Delivered at:: Department of Strategic and International Management

Course type:: Compulsory course

When:: 2 year, 2, 4 module

Instructors

Kazakov, Sergey P.

Soboleva, Natalia

Полная версия программы учебной дисциплины

Аннотация

Семинар направлен на приобретение студентами магистратуры знаний и навыков, необходимых для планирования, выполнения и оценки результатов исследований в сфере гостеприимства и туризма. Он направлен на развитие знаний и компетенций по двум основным направлениям: специфике исследовательской и аналитической работы применительно к индустрии туризма и гостеприимства, а также на развитие практических исследовательских навыков с целью проведения научно-исследовательских проектов и подготовки диссертации магистерского уровня. Курс посвящен вопросам планирования и разработке дизайна исследований, сбора данных, выдвижению и проверке гипотез, отчетности; использованию эконометрики и других количественных измерений в тематике исследований, связанной с деятельностью организаций, оперирующих в туризме и гостеприимстве в направлениях исследовательской работы, связанных с измерением уровня репутации, имиджа и конкурентоспособности предприятий, а также статистическим исследованиям на мезо- и макро-уровнях отрасли.

Цель освоения дисциплины

Развитие компетенций аналитических процедур применительно к качественным и количественным исследовательским данным, полученным в результате их сбора
Овладение навыками выбора статистических методов и процедур, позволяющих достижению цели исследования, выполнения его задач, решения исследовательского вопроса и тестирования исследовательских гипотез
Формирование аналитических навыков в сфере интерпретации полученных результатов исследования, в обосновании выводов и заключений на основе результатов исследования, разработки рекомендаций для будущих исследований в исследуемой предметной области и для практики менеджмента индустрии гостеприимства и туризма

Планируемые результаты обучения

В результате освоения темы студент должен: осуществлять правильный подбор процедур анализа данных научных и научно-практических исследований в соответствии с целью и задачами, а также методологического аппарата исследования,
В результате освоения темы студент должен: Методологию, процедуры и техники анализа качественных и количественных данных исследования.
В результате освоения НИС студент должен: Знать: Методологию, процедуры и техники анализа качественных и количественных данных исследования; Уметь: осуществлять правильный подбор процедур анализа данных научных и научно-практических исследований в соответствии с целью и задачами, а также методологического аппарата исследования; грамотно и последовательно использовать методы анализа качественных и количественных данных исследования
В результате освоения НИС студент должен уметь:грамотно и последовательно использовать методы анализа качественных и количественных данных исследования; визуализировать результаты анализа данных в виде таблиц, графиков, диаграмм и датаграфики; интерпретировать полученные результаты исследования и обосновывать свои выводы на основе этих результатов; описывать и обосновывать ограничения исследования и подготовить презентацию результатов исследований в виде доклада и академического текста.

Содержание учебной дисциплины

Методы анализа качественных данных Конвенциональные методы анализа первичных и вторичных качественных данных с помощью программного обеспечения nVivo и Atlas.ti. Современные методы анализа первичных и вторичных качественных данных с помощью программного обеспечения Orange и библиотеки Python Textblob в среде Анаконда Гибридные методы анализа на основе трансформации первичных и вторичных качественных данных в количественные с помощью программного обеспечения Orange и fs/cs/QCA
Анализ массива данных глубинных интервью, фокус-групп, наблюдения, эксперимента, текстов, отзывов и иного онлайн-контента — частотный анализ, выявление инсайтов, облако слов, анализ встречаемости, смежности и сопряженности кодов, цитат, кейсов массива данных, построение и анализ семантических нейронных сетей. Анализ массива данных глубинных интервью, фокус-групп, наблюдения, эксперимента, текстов, отзывов и иного онлайн-контента — детерминированнее текстового корпуса и «мешка» слов, сентимент-анализ по методикам Лиу Ху и Вейдера, моделирование тематики и текстового контекста, определение значимости слов и выражений для текстового контекста, анализ субъективности и полярности онлайн-отзывов и иных текстов. Логит-регрессия, иерархический кластерный анализ, дерево решений, дихотомический и порядковый сравнительный качественный анализ — техники конвертации качественных данных в количественные, шкалирование и калибровка переменных и значений, проведение анализа, уменьшение размерности, запись результатов.
Методы анализа количественных данных. Основы работы с пакетом SPSS. Основные приемы работы и организация данных. Работа с переменными в пакете SPSS. Описательная статистика. Визуализация данных. Взаимозависимость переменных. Коэффициент корреляции. Коэффициенты связи для номинальных, порядковых и интервальных переменных. Дисперсионный анализ. Регрессионный анализ. Факторный и кластерный анализ. Эконометрическое моделирование методом структурных уравнений (МСУ).
Начало работы. Ввод данных. Основные опции для работы с переменными, создание макета анкеты, основные вспомогательные возможности работы с данными. Автоматическое и ручное перекодирование переменных. Вычисление новых переменных. Агрегирование данных. Логическая чистка данных. Работа с файлами. Работа с окном выдачи результатов – SPSS Viewer. Экспорт объектов в приложения MS Office. Основные типы шкал и соответствующие им меры средней тенденции и меры разброса. Интервальные, порядковые, номинальные и дихотомические переменные. Меры разброса. Расчёт дисперсии, квартильного размаха, качественной вариации. Одномерные частотные таблицы, абсолютные и относительные частоты (процент, доля), накопленная частота. Принципы графического представления одномерных данных. Таблицы сопряженности. Коэффициенты парной связи для различных типов шкал. Коэффициенты связи для номинальных переменных. Критерий Хи-квадрат и основанные на нем коэффициенты. Прогнозные коэффициенты λ. Коэффициенты ранговой корреляции. Коэффициенты связи для интервальных переменных. Коэффициент корреляции Пирсона. Формальная модель, заложенная в методе. Одномерный и многомерный дисперсионный анализ. Команда T-тест: для сравнения двух независимых выборок, для одной выборки, для парных данных. Однофакторный дисперсионный анализ. Методы множественных сравнений. Дисперсионный анализ Краскэла-Уоллиса. Общее описание регрессионной модели. Ограничения модели регрессии. Линейная регрессия, парная и множественная. Регрессионная модель с использованием фиктивных переменных. Логистическая регрессия. Эффекты взаимодействия. Проверка качества полученной модели, требования к исходным данным. Интерпретация результатов. Исследование структуры данных. Факторный анализ. Метод главных компонент. Модель, заложенная в методе, требования к исходным данным, интерпретация результатов. Общая характеристика методов кластерного анализа. Преимущества МСУ для количественных исследований казуального типа. Последовательность и правила построения моделей МСУ. Особенности формулировки исследовательских гипотез, измерительных шкал и разработки анкет для сбора данных, требования к выборке, подготовка и калибровка массива данных (реверсивные шкалы, пропущенные значения, трансформация ненормальности распределений), проведение анализа с помощью программного обеспечения Stata и R-Studio (библиотека lavaan языка R), анализ дискриминантной и конвергентной валидности, композитной надежности, статистик пригодности модели, интерпретация и запись результатов. Обзор современных регрессивных и классификационных методов анализа количественных данных, получившие популярность в науке о данных. Метод ближайших соседей на основе k-средних, случайный лес, наивный байесов метод, нейронная сеть, стохастическое градиентное сглаживание, метод опорных векторов, понятие качества прогнозирования моделей, ROC-кривые и статистики пригодности эконометрических моделей.
Интерпретация и презентация результатов исследования. Запись результатов исследования. Визуализация результатов исследования
Академический стиль в интерпретации результатов анализа данных, порядок изложения результатов тестирования гипотез и решения исследовательского вопроса, логическое связывание записи результатов с методологическим аппаратом исследования (цель, задачи и т.п.), дискуссия с результатами предыдущих исследований на основе проведенного в исследовании обзора литературы, обоснование выводов и значения полученных результатов для развития теории, описание ограничений исследования, определение направлений будущих исследований, разработка рекомендаций на основе результатов исследования для практики бизнеса. Виды графиков, определение данных и результатов исследования для визуализации, программное обеспечение для визуализации данных, датаграфика, презентация результатов исследования в форме доклада, журнальной статьи и раздела диссертации.

Элементы контроля

Домашнее задание
Домашняя работа представляет собой результат анализа данных по теме диссертации в формате документа MS Word на 5-6 страницах, включающего 1) тему диссертации 2) цель исследования 3) исследователськие гипотезы или вопросы 4) описание выборки 5) метод сбора данных 6) результаты анализа данных в форме выкладок - таблиц и графического материала 7) списка литературы 8) допускается включение в домашнюю работу приложений для презентации объемного табличного материала
Работа на семинарах
Экзамен
Экзамен представляет собой презентацию результатов дисссертационного исследования преподавателю НИС с использованием демонстрации слайдов в программе MS Powerpoint в оффлайн или онлайн-формате.

Промежуточная аттестация

Промежуточная аттестация (2 модуль)
0.5 * Домашнее задание + 0.5 * Экзамен
Промежуточная аттестация (4 модуль)
0.3 * Домашнее задание + 0.3 * Работа на семинарах + 0.4 * Экзамен

Master’s Programme 'Experience Economy: Hospitality and Tourism Management'

Contacts

Research Seminar "Analysis, Interpretation and Presentation of Study Results"

Instructors

Программа дисциплины

Аннотация

Цель освоения дисциплины

Планируемые результаты обучения

Содержание учебной дисциплины

Элементы контроля

Промежуточная аттестация

Список литературы

Рекомендуемая основная литература

Рекомендуемая дополнительная литература