos konnten zudem durch einen Algorithmus verarbeitet werden, welcher die unterschiedlichen Gesichter der Proband*innen erfassen, analysieren und in sieben Emotionen unterteilen kann. Aus diesem Verarbeitungsschritt entstanden zu jedem R{\"a}tsel drei CSV Dateien, welche diese Wahrscheinlichkeiten in Abh{\"a}ngigkeit des aktuellen Bildes wiedergeben. In Bezug auf die Frageb{\"o}gen wurden Tabellenstrukturen erreicht, welche die unterschiedlichen Arten und Teile dieser in einer einheitlichen Struktur wiedergeben. Nach diesem Schritt war es m{\"o}glich die Daten auf eine sinnvolle Weise zu kombinieren und aus diesen R{\"u}ckschl{\"u}sse auf Korrelationen zu ziehen. Auch eine Analyse mit umfangreicheren Anwendungen, wie „Rapid Miner" sind denkbar, jedoch haben die beschriebenen Methoden f{\"u}r die anvisierten Fragestellungen gen{\"u}gt. Auch andere Hypothesenuntersuchungen k{\"o}nnen aufgrund der aufgearbeiteten Daten erreicht werden, da sicherlich noch andere Zusammenh{\"a}nge in dieser Masse an Informationen stecken. Jedoch wurde mit dieser Aufnahme und diesen Auswertungen die Fragestellungen beantwortet, welche am Anfang des Praxismoduls aufgekommen waren},
  subject      = {Datenanalyse},
  language  = {de}
}