Методология исследования и базовая статистика

Аспирантура 2019/2020

Статус: Курс по выбору

Направление: 44.06.01. Образование и педагогические науки

Кто читает: Институт образования

Когда читается: 1-й курс, 1 семестр

Формат изучения: без онлайн-курса

Преподаватели: Захаров Андрей Борисович, Осин Евгений Николаевич, Скрябин Максим Александрович

Язык: русский

Кредиты: 3

Контактные часы: 40

Полная версия программы учебной дисциплины

Аннотация

Дисциплина «Методология исследования и базовая статистика» относится к циклу дисциплин по выбору и изучается на 1-м году обучения. Обучение в рамках данного блока не требует предварительной подготовки сверх тех навыков и способностей, которые необходимы для поступления в аспирантскую школу по образованию (знание базовой статистики). Основные положения дисциплины должны быть использованы в дальнейшем при изучении дисциплин: • Разработка инструментов измерения, • Углубленная психометрика, • Углубленная статистика.

Цель освоения дисциплины

Целями освоения дисциплины «Методология исследования и базовая статистика» являются: ● дать аспирантам четкое понимание принципов исследовательского дизайна и базовых статистических понятий; ● ознакомить с основными качественными и количественными методологическими парадигмами; ● развить умения формировать выборку, а также применять методы описательной статистики и статистического вывода, включая корреляционный и регрессионный анализ.

Планируемые результаты обучения

понимать принципы научного исследования
знать различия между качественными, количественными и смешанными методами
уметь формулировать эмпирически проверяемые вопросы для количественных исследований и гипотезы для различных исследовательских задач
уметь выбирать инструменты измерения для различных исследовательских задач
уметь вычислять описательные статистики
уметь выдвигать статистические гипотезы, соответствующие различным исследовательским вопросам
понимать, чем отличаются различные вероятностные и невероятностные способы формирования выборки и каковы их сильные стороны
понимать сильные и слабые стороны исследовательских дизайнов, наиболее часто используемых в исследованиях в образовании
уметь вычислять и интерпретировать размер эффекта
уметь учитывать выборочные весы при различных способах организации выборки
понимать сильные и слабые стороны корреляционных исследований
понимать сильные и слабые стороны лонгитюдных исследований
применять теорию причинно-следственного вывода для решения исследовательских задач
понимать сильные и слабые стороны доэкспериментальных дизайнов
понимать сильные и слабые стороны рандомизованных контролируемых дизайнов
осуществлять рандомизованное контролируемое исследование
понимать сильные и слабые стороны дизайна прерванных временных серий
понимат сильные и слабые стороны дизайна разорванной регрессии
использовать способы балансировки данных в неэкспериментальном дизайне
использовать различные способы мэтчинга

