Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie - Centralny System Uwierzytelniania
Strona główna

WM: Wykorzystanie algorytmów data mining w psychologii: analiza skupień

Informacje ogólne

Kod przedmiotu: WF-R-PS-WMAD
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. / (0313) Psychologia Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: WM: Wykorzystanie algorytmów data mining w psychologii: analiza skupień
Jednostka: Instytut Psychologii
Grupy: Grupa przedmiotów ogólnouczelnianych - Doktoranci
Przedmioty dla doktorantów psychologii
Wykłady monograficzne kierunkowe z psychologii
Wykłady monograficzne pozakierunkowe
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 _W02

SD_ PS _W04

SD_ PS _W05

SD_ PS _K04

SD_ PS _K05



Skrócony opis:

Celem kursu jest przybliżenie działania algorytmów przeprowadzających analizę skupień, łączenia tej metody z układami równań strukturalnych a także wykorzystania jej do wykreślania profili osób badanych i testowania dopasowania krzywych empirycznych do krzywych modelowych.

Pełny opis:

1. Wprowadzenie do algorytmów Generalised k-means Cluster Analysis, informacje podstawowe na temat metody

2. Podstawowe informacje na temat działania algorytmu: grupowanie osób badanych do skupień.

3. Podstawowe informacje na temat działania algorytmu: obliczanie różnic miedzy skupieniami.

4. Podstawowe informacje na temat działania algorytmu: określanie wyników osób w skupieniach na podstawie średniej normalizowanej.

5. Przeprowadzenie analizy skupień i raportowanie wyników – ćwiczenie 1.

6. Przeprowadzenie analizy skupień i raportowanie wyników – ćwiczenie 2.

7. Przeprowadzenie analizy skupień i raportowanie wyników – ćwiczenie 3.

8. Podstawowe założenia modelowania przy pomocy układów równań strukturalnych

9. Obliczenie pierwszego modelu przy pomocy układu równań strukturalnych w programie AMOS.

10. Obliczanie analizy skupień dla zmiennych z modelu strukturalnego. Określanie charakterystyki skupień ze względu na zmienne.

11. Obliczenie drugiego modelu przy pomocy układu równań strukturalnych w programie AMOS.

12. Obliczanie analizy skupień dla zmiennych z drugiego modelu strukturalnego. Określanie charakterystyki skupień ze względu na zmienne.

13. Wykreślanie krzywej teoretycznej.

14. Wykreślanie krzywej empirycznej na podstawie wyników analizy skupień.

15. Szacowanie dopasowania krzywej empirycznej do krzywej teoretycznej.

Literatura:

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.

Nisbet, R., Elder, J., & Miner, G. (2009). Handbook of statistical analysis and data mining applications. Burlington, MA: Academic Press (Elsevier).

Szymańska, A. (2017b). 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, 55(1), 25–40.

Efekty kształcenia i opis ECTS:

WIEDZA:

- doktoranci poprawnie posługują się terminologią metody analizy skupień, m. in. posiadają wiedzę na temat sposobu klasyfikacji obiektów, średnią normalizowaną itd.

UMIEJĘTNOŚCI:

- przeprowadzają analizę skupień z wykorzystaniem algorytmów

KOMPETENCJE:

- poprawnie interpretują wyniki analizy

Opis punktów ECTS

Udział w zajęciach: 30 godzin

Przygotowanie do zajęć oraz przygotowanie raportów, czytanie literatury: 30 godzin

Metody i kryteria oceniania:

Podstawą zaliczenia kursu jest oddanie raportu końcowego prezentującego wyniki opracowane z wykorzystaniem metody analizy skupień

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.
ul. Dewajtis 5,
01-815 Warszawa
tel: +48 22 561 88 00 https://uksw.edu.pl
kontakt deklaracja dostępności USOSweb 7.0.3.0-1 (2024-04-02)