Sylabus Nazwa przedmiotu (w j. polskim i angielskim) Nazwisko i imię prowadzącego (stopień i tytuł naukowy) Rok i semestr studiów Zaawansowana analiza danych eksperymentalnych (Advanced statistical analysis of experimental data) dr Radosław Sterczyński letni Wymiar godzin 24 Kod przedmiotu NIE ZNAM Kod Erasmus NIE ZNAM Liczba punktów ECTS 6 Język wykładowy polski Forma zajęć Ćwiczenia/laboratorium Sposób zaliczenia końcowego Wymagania wstępne wobec studenta Skrócony opis przedmiotu Sprawdzian wiedzy + Praca zaliczeniowa Zaliczony kurs podstaw analizy danych eksperymentalnych (lub analogiczny) na studiach pierwszego stopnia Celem przedmiotu jest pogłębienie znajomości narzędzi statystycznych i rozwinięcie umiejętności posługiwania się nimi w analizie danych empirycznych eksperymentalnych i korelacyjnych. Studenci zdobywają wiedzę statystyczną i ćwiczą posługiwanie się nią z użyciem programu SPSS.
Pełny opis przedmiotu Główna część zajęć skupia się na rozwinięciu umiejętności prowadzenia pogłębionej analizy wariancji w modelach z wieloma zmiennymi niezależnymi (międzygrupowych, wewnątrzgrupowych i mieszanych), a także analizy regresji wielozmiennowej i innych technik weryfikacji hipotez oraz analiz siły związków między zmiennymi. Celem bloku zajęć dotyczącego analizy wariancji jest ugruntowanie wiedzy i umiejętności umożliwiających planowanie, realizację i interpretację planów eksperymentalnych uwzględniających wzajemną modyfikację wpływów wielu zmiennych niezależnych na zmienną zależną. Studenci poznają terminologię, uczą się interpretacji podstawowych efektów poziomu ogólnego (głównych i interakcji), oraz uczą się opisu i szczegółowej analizy efektów interakcji. Dodatkowo studenci poznają założenia stosowanych testów i uczą się praktycznego rozwiązywania problemów analitycznych. W części zajęć dotyczącej analiz siły związku między zmiennymi studenci poznają założenia analizy regresji, uczą się stosowania i interpretacji tej techniki analitycznej, a także wnioskowania w oparciu o obliczane przy jej użyciu parametry. Studenci poznają także podstawowe narzędzia użyteczne w psychometrii takie jak eksploracyjna analiza czynnikowa i analiza rzetelności. Podczas zajęć studenci uczą się pracy z bazami danych ilościowych, przekształcania tych baz, porządkowania ich i efektywnego opracowywania dużych zbiorów danych.
Zakres tematów (bloki tematyczne) Bloki tematyczne (3 godzinne obejmują dwa spotkania): Zajęcia 1 Przedstawienie programu zajęć i zasad zaliczenia. Sprawdzian aktualnej wiedzy studentów dotyczącej wprowadzanych zagadnień Przegląd znajomości funkcji pakietu statystycznego SPSS for Windows. Powtórka wiedzy dotyczącej jednoczynnikowej analizy wariancji. Zajęcia 2 Wieloczynnikowe plany eksperymentalne (2x2). Analiza wariancji układ międzygrupowe Efekty interakcji i efekty główne. Zajęcia 3 Wieloczynnikowe plany eksperymentalne cd (2x3). Analiza wariancji układ z powtarzanym pomiarem Zajęcia 4 Wieloczynnikowe plany eksperymentalne cd. Analiza wariancji układ mieszany Miary wielkości efektu Współzmienność Zajęcia 5 ANOVA modele wieloczynnikowe podsumowanie informacji Testy nieparametryczne dla jednoczynnikowych modeli eksperymentalnych Zajęcia 6 Kolokwium 1 Wprowadzenie do analizy wielkości związku między zmiennymi Testy normalności rozkładu Zajęcia 7 Analiza regresji Zajęcia 8 Analiza czynnikowa Analiza rzetelności i trafności testów
Literatura (Obowiązkowa, ponadobowiązkowa) Literatura podstawowa: 1. Bedyńska, S., Brzezicka, A. (2007). Statystyczny drogowskaz. Warszawa: Academica wybrane rozdziały zaznaczone przy tematach zajęć 2. Kinnear, P., R., Gray, C., D. (2004) SPSS 12 made simple. Hove & New York: Psychology Press. Literatura uzupełniająca: 1. Shaugnessy J.J., Zechmeister E.B., Zechmeister J.S. (2002). Metody badawcze w psychologii. Gdańsk: GWP. 3. Francuz, P. Mackiewicz, R. (2007) Liczby nie wiedzą skąd pochodzą. Przewodnik po metodologii I statystyce nie tylko dla psychologów. Lublin: Wydawnictwo KUL. 4. Ferguson, G., A., Takane, Y. (1997) Analiza statystyczna w psychologii i pedagogice. Warszawa: PWN. Cele (z punktu widzenia nauczyciela) 1. Student zna narzędzia współczesne narzędzia analityczne statystyki i planując badania uwzględnia korzystanie z tych narzędzi w analizie danych. Odniesienie do kierunkowyc h efektów kształcenia K_W06 K_U12 Efekty kształcenia Student ma wiedzę w zakresie zasad planowania badań z wykorzystaniem technik i narzędzi badawczych stosowanych w badaniach umysłu. Student potrafi planować i wykonywać podstawowe badania, doświadczenia lub dotyczące zagadnień poznawczych. Odniesienie do obszarowych efektów kształcenia X2A_W05 X2A_U01 Metody i środki dydaktyczne komputerem, praca własna studenta - realizacja projektu badawczego. Kryteria i forma oceny Projekt badawczy realizowany w grupie
2. Student realizuje własne K_U15 mini badanie, skupiając się na optymalizacji go pod kątem statystycznej analizy danych. Student prowadzi, we współpracy z innymi profesjonalistami, samodzielną pracę badawczą, umożliwiającą rozwój naukowy i podnoszenie kwalifikacji profesjonalnych. H2A_U04 H2Ą_U08 komputerem, praca własna studenta - realizacja projektu badawczego. Projekt badawczy realizowany w grupie 4. Student poznaje język statystyki i istotę oferowanych przez nią narzędzi, co umożliwia mu krytyczną analizę tekstów opisujących ich użycie. K_U17 Student potrafi w sposób krytyczny ocenić wyniki eksperymentów, obserwacji i obliczeń teoretycznych, a także przedyskutować błędy pomiarowe. X2A_U02 komputerem. Sprawdzian wiedzy. 5. Student samodzielnie interpretuje wyniki i wybiera właściwe narzędzia ich analizy. K_U22 zbiera i interpretuje dane empiryczne oraz na tej podstawie formułuje odpowiednie wnioski i proponuje rozwiązania o charakterze praktycznym P2A_U06 komputerem. Sprawdzian wiedzy.
6. Student zna aktualne narzędzia analizy danych, poprawnie wskazuje ich zastoswanie i adekwatnie dobiera do realizacji własnych celów analitycznych, a także posługuje się nimi w sposób sprawny i poprawny. Nie popełnia nadużyć intepretacyjnych K_U23 stosuje metody statystyczne oraz techniki i narzędzia informatyczne do opisu zjawisk i analizy danych o charakterze specjalistycznym, typowych dla dziedzin działalności społecznogospodarczej opartych na naukach przyrodniczych P2A_U05 komputerem. Sprawdzian wiedzy.