ANALISI DI DATI PER LA RICERCA
cod. 1011748

Anno accademico 2024/25
2° anno di corso - Primo semestre
Docenti
Settore scientifico disciplinare
Psicometria (M-PSI/03)
Ambito
A scelta dello studente
Tipologia attività formativa
A scelta dello studente
48 ore
di attività frontali
6 crediti
sede: PARMA
insegnamento
in ITALIANO

Obiettivi formativi

1. Conoscenza e capacità di comprensione. Gli studenti saranno messi in grado raggiugnere una buona conoscenza dei modelli statistici avanzati di più diffuso utilizzo nel contesto della ricerca scientifica psicologica, applicandoli a dati reali in contesti di ricerca .
2. Capacità di applicare conoscenza e comprensione. Gli studenti saranno messi in grado di utilizzare l’ambiente di sviluppo R per implementare le tecniche statistiche di analisi dei dati adeguate all’ipotesi di ricerca e alla natura delle variabili in oggetto.

3. Autonomia di giudizio. Gli studenti saranno messi in grado di sviluppare capacità critica e autonomia di giudizio rispetto alle tecniche di analisi di modelli complessi in report tecnici e all'interpretazione dei risultati ottenuti.

4. Abilità comunicative. Gli studenti saranno messi in grado di comunicare i risultati di analisi di dati, sia in forma numerica sia in forma grafica, con l’adeguato apparato iconografico e l’adeguato lessico tecnico-statistico, a interlocutori specialisti e non specialisti, secondo le indicazioni APA.


5. Capacità di apprendimento. Gli studenti saranno messi n grado di apprendere in modo prevalentemente autonomo nuove tecniche per la conduzione di tecniche statistiche di analisi, in particolare nell’ambiente di sviluppo R.

Prerequisiti

È richiesto come prerequisito l’aver frequentato il corso di Tecniche di Analisi di Dati.

Contenuti dell'insegnamento

Il corso intende fornire agli studenti gli strumenti teorici e applicativi per comprendere e sviluppare in autonomia le più importanti tecniche statistiche che costituiscono le applicazioni del Modello Lineare Generale (GLM), della sua estensione (Generalized Linear Model) e delle tecniche di riduzione della complessità del dato di più frequente applicazione nella ricerca psicobiologica e delle neuroscienze cognitive. Verranno inoltre fornite le linee-guida per la corretta redazione delle tecniche statistiche utilizzate nella produzione di testi che illustrino risultati di ricerca (tesi di laurea, comunicazione a convegni, articoli scientifici), secondo le raccomandazioni APA. Tutte le analisi saranno gestite tramite l’ambiente di elaborazione R.

Programma esteso

Modelli di relazione tra variabili quantitative: regressione lineare multipla.
Modelli di relazione tra variabili continue e variabili categoriali: analisi della varianza univariata (con uno e con più predittori; ANOVA) e multivariata (MANOVA), analisi della covarianza univariata (ANCOVA) e multivariata (MANCOVA).
Modelli di regressione non lineare: regressione logistica binomiale e multinomiale, regressione di Cox con analisi di sopravvivenza.
Metodi di riduzione della complessità: analisi fattoriale, analisi dei cluster.

Bibliografia

Gallucci, M., Leone, L. (2012). Modelli statistici per le scienze sociali (II ed). Pearson. Capitoli: 3-4-5-6-7-8-9-12-13-14.

Dispensa fornita dalla docente, disponibile nella pagina dell’insegnamento sulla piattaforma Elly.
Follow
Task Force on Statistical Inference – American Psychological Association (1999). up report: Statistical methods in psychology journals. (pp. 1-11). http://www.apa.org/science/leadership/bsa/statistical/tfsi-followup-report.pdf

Metodi didattici

Le lezioni si svolgeranno in presenza. Il materiale didattico sarà depositato sulla specifica piattaforma ad accesso riservato agli studenti (Elly) e comprenderà presentazioni iconografiche e/o audio-video di supporto.

Modalità verifica apprendimento

Esame scritto, con due domande aperte di teoria sull'intero programma, e un esercizio in ambiente R. L'esercizio prevede l'analisi di dati che saranno messi a disposizione (tramite Elly) al massimo 48 ore prima della prova. Le analisi comprenderanno una prima parte relativa a statistiche descrittive sui dati e due successive parti in cui saranno richieste verifiche inferenziali di ipotesi. Oltre alla corretta esecuzione delle statistiche, sarà considerata parte imprescindibile ai fini della sufficienza la capacità di interpretare e commentare adeguatamente gli output delle analisi. La valutazione in trentesimi sarà così composta:
prima domanda di teoria: 0-8 punti; seconda domanda di teoria: 0-8 punti
esercizio: 0-14 punti, così suddivisi:
prima parte 0-4 punti;
seconda parte 0-5 punti;
terza parte 0-5 punti.
E' facoltà dello studente chiedere che l'esame sia integrato da una prova orale, purché l'esito della prova scritta sia complessivamente sufficiente. La prova orale è strutturata in maniera analoga alla prova scritta: domande relative ai contenuti dell'intero programma e una breve esercitazione in ambiente R su dati utilizzati per le esercitazioni durante il corso.
Gli Studenti con DSA/BSE devono preventivamente contattare il Centro di Accoglienza e Inclusione dell'Ateneo (cai@unipr.it)

Altre informazioni

Si raccomanda con insistenza di accompagnare la preparazione teorica con l'esecuzione degli esercizi proposti; si suggerisce di richiedere al docente feedback sulla loro correttezza.