Syllabus
Struktura kurzu:
Organizace výběrových šetření, statistický a zkušenostní přístup ke stanovení velikosti výběrového souboru (vzorku). Důsledky pro sílu testu a průkaznost efektu.
Kvalita dat a efekty vychýlení výsledků (non-response). Způsoby sběru dat.
Práce s tazateli. Etické aspekty výzkumu (kodex ESOMAR, Simar). Mystery shopping.
Příprava dat na zpracování. Transformace a kategorizace údajů, tvorba odvozených znaků.
Třídění prvního stupně a jeho výsledky (četnosti, míry polohy a variability). Transformace znaků, standardizace.
Dvojrozměrná analýza - princip testování hypotéz, statistika kontingenční tabulky.
Korelace a regrese, předpoklady a limity.
Testování rozdílů a analýza rozptylu (ANOVA).
Problémy kauzální interpretace korelací a zobecňování údajů. Vícedimenzionální přístup (Lazarsfeldova koncepce interpretace, latentní struktury, úvod do faktorové analýzy).
Problematika sociotechnických doporučení.
Prognózování, úvod do modelování.
Závěrečná zpráva ze sociologického výzkumu, formy prezentace dat a příklady chyb.
Archivace dat a sekundární analýza. Hodnocení validity a reliability dat. Využití tzv. velkých dat.
Annotation
Kurz rozvíjí dovednosti v oblasti analýzy a prezentace dat, učí studenty formulaci závěrů i praktických doporučení a vede je ke kritickému hodnocení kvality dat. Věnuje se také problematice sběru dat v terénu a jeho etických předpokladů. Prerekvizitou jsou předchozí kurzy Metod (1-3), Statistika a Zpracování dat.
Požadavky k atestaci:
Cvičení kladou důraz na rozvíjení interpretačních dovedností, tzn. rozvíjejí schopnost číst a vyhodnocovat různé typy výstupů, volit adekvátní formy grafické prezentace. Zkouška zahrnuje vedle ústní části také písemný test z oblasti analýzy dat (na základě výstupů z IBM SPSS).
The course develops skills in the field of data analysis and presentation, teaches students to formulate conclusions and practical recommendations and leads them to critical assessment of data quality. It also deals with the field of data collection in the field and its ethical assumptions. Prerequisites: Previous courses Methods (1-3), Statistics and Data Processing.
Attestation Requirements:
Exercises emphasize the development of interpretative skills, ie. develop the ability to read and evaluate various types of output, to choose adequate forms of graphic presentation. The exam includes, in addition to the oral part, a written test in the area of data analysis (based on the outputs from IBM SPSS).