- Oggetto:
- Oggetto:
Analisi dei dati
- Oggetto:
Data Analysis
- Oggetto:
Anno accademico 2013/2014
- Codice dell'attività didattica
- PSI0025
- Docente
- Luca Ricolfi (Titolare del corso)
- Corso di studi
- Scienze della mente
- Anno
- 1° anno
- Periodo didattico
- Secondo semestre
- Tipologia
- Fondamentale
- Crediti/Valenza
- 8
- SSD dell'attività didattica
- M-PSI/03 - psicometria
- Modalità di erogazione
- Tradizionale
- Lingua di insegnamento
- Italiano
- Modalità di frequenza
- Facoltativa
- Tipologia d'esame
- Orale
- Modalità d'esame
- Esame orale sui testi (con eventuali esercizi carta, matita e calcolatrice)
Oral examination based on texts (possibly with simple exercises)
- Prerequisiti
- Nozioni base di statistica descrittiva e inferenziale. In particolare:
a) matrice dei dati, variabili, indici di tendenza centrale, variabilità e forma.
b) probabilità e inferenza statistica.
c) analisi della relazione fra due variabili.
Nozioni base sulle seguenti tecniche: correlazione, regressione semplice e multipla, analisi fattoriale esplorativa, analisi della varianza.
Nozioni base sui disegni sperimentali.
Basic notions of statistics (descriptive and inferential). Specifically:
a) data matrix, variables, measures of central tendency, variability and shape.
b) probability and statistical inference.
c) relationship between two variables. - Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
a) Teoria dei tipi di scala, teoria della misurazione, teoria dei dati, principi di analisi dei dati, storia dell’analisi dei dati, tecniche di assegnazione, tecniche multivariate. b) Padroneggiare 8 algoritmi di analisi dei dati.The course objectives are: a) Knowledge and understanding: theory of scale types, measurement theory, data theory, principles of data analysis, history of data analysis, assignment techniques, multivariate techniques. b) Applying knowledge and understanding: handle eight data analysis algorithms.- Oggetto:
Risultati dell'apprendimento attesi
Lo studente deve saper dimostrare: 1) di discutere criticamente: un modello causale, le proprietà psicometriche di uno strumento di misura, la struttura di uno spazio percettivo.The student must be able to demonstrate: 1) to making judgments, communication skills: critically discussing a causal model, the psychometric properties of a measurement device, the structure of a perceptual space.- Oggetto:
Programma
Il corso è suddiviso in tre moduli: 1. Fondamenti di analisi dei dati (teoria dei dati, tipi di scala, principi di analisi dei dati, storia dell’analisi dei dati) 2. Tecniche di assegnazione (classificazione automatica, scaling ordinale, misurazione unidimensionale e multidimensionale) 3. Tecniche multivariate (analisi della varianza, analisi fattoriale, analisi delle corrispondenze).The course is divided into three units: 1. Foundations of data analysis (data theory, scale types, principles and history of data analysis). 2. Assignment techniques (automatic classification, ordinal scaling, 1-dimensional and multidimensional measurement). 3. Multivariate techniques (analysis of variance, factor analysis, correspondence analysis).Testi consigliati e bibliografia
- Oggetto:
- Luca Ricolfi, Manuale di analisi dei dati. Fondamenti, Bari, Laterza (2002). Luca Ricolfi, Dispense del corso (a.a. 2013-2014), copisteria Copy Digital, via Riberi 2 (Torino). Luca Ricolfi, L’analisi empirica nelle scienze sociali: una tassonomia (saggio pubblicato sulla “Rassegna Italiana di Sociologia”, XXXVI, 3, 1995.riprodotto anche nel primo capitolo del volume La ricerca qualitativa, Roma, Carocci, 1998, pp. 19-43).Luca Ricolfi, Manuale di analisi dei dati. Fondamenti, Bari, Laterza (2002). Luca Ricolfi, Dispense del corso (a.a. 2013-2014), among "Copy Digital", via Riberi 2 (Torino). Luca Ricolfi, L’analisi empirica nelle scienze sociali: una tassonomia (paper published in the “Rassegna Italiana di Sociologia”, XXXVI, 3, 1995.also included in the first chapter of the book La ricerca qualitativa, Roma, Carocci, 1998, pp. 19-43).
- Oggetto: