Neurocognitive Methods and Programming for Data Science

Organisationseinheit
Freie Universität Berlin/Erziehungswissenschaft und Psychologie/ Psychologie

Bereich

Profilbereich

Zugangsvoraussetzungen

Keine

Qualifikationsziele

Die Studentinnen und Studenten haben essentielles theoretisches Hintergrundwissen für die praktische Durchführung und Bewertung experimenteller Studien in den kognitiven Neurowissenschaften erworben. Die Studentinnen und Studenten sind in der Lage die Möglichkeiten und Limitationen neurokognitiver Methoden (Magneto/Elektroenzephalographie und funktionelle Magnetresonanztomographie) kritisch zu reflektieren und haben darüber hinaus praktische Kenntnisse und Erfahrungen der imperativen Programmierung, speziell zur Darbietung experimenteller Paradigmen, erworben.

Inhalte

Es werden vier Themenblöcke behandelt. 1. Einführung in das Elektroenzephalogramm (EEG). Auf Grundlage des Buches „An Introduction to the Event- Related Potential Technique“ (2014) von Steven J Luck und weiterführender Literatur werden basale Aspekte der Neurophysiologie und EEG Signalgeneration, -aufnahme, und -analyse vermittelt. 2. Einführung in die Funktionale Magnetresonanztomographie (FMRT). Auf Grundlage des Buches „Functional Magnetic Resonance Imaging, Second Edition“ (2009) von Scott Huettel et al. werden basale Aspekte der FMRT Signalgeneration, -aufnahme, und -analyse diskutiert. 3. Einführung in die imperative Programmierung mit Matlab. In diesem Themenblock werden essentielle Programmierfähigkeiten vorgestellt und im Rahmen von Beispielaufgaben eingeübt. 4. Einführung in die Programmierung neurokognitiver Paradigmen. Mithilfe der Matlab Toolbox „Cogent“ wird Programmierung kognitiver Paradigmen in Theorie und Praxis diskutiert und anhand eines Beispielprojektes eingeübt.

Lehr- und Lernformen

Aktive Teilnahme

Vorlesung
2 SWS
Teilnahme empfohlen

Programmierübungen, Präsentation und schriftliche Zusammenfassung

Übung
2 SWS
verpflichtete Teilnahme

Programmierübungen, Präsentation und schriftliche Zusammenfassung

Aufwand

Präsenzzeit V	30 Stunden
Vor- und Nachbereitung V	70 Stunden
Präsenzzeit Ü	30 Stunden
Vor- und Nachbereitung Ü	80 Stunden
Prüfungsvorbereitung und Prüfung	90 Stunden

Modulprüfung
Mündliche Prüfung (ca. 20 Minuten)

Differenzierte Bewertung
differenzierte Bewertung

Modulsprache
Englisch

Arbeitsaufwand (Stunden)
300

Leistungspunkte (LP)
10

Dauer des Moduls
Zwei Semester

Häufigkeit des Angebots
Einmal im Studienjahr

Verwendbarkeit

Masterstudiengang Data Science