• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Аспирантура 2018/2019

Методология исследования и базовая статистика

Статус: Курс по выбору
Направление: 44.06.01. Образование и педагогические науки
Когда читается: 1-й курс, 1 семестр
Формат изучения: Full time
Язык: русский
Кредиты: 3

Программа 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

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.
Результаты освоения дисциплины

Результаты освоения дисциплины

  • 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

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

Элементы контроля

  • неблокирующий Контрольная работа
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

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

Список литературы

Рекомендуемая основная литература

  • Cohen, L., Manion, L., & Morrison, K. (2018). Research Methods in Education (Vol. Eighth edition). New York: Routledge. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1614634

Рекомендуемая дополнительная литература

  • Batchelder, J. S., & Rachal, J. R. (2000). Efficacy of a Computer-Assisted Instruction Program in a Prison Setting: An Experimental Study. Adult Education Quarterly, 50(2), 120. https://doi.org/10.1177/07417130022086946
  • Brian A. Jacob, & Lars Lefgren. (2004). Remedial Education and Student Achievement: A Regression-Discontinuity Analysis. The Review of Economics and Statistics, (1), 226. https://doi.org/10.1162/003465304323023778
  • Clark, M., & Cundiff, N. (2011). Assessing the Effectiveness of a College Freshman Seminar Using Propensity Score Adjustments. Research in Higher Education, 52(6), 616–639. https://doi.org/10.1007/s11162-010-9208-x
  • Colm O’Muircheartaigh, & Larry V. Hedges. (2014). Generalizing from unrepresentative experiments: a stratified propensity score approach. Journal of the Royal Statistical Society Series C, (2), 195. https://doi.org/10.1111/rssc.2014.63.issue-2
  • Greifeneder, R., Alt, A., Bottenberg, K., Seele, T., Zelt, S., & Wagener, D. (2010). On writing legibly: Processing fluency systematically biases evaluations of handwritten material. https://doi.org/10.1177/1948550610368434
  • Morgan, P. L., Frisco, M., Farkas, G., & Hibel, J. (2008). A Propensity Score Matching Analysis of the Effects of Special Education Services. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.F1834341
  • Multilevel analysis of individuals and cultures. (2008). Erlbaum. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsnar&AN=edsnar.oai.tilburguniversity.edu.publications.8debce94.6854.4edd.b0f6.8bae61fccd4c
  • Rajeev H. Dehejia, & Sadek Wahba. (2002). Propensity Score-Matching Methods For Nonexperimental Causal Studies. The Review of Economics and Statistics, (1), 151. https://doi.org/10.1162/003465302317331982