Modelowanie badań podłużnych w psychologii 1600-SZD-SPEC-MBP-PS
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
Rodzaj 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
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: