eduSTAT

Über eduSTAT

Innovation für Studenten: eduSTAT ist ein von der FFG gefördertes Projekt, das den Zugang zu statistischen Methoden für Studenten erleichtern und die Qualität wissenschaftlicher Arbeiten steigern soll. Die Markteinführung ist für Februar 2026 geplant, Alpha- und Beta-Testphasen sind derzeit in Bearbeitung und eine Publikation im MDPI Education Sciences ist geplant.

eduSTAT ist eine browsebasierte Statistik-Software, die speziell für Studenten und Forscher entwickelt wurde. Die Anwendung automatisiert die komplette statistische Datenanalyse – von der Datenaufbereitung über die intelligente Testauswahl bis hin zur professionellen Ergebnispräsentation. Durch lokale Datenverarbeitung gewährleistet eduSTAT vollständige Datenschutzkonformität, während standardisierte Ausgabeformate wissenschaftliche Publikationsstandards erfüllen. Die Software reduziert systematische Fehlerquellen durch automatisierte Verfahren und ermöglicht es Nutzern ohne umfangreiche Statistik-Kenntnisse, fundierte quantitative Analysen durchzuführen.

Automatisierter Analyseprozess

Dateiverarbeitung: Für die Verarbeitung von Excel-, CSV-Dateien u.v.m. nutzt eduSTAT die Community-Version von Sheet.js, einer leistungsstarken JavaScript-Bibliothek für Tabellenkalkulation. Dies ermöglicht eine vollständig clientseitige Datenverarbeitung ohne Server-Übertragung. Der Export als Word-Dokument basiert auf docx.js, womit die Generierung von docx-Dokumenten direkt im Browser ermöglicht wird.

Daten importieren

Importieren Sie Ihre Daten aus Excel oder CSV-Dateien. Ihre Daten bleiben privat - keine Serverübertragung.

Merkmale definieren

Erstellen Sie bei Bedarf zusammengesetzte oder Gruppierungsmerkmale für Ihre Analyse.

Datenanalyse durchführen

Wählen Sie zwei Merkmale aus - eduSTAT führt automatisch die passenden Tests durch.

Professionelle Ergebnisse

Erhalten Sie strukturierte Ergebnisse mit Methodik, Ergebnisteil und Literaturreferenzen.

Unterstützte Statistische Tests

Mathematische Berechnungen: Die statistischen Berechnungen und mathematischen Operationen greifen auf Math.js zurück. Diese ermöglicht präzise numerische Berechnungen und das Implementieren statistischer Funktionen direkt im Browser. Die Genaugikeit der Berechnungen wurde durch Vergleich mit Wolfram Mathematica sowohl durch SOLL/IST-Vergleiche, als auch mittels Teststärkenanalysen validiert: → Zu den Validierungen und Testdaten

G-Test

Likelihood-Ratio-Test für nominale Daten

p-Wert (Signifikanztest)
G-Statistik
Mindeststichprobengröße für Signifikanz

Mann-Whitney-U-Test

Nicht-parametrischer Test für unabhängige Stichproben

p-Wert (Signifikanztest)
U-Statistik und z-Wert
Hodges-Lehmann-Estimator mit 95%-Konfidenzintervall
Biseriale Rangkorrelation (Effektstärke)
Mindeststichprobengröße für Teststärke

Wilcoxon-Vorzeichen-Rang-Test

Nicht-parametrischer Test für gepaarte Stichproben

p-Wert (Signifikanztest)
Teststatistik (tp-tm)
Hodges-Lehmann-Estimator mit 95%-Konfidenzintervall
Biseriale Rangkorrelation (Effektstärke)
Mindeststichprobengröße (1.4826×MAD/HL)

Welch-Test

t-Test für ungleiche Varianzen

p-Wert (Signifikanztest)
t-Statistik mit angepassten Freiheitsgraden
Gruppendifferenz mit 95%-Konfidenzintervall
Mindeststichprobengröße für Teststärke
Mindeststichprobengröße für Signifikanz

Pearson-Korrelation

Produkt-Moment-Korrelation für lineare Zusammenhänge

p-Wert (Signifikanztest)
Korrelationskoeffizient mit 95%-Konfidenzintervall
t-Statistik
Effektstärke-Klassifikation
Mindeststichprobengröße für Signifikanz

Spearman-Korrelation

Rangkorrelation für monotone Zusammenhänge

p-Wert (Signifikanztest)
Korrelationskoeffizient mit 95%-Konfidenzintervall
t-Statistik
Effektstärke-Klassifikation
Mindeststichprobengröße für Signifikanz

Anderson-Darling-Test

Normalverteilungstest für kleine bis mittlere Stichproben

p-Wert (Signifikanztest)
Anderson-Darling-Statistik
Teststärke (Power)
Mindeststichprobengröße für 80% Teststärke

Automatische Visualisierungen

Technische Grundlage: Die Visualisierungen werden mit der Community-Version von plotly.js erstellt, einer Open-Source-Bibliothek für statistische Grafiken. Diese ermöglicht hochwertige, Diagramme direkt im Browser ohne Server-Abhängigkeiten.