Analiza danych edukacyjnych 2400-ZEWW1032
Zajęcia koncentrują się na empirycznej analizie danych pochodzących z dużych międzynarodowych badań edukacyjnych (PISA, TIMSS). Główne obszary tematyczne obejmują:
1. Wprowadzenie do danych edukacyjnych
o Specyfika danych z badań ILSA (International Large-Scale Assessments)
o Struktura plików danych (plik ucznia, szkoły, krajowy, kodek wartości)
2. Plausible Values (PV)
o Definicja i uzasadnienie stosowania
o Średniowanie wyników PV
o Użycie PV w regresjach
3. Wagi replikacyjne
o Rola wag w reprezentatywności danych
o Różnice między różnymi rodzajami wag (np. senate, replicate)
o Implementacja wag BRR i Fay’s BRR w STATA
4. Analiza danych – regresje
o Proste i wielowymiarowe modele regresji
o Testy hipotez i interpretacja wyników
o Regresje z interakcjami i predykcja wyników
5. Analiza danych – modele wielopoziomowe
o Modele z efektami losowymi (uczeń w szkole)
o Ujęcie hierarchii danych edukacyjnych
o Modele z losowymi współczynnikami
6. Tworzenie indeksów
o Analiza czynnikowa (FA)
o Item Response Theory (IRT)
o Latent Class Analysis (LCA)
7. Wizualizacja danych
o Komendy graficzne w STATA
o Wykresy regresji, rozrzutu i boxploty
8. Zapis wyników
o Eksport wyników do Worda/Excela
o Tworzenie raportów z analiz
Koordynatorzy przedmiotu
Rodzaj przedmiotu
Efekty kształcenia
Wiedza
Po ukończeniu przedmiotu student:
1. zna specyfikę danych z międzynarodowych badań edukacyjnych typu ILSA (np. PISA, TIMSS), w tym strukturę plików i sposób kodowania zmiennych,
2. Rozumie koncepcję wartości możliwych (Plausible Values) oraz ich znaczenie w analizie danych edukacyjnych,
3. posiada wiedzę na temat replikacyjnych wag statystycznych i ich roli w zapewnieniu reprezentatywności wyników analiz,
4. na podstawy modelowania regresyjnego, w tym regresji z interakcjami oraz modeli wielopoziomowych,
5. Zna podstawy wizualizacji danych ilościowych z wykorzystaniem oprogramowania STATA.
Umiejętności
Po ukończeniu przedmiotu student potrafi:
1. samodzielnie przygotować i załadować dane z badań ILSA do środowiska analitycznego,
2. przeprowadzać analizy statystyczne z uwzględnieniem PV i wag replikacyjnych,
3. interpretować wyniki analiz, w tym testować hipotezy i oceniać interakcje,
Kompetencje społeczne
Po ukończeniu przedmiotu student:
1. Potrafi krytycznie ocenić jakość danych i wyniki analiz empirycznych w kontekście badań edukacyjnych,
2. Potrafi efektywnie współpracować w zespole analitycznym nad przygotowaniem raportów i prezentacją wyników badań ilościowych,
Kryteria oceniania
20% – aktywność i zadania domowe
40% – projekt zespołowy z analizą danych edukacyjnych
40% – egzamin końcowy (test)
Literatura
OECD (2019). PISA 2018 Technical Report
Rutkowski, L., Gonzalez, E., Joncas, M., & Von Davier, M. (2010). International large-scale assessment data: Issues in secondary analysis and reporting. Educational researcher, 39(2), 142-151.