Module also offered within study programmes:
General information:
Name:
Zaawansowane metody analizy danych
Course of study:
2018/2019
Code:
HSO-2-206-II-s
Faculty of:
Humanities
Study level:
Second-cycle studies
Specialty:
Innovations and social interventions
Field of study:
Sociology
Semester:
2
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
Responsible teacher:
dr hab. Masłyk Tomasz (tomaslyk@agh.edu.pl)
Academic teachers:
dr hab. Masłyk Tomasz (tomaslyk@agh.edu.pl)
Module summary

Celem kursu jest nabycie przez studenta biegłości w posługiwaniu się prostymi i zaawansowanymi technikami analizy danych z wykorzystaniem programu statystycznego SPSS.

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 Student potrafi opisywać, wyjaśniać przyczyny i skutki zmian społecznych oraz przygotowywać adekwatne rekomendacje. SO2A_K06 Execution of laboratory classes
M_K002 Student potrafi współpracować z innymi członkami zespołów badawczych podczas realizacji badań. Jest otwarty na argumentację, potrafi także bronić swoich racji. SO2A_K05 Execution of laboratory classes,
Involvement in teamwork
M_K003 Samodzielnie ocenia rzetelność źródeł danych statystycznych, formułuje rekomendacje w oparciu o analizy statystyczne, konstruuje modele heurystyczne do nowych badań w oparciu o wyniki prowadzonych analiz. SO2A_K03 Activity during classes,
Project,
Participation in a discussion,
Execution of laboratory classes
Skills
M_U001 Student potrafi samodzielnie dokonać statystycznej analizy materiału empirycznego, dokonać interpretacji otrzymanych wyników, a następnie wnioski dotyczące dynamiki przemian we współczesnej Polsce. SO2A_U06 Test,
Project
M_U002 Student potrafi przygotować projekt badawczy, a na podstawie otrzymanych wyników analizy statystycznej interpretować zjawiska społeczne, stawiać hipotezy i konstruować modele heurystyczne wykorzystywane w kolejnych projektach badań. SO2A_U08, SO2A_U11 Presentation,
Execution of a project
Knowledge
M_W002 Student wie, gdzie poszukiwać potrzebnych źródeł danych oraz potrafi ocenić ich rzetelność i przydatność dla przeprowadzenia analiz statystycznych. Znajomość koncepcji teoretycznych i paradygmatów w socjologii stanowi dla niego wsparcie podczas przygotowywania projektów badawczych i schematów analitycznych. SO2A_W03, SO2A_W10 Activity during classes,
Project
M_W003 Student zna metody analizy materiału empirycznego i adekwatne miary statystyczne. SO2A_W09 Activity during classes,
Execution of laboratory classes,
Test
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 Student potrafi opisywać, wyjaśniać przyczyny i skutki zmian społecznych oraz przygotowywać adekwatne rekomendacje. - - + - - - - - - - -
M_K002 Student potrafi współpracować z innymi członkami zespołów badawczych podczas realizacji badań. Jest otwarty na argumentację, potrafi także bronić swoich racji. - - + - - - - - - - -
M_K003 Samodzielnie ocenia rzetelność źródeł danych statystycznych, formułuje rekomendacje w oparciu o analizy statystyczne, konstruuje modele heurystyczne do nowych badań w oparciu o wyniki prowadzonych analiz. - - + - - - - - - - -
Skills
M_U001 Student potrafi samodzielnie dokonać statystycznej analizy materiału empirycznego, dokonać interpretacji otrzymanych wyników, a następnie wnioski dotyczące dynamiki przemian we współczesnej Polsce. - - + - - - - - - - -
M_U002 Student potrafi przygotować projekt badawczy, a na podstawie otrzymanych wyników analizy statystycznej interpretować zjawiska społeczne, stawiać hipotezy i konstruować modele heurystyczne wykorzystywane w kolejnych projektach badań. - - + - - - - - - - -
Knowledge
M_W002 Student wie, gdzie poszukiwać potrzebnych źródeł danych oraz potrafi ocenić ich rzetelność i przydatność dla przeprowadzenia analiz statystycznych. Znajomość koncepcji teoretycznych i paradygmatów w socjologii stanowi dla niego wsparcie podczas przygotowywania projektów badawczych i schematów analitycznych. - - + - - - - - - - -
M_W003 Student zna metody analizy materiału empirycznego i adekwatne miary statystyczne. - - + - - - - - - - -
Module content
Laboratory classes:
Zaawansowane metody analizy danych

