Syllabus del corso
Area di apprendimento
Metodi, tecniche e strumenti della psicologia
Statistica e metodi quantitativi
Obiettivi formativi
Conoscenza e comprensione
Tecniche statistiche per la pianificazione ed analisi dati correlazionali
Tecniche statistiche per la pianificazione ed analisi dati sperimentali
Relazioni semplici e complesse fra variabili di diverso tipo
Capacità di applicare conoscenza e comprensione
Saper analizzare i dati di diversi tipi di disegni di ricerca
Capire e valutare la qualità delle analisi statistiche presenti in letteratura
Saper analizzare e capire relazioni complesse tra variabili
Utilizzo del software statistico
Contenuti sintetici
ll corso presenta una serie di tecniche statistiche e concetti metodologici utili per l’acquisizione e l'analisi dei dati caratteristici della ricerca nelle neuroscienze, con particolare attenzione alla ricerca sperimentale. Sono presentate tecniche avanzate. Particolare rilievo è dato al tipo di risultati ottenibili ed alla loro interpretazione. Sono anche approfonditi i modelli di misurazione nelle neuroscienze.
Programma esteso
Modelli statistici ed inferenza
Modello lineare generale
Effetti lineari, non lineari e di interazione
Analisi dei disegni a misure ripetute
Modello lineare generalizzato
Analisi fattoriale
Analisi del potere statistico
**Laboratorio
**
Apprendimento del software statistico jamovi ed esercitazioni pratiche sull’analisi dei dati
Prerequisiti
Fondamenti di statistica descrittiva (indici di tendenza centrale e di dispersione); Fondamenti di statistica inferenziale. Regressione semplice e correlazione, t-test.
Metodi didattici
Nelle lezioni frontali vengono affrontate le basi teoriche delle tecniche statistiche in programma, la loro applicabilità, con particolare enfasi alla loro interpretazione. Con l’ausilio di numerosi esempi presi dalla letteratura neuroscientifica, si vuole rendere comprensibili le nozioni di statistica svolte a studenti e studentesse con diversi background formali e diversi livelli di apprendimento di materie logico-matematiche. La discussione delle analisi dei dati in aula è considerata parte integrante delle lezioni. Laboratorio informatico con esercizi su dati e applicazioni delle tecniche discusse a lezione.
Modalità di verifica dell'apprendimento
L'esame è costituito da una prova scritta con orale facoltativo (su richiesta o dello studente o del docente). La prova scritta è costituita da domande a scelta multipla (20) e domande aperte (3/5) basate su analisi dei dati. Esame orale opzionale. Le domande a scelta multipla valuteranno in particolar modo l’apprendimento delle conoscenze teoriche riguardanti la misurazione psicometrica e i modelli statistici sottostanti all’analisi dei dati. Le domande a scelta multipla pesano per 1/3 del voto totale.
Le domande aperte valuteranno in particolar modo la capacità di applicare tali conoscenze teoriche alla progettazione di ricerche e all’analisi dei dati. Gli studenti e le studentesse possono dimostrare di saper capire un disegno di ricerca, individuare le analisi statistiche utile a rispondere a specifiche domande di ricerca, svolgere le analisi con il software, interpretare correttamente i risultati e riportarli secondo gli standard internazionali (APA).
L’esame orale opzionale è offerto agli studenti e alle studentesse che ritengono che il risultato dell’esame scritto non rifletta adeguatamente la loro preparazione e verterà sia sulla comprensione teorica, sia sulla capacità di analisi dei dati. L'esame orale parte dalla discussione dello scritto e rigarda tutti gli argomenti svolti a lezione. In caso di integrazione orale, il voto finale sarà dato dalla media dello scritto e dell'orale.
Sarà anche offerta agli studenti e alle studentesse la possibilità di sostenere una simulazione di esame equivalente in tutto e per tutto ad una prova di esame. Lo scopo è di familiarizzare lo studente alla prova di esame e fornire un feedback adeguato.
Gli studenti e le studentesse Erasmus possono contattare il docente per concordare la possibilità di studiare su una bibliografia in lingua inglese e/o la possibilità di sostenere l'esame in inglese.
Testi di riferimento
ll materiale per lo studio sarà contenuto nelle slide delle lezioni, e nel libro di testo. Saranno inoltre indicate pubblicazioni scientifiche che verteranno su argomenti specifici. Le slide delle lezioni e le pubblicazioni scientifiche saranno rese disponibili attraverso la piattaforma online dell’Università.
Libro 1: Gallucci M., Leone L., Berlingeri, E. (2017). Modelli statistici per le scienze sociali, seconda edizione. Milano: Pearson Educational.
Sustainable Development Goals
Learning area
Methods, techniques and instruments for psychology
Statistics and quantitative methods
Learning objectives
Knowledge and understanding
Statistics for correlation data
Statistics for experimental data
Simple and complex relationships among different types of variables
Advanced concepts of measurement in neurosciences
Applying knowledge and understanding
Ability to analyze data collected in different research designs
Understanding and evaluating third-party statistics and their quality
Estimating and understanding simple and relationships among variables.
Employing and evaluating different types of neurophisialogical measures
Use of statistical software
Contents
An overview of several statistical techniques and methodological concepts is provided, giving the student the ability to collect and analyze data in a wide range of research situations. Advanced statistical techniques are presented, with emphasis on the interpretation of results. Fundamental concepts related with measurement in psychology are also discussed.
Detailed program
Statistical models and inferential statistics
The general linear model
Linear, non-linear and interactions effects
Statistics for repeated-measures designs
Generalized linear model
Factor analysis
Power Analysis
Practice Labs
Practice with jamovi statistical software and hands-on exercises with real data.
Prerequisites
Descriptives statistics (measures of central tendency and dispersion); Basics of inferential statistics; regression and correlation; t-test
Teaching methods
Theoretical and practical classes. In the theoretical lessons the foundations of the statistical techniques are presented and discussed, their applicability, with special focus on the interpretation of the results. Using several examples found in the neuroscientific literature, students with different mathematical backgrounds should be able to understand what is needed to carry out and interpreting the statistical analyses discussed in the course.
Practice sections in the computer labs with analyses of real data and discussion.
Assessment methods
Written final test with multiple-choice questions and open-end questions based on data analyses. Optional oral exam.
Multiple-choice questions (20) will assess particularly the understanding of the theoretical models underlying psychometric measurement and data analysis techniques. They weight for 1/3 of the final grade.
Open-ended questions (3 to 5) will assess the ability to apply this knowledge for developing research projects and for analyzing data. The student will be assessed on their ability to understand a research design, select the statistical techniques useful to answer the researcher questions, execute them with the statistical software, interpret and report the results following international standard (APA)
The possibility of an oral exam is offered to students who consider that the result of the exam does not reflect their real competence and it will assess both theoretical knowledge and practical abilities. The oral exam mark will be averaged with the written exam mark to compose the final grade.
Students will also have the possibility to take simulation test, equivalent to the final test. The aim of the simulation is to acquaint students to the test environment and to give them feedback before the take the exam.
Although this course is held in Italian, for Erasmus students, the course material is available also in English, and students can take the exam in English if they wish to do so.
Textbooks and Reading Materials
Slides and additional material offered via elearning page.
Book: Gallucci M., Leone L., Berlingeri, E. (2017). Modelli statistici per le scienze sociali, seconda edizione. Milano: Pearson Educational.
Sustainable Development Goals
Staff
-
Marcello Gallucci
