~/mcanzi

~/teaching

lehre

Lehrveranstaltungen in den Masterstudiengängen Linguistik, Speech and Language Processing und Multilingualism der Universität Konstanz.

lehrveranstaltungen · lehrevaluation

Sommersemester 2027

Advanced Statistics

Die Fortsetzung von Statistics. Der Kurs beginnt mit einer Wiederholung linearer und gemischter Modelle, führt über ehrliche, publikationsreife Abbildungen mit ggplot2 und behandelt generalisierte additive (gemischte) Modelle für Kurven wie Formantverläufe und Pupillenreaktionen, mit simulierten Daten und einer praktischen Sitzung. Es folgen zwei Sitzungen zu Random Forests, eine theoretische und eine praktische, danach eine Sitzung zur Teststärkeanalyse durch Simulation mit simr und dazu, warum Post-hoc-Teststärke nichts aussagt. Spätere Sitzungen behandeln Faktorenanalyse und Clusteranalyse. Die Folien (auf Englisch) sind eigenständige HTML-Dateien: Klicken Sie auf eine Sitzung, um sie zu öffnen.

Quellcode auf GitHub

  • 01–05 Modelle, Abbildungen und Kurven
  • 06–10 Random Forests, Teststärke und multivariate Methoden
  1. 01 Statistics refresher Linear models, interactions and mixed models
  2. 02 Figures for publication Honest, accessible and ready for print
  3. 03 Generalised additive models Modelling curves with smooth terms
  4. 04 Generalised additive mixed models Random smooths, autocorrelation and non-linear interactions
  5. 05 GAMMs in practice A guided analysis of pupil curves
  6. 06 Random forests Trees, forests and variable importance
  7. 07 Random forests in practice A guided analysis of accent features
  8. 08 Power analysis Planning sample sizes by simulation
  9. 09 Factor analysis Latent variables behind many measures in Vorbereitung
  10. 10 Cluster analysis Finding groups in data in Vorbereitung

Wintersemester 2027/28

Introduction to Forensic Speech Science

Eine Einführung in die forensische Phonetik: Sprecherprofile und Sprechervergleich, Ohrenzeugenschaft, Authentifizierung und Verbesserung von Aufnahmen, Transkription, Sprachanalyse im Asylverfahren, Sprache in Polizeivernehmungen und vor Gericht, Autorschaftsanalyse und die Arbeit von Sachverständigen. Die Sitzungen folgen den Kapiteln von Leemann, Perkins, Sullivan Buker & Foulkes (2024), An Introduction to Forensic Phonetics and Forensic Linguistics, mit Fällen aus dem Buch und simulierten Daten. Die letzten beiden Sitzungen sind Praat-Übungen mit Aufnahmen der Studierenden. Die Folien sind auf Englisch: Klicken Sie auf eine Sitzung, um sie zu öffnen.

Quellcode auf GitHub

  1. 01 Course introduction Forensic phonetics, forensic linguistics, and this course
  2. 02 Phonetic analysis Segments, prosody and acoustic measurement
  3. 03 Speaker profiling What a voice can and cannot tell us
  4. 04 Speaker comparison Methods, evidence and conclusions
  5. 05 Earwitness evidence Voice recognition and voice parades
  6. 06 Authentication, enhancement and speech content Is the recording genuine, and what was said?
  7. 07 Linguistic analysis in the asylum procedure Where did this speaker grow up?
  8. 08 Language in the legal process From the police caution to the courtroom
  9. 09 Authorship analysis Profiling and comparing the writers of texts
  10. 10 Expert witnesses Reports, courts and legal systems
  11. 11 Praat practical 1 Measuring your own voice
  12. 12 Praat practical 2 Casework with the class recordings

Wintersemester 2026/27

Statistics

Eine Einführung in die Datenanalyse mit R: vom tidyverse und der deskriptiven Statistik über lineare Regression, Interaktionen, Signifikanztests und gemischte Modelle bis zur logistischen Regression mit gemischten Effekten. Die Sitzungen folgen dem Aufbau von Winter (2019), Statistics for Linguists: An Introduction Using R, mit neuen Beispielen und Datensätzen. Die Folien jeder Sitzung (auf Englisch) sind eine eigenständige HTML-Datei: Klicken Sie auf eine Sitzung, um sie zu öffnen.

Quellcode auf GitHub

  • 01–03 R, Daten und deskriptive Statistik
  • 04–08 Das lineare Modell
  • 09–13 Inferenz und gemischte Modelle
  1. 01 Course introduction Organisation, R and RStudio, and first steps in R
  2. 02 Data wrangling Reading and wrangling data with the {tidyverse}
  3. 03 Descriptive statistics Describing distributions: centre and spread
  4. 04 Linear models Intercepts, slopes and residuals
  5. 05 Transformations Centering, standardising, correlation and logarithms
  6. 06 Multiple regression More than one continuous predictor
  7. 07 Categorical predictors Treatment coding, sum coding and factors
  8. 08 Interactions When the effect of one predictor depends on another
  9. 09 Significance testing Effect sizes, standard errors, confidence intervals and p-values
  10. 10 Mixed models 1 A conceptual introduction
  11. 11 Mixed models 2 Fitting, testing and troubleshooting
  12. 12 Mixed logistic regression Binary outcomes with glmer()
  13. 13 Power and model building p-values, power, uncertainty and building models

Lehrveranstaltungen

  • Statistics (seit 2021, jedes Semester): R, lineare Regression, lineare gemischte Modelle, logistische Regression, Analyse experimenteller Daten.
  • Advanced Statistics (seit 2021): nichtlineare Modellierung (GAMMs), Clusteranalyse, Faktorenanalyse, Random Forests.
  • Pupillometry (2026, mit Yining Yan): praxisorientierter Kurs zur Pupillometrie bei kognitiven und sprachbezogenen Aufgaben.
  • Introduction to Forensic Speech Science (2023, 2025): phonetische Analyse für den Sprechervergleich und die Erstellung von Sprecherprofilen.
  • Eye-tracking and Pupillometry (2024, mit Dr. Ilaria Venagli): beide Methoden in der Anwendung auf die Sprachforschung, mit starkem Praxisbezug.

Lehrevaluation

Das Diagramm zeigt den Lehr-Lern-Index meiner Lehrveranstaltung Statistics; das Fenster zeigt nacheinander eine Auswahl positiver Kommentare aus den Evaluationen meiner Lehrveranstaltungen und Workshops, wörtlich in der Originalsprache zitiert.

Statistics (LIN-14850): Lehr-Lern-Index, WS 2023/24 bis SoSe 2026
1 = bester Wert 1 1,5 2 2,5 3 WS23 n=6 SS24 n=19 WS24 n=16 SS25 n=13 WS25 n=12 SS26 n=9 Mittelbau Teaching Award 2024 Lehrpreis

Mittelwerte aus den evasys-Auswertungen, von 1 = trifft zu (bester Wert) bis 5 = trifft nicht zu. Fehlerbalken: ±1 Standardfehler; n = Anzahl der Fragebögen. ★ Mittelbau Teaching Award 2024.

als Tabelle anzeigen
SemesternLLISD
WS 2023/2461,831,28
SoSe 2024 ★191,220,38
WS 2024/25161,440,66
SoSe 2025132,061,06
WS 2025/26121,350,55
SoSe 202691,400,58
~/lehre
“It is nice that statistics is less scary than it sounds. You are doing an excellent job at breaking it down into small, digestible bites.”

Statistics, 2022