Metodologie pedagogického výzkumu II

Podobné dokumenty
Tomáš Karel LS 2012/2013

Obsah Úvod Kapitola 1 Než začneme Kapitola 2 Práce s hromadnými daty před analýzou

Tomáš Karel LS 2012/2013

Statistika (KMI/PSTAT)

Korelační a regresní analýza

Statistická analýza jednorozměrných dat

INDUKTIVNÍ STATISTIKA

Tvorba a analýza didaktických testů

Cvičení 12: Binární logistická regrese

Měření závislosti statistických dat

6. Lineární regresní modely

4EK211 Základy ekonometrie

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

KGG/STG Statistika pro geografy

Biostatistika a e-learning na Lékařské fakultě UK v Hradci Králové

E-LEARNIGOVÉ KURZY LÉKAŘSKÉ INFORMATIKY MEDICAL INFORMATICS E-LEARNIG COURSES

Regresní analýza 1. Regresní analýza

You created this PDF from an application that is not licensed to print to novapdf printer (

Kontingenční tabulky, korelační koeficienty

Obecná didaktika úvodem Petr Knecht. SZ7MP_ODI1 St 19:25-20:10 (prezenční st.) SZ7MK_ODI1 Po 18:30-20:10 (kombinované st.)

POLYNOMICKÁ REGRESE. Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými.

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

PSY117/454 Statistická analýza dat v psychologii přednáška 8. Statistické usuzování, odhady

Klára Šeďová, Jiří Zounek. Ústav pedagogických věd FF MU A. Nováka Brno

MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ

Regresní a korelační analýza

Kontingenční tabulky, korelační koeficienty

PILÍŘE UNIVERZITNÍHO STUDIA

SEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík

Hana Voňková, katedra školní a sociální pedagogiky, PedF UK. povinný kurz pro magisterské studenty oboru pedagogika

Regresní a korelační analýza

{ } ( 2) Příklad: Test nezávislosti kategoriálních znaků

Regresní a korelační analýza

Tomáš Karel LS 2012/2013

KORELACE. Komentované řešení pomocí programu Statistica

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Tomáš Karel LS 2012/2013

PRAVDĚPODOBNOST A STATISTIKA

Zásady zpracování vědecké práce

(motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination.

Metodologie pedagogického výzkumu Téma číslo 2 Koncipování vlastního výzkumu

vzorek vzorek

Regresní a korelační analýza

Korelace. Komentované řešení pomocí MS Excel

4EK211 Základy ekonometrie

STATISTICKÉ PROGRAMY

Regresní a korelační analýza

Sylabus předmětu: Metodologie kvantitativního výzkumu

Statgraphics v. 5.0 STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA. Martina Litschmannová 1. Typ proměnné. Požadovaný typ analýzy

Průvodce studiem modulu pro kombinovanou formu studia. Modul č. 13 UPLATNĚNÍ NA TRHU PRÁCE - dílčí část II Bakalářský seminář + příprava na praxi

4EK211 Základy ekonometrie

Úvodem Dříve les než stromy 3 Operace s maticemi

Grafický a číselný popis rozložení dat 3.1 Způsoby zobrazení dat Metody zobrazení kvalitativních a ordinálních dat Metody zobrazení kvan

4EK211 Základy ekonometrie

Téma 9: Vícenásobná regrese

Testování hypotéz a měření asociace mezi proměnnými

MATEMATIKA III V PŘÍKLADECH

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup

Metody tvorby politik (MTP) Zimní semestr 2018/2019 Katedra veřejné a sociální politiky FSV UK

Statistická analýza dat v psychologii. Věci, které můžeme přímo pozorovat, jsou téměř vždy pouze vzorky. Alfred North Whitehead

TECHNICKÁ UNIVERZITA V LIBERCI

Cvičná bakalářská zkouška, 1. varianta

Informační technologie a statistika 1

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

LINEÁRNÍ REGRESE. Lineární regresní model

Technická univerzita v Liberci

Pokročilé neparametrické metody. Klára Kubošová

MÍRY ZÁVISLOSTI (KORELACE A REGRESE)

Proč a jak se stát studentem

Tématické okruhy pro státní závěrečné zkoušky. Navazující magisterské studium. studijní obor "Management jakosti"

