Seminarium tematyczne: Wykorzystanie data mining w badaniach psychologicznych

Informacje ogólne

Kod przedmiotu:	WF-R-PS-STWDM
Kod Erasmus / ISCED:	14.4 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (brak danych)
Nazwa przedmiotu:	Seminarium tematyczne: Wykorzystanie data mining w badaniach psychologicznych
Jednostka:	Instytut Psychologii
Grupy:
Punkty ECTS i inne:	(brak) Podstawowe informacje o zasadach przyporządkowania punktów ECTS: roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS; tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h; 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się; tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS; nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta. zobacz reguły punktacji
Język prowadzenia:	polski
Poziom przedmiotu:	średnio-zaawansowany
Symbol/Symbole kierunkowe efektów uczenia się:	SD_ PS _W01 SD_ PS _W03 SD_ PS _U02 SD_ PS _U03 SD_ PS _K02
Skrócony opis:	Podczas kursu studenci zdobywają podstawową wiedzę na temat wykorzystania metod data mining w badaniach psychologicznych. Wykonują ćwiczenia z wykorzystaniem dwóch metod Classification and Regression Tree (C&RT) oraz analizy skupień przeprowadzanej przez algorytmy data mining w pakiecie Data Miner programu Statistica
Pełny opis:	1. Wprowadzenie do modelowania przy pomocy algorytmów data mining - podstawowe informacje 2. Omównienie pakietu Data Miner programu Statistica 3. Założenia modelowania przy pomocy algorytmu Classification and Regression Tree (C&RT) 4. Budowanie przy pomocy algorytmu Classification and Regression Tree (C&RT) - ćwiczenia 1 5. Budowanie przy pomocy algorytmu Classification and Regression Tree (C&RT) - ćwiczenia 2 6. Budowanie przy pomocy algorytmu Classification and Regression Tree (C&RT) - ćwiczenia 3 7. Budowanie przy pomocy algorytmu Classification and Regression Tree (C&RT) - ćwiczenia 4 8. Budowanie przy pomocy algorytmu Classification and Regression Tree (C&RT) - ćwiczenia 5 9. Założenia analizy skupień przeprowadzanej przez algorytmy data mining 10. Wykreślanie profili przy pomocy analizy skupień - ćwiczenia 1 11. Wykreślanie profili przy pomocy analizy skupień - ćwiczenia 2 12. Wykreślanie profili przy pomocy analizy skupień - ćwiczenia 3 13. Wykreślanie profili przy pomocy analizy skupień - ćwiczenia 4 14. Wykreślanie profili przy pomocy analizy skupień - ćwiczenia 5 15. Złożenie końcowych raportów
Literatura:	Nisbet, R., Elder, J., & Miner, G. (2009). Handbook of statistical analysis and data mining applications. Burlington, MA: Academic Press (Elsevier). Elder, J., Hill, T., Miner, G., Nisbet, B., Delen, D., & Fast, A. (2012). Practical Text Mining and Statistical Analysis for Nono-structured Text Data Application. Oxford: Elsevier. Szymańska, A. (2017). Wykorzystanie analizy skupień metodą data mining do wykreślania profili osób badanych w badaniach psychologicznych [Using cluster analysis in the data mining method to draw profiles of participants surveyed in psychological research]. Studia Psychologiczne. Szymańska, A. (2017). Wykorzystanie algorytmów Text Mining do analizy danych tekstowych w psychologii [Usage of text mining algorithms to analyze textual data in psychology]. Socjolingwistyka.
Efekty kształcenia i opis ECTS:	Wiedza - student poprawnie opisuje działanie algorytmów służących do budowy drzew decyzyjnych. Umiejętności - student dobiera odpowiednie algorytmy do analizy danych; poprawnie interpretuje wyniki; umie wyszukać i wyselekcjonować źródła, które posłużą mu do wzbogacania swojej wiedzy i umiejętności. Kompetencje - dąży do rzetelnego i zgodnego z regułami metodologii zbierania danych empirycznych oraz ich analizowania przy pomocy poznanych na zajęciach algorytmów. ECTS: udział w zajęciach: 20 przygotowanie do kolokwium: 10 Suma godzin: 30 LICZBA ECTS: 4

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie.