Анализ данных в образовании

Магистратура 2020/2021

Статус: Курс обязательный (Доказательное развитие образования)

Направление: 38.04.04. Государственное и муниципальное управление

Кто читает: Институт образования

Где читается: Институт образования

Когда читается: 1-й курс, 1-3 модуль

Формат изучения: без онлайн-курса

Преподаватели: Капуза Анастасия Васильевна, Колыгина Дарья Игоревна, Чиркина Татьяна Александровна

Прогр. обучения: Доказательное развитие образования

Язык: русский

Кредиты: 6

Контактные часы: 90

Полная версия программы учебной дисциплины

Аннотация

Центральная задача курса — изучить и освоить базовые знания теории вероятности, математической статистики и количественных методов анализа данных. Главной особенностью курса является то, что его материал излагается на примерах, связанных с областью образования: слушатели знакомятся с результатами современных исследований в этой области и тренируются на данных исследований и мониторингов качества образования. Прохождение курса подразумевает самостоятельную внеаудиторную работу и освоение предложенных онлайн курсов. Большинство аудиторной работы будет посвящено дискуссиям и групповой работе.

Цель освоения дисциплины

Знать возможности и ограничения изучаемых методов анализа
Научиться подбирать методы количественного анализа данных под исследовательские вопросы, проводить анализ и интерпретировать его результаты
Использовать R для статистического анализа данных
Научиться содержательно и статистически описывать результаты анализа

Планируемые результаты обучения

Интерпретирует результаты анализа, полученные с помощью различных методов, и оценивает их соответствие исследовательскому вопросу
Подбирает и объясняет выбор методов под поставленные исследовательские вопросы с учетом возможностей и ограничений методов анализа
Различает типы шкал переменных
Описывает данные и переменные (уровни измерения, соответствующие типу шкалы описательные статистики)
Реализовывает анализ с использованием изучаемых методов в R
Представляет результаты своего анализа и других исследований, опубликованных в ведущих мировых журналах, в формах отчетов и презентаций

Содержание учебной дисциплины

Базовые понятия теории вероятностей и комбинаторики
Основы теории вероятности: элементы комбинаторики. Случайные события, классические определения вероятности. Операции с событиями: независимые события и условная вероятность. Правила сложения и умножения вероятностей.
Базовые понятия статистики применительно к исследованиям в образовании
Введение в статистику в социальных науках. Данные: переменные и наблюдения. Генеральная совокупность и выборка. Шкалы измерения. Описательная статистика: среднее, медиана, мода, меры разброса. Стандартная ошибка измерения. Доверительный интервал. Нормальное распределение. Стандартизация шкал. Графическое представление базовых статистик.
Основы работы с R
Начало работы в R, знакомство с интерфейсом. Ввод и импорт данных разных форматов (dat, sav, csv и другие). Работа с пакетами. Работа с переменными – кодирование, вычисление новых переменных, свойства переменных. Работа с данными – сортировка, отбор случаев, извлечение случайной выборки, агрегирование, чистка данных. Работа с файлами – слияние нескольких файлов.
Сравнение средних, проверка гипотез и анализ дисперсии
Статистические гипотезы. Нулевая и альтернативные гипотезы. Ошибки первого и второго рода. Уровень значимости для различных распределений. Степени свободы и таблицы критических значений. Сравнение средних (t-тест и его непараметрические аналоги) и анализ дисперсии (ANOVA, MANOVA и их непараметрические аналоги).
Связь между переменными
Методы определения связи между переменными, измеренными на разных шкалах. Линейная и нелинейная связь. Корреляция (Пирсона, Спирмена) и непараметрические методы. Хи-квадрат. Коэффициент детерминации (R2).
Регрессионный анализ
Линейный регрессионный анализ. Цели и методология. Статистические модели. Парная регрессия. Уравнение и характеристики модели. Интерсепт, регрессионные коэффициенты, ошибки. Множественный регрессионный анализ. Работа с дамми-переменными. Проверка допущений линейного регрессионного анализа. Процент объясненной дисперсии. Проверка качества моделей.
Логистическая регрессия
Нелинейные регрессионные модели. Биноминальное распределение, распределение Бернулли. Бинарная, порядковая и мультиноминальная логистическая регрессия.
Факторный анализ
Эксплораторный факторный анализ и метод главных компонент. Вращение: ортогональное и косоугольное. Факторные нагрузки.
Кластерный анализ
Основные цели, решаемые кластерным анализом, сфера применения. Иерархический кла- стерный анализ. Способы вычисления расстояний между объектами. Способы кластеризации. Неиерархический кластерный анализ, метод k-средних.

Элементы контроля

Домашние работы
Экзамен (проект)
Контрольная работа-1
Контрольная работа в конце второго модуля
Контрольная работа-2
Контрольная работа в третьем модуле

Промежуточная аттестация

Промежуточная аттестация (3 модуль)
0.5 * Домашние работы + 0.1 * Контрольная работа-1 + 0.1 * Контрольная работа-2 + 0.3 * Экзамен (проект)

Программа дисциплины