Testování hypotéz o parametrech regresního modelu

Testování hypotéz o parametrech regresního modelu

PSY117/454 Statistická analýza dat v psychologii Přednáška 10

Statistické zkoumání faktorů výšky obyvatel ČR

Téma číslo 4 Základy zkoumání v pedagogice I. Pavel Doulík, Úvod do pedagogiky

PLÁN KOMBINOVANÉHO STUDIA

Analýza vzdělávacích potřeb a kompetencí učitelů 1. stupně ZŠ v Olomouckém kraji k implementaci a využívání ICT ve výuce matematiky

Cíl Vyhodnotit současný stav migračně prostorové diferenciace území ČR a migrační tendence na základě údajů za obce ČR

Inovace bakalářského studijního oboru Aplikovaná chemie

Cíle korelační studie

Statistická a věcná významnost. Statistická významnost. Historie hypotézy a testů. Hypotézy a statistické testy.

Aplikovaná statistika v R - cvičení 2

Informace pro studenty doktorského studijního programu obecná jazykověda a teorie komunikace (OJTK)

STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)

TECHNICKÁ UNIVERZITA V LIBERCI

4EK211 Základy ekonometrie

Cvičící Kuba Kubina Kubinčák Body u závěrečného testu

Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k )

Úkol 1.: Testování nezávislosti nominálních veličin V roce 1950 zkoumali Yule a Kendall barvu očí a vlasů u 6800 mužů.

ZX510 Pokročilé statistické metody geografického výzkumu. Téma: Měření síly asociace mezi proměnnými (korelační analýza)

VYBRANÉ DVOUVÝBĚROVÉ TESTY. Martina Litschmannová

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Proces marketingového výzkumu - jednotlivé fáze, význam, stručná charakteristika. Výběr a formulace výzkumného problému. Vztahy mezi proměnnými.

PRAVDĚPODOBNOST A STATISTIKA

Souběžná validita testů SAT a OSP

Doktorské studium na FPH VŠE. Martin Lukeš proděkan pro vědu, výzkum a doktorské studium

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM

Aplikovaná statistika v R - cvičení 3

Pravděpodobnost a matematická statistika

Transkript:

Metodologie pedagogického výzkumu II kurz pro první ročník magisterského studia oboru pedagogiky, PedF UK rozsah kurzu: 1/1 výuka probíhá blokově: sobota 2.4. v 10:00-17:30 v R208 sobota 9.4. v 10:00-17:30 v R208 zakončení kurzu: zápočet a zkouška požadavky ke zkoušce: ústní zkouška tři základní okruhy z teoretické části kurzu - práce s odbornou literaturou při provádění výzkumu, experimenty v pedagogickém výzkumu a metody výběru vzorku z populace okomentovat (na zkoušce předloženou) tabulku shrnující statistické výsledky nějakého výzkumu publikovaného v odborné literatuře; k provedení komentáře je nutné znát - základní popisné statistiky, grafy, korelace, t-testy, chi-kvadrát test, regresi s více proměnnými požadavky k zápočtu: výpisky ze třech článků z odborné pedagogické literatury, přičemž preferovaný výběr článků je následující článek 1 - výběr ze zahraničních časopisů, které lze najít v některé z dostupných knihoven - např. NPKK v Mikulandské, Národní knihovna a knihovna na PedF UK; zpracujte ve dvojici či trojici (alternativou je i jiný zahraniční pedagogický časopis, který nebyl přinesen na výuku) článek 2 - výběr ze zahraničních časopisů, které lze najít v některé z dostupných knihoven - např. NPKK v Mikulandské, Národní knihovna a knihovna na PedF UK; zpracujte samostatně 1

