Metodologia badań podłużnych w naukach społecznych 1600-SZD-ID-MBP
Przedmiotem zajęć będzie wprowadzenie do tematyki metodologii badań longitudinalnych. Uczestnicy zostaną zapoznani z różnymi rodzajami modeli longitudinalnych z wykorzystaniem analizy w ujęciu modeli równań strukturalnych, ale także z wykorzystaniem innych podejść (np. GEE). Kurs będzie miał charakter praktyczny i będzie obejmował w przybliżeniu następującą szczegółową tematykę: I. Badania poprzeczne vs. badania podłużne II. Rodzaje badań longitudinalnych III. Model pomiarowy. Longitudinalna konfirmacyjna analiza czynnikowa (CFA). IV. Modele panelowe V. Wielogrupowa analiza longitudinalna w ujęciu równań strukturalnych (SEM). VI. Krzywe wzrostu VII. Moderacja i mediacja w badaniach podłużnych VII. Analiza danych panelowych z wykorzystaniem oprogramowania R (w miarę możliwości czasowych) IX. Inne podejścia w analizie danych longitudinalnych (GLM, ARIMA, GEE, LMM, GLMM). Dodatkowe tematy w miarę możliwości czasowych, które zostaną uwzględnione to m.in. tzw. „attrition analysis” oraz „sensitivity analysis”. Kurs stanowi kontynuację zajęć pt. „Modelowanie równań strukturalnych”.
W cyklu 2024Z:
Przedmiotem zajęć będzie wprowadzenie do tematyki metodologii badań longitudinalnych. Uczestnicy zostaną zapoznani z różnymi rodzajami modeli longitudinalnych z wykorzystaniem analizy w ujęciu modeli równań strukturalnych, ale także z wykorzystaniem innych podejść (np. GEE). Kurs będzie miał charakter praktyczny i będzie obejmował w przybliżeniu następującą szczegółową tematykę: I. Badania poprzeczne vs. badania podłużne II. Rodzaje badań longitudinalnych III. Model pomiarowy. Longitudinalna konfirmacyjna analiza czynnikowa (CFA). IV. Modele panelowe V. Wielogrupowa analiza longitudinalna w ujęciu równań strukturalnych (SEM). VI. Krzywe wzrostu VII. Moderacja i mediacja w badaniach podłużnych VII. Analiza danych panelowych z wykorzystaniem oprogramowania R (w miarę możliwości czasowych) IX. Inne podejścia w analizie danych longitudinalnych (GLM, ARIMA, GEE, LMM, GLMM). Dodatkowe tematy w miarę możliwości czasowych, które zostaną uwzględnione to m.in. tzw. „attrition analysis” oraz „sensitivity analysis”. Kurs stanowi kontynuację zajęć pt. „Modelowanie równań strukturalnych”. |
Koordynatorzy przedmiotu
Efekty kształcenia
Wiedza | Zna i rozumie:
WG_02 - główne tendencje rozwojowe dyscyplin w ramach nauk społecznych, w których odbywa się kształcenie
Umiejętności | Potrafi:
UW_01 – wykorzystywać wiedzę z różnych dziedzin nauki, w szczególności z nauk społecznych do twórczego identyfikowania, formułowania i innowacyjnego rozwiązywania złożonych problemów lub wykonywania zadań o charakterze badawczym, a w szczególności: definiować cel i przedmiot badań naukowych w dziedzinie nauk społecznych, formułować hipotezę;
Badawczą; rozwijać metody, techniki i narzędzia badawcze oraz twórczo je stosować; wnioskować na podstawie wyników badań naukowych
UK_04 - uczestniczyć w dyskursie naukowym w obrębie nauk społecznych
Kompetencje społeczne | Jest gotów do:
KK_01 – krytycznej oceny dorobku w ramach danej dyscypliny w obrębie nauk społecznych
Oraz inne: W wyniku uczestnictwa w kursie doktoranci będą: •rozumieli i potrafili scharakteryzować i wyjaśnić podstawowe idee leżące u podłoża metodologii badań longitudinalnych •umieli rozróżnić różne rodzaje modeli longitudinalnych •potrafili dobrać właściwy rodzaj modelu strukturalnego do analizy danych logitudinalncyh •potrafili poddać analizie dane longitudinalne w obrębie modeli strukturalnych z wykorzystaniem specjalistycznego oprogramowania (SPSS, Amos, R) •umieli ocenić jakość dopasowania poszczególnych modeli •potrafili ocenić i poddać interpretacji i opisowi uzyskane rezultaty w formie zbliżonej do tej typowej dla publikacji impaktowanych
Kryteria oceniania
Opis wymagań związanych z uczestnictwem w zajęciach, w tym dopuszczalnej liczby nieobecności podlegających usprawiedliwieniu: •znajomość języka angielskiego, mile widziana podstawowa znajomość oprogramowania statystycznego (SPSS, Amos, R) •dozwolona liczba nieobecności: 1 spotkanie z 5
Zasady zaliczania zajęć i przedmiotu (w tym zaliczania poprawkowego): na ocenę, pod uwagę będzie brana aktywność podczas zajęć, oraz przede wszystkim przygotowanie projektu końcowego
Metody weryfikacji efektów uczenia się: przygotowanie jednego większego projektu wymagającego analizy danych z zastosowaniem poznanych technik. Projekt będzie również wymagał interpretacji i opisu wyników w formie typowej dla publikacji w czasopismach impaktowanych
Kryteria oceniania: m.in. adekwatność doboru modelu równań strukturalnych do danych longitudinalnych, poprawność obliczeń statystycznych, poprawność interpretacji wyników, jakość opisu wyników
Praktyki zawodowe
-
Literatura
(1) Little, T. D. (2013). Longitudinal structural equation modeling. Guilford press.o
(2) Selig, J. P., & Little, T. D. (2012). Autoregressive and cross-lagged panel analysis for longitudinal data.
(3) Garson, G. D. (2013). Generalized Linear Models & Generalized Estimating Equations. Statistical Associates Publishers: Asheboro.
(4) Garson, G. D. (2013). Longitudinal Analysis. Statistical Associates Publishers: Asheboro. Dodatkowa literatura może zostać zaproponowana tuż przed rozpoczęciem kursu.
W cyklu 2024Z:
(1) Little, T. D. (2013). Longitudinal structural equation modeling. Guilford press.o |
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: