Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Zaawansowane metody analizy danych
Tok studiów:
2019/2020
Kod:
HSOC-2-206-II-s
Wydział:
Humanistyczny
Poziom studiów:
Studia II stopnia
Specjalność:
Innowacje i interwencje społeczne
Kierunek:
Socjologia
Semestr:
2
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma studiów:
Stacjonarne
Prowadzący moduł:
dr Masłyk Tomasz (tomaslyk@agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

Projektowanie bazy danych do analiz statystycznych, transformacje na zmiennych, prosta i wielowymiarowa analiza danych, interpretacja i raportowanie otrzymanych rezultatów.

Opis efektów uczenia się dla modułu zajęć
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Powiązania z KEU Sposób weryfikacji i oceny efektów uczenia się osiągniętych przez studenta w ramach poszczególnych form zajęć i dla całego modułu zajęć
Wiedza: zna i rozumie
M_W001 Student zna metody analizy materiału empirycznego i adekwatne miary statystyczne oraz wie jakie są zasady etycznego prowadzenia badań. SOC2A_W15, SOC2A_W09 Aktywność na zajęciach,
Wykonanie ćwiczeń laboratoryjnych,
Kolokwium
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. SOC2A_W03, SOC2A_W10 Aktywność na zajęciach,
Projekt
Umiejętności: potrafi
M_U001 Student potrafi samodzielnie dokonać statystycznej analizy materiału empirycznego, dokonać interpretacji otrzymanych wyników, a następnie wnioski dotyczące dynamiki przemian we współczesnej Polsce. SOC2A_U06 Kolokwium,
Projekt
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. SOC2A_U11, SOC2A_U08 Prezentacja,
Wykonanie projektu
M_U003 Student potrafi współpracować z innymi członkami zespołów badawczych podczas realizacji badań. Jest otwarty na argumentację, potrafi także bronić swoich racji. SOC2A_U13 Wykonanie ćwiczeń laboratoryjnych,
Zaangażowanie w pracę zespołu
Kompetencje społeczne: jest gotów do
M_K001 Student potrafi opisywać, wyjaśniać przyczyny i skutki zmian społecznych oraz przygotowywać adekwatne rekomendacje. SOC2A_K04 Wykonanie ćwiczeń laboratoryjnych
M_K002 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. SOC2A_K02 Aktywność na zajęciach,
Projekt,
Udział w dyskusji,
Wykonanie ćwiczeń laboratoryjnych
Liczba godzin zajęć w ramach poszczególnych form zajęć:
SUMA (godz.)
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
30 0 0 30 0 0 0 0 0 0 0 0
Matryca kierunkowych efektów uczenia się w odniesieniu do form zajęć i sposobu zaliczenia, które pozwalają na ich uzyskanie
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Forma zajęć dydaktycznych
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Wiedza
M_W001 Student zna metody analizy materiału empirycznego i adekwatne miary statystyczne oraz wie jakie są zasady etycznego prowadzenia badań. - - + - - - - - - - -
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. - - + - - - - - - - -
Umiejętności
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. - - + - - - - - - - -
M_U003 Student potrafi współpracować z innymi członkami zespołów badawczych podczas realizacji badań. Jest otwarty na argumentację, potrafi także bronić swoich racji. - - + - - - - - - - -
Kompetencje społeczne
M_K001 Student potrafi opisywać, wyjaśniać przyczyny i skutki zmian społecznych oraz przygotowywać adekwatne rekomendacje. - - + - - - - - - - -
M_K002 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. - - + - - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 90 godz
Punkty ECTS za moduł 3 ECTS
Udział w zajęciach dydaktycznych/praktyka 30 godz
Przygotowanie do zajęć 20 godz
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 30 godz
Samodzielne studiowanie tematyki zajęć 8 godz
Dodatkowe godziny kontaktowe 2 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Ćwiczenia laboratoryjne (30h):
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

Pozostałe informacje
Metody i techniki kształcenia:
  • Ćwiczenia laboratoryjne: W trakcie zajęć laboratoryjnych studenci samodzielnie rozwiązują zadany problem praktyczny, dobierając odpowiednie narzędzia. Prowadzący stymuluje grupę do refleksji nad problemem, tak by otrzymane wyniki miały wysoką wartość merytoryczną.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Do zaliczenia kursu może przystąpić student, który regularnie uczestniczył w zajęciach. Dopuszczalne są dwie nieusprawiedliwione nieobecności. W przypadku niezaliczenia kursu w pierwszym terminie, student przystępuje do zaliczenia poprawkowego na takich samych zasadach, jakie obowiązywały w terminie pierwszym.

Zasady udziału w zajęciach:
  • Ćwiczenia laboratoryjne:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Studenci indywidualnie wykonują zadania problemowe, wykorzystując wiedzę i umiejętności związane z analizą danych. Pracują na bazach danych dostosowanych do poszczególnych zagadnień ujętych w programie kursu
Sposób obliczania oceny końcowej:
  • 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.
Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Student uzupełnia braki programowe we własnym zakresie lub korzysta z pomocy prowadzącego w czasie konsultacji.

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :
  • 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.
Zalecana literatura i pomoce naukowe:

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.

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

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

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

Informacje dodatkowe:

Przedmiot należy do grupy modułów angażujących studentów do udziału w działalności naukowej.