článek 3 - výběr z jednoho z českých pedagogických časopisů, doporučuji tři časopisy, které u nás patří k nejprestižnějším Pedagogika, Pedagogická orientace a Orbis scholae, zpracujte samostatně články vybírejte s ohledem na vaše další využití např. pro magisterskou práci a seminární práce z dalších pedagogických předmětů pokud je četba v angličině nepřekonatelným problémem, můžete si jako náhradu za článek 2 vybrat dva články z českých časopisů - tato varianta však není preferována výpisky z každého článku se mají opírat o tabulku 3.3, jež bude prezentována během přednášky, dále je nutné stručně uvést hlavní závěry; přibližná délka jedné rešerže je 1 stránka odevzdání rešerží článků k zápočtu: do půlnoci 20.5. termíny ke zkoušce: 25.5. v 10:30 v R225 27.5. v 10:30 v R225 16.6. v 11:00 v R225 dotazy vždy zasílejte elektronicky na: h.vonkova@gmail.com konzultace: 19.4., 3.5. a 17.5., vždy v 15:45-16:30 v R225 výklad je založen především na knize: Gay, L.R., Mills, G.E., Airasian, P. Educational Research. Competencies for Analysis and Application. Upper Saddle River, NJ : Pearson Higher Education, 2008. Další studijní materiály 2

naskenované tabulky a obrázky z knihy Gay (2008) lze najít v souboru metodologie2.zip (15 jpg souborů) ukázky statistických výsledků z odborné pedagogické literatury lze najít v souboru metodologie2 literatura statvysledky.zip datove soubory k regresní analýze lze najít v souboru metodologie2 data.zip 1 Práce s odbornou pedagogickou literaturou kroky pro vypracování přehledu literatury table3 1 literature review jak kriticky posuzovat literární zdroje table3 3 literature critical evaluation ukázka matice s literaturou figure3 5 literature matrix průvodce psaním odborného textu table3 4 technical writing 2 Výběr vzorku pro pedagogický výzkum ukázka náhodných čísel table5 1 random numbers typy náhodných výběrů table5 2 random sampling ukázka stratifikovaného výběru figure5 1 stratified sample 3

typy nenáhodných výběrů table5 3 nonrandom sampling příklady výběrů v kvalitativním výzkumu table5 4 example qualitative sampling 3 Experimenty v pedagogickém výzkumu porušení interní validity table10 1 threats internal validity porušení externí validity table10 2 threats external validity preexperimental design a porušení validity figure10 1 preexperimental design true experimental design a quasi-experimental designy a porušení validity figure10 2 true experimental quasiexperimental designs příklad designu s časovou řadou figure10 3 time series design patterns příklad faktoriálového designu figure10 5 factorial design 4 Vícerozměrná regresní analýza zopakovat úvod do jednorozměrné regresní analýzy ze slajdů ke kurzu Metodologie pedagogického výzkumu I doplňující příklad ( soubor metodologie2 data.csv) V datovém souboru jsou údaje o 50 studentech - jejich výsledek v testu z matematiky (v procentech), třída (třída A je kódována jako 1, třída B jako 0), pohlaví (1=chlapec, 0=dívka) a postoj k matematice 4

(pětibodová škála, 1=matematiku považuje za velmi oblíbený předmět, 5 = za velmi neoblíbený předmět). Vysvětlete výsledek v testu pomocí všech dostupných charakteristik studentů, tj. odhadněte model lineární regrese, kde závislou proměnnou je výsledek v testu a nezávislými (vysvětlujícími) proměnnými jsou pohlaví, třída a postoj. Získané regresní koeficienty interpretujte - jaká je jejich velikost, jsou signifikantně odlišné od nuly na hladině významnosti 5 procent? Jaká část variability závisle proměnné byla modelem vysvětlena? Je model užitečný? Výsledek v testu vysvětlete pomocí dvou charakteristik studentů - třída a postoj. Porovnejte tento model s předchozím modelem. Pokud narazíte na podstatný rozdíl mezi těmito modely, vysvětlete, proč k nim došlo. 5 Ukázky statistických výsledků publikované v odborných časopisech rozbor vybraných statistických výsledků z následujících dvou odborných článků: Vojtová, V. Škola pro všechny - vyhledávání žáků v riziku poruch chování ve školním prostředí. Orbis scholae, 2009, roč. 3, č. 1, s. 79-97. Lewis, R., Shlomo, R., Xing, Q., Yaacov, J. K. Teachers classroom discipline and student misbehavior in Australia, China and Israel. Teaching and Teacher Education, 2005, č. 21, s. 729-741. vybrané statistické výsledky prezentované v tabulkách a grafech lze najít v souboru metodologie2 literatura statvysledky.zip 5