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