1. Podstawowa zasada analizy danych: „garbage in – garbage out”.
• Analiza najczęściej pojawiających się błędów kwestionariusza.
• Problem kodowania danych.
2. Przygotowanie bazy danych.
• Importowanie bazy z MS Excel.
• Projektowanie bazy w SPSS – wprowadzanie danych, opis danych (nazwa zmiennej, etykieta zmiennej, etykieta wartości zmiennej)
3. Edycja danych – czyszczenie bazy danych
• Braki danych
• Błędne kody
• Problem spójności odpowiedzi
4. Transformacje na zmiennych
• Rekodowanie wartości zmiennych
• Tworzenie nowych zmiennych
• Zliczanie wystąpień
• Rangowanie
• Użycie edytora poleceń (SYNTAX): komendy COMPUTE, RECODE, IF, COUNT.
5. Analiza danych
• Rozkłady częstości
• Tabele krzyżowe
• Wykresy
• Tabele wielokrotnych odpowiedzi
• Miary siły związku w zależności od poziomu pomiaru
6. Skala Likerta
• Wybór twierdzeń do skali
• Przygotowanie ostatecznej wersji skali – moc rozdzielcza (dyskryminacyjna)
• Analiza rzetelności (współczynnik Alpha-Cronbacha)
7. Wartości średnie
• Średnia a mediana
• Radzenie sobie ze skośnością rozkładu: M-Estymatory
• Porównanie wartości średnich: ANOVA i test t-studenta
8. Testy nieparametryczne
• Test Kruskala-Wallisa (odpowiednik ANOVA)
• Test U Manna-Whitneya (odpowiednik testu t-studenta dla grup niezależnych)
• Test znaków rangowych Wilcoxona (odpowiednik testu t dla grup zależnych)
9. Współczynnik r korelacji Pearsona. Regresja liniowa. Regresja logistyczna
10. Redukacja danych. Analiza czynnikowa. Analiza skupień
11. Raportowanie – struktura raportu.
12. Podsumowanie – zaliczenie

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 90 h
Module ECTS credits 3 ECTS
Participation in laboratory classes 30 h
Preparation for classes 20 h
Completion of a project 25 h
Preparation of a report, presentation, written work, etc. 5 h
Contact hours 2 h
Realization of independently performed tasks 8 h
Additional information
Method of calculating the final grade:
  • Podstawą obliczenia oceny końcowej będzie liczba punktów uzyskanych podczas kolokwium, w czasie którego sprawdzone zostaną praktyczne umiejętności posługiwania się programem SPSS. Student zobowiązany zostanie do samodzielnego wykonania kilku zadań w oparciu o informacje zawarte w bazie danych.
Prerequisites and additional requirements:
  • Przygotowanie do zaliczenia wymaga od studenta aktywnego uczestnictwa w zajęciach – zarówno podczas wykonywania ćwiczeń w grupie (prowadzenia analiz statystycznych, dyskutowania i interpretowania uzyskanych wyników) jak i samodzielnego studiowania zagadnień omawianych podczas zajęć, a także realizowania zadań praktycznych we własnym zakresie poza zajęciami.
  • Student korzystając z baz danych umieszczonych w Archiwum Danych Społecznych jest zobligowany do sformułowania problemu badawczego, który stanowić będzie podstawę dla realizowanego projektu badań (zarysowanie kontekstu teoretycznego, postawienie pytań badawczych, sformułowanie hipotez, dobór wskaźników). Uzyskane rezultaty – wyniki analiz – przedstawiane będą podczas zajęć w formie prezentacji. Wykonanie projektu i przygotowanie prezentacji jest warunkiem dopuszczenia studenta do kolokwium zaliczeniowego.
  • Można mieć jedną nieobecność nieusprawiedliwioną; ewentualną drugą i trzecią będzie można zaliczyć na warunkach uzgodnionych z prowadzącymi zajęcia.
Recommended literature and teaching resources:

Blalock Hubert M. 1977. STATYSTYKA DLA SOCJOLOGÓW, Warszawa: PWN.
Ferguson George, Yoshio Takane. 2003. ANALIZA STATYSTYCZNA W PSYCHOLOGII I PEDAGOGICE, Warszawa: PWN.
Górniak, Jarosław, Janusz Wachnicki. 2000. PIERWSZE KROKI W ANALIZIE DANYCH, Kraków: SPSS Polska.
Nachmias, Chava, David Nachmias. 2001. METODY BADAWCZE W NAUKACH SPOŁECZNYCH, Poznań: Zysk i S-ka, Dodatki: A. Wstęp do SPSS, ss. 515-567.

Scientific publications of module course instructors related to the topic of the module:

Tomasz Masłyk, Analiza porównawcza ocen pracy zawodowej w krajach europejskich z wykorzystaniem metody taksonomicznej, Studia Socjologiczne 1/2014
Tomasz Masłyk, Krzysztof Kasparek, Mateusz Magierowski, Samoocena „twardych” i „miękkich” kompetencji uczniów szkół ponadgimnazjalnych [w:] Jarosław Górniak (red.) Kompetencje Polaków a potrzeby polskiej gospodarki. Raport podsumowujący IV edycję badań BKL z 2013 roku, Warszawa: PARP 2014
Tomasz Masłyk, Ewa Migaczewska, Charakter użytkowania Internetu przez osoby niepełnosprawne i sprawne w perspektywie cyfrowego wykluczenia – analiza porównawcza, Studia Socjologiczne 2/2014

Additional information:

Każdy student może pozyskać darmową wersję programu SPSS w Uczelnianym Centrum Informatyki AGH (na 1 rok) i zainstalować ją na własnym komputerze.

MODUŁ METODOLOGICZNY
Celem modułu jest dostarczenie umiejętności badawczych przydatnych dla projektowania i badania
efektywności innowacyjnych rozwiązań i prowadzenia interwencji społecznych. Wprowadzanie zmiany
wymaga ciągłego monitoringu w postaci realizacji wysokiej jakości badań oraz umiejętności znajdowania
i wykorzystywania dostępnych informacji.
Przedmioty składające się na moduł metodologiczny to przede wszystkim zaawansowane metody analizy
danych ilościowych i jakościowych uzupełnione o nowoczesne techniki i narzędzia analityczne, m.in. badania
w działaniu (action research), badania internetowe, laboratorium procesów grupowych, analitykę internetową.