Содержание учебной дисциплины

Общее представление о научном исследовании
Философия о науке и научном методе. Позитивизм и постпозитивизм. Номотетическая и идиографическая стратегия исследований. Задачи исследований в социальных науках. Этические стандарты исследований с людьми, этические комиссии. Защита прав участников исследований: информированное согласие, конфиденциальность.
Количественная и качественная парадигмы
Общее представление о количественной и качественной парадигмах: их методологические различия, исследовательские задачи и процедуры. Исследование в количественной парадигме: обзор основных дизайнов. Смешанные исследования.
Проблемы исследования, вопросы и гипотезы
Теоретические обзоры: задачи, процедуры и применение в науке. Обнаружение проблем исследования. Формулировка исследовательских вопросов и гипотез: хорошие и плохие гипотезы. Теория как мост от исследовательского вопроса к проверяемой гипотезе.
Переменные и измерительные шкалы
Виды переменных и их место в научном исследовании: а) наблюдаемые и латентные, б) независимые, зависимые и побочные, г) предикторы, критерии и ковариаты, медиаторы и модераторы. Типичные переменные в социальных исследования. Виды шкал: номинативные, порядковые, интервальные, отношений. Параметрические и непараметрические статистики.
Характеристики количественных данных
Результат измерения как случайная величина: непрерывные и дискретные величины. Генеральная совокупность и выборка. Теоретические и эмпирические распределения. Распределение одной, двух и множества переменных. Описательные статистики: меры центральной тенденции и меры разброса, асимметрия и эксцесс. Нормальное распределение: свойства и критерии диагностики. Стандартное нормальное распределение и его вероятностная интерпретация.
Проверка статистических гипотез
Статистическая гипотеза: определение. Подход с проверкой нулевой гипотезы: нулевая и альтернативная гипотеза, процедура проверки и критерии принятия решений. Односторонние и двусторонние гипотезы. Квантили, критические значения и наблюдаемые значения статистик, уровень значимости. Новая статистика: размеры эффекта, доверительные интервалы и их связь с проверкой гипотез. Ошибки первого и второго рода и связанные с ними риски.
Размер эффекта и статистическая мощность
Понятие размера эффекта. Основные семейства размеров эффекта: корреляция, различие средних, соотношение шансов, доля объясненной дисперсии. Способы перевода размера эффекта в другие единицы. Оценка величины размера эффекта. Понятие и задачи мета-анализа. Понятие статистической мощности: основные задачи анализа мощности. Анализ мощности в GPower.
Выборки
Свойства и задачи выборки. Критерии качества выборки: репрезентативность и точность выборочных оценок. Выборочная ошибка. Единицы выборки: наблюдения и кластеры. Невероятностные и вероятностные стратегии построения выборок. Невероятностные стратегии: удобная выборка, целевая выборка, метод снежного кома, самоотбор. Систематические стратегии.
Вероятностные стратегии и комплексные выборки
Целевые и доступные генеральные совокупности. Простая случайная выборка с возвращением и без. Стратифицированная случайная выборка. Кластерная случайная выборка. Двухэтапная процедура построения выборки. Комплексные выборки. Оценка влияния кластеров на выборочную ошибку и эффективный объём выборки, расчёт эффекта дизайна. Выборочные веса: теория и процедуры.
Валидность научного исследования
Понятие внутренней и внешней валидности. Основные угрозы внутренней и внешней валидности. Роль валидности статистического вывода. Понятие валидности измерительного инструмента: валидность инструмента и валидность исследования.
Коэффициенты корреляции и корреляционные исследования
Описательные исследования. Корреляция и каузальность. Параметрические и непараметрические коэффициенты корреляции: допущения и источники ошибки. Проблемы корреляционных исследований (выбросы, надежность измерения, аггрегация, проблема третьей переменной). Коэффициент детерминации. Общее представление о регрессионных моделях.
Дизайны корреляционных исследований
Дизайны без воздействия. Срезовые дизайны: основные исследовательские вопросы и угрозы валидности. Лонгитюдные дизайны и временные серии: основные исследовательские вопросы и угрозы валидности. Иерархические структуры данных и общее представление о задачах многоуровневых методов. Исследования без воздействия на одном наблюдении: исследование значимого случая. Исторические исследования.
Теория причинно-следственного вывода
Необходимые условия причинности. Каузальная модель Неймана-Рубина: единицы, воздействия, потенциальные следствия. Что такое эффект: ITE, ATE, ATT, ATU. SUTVA. Способы назначения: unconfounded, ignorable и non-ignorable. Проблема эндогенности и ошибки: почему рандомизованный эксперимент является «золотым стандартом» в каузальном анализе.
Угрозы внутренней валидности и доэкспериментальные дизайны
Угрозы внутренней валидности. Доэкспериментальные (слабые) дизайны и как они обходятся с этими угрозами: дизайн с пост-тестом на одной группе, дизайн на одной группе с претестом и пост-тестом, дизайны с неэквивалентными группами, отсутствующим воздействием, повторным воздействием, case-control.
Рандомизованные контролируемые дизайны
Рандомизованные контролируемые дизайны и угрозы внутренней валидности: дизайн с посттестом и контрольной группой, дизайн с претестом и посттестом и контрольной группой, множественные воздействия и контрольные группы, факторные дизайны, дизайны с повторными измерениями, лонгитюдные дизайны. Ситуации, когда рандомизация желательна и затруднена.
Шаги в осуществлении рандомизованного контролируемого исследования
Разработка исследовательского вопроса. Выбор генеральной совокупности и стратегии построения выборки. Варианты рандомизации: простая, кластерная, стратифицированная. Оценка минимального выявляемого размера эффекта и статистической мощности для разных вариантов дизайна. Как организовать воздействие: наличие воздействия, разные виды воздействий, дозировка (уровни) воздействия. Достоверность (fidelity). Оценка эффекта воздействия.
Дизайн прерванных временных серий
Структура дизайна прерванных временных серий. Изменения наклона (slope) и остаточного среднего (intercept). Отложенные эффекты. Осложнение дизайна дополнительными условиями. Частые проблемы дизайна прерванных временных серий.
Дизайн разорванной регрессии
Общая структура дизайна. Разорванная регрессия как эффект воздействия в рандомизованном контролируемом эксперименте. Моделирование разорванной регрессии. Соответствие точки отсечения. Неточная разорванная регрессия. Дизайн разорванной регрессии и угрозы внутренней валидности.
Балансировка данных при помощи propensity scores, взвешивание
Способы балансировки данных в неэкспериментальном дизайне. Conditional ignorability. Проблема размерности и свойства propensity scores. Способы анализа с использованием propensity scores. Оценка propensity scores: определение ковариатов и выбор корректной модели. Многомерный анализ с использованием propensity scores в качестве весов.
Стратификация и мэтчинг
Техники мэтчинга: разные виды «жадного мэтчинга», оптимальный мэтчинг. Баланс и common support. Диагностика баланса. Анализ на парных (matched) выборках: техники и выбор ковариатов. Стратификация при помощи propensity scores и анализ внутри страт. Угрозы внутренней валидности при использовании propensity scores.

Элементы контроля

Контрольная работа
Экзамен

Промежуточная аттестация

Промежуточная аттестация (I семестр)
0.5 * Контрольная работа + 0.5 * Экзамен

Программа дисциплины