Бакалавриат 2022/2023

Научно-исследовательский семинар: Прикладной анализ данных в психологии

Статус: Курс обязательный (Психология)

Направление: 37.03.01. Психология

Кто читает: Департамент психологии

Где читается: Факультет социальных наук

Когда читается: 2-й курс, 3, 4 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Ангельгардт Антон Николаевич, Колачев Никита Игоревич, Рыбина Елена Петровна

Язык: русский

Кредиты: 3

Контактные часы: 30

Программа дисциплины

Аннотация

Курс «Анализ данных в психологии» предназначен для формирования умений и навыков работы с различными данными, но в первую очередь с психологическими. Дисциплина является базовой для современного психолога. В ходе курса изучаются универсальные методы одномерного и многомерного статистического анализа, способы проверки допущений статистических методов, а также принципы визуализации данных. В результате освоения дисциплины студенты смогут самостоятельно проанализировать данные, собранные в рамках научно-исследовательских проектов, в соответствии с поставленными целями.

Цель освоения дисциплины

• освоение основных методов многомерного статистического анализа данных психологических исследований
• освоение практических навыков многомерной статистической обработки эмпирических данных с использованием компьютерных программ
• освоение практических навыков визуализации данных с использованием компьютерных программ

Планируемые результаты обучения

• Выделение структуры и типов имеющихся данных для решения задачи прикладного анализа данных
• Выделение структуры и типов имеющихся данных для решения задачи прикладного анализа данных
• Планирование и реализация прикладного анализа данных

Содержание учебной дисциплины

• Данные и кодбук (codebook)
• Что такое предобработка данных? Как и зачем?
• Регрессионный анализ данных
• Эксплораторный факторный анализ данных
• Конфирматорный факторный анализ данных
• Кластерный анализ данных
• Ограничение применимости методов анализа в различных ситуациях
• Проблема репродуцируемости как часть кризиса воспроизводимости. Репродуцируемость процедуры анализа данных.

Элементы контроля

• Тест
• Промежуточные презентации (чекапы)
• Проект

Промежуточная аттестация

• 2022/2023 учебный год 4 модуль
  0.5 * Проект + 0.3 * Тест + 0.2 * Промежуточные презентации (чекапы)

Список литературы

Рекомендуемая основная литература

• Анализ данных : учебник для вузов / В. С. Мхитарян [и др.] ; под редакцией В. С. Мхитаряна. — Москва : Издательство Юрайт, 2020. — 490 с. — (Высшее образование). — ISBN 978-5-534-00616-2. — Текст : электронный // ЭБС Юрайт [сайт]. — URL: http://biblio-online.ru/bcode/450166 (дата обращения: 31.08.2020).
• Берикашвили, В. Ш.  Статистическая обработка данных, планирование эксперимента и случайные процессы : учебное пособие для вузов / В. Ш. Берикашвили, С. П. Оськин. — 2-е изд., испр. и доп. — Москва : Издательство Юрайт, 2020. — 164 с. — (Высшее образование). — ISBN 978-5-534-09216-5. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/454291 (дата обращения: 28.08.2023).
• Воскобойников Ю.Е. - Эконометрика в Excel: парные и множественные регрессионные модели: учебное пособие - Издательство "Лань" - 2018 - 260с. - ISBN: 978-5-8114-2318-7 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/108319
• Дюк, В. А. Логический анализ данных : учебное пособие / В. А. Дюк. — Санкт-Петербург : Лань, 2020. — 80 с. — ISBN 978-5-8114-4180-8. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/126935 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Маккинни, У. Python и анализ данных / У. Маккинни , перевод с английского А. А. Слинкина. — 2-ое изд., испр. и доп. — Москва : ДМК Пресс, 2020. — 540 с. — ISBN 978-5-97060-590-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/131721 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Миркин, Б. Г.  Введение в анализ данных : учебник и практикум / Б. Г. Миркин. — Москва : Издательство Юрайт, 2020. — 174 с. — (Высшее образование). — ISBN 978-5-9916-5009-0. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/450262 (дата обращения: 28.08.2023).
• Мясникова, Н. А., Алгоритмы и структуры данных : учебное пособие / Н. А. Мясникова. — Москва : КноРус, 2021. — 185 с. — ISBN 978-5-406-04167-3-A-2020. — URL: https://book.ru/book/936642 (дата обращения: 25.08.2023). — Текст : электронный.
• Нестеров, С. А. Основы интеллектуального анализа данных. Лабораторный практикум : учебное пособие / С. А. Нестеров. — Санкт-Петербург : Лань, 2020. — 40 с. — ISBN 978-5-8114-4509-7. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/130181 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Сидняев, Н. И.  Теория планирования эксперимента и анализ статистических данных : учебник и практикум для вузов / Н. И. Сидняев. — 2-е изд., перераб. и доп. — Москва : Издательство Юрайт, 2020. — 495 с. — (Высшее образование). — ISBN 978-5-534-05070-7. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/449686 (дата обращения: 28.08.2023).
• Статистический анализ данных в MS Excel : учеб. пособие / А.Ю. Козлов, В.С. Мхитарян, В.Ф. Шишов. — М. : ИНФРА-М, 2019. — 320 с. — (Высшее образование: Бакалавриат). — www.dx.doi.org/10.12737/2842. - Режим доступа: http://znanium.com/catalog/product/987337
• Яковлев, В. Б., Регрессионный анализ. Расчеты в Excel и Statistica : учебное пособие / В. Б. Яковлев. — Москва : Русайнс, 2021. — 176 с. — ISBN 978-5-4365-5714-4. — URL: https://book.ru/book/938371 (дата обращения: 25.08.2023). — Текст : электронный.

Рекомендуемая дополнительная литература

• Embarak O. Data Analysis and Visualization Using Python: Analyze Data to Create Visualizations for BI Systems. - Apress, 2018.
• Hector Guerrero. (2019). Excel Data Analysis. Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsrep&AN=edsrep.b.spr.sprbok.978.3.030.01279.3
• Jiang, J. (2007). Linear and Generalized Linear Mixed Models and Their Applications. New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=212826
• Long, J. D., & Teetor, P. (2019). R Cookbook : Proven Recipes for Data Analysis, Statistics, and Graphics: Vol. Second edition. O’Reilly Media.
• Taieb, D. (2018). Data Analysis with Python : A Modern Approach. Birmingham, UK: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1993344
• Дорофеев, В.А. Основы регрессионного моделирования для психологов : учебное пособие / В.А. Дорофеев, Ю.А. Мочалова. - Ростов-на-Дону : Южный федеральный университет, 2018. - 129 с. - ISBN 978-5-9275-2549-2. - Текст : электронный. - URL: https://new.znanium.com/catalog/product/1021605 - Текст : электронный. - URL: http://znanium.com/catalog/product/1021605