MODUŁ 2. Zaawansowane metody analizy statystycznej w tym
Transkrypt
MODUŁ 2. Zaawansowane metody analizy statystycznej w tym
KARTA PRZEDMIOTU / MODUŁU KSZTAŁCENIA Nazwa przedmiotu (modułu kształcenia) Kod przedmiotu MODUŁ 2. Zaawansowane metody analizy statystycznej w tym metody modelowania statystycznego - część I S3-50-ZMAS-1 Jednostka prowadząca Wydział Nauk Pedagogicznych Status przedmiotu (modułu) Program kształcenia Kierunek wybieralny Pedagogika Stopień kształcenia ogólnoakademicki Profil kształcenia polski Język wykładowy studia III stopnia Forma studiów studia stacjonarne Semestr Letni 2013/2014 Specjalność Rok Forma zajęć Liczba godzin w semestrze wykład warsztat 12 18 Inne Cele kształcenia Ta część modułu stanowi przygotowanie do bardziej zaawansowanych metod analizy statystycznej (analiza moderacji i mediacji, modelowanie równań strukturalnych, analiza danych longitudinalnych), które będą realizowane w drugim semetrze zajęć. W części pierwszej moduł umożliwia zapoznanie się z teoretycznymi i statystycznymi podstawami analizy regresji oraz klasyfikacyjnej eksploracji danych. Przygotowuje do poprawnego wyboru metody w pakiecie statystycznym (SPSS), samodzielnego przygotowania danych do analizy oraz interpretacji parametrycznych i graficznych wyników analizy. Uwrażliwia na konieczność unikania pułapki nadinterpretacji w analizie regresji i procedurach eksploracyjnych. Wymagania wstępne znajomość podstaw statystyki, znajomość podstaw metodologii nauk społecznych Efekty kształcenia/uczenia się Metody nauczania Student, który zaliczył przedmiot: Sposób sprawdzania Odniesienia do efektów kształcenia dla kierunku 1) charakteryzuje założenia teoretyczne analizy regresji wykład, mini ocena opisu realizacji P3_W04 wykłady z zadaniami zadania w port folio problemowymi ćwiczeń 2) rozróżnia podstawowe analizy klasyfikacyjne wykład, mini ocena opisu realizacji P3_W04 wykłady z zadaniami zadania w port folio problemowymi ćwiczeń 1) rozróżnia zmienne wyjaśniane i zmienne wyjaśniające w analizie regresji w kontekście danych zastanych zadania analityczne realizowane w pakiecie SPSS ocena opisu realizacji PS_U03 zadania w port folio ćwiczeń 2) wybiera odpowiednią metodę analizy regresji zadania analityczne realizowane w pakiecie SPSS ocena opisu realizacji P3_U06 zadania w port folio ćwiczeń 3) dobiera technikę klasyfikacyjną, zadania analityczne parametry klasyfikacyjne, wielkość drzew realizowane w klasyfikacyjnych, liczbę skupień pakiecie SPSS ocena opisu realizacji P3_U06 zadania w port folio ćwiczeń Wiedza Umiejętności 4) formułuje interpretacje wyników zadania analityczne przeprowadzonych analiz statystycznych realizowane w pakiecie SPSS ocena opisu realizacji P3_U08 zadania w port folio ćwiczeń 1) jest świadomy pułapki nadinterpretacji wyników analiz eksploracyjnych ocena opisu realizacji P3_K03 zadania w port folio ćwiczeń Kompetencje społeczne analiza krytyczna przeprowadzonych zadań Opis przedmiotu Podczas zajęć doktoranci zapoznają się z technikami eksloracji danych w dwóch podstawowych obszarach - analizy regresji oraz metod klasyfikacyjnych. Pracując na danych z badań wybranych na potrzeby komponentu studiów doktoranckich (PISA, PIRLS, Diagnoza Społeczna) uczestnicy kursu zdobętą kompetencje w zakresie przeprowadzania analiz statystycznych z wykorzystaniem programu SPSS oraz przygotowywania prezentacji ich wyników. Treści kształcenia - wykład 1) 2) 3) 4) Założenia teoretyczne i logika analizy regresji. Sposoby wyznaczania modelu regresji. Miary jakości modelu. Zastosowania analizy regresji. Klasyfikacje jako strategie eksploracji danych. Metody hierarchiczne i niehierarchiczne grupowania danych. Możliwości i pułapki nadinterpretacji procedur eksploracyjnych. Treści kształcenia - warsztat 1) 2) 3) 4) 5) Zapoznanie z modułami służacymi do analizy danych metodą regresji w programie IBM SPSS. Przygotowanie danych i wybór zmiennych w kontekście analizy regresji. Regresja wielokrotna w programie IBM SPSS (hierarchiczna i krokowa - metody wprowadzania predyktorów). Zmienne ciągłe, dychotomiczne oraz interakcyjne w analizie regresji. Interpretowanie wyników analizy regresji. Analizy klasyfikacyjne w programie IBM SPSS. Grupowanie dwustopniowe (bayesowskie Schwarza BIC i informacyjne Akaike AIC). Analiza skupień metodą k-średnich. Hierarchiczna analiza skupień. Drzewa klasyfikacyjne (metody wzrostu: CHAID i CRT). Interpretacja profilu skupień. Interpretacja dendrogramów. Literatura podstawowa 1) Korzeniewski, J., Metody selekcji zmiennych w analizie skupień, Łódź, Wydawnictwo Uniwersytetu Łódzkiego , 2012. 2) Bedyńska S., Brzezicka A., red., Statystyczny drogowskaz — praktyczny poradnik analizy danych w naukach społecznych na przykładach z psychologii, Warszawa, Wyd. SWPS 2007. 3) Gatnar E., Symboliczne metody klasyfikacji danych, Warszawa, Wydawnictwo Naukowe PWN, 1998. 4) King B. M., Minium E. W. , Statystyka w psychologii i pedagogice, Warszawa, Wydawnictwo Naukowe PWN, 2009. 5) Brzeziński J., (red.), Metodologia badań psychologicznych. Wybór tekstów, PWN, Warszawa 2004. 6) Bedyńska S., Książek M., (red.), Statystyczny drogowskaz 3. Praktyczny przewodnik wykorzystania modeli regresji oraz równań strukturalnych, Warszawa, Wydawnictwo Akademickie Sedno, 2012. 7) Bedyńska S.,Cypryańska M., (red.), Statystyczny drogowskaz 1. Praktyczne wprowadzenie do wnioskowania statystycznego, Warszawa, Wydawnictwo Akademickie Sedno, 2012. Literatura uzupełniająca 1) PISA 2009 Technical Report, dostępne na http://www.oecd.org/pisa/pisaproducts/pisa2009technicalreport.htm oraz inne zasoby dostępne na stronach http://www.oecd.org/pisa/pisaproducts/ 2) Mullis, I.V.S., Martin, M.O., Foy, P., & Drucker, K.T. ,2012, The PIRLS 2011 International Results in Reading, dostępne na: http://timssandpirls.bc.edu/pirls2011/downloads/P11_IR_FullBook.pdf 3) Czapiński, J., Panek, T. (red.), 2013, Diagnoza społeczna 2013. Warunki i jakość życia Polaków 4) Internetowy podręcznik statystyki, Rozdział: Analiza skupień oraz Rozdział: Drzewa klasyfikacyjne, Warszawa, StatSoft, 2001. Zasady i warunki zaliczenia Przygotowanie portfolio zawierającego założenia analizy regresji i analizy eksploracyjnej wybranej bazy danych edukacyjnych, uzasadnienie wyboru metody analizy, prezentację wyników analizy z komentarzem metodologicznym. Ocenę dostateczną otrzyma osoba, która potrafi z pomocą tutora przeprowadzić podstawowe etapy analizy oraz przygotować portfolio przeprowadzonych działań. Ocenę bardzo dobrą otrzyma osoba, która potrafii samodzielnie wykorzystać różne metody analizy regresji i analizy klasyfikacyjnej, samodzielnie uzasadnia wybór metod, porównuje zastosowane procedury i krytycznie określa wartość poznawczą zaproponowanych interpretacji. Portfolio będzie oceniane w skali pounktowej od 0 do 20 pkt. Skala ocen: 0-10 pkt = ndst 11-12 pkt = dst 13-14 pkt = dst+ 15-16 pkt = db 17-18 pkt = db+ 19-20 pkt = bdb Kalkulacja nakładu pracy studenta Formy aktywności studenta Nakład pracy udział w zajęciach dydaktycznych 30 czytanie literatury (przygotowanie do ćwiczeń) 30 praca z bazami danych między zajęciami 30 ECTS Łączny nakład pracy 90 Liczba ECTS Formy aktywności studenta Nakład pracy 3 Liczba punktów ECTS przypisanych do przedmiotu / modułu 3 uzyskanych w ramach zajęć wymagających bezpośredniego udziału prowadzących o charakterze praktycznym 1 2 Imię i nazwisko lidera przedmiotowego lub osoby opracowującej kartę przedmiotu Opracowanie karty przedmiotu (prowadzenie zajęć): dr Sławomir Krzychała, dr Małgorzata Gamian-Wilk Opracowanie/aktualizacja: 2014